Den nya ekonomin för AI-delegation

Varje större teknisk revolution har först förändrat verktygen och först därefter förändrat sättet människor arbetar på. Idag ser många fortfarande AI som bara ett annat produktivitetsverktyg. Jag tror att det är en alltför snäv synvinkel. Vi står på tröskeln till långt mer genomgripande förändringar, som kommer att omforma den mycket struktur av organisationer och den traditionella fördelningen av roller och ansvarsområden. 

Slutet på ledningskedjan

Många företag, särskilt startups, börjar med att grundarna tar på sig praktiskt taget alla funktioner i verksamheten. De bygger produkten, förvärvar sina första kunder och hanterar verksamheten – allt på samma gång.

Men när verksamheten växer når detta modell oundvikligen sina gränser. Volymen av arbete och den expertis som krävs börjar överstiga, och grundarna behöver gradvis delegera ansvar och bygga en organisation där olika funktioner ägs av specialister.

Vd delegerar en del av sina ansvar till avdelningschefer. Dessa ledare fördelar i sin tur arbetet över sina team. Så är den bekanta organisatoriska hierarkin gradvis tar form.

Under decennier har detta system dock haft en naturlig gräns. Längst ner fanns individuella bidragsgivare som inte hade någon att delegera till. De var de som utförde arbetet själva. I matematik kallas denna typ av struktur för ett träd, och dess terminalnoder kallas för blad. I organisationer markerade dessa blad slutet på delegeringskedjan.

För första gången i modern affärshistoria har dessa blad nu någon eller något att delegera arbete till. Nu kan praktiskt taget varje specialist lämna över en del av sin arbetsbörda till AI: en digital agent som kan producera en första utkast, genomföra forskning, skriva kod, granska dokument eller samla in information inom några minuter.

En ny typ av arbetare

Idag är många människor oroliga för att AI kommer att ersätta mänskliga arbetare. Vid första anblicken verkar det logiskt att anta att ju mer arbete ett företag delegerar till AI, desto lägre kommer dess driftskostnader att bli. Men verkligheten är mer nyanserad.

Varje delegering har ett pris. När en chef tilldelar en uppgift till en anställd betalar företaget den anställdes lön. Att delegera till AI introducerar en helt annan ekonomisk modell. Istället för lönekostnader ådrar sig företag kostnader för grundmodeller, API-användning, beräkningsresurser, data lagring, kontextfönster, integrationer och dussintals andra tjänster som moderna AI-agenter förlitar sig på för att fungera effektivt.

I praktiken får organisationer en ny typ av arbetare. Denna arbetare tar aldrig semester och kan arbeta dygnet runt, men den är långt ifrån gratis. Därför är en av de viktigaste frågorna företag nu står inför inte om de ska använda AI, utan vilka uppgifter som verkligen är värda att delegera till digitala agenter och vilka som fortfarande hanteras mer effektivt av människor.

Jag hade möjlighet att observera denna förändring på nära håll under min tid på Keymakr. AI-verktyg infördes gradvis i nästan alla funktioner i företaget. Till exempel använde marknadsföringsteamet AI-agenter för att identifiera och analysera branschhändelser, genomföra marknadsundersökningar och samla in konkurrentinformation. Inom verksamheten tog AI över dokumentbearbetning, intern rapportering, informationsåtervinning och många andra rutinuppgifter.

Det som imponerade mig mest var hur tankeväckande denna delegering genomfördes. Istället för att ersätta människor hanterade AI repetitiva, tidskrävande uppgifter, vilket gjorde att team kunde fokusera på uppgifter som krävde mänskligt omdöme, kreativitet och strategiskt tänkande. Fördelarna var synliga på alla nivåer i organisationen, från att effektivisera vardagliga arbetsflöden till att stödja storskaliga initiativ och företagsomfattande kampanjer.

Det var då jag insåg att AI:s största påverkan är att grundläggande förändra hur arbetet fördelas inom en organisation.

Den dolda kostnaden för AI

En av de vanligaste misstagen företag gör är att bedöma AI-kostnaden utifrån priset på en månadsabonnemang. I verkligheten är det bara en liten bråkdel av den totala ekonomin.

De verkliga kostnaderna börjar framträda när AI blir en del av vardagsverksamheten. En agent analyserar dokument, en annan arbetar med CRM, en tredje förbereder rapporter och en fjärde bearbetar e-post. Var och en förlitar sig på olika modeller, konsumerar olika mängder data och kräver olika nivåer av beräkningar. Vid det här laget ackumulerar företaget en hel digital infrastruktur.

Den verkliga kostnaden för AI bestäms slutligen av hur effektivt den infrastrukturen används.

Säg att två anställda får samma uppgift. Den första använder automatiskt den kraftfullaste och dyraste modellen, oavsett hur enkel begäran är. Den andra förstår att en mindre och billigare modell oftast är mer än tillräcklig och reserverar avancerade modeller bara för uppgifter där de ger meningsfullt extra värde. Resultatet kan vara identiskt, men kostnaden för att slutföra uppgiften kan skilja sig med en faktor.

Samma princip gäller för data. Inte alla AI-agenter behöver bearbeta miljontals poster bara för att de tekniskt sett kan göra det. I många fall är det mer effektivt att begränsa sökutrymmet, minska mängden kontext som skickas till modellen eller omforma data bearbetnings arbetsflödet helt och hållet. Dessa tycks små beslut formar AI-ekonomin inom organisationer.

Jag tror att under de kommande åren kommer företag att konkurrera om hur effektivt de hanterar sina AI-kostnader. Ledare har tidigare behövt lära sig att hantera människor. Nu kommer de att behöva bemästra en annan disciplin: att hantera en digital arbetsstyrka. Vinnarna kommer att vara de som kan uppnå samma resultat med den lägsta kostnaden.

De första jobben som känner av förändringen

De största förändringarna sker i roller där en stor andel av det dagliga arbetet består av strukturerade, upprepningsbara och informationsbaserade uppgifter som kan delegeras till AI. Detta är de miljöer där AI-ekonomin redan gör det starkaste affärsfallet. 

Därför var de första rollerna som förändrades de som byggdes kring en stor mängd strukturerade, upprepningsbara processer. Idag antas AI särskilt snabbt i områden som design, programvaruutveckling, juridiska tjänster, konsulttjänster och administrativt stöd, enbart för att en betydande del av arbetet redan kan delegeras.

Jag tror att många människor missbedömer AI:s påverkan. De mäter den genom antalet jobb som försvinner. Men många yrken kan förbli, även om det dagliga arbetet förändras så dramatiskt att, om några år, ingenjörer, designers, jurister och marknadsförare fortfarande kommer att ha samma jobbtitel medan de utför grundläggande olika arbete.

Jag skulle inte bli förvånad om, inom några år, företag slutar utvärdera anställda enbart utifrån deras professionella expertis. Lika viktigt kommer att vara förmågan att bygga och hantera en personlig ekosystem av AI-agenter, förstå styrkor och begränsningar hos olika modeller, välja rätt verktyg för varje uppgift och kontrollera kostnaden för hela AI-infrastrukturen.

På sätt och vis blir varje kunskapsarbetare en chef. Skillnaden är att en del av deras team inte längre består av människor, utan av digitala arbetare.

Idag, genom mitt arbete på Introspector och mitt samarbete med företag som bygger fysiska AI-lösningar, ser jag nästa steg i denna utveckling. Om den första frågan var hur man integrerar AI i affärsprocesser, skiftar samtalet nu mot något mer grundläggande: hur man delar upp arbetet mellan människor och intelligenta system så att de verkligen kompletterar varandra och skapar ekonomiskt värde.

Därför tror jag att AI-hantering gradvis blir ett yrke i sig. Vi ser redan konsulter vars jobb är att hjälpa organisationer designa AI-arbetsflöden, välja rätt verktyg och optimera kostnader. Och jag är säker på att efterfrågan på den här typen av expertis bara kommer att fortsätta att växa.