AI-kompetens: bygg förmåga, inte bara kurser

Det vanligaste sättet att bygga AI-kompetens är också det som fungerar sämst: en timmes genomklickad webbutbildning, en bock i en ruta, och sedan ingenting. Att den inte räcker syns i siffrorna. Enligt EY:s undersökning Work Reimagined 2025 hade omkring 60 procent av de svenska medarbetarna fått mindre än fyra timmars AI-utbildning, och bara drygt tio procent mer än 40 timmar. De som fått mer rapporterar att de sparar väsentligt mer tid i veckan än de med minimal träning. Glappet sitter alltså inte i intresset. Det sitter i kompetensen, och kompetens är inte en kurs.

AI-kompetens i en organisation är förmågan att använda AI, bedöma när dess svar håller och avgöra när den inte ska användas, fördelad efter vad olika roller faktiskt behöver. Det är en kapacitet ni bygger, inte ett kursintyg ni delar ut.

AI-kompetens är ingen enhetlig färdighet. Den är tre lager: att kunna använda verktyget, att se när svaret är fel, och att veta när AI inte ska användas alls.

Tre lager av AI-kunnighet

Att klumpa ihop allt till "AI-kompetens" döljer att det egentligen är tre olika förmågor, och att de flesta utbildningar bara tar den första.

Operativ kunnighet är att kunna hantera verktyget: skriva en användbar fråga, veta vad det klarar, få ut något vettigt. Det är den lägsta tröskeln och den som kurserna brukar nå.

Kritisk kunnighet är att kunna se när svaret är fel. En AI som låter säker och har fel är farligare än en som inte svarar alls, och förmågan att känna igen ett tveksamt svar är en helt annan färdighet än att skriva frågan. Den byggs av erfarenhet, inte av en presentation.

Strategisk kunnighet är att veta när AI inte ska användas. Att kunna säga "det här är fel verktyg för den här uppgiften" är minst lika värdefullt som att kunna använda det rätt, och det är den kunnighet som tar längst tid att bygga.

En organisation som bara har det första lagret har medarbetare som kan be AI om saker, men inte avgöra om svaren håller. Det är en bräcklig sorts kompetens.

Vad som händer utan kritisk kunnighet

Det är lätt att underskatta det andra lagret tills man sett vad som händer utan det. En medarbetare med operativ men inte kritisk kunnighet använder AI flitigt och litar på svaren, även de felaktiga. Ett självsäkert formulerat fel glider in i ett underlag, en rapport eller ett kundsvar, och eftersom det lät rätt fångas det inte. Felet upptäcks först när det fått konsekvenser. Den sortens misstag är dyrare än den utbildning som hade förebyggt det, och de uppstår just i organisationer som tror att kompetens är detsamma som att kunna trycka på knapparna.

Olika roller behöver olika saker

Här faller den enhetliga kursen på eget grepp. En ekonomiassistent och en marknadschef behöver inte samma sak, och att ge dem samma utbildning är att slösa den enas tid och missa den andras behov.

En ekonomiassistent som använder AI för att kontrollera och sammanställa data behöver framför allt operativ vana och en känsla för när en siffra ser fel ut. En marknadschef som låter AI ta fram utkast behöver kunna bedöma kvaliteten kritiskt, så att det som går ut håller. En IT- eller utvecklingsansvarig behöver förstå vad en modell inte kan, och var data och compliance sätter gränserna. Och en chef som ska fatta beslut utifrån AI-genererade underlag behöver något annat igen: inte att själv kunna prompta, utan att veta hur underlaget togs fram och var det kan vara opålitligt. Fyra roller, fyra olika behov, byggda kring vad var och en faktiskt gör.

Det är samma logik som i en AI-strategi: börja i det verkliga arbetet och bygg utifrån det, inte tvärtom.

Hur ni vet att förmågan finns

Kompetens som inte syns är svår att lita på. Ett enkelt test är att be folk berätta inte vad AI kan, utan var de skulle låta bli att använda den, och varför. Den som har ett bra svar har den strategiska kunnigheten. Den som bara räknar upp användningsområden har stannat på det första lagret. Ni behöver inga certifikat, men ni behöver kunna se den skillnaden, annars vet ni inte om utbildningen gav något.

Det är också ett lagkrav

Kompetens är inte längre bara en fråga om produktivitet. Sedan februari 2025 ställer EU:s AI Act krav på AI-kunnighet: att de som använder AI i arbetet har tillräcklig förståelse för vad den gör. Det är inte ett tungt krav för ett vanligt företag, men det betyder att kompetensen behöver vara reell, inte en formalitet. Mer om vad regelverket innebär finns i vår genomgång av EU AI Act och GDPR.

Så bygger ni förmågan

Inte med en utbildningsdag, utan med ett arbetssätt. Börja med de roller som redan använder AI mest, för det är där bristen på kritisk kunnighet kostar mest. Låt folk öva på riktiga uppgifter, inte på exempel, och bygg in tid för det. Låt dessutom de som blivit vassa visa de andra, för en kollega som löst samma problem lär ut snabbare än en extern kurs, och behandla kompetensen som något löpande, inte en engångsinsats, eftersom både verktygen och era användningar ändras. Och knyt ihop kompetensen med adoptionen, för en medarbetare som förstår verktyget också vågar använda det. Det hänger ihop med hur man får med medarbetarna över huvud taget, men är inte samma sak: det ena är att vilja, det andra att kunna.

Den som vill ha en konkret startpunkt för själva användningen hittar en i vår guide för att komma igång med AI. Kompetensen växer fortast när den byggs kring något verkligt man håller på med.

Vill ni bygga reell AI-kompetens?

Vi hjälper organisationer att bygga AI-förmåga där den behövs, roll för roll, kopplad till det arbete ni faktiskt gör. Vill ni veta var ni står och var ni bör börja? Boka ett samtal, så går vi igenom det tillsammans.