AI används redan brett på svenska arbetsplatser. Men bland dem som arbetar närmast tekniken växer en annan oro: att ledningen förväntar sig större och snabbare resultat än organisationerna faktiskt klarar att leverera. En ny undersökning från Ada Digital sätter siffror på glappet – och visar varför snabb AI inte automatiskt betyder snabbare verksamhet.

45 procent av de tillfrågade inom IT och digital utveckling pekar ut orealistiska förväntningar från ledningen som en av de största riskerna med AI i arbetslivet under de kommande två åren.

I hela den större undersökningen är motsvarande andel 28 procent.

Skillnaden är intressant eftersom IT-gruppen samtidigt ligger längre fram i användningen av tekniken. 89 procent uppger att de använder AI i arbetet och 11 procent har automatiserade AI-flöden.

Det är alltså inte i första hand en grupp som står vid sidan av AI-utvecklingen och betraktar den med misstänksamhet. Tvärtom kan oron delvis förklaras av att IT-personal har hunnit se vad som händer när imponerande AI-funktioner ska bli en del av verkliga system och arbetsprocesser.

IT oroar sig mer för felbeslut än för att förlora jobbet

Siffrorna kommer från Ada AI Insights 2026: Från kod till kontroll, där 102 personer inom IT och digital utveckling har svarat på frågor om AI.

När deltagarna fick välja upp till tre av de största AI-riskerna såg resultatet bland annat ut så här:

Risk eller fråga	Andel i IT-gruppen
Fel data eller bias leder till fel beslut	55 procent
Orealistiska förväntningar från ledningen	45 procent
Mänskligt omdöme nedprioriteras	41 procent
Förändringstakten skapar stress och otydlighet	27 procent
Förlust av arbetstillfällen	11 procent

Att endast 11 procent lyfter förlust av arbetstillfällen är värt att stanna vid.

Det betyder inte att IT-jobb är skyddade från automatisering eller förändringar. Däremot tyder svaren på att de mer omedelbara problemen för många snarare handlar om hur tekniken införs: vilka krav som ställs, vilken kvalitet resultaten håller och vem som tar ansvar när AI gör fel.

Det ligger också nära en viktig skillnad som Hurbra tidigare har belyst i AI-riskkartan 2026: att ett arbete är tekniskt exponerat för AI är inte samma sak som att hela jobbet kan automatiseras.

Samma skillnad finns inne i företagen. Att AI klarar en enskild arbetsuppgift snabbt är inte samma sak som att hela verksamhetsprocessen blir lika mycket snabbare.

En snabb AI-demo är inte ett fungerande arbetsflöde

Det är lätt att förstå hur höga förväntningar uppstår.

En chef kan se en AI-modell skapa ett kodförslag på någon minut, sammanfatta ett stort dokument eller automatiskt producera ett första utkast till en analys. Jämfört med hur lång tid samma moment tidigare tog kan effektivitetsvinsten se dramatisk ut.

Problemet uppstår när förbättringen i ett enskilt moment översätts direkt till ett produktivitetskrav på hela organisationen.

Programkod som genereras på två minuter måste fortfarande förstås, testas, granskas, integreras med befintliga system och fungera i drift.

Ett AI-genererat svar måste fortfarande vara korrekt.

Ett automatiserat beslut måste gå att kontrollera.

En AI-agent som får tillgång till företagets system behöver rätt behörigheter, säkerhet, data och regler för vad den får göra när något oväntat inträffar.

Det kan därför uppstå en situation där AI gör början av processen mycket snabbare medan resten av organisationen inte förändras i samma takt.

Flaskhalsen kan bara flytta på sig

Forskningen kring AI i mjukvaruutveckling visar varför produktivitetsfrågan är mer komplicerad än den först verkar.

Googles DORA-program har i stora internationella studier beskrivit AI som en förstärkare av den organisation som använder tekniken. Företag med bra plattformar, tydliga processer och stark testning kan få större nytta. Företag med svaga eller fragmenterade processer riskerar i stället att förstärka sina befintliga problem.

Högre produktionstakt kan exempelvis göra att mer material snabbare når nästa steg i kedjan. Om granskning, testning eller driftsättning inte samtidigt förbättras blir dessa moment nya flaskhalsar.

DORA har också sett hur AI-användning kan flytta tid från själva produktionen till granskning och verifiering.

Det är en viktig skillnad.

Att en programmerare skriver kod snabbare behöver inte betyda att en färdig och stabil funktion når kunden lika mycket snabbare.

När AI faktiskt gjorde utvecklarna långsammare

Ett ofta diskuterat experiment från forskningsorganisationen METR visar hur svårt produktivitet kan vara att bedöma även för dem som använder verktygen.

Erfarna utvecklare fick arbeta på välkända open source-projekt med och utan AI-verktyg. I försöket tog uppgifterna i genomsnitt 19 procent längre tid när utvecklarna fick använda AI.

Samtidigt trodde utvecklarna själva att AI hade gjort dem snabbare.

Resultatet ska inte generaliseras till all programmering. Det gällde specifika utvecklare, projekt och AI-verktyg vid den tidpunkt studien genomfördes. Nyare och mer kapabla modeller kan ge andra resultat.

Men försöket illustrerar en viktig poäng: upplevd AI-produktivitet och faktisk produktivitet är inte alltid samma sak.

Det kan vara ännu svårare för en företagsledning att uppskatta vinsten på avstånd.

Det här ser ledningen – och det här måste IT lösa

Skillnaden kan förenklas så här:

Det som är lätt att se	Det som också måste fungera
AI skriver kod snabbt	Koden måste granskas, testas och underhållas
AI svarar direkt	Svaren måste vara korrekta och möjliga att kontrollera
En demonstration automatiserar en uppgift	Verkliga system måste också hantera undantag och fel
AI-verktyget har en tydlig licenskostnad	Integration, säkerhet, data och övervakning kostar också
En medarbetare sparar tid	Nästa steg kan bli den nya flaskhalsen
En AI-agent kan arbeta självständigt	Någon måste bära ansvar när agenten gör fel

Det betyder inte att AI saknar potential att höja produktiviteten.

Det betyder att potentialen uppstår i kombinationen av teknik, människor och arbetsprocesser – inte enbart genom att köpa ett AI-verktyg.

Risken är att AI blir ett nytt produktivitetskrav

För svenska arbetsplatser kan alltför höga förväntningar få flera konkreta konsekvenser.

En är att ledningen börjar sätta produktivitetsmål utifrån vad tekniken teoretiskt kan göra.

Om ett AI-verktyg verkar kunna minska tiden för en uppgift med 30 procent är det frestande att kräva 30 procent högre produktion. Men om den sparade tiden följs av mer kontroll, rättning eller testning kanske den faktiska vinsten blir betydligt mindre.

I värsta fall kan AI då gå från att vara ett hjälpmedel till att bli ett argument för högre arbetsbelastning.

Det blir särskilt problematiskt om personalen samtidigt förväntas lära sig nya verktyg, bygga nya processer och bära ansvaret för fel som tekniken producerar.

Mer kod kan också innebära mer teknisk skuld

En annan risk gäller kvaliteten.

Generativ AI kan göra det möjligt att producera större mängder kod, dokumentation och andra arbetsresultat på kortare tid.

Men större mängd är inte automatiskt bättre.

Kod måste fortfarande passa in i organisationens arkitektur och vara begriplig för nästa utvecklare som ska ändra den. Säkerhetsproblem måste upptäckas. Fel behöver kunna felsökas. System måste fungera även efter framtida uppdateringar.

Om AI kraftigt ökar mängden producerad kod utan att samma organisation förbättrar granskning och kvalitetssäkring kan resultatet i stället bli ökande teknisk skuld.

Organisationen har då blivit snabbare på att skapa sådant som senare måste underhållas.

AI förändrar också vem som får ansvaret när något går fel

Här finns ytterligare ett problem bakom IT-personalens oro.

Ledningen kan bestämma att AI ska införas snabbt och sätta målen för effektiviseringen. Det är däremot ofta IT, säkerhetsteam och andra specialister som måste lösa problemen när tekniken kopplas till verkliga system.

Vem ansvarar om en AI-agent får tillgång till information den inte borde se?

Vad händer när ett automatiserat beslut bygger på felaktiga data?

Hur upptäcks att en modell plötsligt börjar ge sämre resultat?

Hur mycket mänsklig kontroll behövs innan ett beslut verkställs?

Det är frågor som inte syns i en demonstration av den senaste AI-modellen men som blir centrala när tekniken flyttar in i verksamhetskritiska arbetsflöden.

AI kan också bli en arbetsmiljöfråga

När AI införs på arbetsplatser handlar det därför inte bara om teknik.

Om nya system används för att höja arbetstakten, mäta prestationer eller styra arbetsuppgifter kan de påverka arbetsbelastning och handlingsutrymme.

Arbetsgivaren behöver också se till att medarbetarna har tillräcklig kunskap och stöd för de digitala verktyg som används.

Det gör frågan om ledningens AI-förväntningar konkret.

Ett mål som låter rimligt i en strategipresentation kan bli svårt att genomföra om personalen saknar tid att lära sig systemen, riktlinjerna är otydliga eller verksamheten samtidigt förväntas leverera som vanligt.

Strategi på papper betyder inte att organisationen är redo

Ada Digitals undersökning innehåller ytterligare en intressant motsättning.

39 procent av IT-gruppen uppger att deras arbetsplats har en uttalad AI-strategi. Det är en ökning från 28 procent i motsvarande undersökning året före.

Samtidigt uppger ungefär var femte att de inte får något stöd alls och ungefär lika många att organisationen saknar riktlinjer för AI-användningen.

En AI-strategi är alltså inte samma sak som en fungerande AI-organisation.

Det behövs också tillgång till rätt data, tid för utbildning, tydligt ansvar, säkerhetsregler, teknisk infrastruktur och en gemensam förståelse för när människan måste ta över.

Det är först där AI går från ambition till arbetsflöde.

Sverige är redan långt inne i AI-skiftet

Frågan är särskilt relevant eftersom AI inte längre är något som svenska arbetsplatser bara förbereder sig för.

Internetstiftelsens undersökningar visar att användningen har blivit omfattande bland tjänstemän. AI används för allt från informationssökning och textproduktion till programmering och analys.

Diskussionen håller därför på att förändras.

Den första fasens fråga var om företag skulle använda generativ AI.

Den betydligt svårare frågan är nu hur tekniken ska användas utan att produktivitetslöften springer före organisationens faktiska förmåga.

45 procent betyder inte 45 procent av alla svenska IT-specialister

Ada Digitals resultat behöver samtidigt läsas med tydliga reservationer.

Den aktuella IT-gruppen består av 102 personer inom IT och digital utveckling. Gruppen omfattar både chefer och specialister.

När 45 procent pekar ut orealistiska ledningsförväntningar motsvarar det alltså ungefär 46 personer.

Det gör resultatet intressant, men det innebär inte att man kan slå fast att exakt 45 procent av alla svenska IT-specialister tycker likadant.

Den offentliga metodbeskrivningen anger att undersökningen genomfördes digitalt och anonymt i juni 2026 och omfattar respondenter från både privat och offentlig sektor och olika delar av Sverige.

Däremot redovisas inte tillräckligt detaljerad information om urval, svarsfrekvens och viktning för just IT-gruppen för att resultatet ska kunna behandlas som ett statistiskt representativt mått för hela den svenska IT-branschen.

Deltagarna kunde dessutom välja upp till tre olika risker. 45 procent betyder därför inte att orealistiska ledningsförväntningar var den enda oron, eller ens den allra största risken för varje person som markerade alternativet.

Undersökningen kommer också från Ada Digital och moderbolaget TNG, som kommersiellt arbetar med bland annat rekrytering och kompetensförsörjning. Det är relevant att känna till när resultatet värderas.

IT:s oro kan i själva verket vara ett tecken på större AI-mognad

Trots begränsningarna pekar undersökningen mot en intressant förklaring.

De personer som arbetar närmast tekniken är inte nödvändigtvis mer skeptiska till AI. De kan helt enkelt ha en mer konkret bild av vad som krävs för att tekniken ska fungera utanför demonstrationen.

De ser inte bara att AI kan skriva kod.

De ser också testningen.

De ser inte bara att en agent kan utföra en uppgift.

De ser behörigheterna, datan, säkerheten och undantagen.

Och de ser att någon fortfarande måste ta ansvar när systemet gör fel.

Det är därför glappet mellan teknikens möjligheter och ledningens förväntningar riskerar att bli en av de viktigaste AI-frågorna på svenska arbetsplatser.

Den verkliga produktivitetsvinsten avgörs inte av hur snabbt AI kan producera ett första svar.

Den avgörs av hur väl hela organisationen fungerar när svaret ska bli verklighet.