AI ROI, avkastningen på en AI-investering, är nettovärdet av det en lösning tillför i sparad tid, lägre kostnader, högre kvalitet och lägre risk, delat med vad den kostar att bygga och förvalta under samma period. En kalkyl som håller räknar på ett avgränsat flöde, tar med hela kostnaden och följs upp mot en baslinje som mäts innan lösningen tas i drift.
Det behövs, för förväntningar och utfall går isär. I IBM Institute for Business Values vd-undersökning från 2025 uppgav 2 000 vd:ar att bara 25 procent av deras AI-initiativ de senaste åren hade gett den avkastning de räknat med. När Gartner i slutet av 2025 frågade 782 chefer för IT-infrastruktur och drift hade bara 28 procent av deras AI-användningsfall helt lyckats och mött förväntningarna på avkastning.
En AI-investering lönar sig när värdet i drift, mätt mot en baslinje, är större än hela kostnaden. Värde som bara finns i kalkylarket räknas inte.
De fyra värdedimensionerna
På värdesidan är det lätt att bara räkna minskad bemanning. För ett medelstort företag sitter värdet också i frigjord tid som går till annat, i färre fel som inte behöver rättas, i kortare ledtider och i lägre risk. På kostnadssidan är det lätt att bara räkna bygget, och då blir kalkylen för optimistisk.
Förstudien i en AI-strategi, första fasen i varje bygge, prioriterar flöden efter de här fyra dimensionerna plus genomförbarhet, och de duger lika bra för er egen kalkyl.
- Sparad tid. Den tydligaste posten. Hur många timmar per vecka frigörs, och vad är de värda?
- Kostnad. Direkta kostnader som försvinner: extern handpåläggning, onödiga licenser, dyr felhantering.
- Kvalitet. Färre fel, jämnare resultat, mindre beroende av enskilda personer. Svårare att sätta en krona på, men kan väga tyngst.
- Risk. Bättre spårbarhet, färre compliance-misstag, lägre sårbarhet när någon är sjuk eller slutar.
De två första går att räkna ganska exakt. De två sista får ni ofta uppskatta, men de hör med. En lösning som halverar felen i en regelstyrd process kan vara värd mer i undviken risk än i sparad tid.
Sätt hellre en försiktig siffra på de mjuka värdena, till exempel "minst 50 000 kronor om året i undvikna fel", än att stryka posten för att den är svår att mäta på kronan. En konservativ uppskattning går att försvara i ett beslutsunderlag; en utelämnad post låtsas att värdet är noll.
Ett konkret räkneexempel
Ett tänkt exempel gör det greppbart. Siffrorna är valda för att räkningen ska gå att följa, inte hämtade ur en studie eller en prislista, men strukturen är den ni vill använda.
Säg att tre handläggare arbetar med ärenden. Volymen är runt 200 ärenden i veckan, och varje ärende tar i snitt 12 minuter av manuell hantering: leta fram uppgifter, kontrollera mot regler, skriva svar. Det blir 2 400 minuter, alltså 40 timmar i veckan.
En AI-lösning förbereder ärendet, klassificerar det, hämtar rätt uppgifter och föreslår ett svar. Människan granskar och godkänner. Anta att den tar bort 60 procent av den manuella tiden. Det frigör runt 24 timmar i veckan, ungefär 1 100 timmar på ett år räknat på 46 arbetsveckor.
Sätt en intern kostnad på 400 kronor per timme, så motsvarar den frigjorda tiden drygt 440 000 kronor om året i kapacitet som kan gå till annat. Räkna försiktigt med 400 000.
Mot det ställer ni kostnaden. Säg att bygget är en engångskostnad på 250 000 kronor och att förvaltningen, modellanropen inräknade, ligger på 60 000 kronor per år. Beloppen är antaganden för exemplet; i er kalkyl gäller offertens belopp och er egen tid. Hur posterna och förbrukningen räknas, och vilka stöd som kan påverka kalkylen, finns i vad kostar AI.
- År 1: 400 000 i värde minus 310 000 i kostnad ger ett nettoplus, och investeringen är intjänad efter ungefär nio månader.
- Från år 2: 400 000 minus 60 000 i förvaltning ger ett återkommande överskott på 340 000 kronor om året.
Lägg därtill det som inte syns i tabellen: färre fel i besluten och mindre sårbarhet när en handläggare är borta. Det är strukturen som ska återanvändas: volym gånger tid per ärende gånger automatiseringsgrad, mot hela kostnaden.
Samma kalkyl med andra siffror
Talen ovan är medvetet runda. Det intressanta är hur känslig kalkylen är för det som skiljer företag åt.
Volymen är den starkaste hävstången. Halveras antalet ärenden tar återbetalningen knappt två år; dubblas det är investeringen intjänad på omkring fyra månader. Allt annat lika är därför ett flöde med hög volym ett bättre förstaval än ett med låg, även om det senare kan kännas mer angeläget att bli av med.
Automatiseringsgraden är den andra. 60 procent i exemplet är ett antagande, och den verkliga nivån visar sig först när lösningen körs på riktiga ärenden. Sjunker den till 40 procent krymper värdet med en tredjedel, och kalkylen ska tåla det. En lösning som tar bort 40 procent och når drift ger mer än en som lovar 80 och fastnar i pilotfasen.
Kostnaderna man glömmer
En kalkyl blir för optimistisk när kostnadssidan är ofullständig. Fyra poster är lätta att missa:
- Förvaltning. Uppföljning, justering och omtest när modellen byts eller reglerna ändras, år efter år.
- Integration. Kopplingen mot affärssystem och datakällor, som avgör om lösningen blir använd.
- Er egen tid. Kartläggning, test och förankring kräver timmar internt.
- Undantagen. Kontroller och reservvägar för de svåra fallen, som gör att lösningen klarar verkliga ärenden.
Hur vet ni om kalkylen höll?
Upplevelsen räcker inte som facit. I en randomiserad studie från METR 2025 trodde 16 erfarna utvecklare efteråt att AI-verktygen gjort dem 20 procent snabbare, men uppgifterna hade tagit 19 procent längre tid. METR kallar resultatet en ögonblicksbild av verktygen i början av 2025 och skrev i februari 2026 att utvecklarna troligen blivit snabbare sedan dess. Poängen står sig ändå: upplevd och uppmätt effekt kan peka åt olika håll.
Mät därför det befintliga flödet innan lösningen tas i drift, länge nog för att de vanliga svängningarna ska komma med, till exempel ett par månadsskiften om flödet har toppar då. Tiden per steg tas fram redan i processkartläggningen. Följ sedan samma mätpunkter efter lansering:
- Tid: handläggningstid per ärende eller genomloppstid för hela flödet.
- Kvalitet: fel och omarbetningar, mätt mot ett testset där det finns facit, så att snabbheten inte köps med slarv.
- Avlastning: andelen ärenden som klaras utan manuell hantering.
- Användning: andelen av de tänkta användarna som använder lösningen varje vecka. En lösning som ingen använder ger ingen effekt, och den siffran visar det tidigt.
Det svåra är att veta att det var lösningen som gav effekten, när säsong, personalbyten och andra förbättringar påverkar samma siffror. Driftsätt stegvis, en ärendetyp eller ett team i taget, så att resten fungerar som jämförelse under tiden. Det är samma upplägg som Brynjolfsson, Li och Raymond använde när de följde 5 172 kundtjänstmedarbetare medan ett AI-stöd infördes stegvis: produktiviteten ökade med 15 procent i snitt, mest för de mindre erfarna, medan de mest erfarna fick små vinster i tempo och något lägre kvalitet (Quarterly Journal of Economics, 2025). Ett snitt kan alltså dölja att lösningen hjälper en grupp och stör en annan. Jämför också likvärdiga perioder, september mot september om säsongen spelar roll, och för logg över allt annat som ändras i flödet under mätperioden.
Utse en ägare för uppföljningen innan driftsättningen, med en stående tid i kalendern, till exempel var fjärde vecka. Uppföljningen hör hemma i förvaltningen, och i en pilot är mätpunkterna själva exitkriterierna.
Varför så många ändå inte ser någon ROI
MIT NANDA:s preliminära rapport The GenAI Divide från juli 2025, byggd på intervjuer med 52 organisationer, enkätsvar från 153 chefer och en genomgång av över 300 offentliga AI-satsningar, fann att 95 procent av organisationerna inte fått någon avkastning på sina satsningar på generativ AI. Enligt författarna förklarades skillnaden inte av modellernas kvalitet utan av hur lösningarna infördes: de flesta föll på sköra arbetsflöden, system som inte lär sig av sammanhanget och dålig anpassning till det dagliga arbetet. I Gartners undersökning förklarades de lyckade fallen främst av att AI byggts in i befintliga arbetsflöden och system och av fullt stöd från verksamhetens chefer. Och i McKinseys globala AI-undersökning från november 2025 var de organisationer som fått störst effekt av AI nästan tre gånger så benägna som andra att ha gjort om enskilda arbetsflöden i grunden.
Översatt till ROI: värdet uppstår inte när ni köper en modell. Det uppstår när processen görs om så att modellen får göra nytta, och när lösningen faktiskt når produktion. En pilot som ligger bredvid verksamheten har per definition noll i avkastning, oavsett hur bra den demade.
Så undviker ni ROI-fällan
Räkna på en specifik process, inte på "AI", mät baslinjen innan ni börjar, ta med hela kostnaden och prioritera de flöden där sparad tid, kvalitet och risk pekar åt samma håll. Är ni osäkra på var ni ska börja räkna, börja med att välja det första flödet.
Vill ni veta vad AI är värt hos er?
Byron Calles bygger AI-lösningar och automatiseringar inom AI-utveckling, med förstudien som första fas. Förstudien kartlägger flödet och ger en kostnadsuppskattning och en plan innan resten byggs. Boka ett samtal så räknar vi på ert flöde.
Vanliga frågor
Räknas frigjord tid som en besparing i kalkylen?
Bara om den används till något som syns i ekonomin: färre övertidstimmar, en tjänst som inte behöver tillsättas, mindre inhyrd hjälp eller mer tid för arbete som drar in pengar. Annars är den kapacitet och inte en kostnad som försvinner, och det är ärligast att redovisa den så i beslutsunderlaget. Skriv därför in vad de frigjorda timmarna ska gå till och vem som bestämmer det. Två kolumner, en för kassaflöde och en för kapacitet, visar styrelse och ekonomichef vad som är pengar och vad som är utrymme, och gör uppföljningen enklare.
Vad gör vi om mätningen visar att effekten uteblev?
Bestäm i förväg vad tre utfall ska leda till. Är effekten belagd mot baslinjen, skala till fler ärendetyper eller team. Är effekten svag men användningen hög, leta efter flaskhalsen runt lösningen, till exempel ett manuellt steg före eller efter som fortfarande tar tiden. Är användningen låg, fråga användarna innan ni ändrar tekniken, eftersom en lösning som inte används inte kan ge effekt. Det minst användbara resultatet är ett medelvärde utan förklaring. En mening som anger vilket mått som ändrats, mot vilken baslinje och för vilken grupp går att fatta beslut på.
