Tekniken är köpt, men förmågan saknas

I maj 2026 släpptes rapporten The Nordic Finance AI Report 2026, baserad på intervjuer med 250 CFO:er och ekonomichefer i Sverige, Danmark och Finland. Rapporten visar att AI redan börjat forma de flesta ekonomiavdelningarna, men också att vägen från användning till effekt är mer komplicerad än många tidigare trott.

‍

AI i ekonomiarbetet beskrivs ofta som en teknik- eller investeringsfråga. Vilket system ska köpas in? Vilka processer ska automatiseras? Vilka verktyg ska testas först? Men rapporten visar att flaskhalsen i många organisationer inte främst handlar om pengar. Bara 8 % anger budgetrestriktioner som det största hindret för att använda AI mer. Det är i stället kompetensen som sticker ut.

‍

Budgeten är inte bromsklossen

26 % pekar på brist på AI-kompetens eller intern kunskap som det största hindret för ökad AI-användning. Det är mer än de som lyfter budget, integration, datakvalitet eller säkerhetsrisker. AI-utmaningen ligger alltså i att många organisationer har verktygen och investeringsutrymmet, men saknar förmågan att få det att fungera i vardagen.

Det är en svårare utmaning än budgeten. Ett system kan köpas in och en licens kan aktiveras relativt snabbt, men den interna förmågan att förstå var AI passar in och vilka processer som bör förändras kommer inte över en natt. Därmed riskerar AI att bli ett lager ovanpå befintliga arbetssätt. 

‍

Kompetensgapet är bredare än AI-kunskapen

Rapporten visar också vilken typ av kompetens som ekonomifunktionen själv tror kommer bli viktigast framåt. 65 % lyfter förståelse för AI-verktyg och hur de kan användas i ekonomiarbetet. 50 % pekar på processdesign och automatisering, 49 % lyfter dataanalys och affärsinsikter och 48 % ser datakvalitet, datastyrning och informationshantering som centrala kompetenser. Dessutom lyfter 38 % förändringsledning och transformationsledning.

Det här visar att framtidens ekonomifunktion inte enbart behöver “AI-kunskap” i snäv mening. Ekonomiproffsen behöver också förstå processerna runt tekniken. Vilken data går in? Hur ser arbetsflödet ut? Var uppstår fel? Vilka beslut kan automatiseras och vilka bör fortsatt granskas av människor? Hur säkerställer man att AI inte bara producerar snabbare svar, utan bättre och mer tillförlitliga beslutsunderlag?

‍

Olika generationer ser olika hinder

Kompetensfrågan ser lite olika ut mellan generationer. Bland CFO:er och ekonomichefer över 40 är det en tredjedel som anger AI-kompetens som det största hindret. Bland yngre CFO:er är hindren mer utspridda mellan säkerhet, datakvalitet och datatillgänglighet.

Äldre ekonomichefer kan i högre grad se kompetensbristen som den stora tröskeln eftersom de ofta leder organisationer med mer etablerade processer och inarbetade systemmiljöer. Yngre CFO:er kan samtidigt arbeta närmare tekniken och därför se fler konkreta hinder i datan, säkerheten och tillgången till rätt information. 

‍

Förmåga behöver byggas

Kompetensfrågan kan inte lämnas till IT-avdelningen eller till enskilda teknikintresserade medarbetare. Om AI ska skapa värde behöver CFO:n ta ansvar för vilken förmåga som ska byggas. Det handlar såklart om utbildning, men även om att låta medarbetare arbeta med processutveckling, testa nya arbetssätt, förstå datakvalitet och bygga trygghet i hur AI-resultat ska granskas. Ekonomiavdelningar kommer sannolikt också att behöva fler personer som kan röra sig mellan ekonomi och teknik. Det behöver nödvändigtvis inte vara renodlade AI-specialister, men personer som förstår hur teknik kan användas för att förbättra ekonomiarbetet. Den stora risken är annars att organisationer investerar i teknik men fortsätter att sakna intern förmåga. Då kan AI-projekten istället bli beroende av exempelvis externa leverantörer eller tillfälliga initiativ.