Förr eller senare slutar frågan om ny teknik att handla om man har infört den och börjar handla om vad den ger tillbaka.
Svenska ekonomifunktioner har nått dit före många av sina grannländer.
I undersökningen Collectia CFO Outlook 2026 har vi frågat 150 ekonomichefer och finansansvariga i Danmark, Norge, Sverige och Tyskland. Sverige sticker ut i hur djupt AI sitter i verksamheten. Av de svenska svarande säger 62 procent att AI är inbyggt i centrala processer, högst av de fyra marknaderna. Och 41 procent beskriver sin kredit- och inkassohantering som helt integrerad och datadriven, också det högst. Om införandet vore målsnöret hade Sverige passerat det.
Men användningen har inte gett något försprång i frågan om avkastning. När vi också frågar vad som bromsar AI hamnar kostnad och oklar ROI överst på den svenska listan, precis som regionen i stort. En majoritet av dem som arbetar med AI har svårt att visa vad investeringen ger. Sverige ligger där på samma nivå som regionen i stort, trots att marknaden har kommit längst med själva införandet.
Daniel Bremann, Group CTO, Collectia Group
Men jag ser inte det här som en svensk svaghet. Sverige har bara kommit först till ett problem som många är på väg mot. När AI verkligen sitter i processerna går det inte längre att peka på piloten och kalla det framsteg. Systemet är i drift. Kvar står frågan om vad det producerar, och det är betydligt svårare att mäta än hur många som har infört tekniken.
Beviset och förklaringen är i praktiken samma problem. Anta att en inbyggd modell styr hur ett svenskt ekonomiteam prioriterar inkassoärenden eller sätter kreditbetyg på en kund. För att kunna visa att investeringen fungerar måste man kunna säga vad modellen gör och varför, inte bara att den är påslagen. Går utfallet inte att förklara går det inte heller att utvärdera. Och det går definitivt inte att försvara inför en styrelse som frågar vad pengarna gav. Att förstå varför en modell kommer fram till sina slutsatser kallas explainable AI (även kallat XAI). Det är en fråga om governance, men det är också själva förutsättningen för att kunna visa värde.
Det förändrar vad en djupt automatiserad ekonomifunktion behöver härifrån. Mer inbyggnad är sällan svaret. Det som behövs är datakvalitet, kontroller och människor som kan tolka en modell, ifrågasätta den och koppla utfallet till en siffra som en CFO kan ta med sig till styrelsen. Det är det som gör inbyggd AI till bevisad avkastning.
Den svenska positionen är mer avancerad än den ser ut utifrån. Den är också mer krävande av samma skäl. Införandet är gjort, kvar står den svårare disciplinen att bevisa. Den bygger på att kunna förklara vad tekniken gör.
Det som avgöra om AI blir en framgång framöver är om man kan visa, i termer som en styrelse förstår, att den AI som redan är i drift gör verklig nytta. Så långt har inte många kommit, i något av de fyra länderna vi undersökt.
Av Daniel Bremann, Group CTO, Collectia Group
