Från AI-experiment till faktisk samhällsnytta

Många svenska organisationer har kommit långt med AI på idéstadiet – men fastnar innan tekniken blir verklig nytta. I projektet Datadrivna organisationer – bästa praxis för operationalisering av AI samlar AI Sweden industri, akademi och offentlig sektor för att skapa gemensamma arbetssätt som gör det möjligt att införa AI snabbare, säkrare och mer hållbart. Målet: att korta ledtiden från 18 månader till bara några veckor – och frigöra potentialen i svenska data.

När AI ska lämna labbet och börja generera värde i verksamheter stöter många organisationer på samma problem: hur tar man steget från proof of concept till produktion?

Det är kärnan i projektet Datadrivna organisationer – bästa praxis för operationalisering av AI, som leds av AI Sweden tillsammans med ett 50-tal partners.

– Vi såg att många svenska aktörer lyckades bygga smarta prototyper, men saknade metoder för att ta dem i drift. Det här projektet handlar om att skapa förutsättningar för att göra AI på riktigt, säger Fredrik Viksten, teknisk chef vid Institutionen för Systemteknik på Linköpings universitet och teknisk expert på AI Sweden.

En modell som fungerar för hela samhället

Projektet pågick mellan 2024 och 2025 och har haft en tydlig målsättning: att minska tiden från idé till färdig AI-tjänst, och samtidigt öka förtroendet för att AI används på ett säkert och ansvarsfullt sätt.

– För oss är inte frågan om AI skapar värde, utan hur vi får ut det på bästa sätt. Potentialen är att sänka kostnaden för att generera samhällsnytta, både i industrin och offentlig sektor, säger Kim Henriksson, förändringsledare på AI Sweden.

För att lyckas har projektet kombinerat forskning, industrikrav och juridiska perspektiv. Genom gemensamma testbäddar och öppna workshops har man skapat en praktisk spelplan för hur datadrivna arbetssätt och MLOps – det vill säga drift och förvaltning av AI – kan genomföras i verkligheten.

AI Sweden har medvetet byggt projektet på samarbete mellan privat och offentlig sektor. Deltagarna rekryterades både genom AI Swedens partnernätverk och genom projektparternas egna kontakter med kunder, leverantörer och andra aktörer. Projektgruppen kontaktade också organisationer som bedömdes kunna ha direkt nytta av projektet eller bidra med viktig kunskap.

– Att ha med offentliga aktörer har varit avgörande. De tvingar oss att tänka större och se till att AI-lösningarna fungerar även under strikta regelverk. När det fungerar i offentlig sektor vet vi att det fungerar i industrin också, säger Fredrik Viksten.

Ett konkret exempel är hur juridiska experter, utvecklare och verksamhetsansvariga arbetat tillsammans för att hantera frågor om datadelning, sekretess och ansvar. Genom att lösa dessa frågor gemensamt kan fler organisationer införa AI utan att riskera att bryta mot lagar eller etiska riktlinjer.

Från test till effekt

Projektets resultat har samlats och gjorts tillgängliga för fler genom bland annat white papers, videopresentationer och andra kunskapsresurser. Men resultaten syns också konkret hos de deltagande organisationerna.

Region Halland har exempelvis ställt om sin hantering av MLOps och delat en blueprint för arbetet. Red Hat har utvecklat och validerat öppet kursmaterial inom MLOps för både maskininlärning och generativ AI, medan Trafikverket har fått ett beslutsunderlag för att effektivisera sin infrastruktur. AI Swedens testbädd innehåller dessutom flera av de arkitekturer som utvecklades i projektet och som nu finns tillgängliga för partners att utforska.

– Vi ville bygga något konkret som andra kan använda direkt. Nu ser vi också att arbetet har lett till positiva effekter som vi inte hade planerat för från början, säger Kim Henriksson.

Ett sådant exempel är Malmö universitet, som inte var projektpartner men som har genomfört en plan framtagen av projektets deltagare – ett sätt att testa om kunskapen faktiskt gick att använda utanför projektgruppen.

Nästa steg för en datadriven ekonomi

Projektet markerar ett skifte i hur Sverige arbetar med AI – från enskilda experiment till gemensamma strukturer. På längre sikt kan det bidra till en mer robust, hållbar och konkurrenskraftig ekonomi där AI blir en naturlig del av vardagens beslutsstöd.

– Den stora förändringen kommer när organisationer lär sig använda sin egen data på ett säkert sätt. Då kan man bygga modeller som verkligen speglar den egna verksamheten, säger Fredrik Viksten.

Finansieringen från Avancerad Digitalisering har enligt projektet varit en avgörande förutsättning för att arbetet skulle kunna genomföras. Genom att samla och dela både praktisk och teoretisk kunskap har ambitionen varit att göra det lättare för fler organisationer – stora som små – att dra nytta av AI.

– Avancerad Digitalisering har varit en kritisk faktor för att göra projektet möjligt. Tillsammans med AI Sweden kan vi ge både privata och offentliga aktörer en knuff att utforska, testa och dela kunskap. På så sätt kan vi bidra till att jämna ut spelplanen och lyfta både stora och små aktörer, vilket är enormt viktigt för Sverige, säger Kim Henriksson.

– Att vara datadriven är ett mindset som alla kommer behöva ta till sig. De som lär sig snabbast kommer att vara de som klarar sig bäst, avslutar Kim Henriksson.