En AI-pilot är en avgränsad testinstallation som ska bevisa värde och genomförbarhet på verklig data, med verkliga användare, innan ni investerar i full drift. Om den når produktion avgörs till stor del innan den startar: av vilket flöde ni väljer, vilka kriterier som ska avgöra utfallet, vilka regler som gäller och vem som äger lösningen efteråt. Designas piloten utan en väg till drift mäter den bara om tekniken är imponerande, inte om den är användbar.
MIT-rapporten The GenAI Divide från juli 2025 blev känd för att 95 procent av organisationerna inte fick någon avkastning på generativ AI. Mer användbar för den som designar en pilot är trappan bakom: 60 procent av organisationerna hade utvärderat AI-system byggda eller köpta för en viss uppgift, 20 procent nådde pilotstadiet och 5 procent produktion. Enligt författarna föll de flesta på sköra arbetsflöden, system som inte lär sig av sammanhanget och dålig passform med det dagliga arbetet. Underlaget är 52 intervjuer, 153 enkätsvar och drygt 300 offentligt redovisade initiativ, och författarna kallar själva siffrorna riktningsgivande, så de ska läsas med försiktighet. Gartner förutspår att över 40 procent av de agentiska AI-projekten läggs ner före slutet av 2027, på grund av stigande kostnader, oklart affärsvärde eller otillräcklig riskkontroll.
En AI-pilot ska designas som en generalrepetition för drift, inte som ett teknikexperiment. Valet av flöde, kriterier och ansvar före start avgör mer än modellen.
Här är fem designval som ger piloten en väg till drift.
1. Välj ett flöde med en väg till drift
Ett avgörande fel kan begås redan i ämnesvalet: man väljer det som är enklast att testa, inte det som är värt att driftsätta. En sammanfattningsdemo på ett fristående dokument är riskfri och imponerar, men den leder ingenstans, för ingen äger flödet och ingen ska förvalta det.
Välj i stället ett flöde där tre saker är sanna: någon i verksamheten äger processen och vill ha förbättringen, volymen är stor nog att effekten går att mäta, och en väg till drift är realistisk, integrerad i era system eller som en fristående lösning. Det är samma prioritering som görs i förstudien, den första fasen i ett bygge, bara tillämpad på ett enda flöde. Vilka processer som passar och hur lösningen byggs beskrivs i automatisera processer med AI.
2. Bestäm exitkriterierna innan ni börjar
En pilot som inte kan misslyckas är ingen pilot, det är teater. Bestäm före start vilka mätvärden som räknas: sparad handläggningstid, andel korrekta svar, andel ärenden som klarar sig utan människa. Sätt tröskelvärden för tre utfall: skala, justera och kör igen, eller lägg ner. Kriterierna blir konkreta först med ett testset av verkliga fall, se testa AI-lösningar. Var piloten ligger på vägen från förstudie till drift beskrivs i komma igång med AI.
Mät också om lösningen blir bättre under piloten. MIT-rapporten pekar ut inlärning som det största hindret för att skala: de flesta system behåller inte återkoppling och förbättras inte över tid. Bestäm därför i förväg vad som händer med varje fall där en människa rättar modellen: det ska bli ett nytt testfall, en ny regel eller en justerad instruktion.
Nedläggning ska vara ett hedervärt utfall. Ett bolag som lägger ner en pilot efter sex veckor med ett tydligt svar har köpt kunskap billigt. Ett bolag som låter samma pilot tuffa vidare i arton månader utan beslut har köpt en vana. McKinseys undersökning The state of AI in 2026 från augusti 2026 visar att 37 procent av de svarande ser ett positivt bidrag från AI till rörelseresultatet, ungefär samma andel som året innan. Bland dem som får ut mest, omkring 6 procent av de svarande, har nästan tre av fyra i grunden gjort om arbetsflöden på grund av AI, mot en av fyra bland övriga. Exitkriterier tvingar fram just det: ett beslut om arbetssättet, inte en åsikt om demon.
3. Kör på riktig data, med riktiga användare, inom riktiga regler
En pilot i en skyddad verkstad, med utvalda dokument, välvilliga testpersoner och compliancefrågan parkerad till senare, känns effektiv men är motsatsen. Allt som parkerats kommer tillbaka som överraskning i driftsättningen, och där kan även en lyckad pilot stanna.
Kör piloten på er stökiga verkliga data, det är den datakvaliteten lösningen ska leva med, och var datan finns och hur den ser ut kartläggs i processkartläggningen inför AI. Ta med en skeptiker i pilotgruppen, inte bara entusiasterna, för det är skeptikerns invändningar ni behöver höra i vecka två och inte i månad åtta. Och lös GDPR-frågan, åtkomster och loggning i piloten: liten skala gör juridiken enklare att reda ut, inte mindre nödvändig.
Loggarna kräver ett eget beslut. De visar vem som gjorde vad, och då är de personuppgifter om medarbetarna. Enligt IMY:s vägledning om kontroll och övervakning av anställda, senast uppdaterad i juni 2026, ska arbetsgivaren först ta ställning till om uppföljning behöver göras på individnivå eller om gruppnivå räcker, och uppgifter som samlats in för ett ändamål får inte användas för ett annat, oförenligt ändamål. Bestäm därför före start att pilotens loggar används för att förbättra flödet, och berätta för pilotgruppen vad som loggas och varför.
4. Förhandla och riskbedöm innan piloten startar
När piloten ändrar hur medarbetarna arbetar gäller två skyldigheter som inte har med tekniken att göra. Båda tar tid, och båda är billigare att uppfylla före än efter.
Förhandling enligt MBL. Har ni kollektivavtal ska ni enligt 11 § medbestämmandelagen på eget initiativ förhandla med facket innan ni beslutar om en viktigare förändring av verksamheten eller av arbetsförhållandena för medlemmarna. Om ett AI-flöde är en sådan förändring beror på hur mycket det ändrar arbetsuppgifter och arbetssätt, och den bedömningen görs bäst med ert arbetsrättsliga stöd. Planera in förhandlingen före beslutet om drift, och ta ställning redan inför piloten om den ändrar arbetet för dem som deltar.
Riskbedömning enligt AFS 2023:1. När ändringar i verksamheten planeras ska arbetsgivaren enligt 11 § i Arbetsmiljöverkets föreskrifter om systematiskt arbetsmiljöarbete, AFS 2023:1, undersöka om ändringarna medför risker för ohälsa eller olycksfall och bedöma dem. Bedömningen ska dokumenteras skriftligt med vilka riskerna är och om de är allvarliga, och enligt 6 § ska medarbetarna och skyddsombuden få möjlighet att medverka i arbetsmiljöarbetet, som riskbedömningen är en del av. Föreskrifterna gäller sedan den 1 januari 2025. För ett AI-flöde på ett kontor finns de troliga riskerna i den organisatoriska arbetsmiljön, som regleras i 2 kap. AFS 2023:2:
- Arbetsbelastning. Tiden som AI frigör kan fyllas med fler ärenden. Enligt 2 kap. 6 § ska arbetsuppgifterna inte ge upphov till ohälsosam arbetsbelastning, och resurserna ska anpassas till kraven. Det gäller även pilotgruppen, som behöver avsatt tid för att testa och ge återkoppling.
- Prioriteringar. När modellen tar fram mer underlag än någon hinner granska ska medarbetarna enligt 2 kap. 7 § veta vilka uppgifter som ska prioriteras när tiden inte räcker.
- Teknik som passar arbetet. Det allmänna rådet till 2 kap. 6 § anger att arbetsgivaren bör försäkra sig om att tekniken är utformad för och anpassad till det arbete som ska utföras.
Riskbedömningen ger samtidigt piloten fler mätpunkter. Mät arbetsbelastningen före och under piloten med samma frågor, så visar utvärderingen både vad lösningen sparar och vad den gör med arbetet.
AI-förordningen blir aktuell när systemet riktar sig mot medarbetarna själva. Ett system som fördelar arbetsuppgifter utifrån individuellt beteende, eller som övervakar och utvärderar medarbetares prestationer, klassas som högrisk enligt bilaga III i AI-förordningen, och då ska arbetsgivaren enligt artikel 26.7 informera arbetstagarrepresentanterna och de berörda medarbetarna innan systemet tas i bruk. Efter ändringsförordningen (EU) 2026/1744 gäller de skyldigheterna, per oktober 2026, från den 2 december 2027. Ett flöde som fördelar ärenden efter ärendetyp omfattas inte av den punkten. Hur förordningen och GDPR påverkar bygget i övrigt beskrivs i AI Act och GDPR.
5. Vad händer dagen efter piloten?
Innan piloten startar ska tre frågor ha ett svar. Vem äger lösningen i drift? Vad kostar den per månad när den skalar? Vem justerar den när verksamheten förändras? Svaren får gärna vara preliminära, men de ska finnas, annars slutar även en lyckad pilot i limbo: för bra för att läggas ner, för oplanerad för att driftsättas. Hur förvaltningen ser ut beskrivs i vad som händer efter lanseringen.
Räkna baklänges därifrån, så blir piloten en generalrepetition. De som ska förvalta lösningen är med och bygger den. Mätvärdena från piloten blir baslinjen i drift. Utbildningsmaterialet som skrevs för pilotgruppen återanvänds för alla. Ingenting behöver kastas, för allt byggdes i den miljö och under de regler som gäller på riktigt. Även om just den här lösningen inte skalas finns processkartan, datagenomgången, riskbedömningen och complianceresonemangen kvar till nästa flöde.
Ska er nästa pilot bli den som når produktion?
Byron Calles bygger AI-lösningar och automatiseringar, och piloten är en del av bygget inom AI-utveckling: mål och mätetal, testset, testpiloter och vägen till drift. Har ni redan en pilot som fastnat kan samtalet börja där. Boka ett samtal.
Vanliga frågor
Vad är skillnaden mellan en AI-pilot och ett proof of concept?
Ett proof of concept prövar om något alls går att göra tekniskt, ofta på ett fåtal utvalda exempel och utan koppling till era system. En AI-pilot prövar om lösningen fungerar i det verkliga flödet: på riktig data, med de personer som ska använda den, i den miljö och under de regler som gäller i drift, och mot kriterier som bestämts i förväg. Ett proof of concept passar när det är osäkert om tekniken klarar uppgiften. Piloten kommer efter och ska sluta i ett beslut om att driftsätta, justera eller lägga ner. Därför kräver en pilot mer förberedelse än ett proof of concept, med integration, behörigheter och information till medarbetarna, men den säger också mer om vad lösningen kommer att ge i vardagen.
Hur länge ska en AI-pilot pågå?
Så länge det tar att samla tillräckligt många verkliga fall för att exitkriterierna ska gå att avgöra, och inte längre. Ett flöde med hundra ärenden i veckan ger underlag snabbare än ett med tio, så räkna fram längden ur volymen och ur hur många fall utvärderingen behöver. Sätt sedan ett slutdatum och ett datum för beslutet. Räcker underlaget inte när slutdatumet kommer är det i sig ett besked: antingen är flödet för litet för att löna sig, eller så behöver kriterierna skärpas inför en ny och kort omgång. En förlängning utan nytt beslut riskerar att lämna piloten i ett mellanläge som varken är test eller drift.
