Sverige och AI: Från Eftersnack till Förutsättningsbygge
Sverige har en tendens att ägna sig åt eftersnack när det gäller digitalisering och AI. Vi skapar program för att diskutera konsekvenserna och skriver remissvar om risker, men det viktiga är inte vad AI kan leda till i framtiden, utan under vilka förutsättningar AI kan skapa värde här och nu.
Problemet med Pilottester och Juridisk Reflexbroms
Andra länder bygger upp industriell kapacitet medan Sverige fastnar i pilottester och juridisk reflexbroms. Många svenska företag testar AI, men få skalar upp sina initiativ och ännu färre ser en tydlig effekt på rörelseresultatet. Detta beror inte bara på bristande teknologi eller budget, utan också på den svenska arbetsmoralen som premierar noggrannhet och möda. När AI kan korta ledtider och öka effektiviteten, kan det uppfattas som en genväg som hotar yrkesstoltheten.
Kulturella och Strukturella Hinder
Den svenska kulturen och de strukturella hindren, som till exempel GDPR och upphandlingsregler, kan försvåra införandet av AI. Överförsiktig tolkning av regelverken kan göra dem till hinder istället för att främja innovation. Det är viktigt att hitta en balans mellan att säkerställa säkerhet och integritet, och att tillåta företag och organisationer att dra nytta av AI.
Nationell Digitaliseringsstrategi och AI-infrastruktur
Sverige har en nationell digitaliseringsstrategi, men den är mer en vision än en verkstad. Det saknas tydliga mandat, uppföljning och koordinering. Initiativ sprids ut över myndigheter och regioner, och det saknas en verklig nationell AI-infrastruktur. Utan en fungerande AI-infrastruktur, med tillgång till beräkningskraft, informationsmodeller och standarder, riskerar Sverige att bli beroende av utländsk teknologi och tappa kontrollen över kritiska data.
Tre Principer för Förutsättningsbygge
För att Sverige ska kunna dra nytta av AI och undvika att bli ett importland för intelligens, krävs det tre principer för förutsättningsbygge:
- Kulturomställning före verktyg: Bygg AI-centrerade kärnprocesser med tydliga värdehypoteser, mätetal och ägarskap. Belöna omställning och faktisk AI-driven verksamhetsutveckling, inte bara pilotvolym.
- Gör datadelning till infrastruktur: Etablera sektorsvisa datarum med gemensamma standarder, juridiska ramverk och kvalitetssäkring. Interoperabel data är inte en sidofråga, det är råvaran.
- Avdramatisera lagkrav: Skala upp regulatoriska sandlådor där företag och myndigheter kan testa, dokumentera och lära tillsammans. Gör IMY:s vägledningar praktiskt applicerbara och koppla dem till standardiserade arbetssätt.
Genom att följa dessa principer kan Sverige skapa förutsättningar för att AI ska kunna skapa värde här och nu, och undvika att bli ett importland för intelligens. Det är dags att gå från eftersnack till förutsättningsbygge, och från pilottester till ombyggda processer.
Robin Teigland, professor i digitalisering och strategi, Chalmers tekniska högskola
Pär Ågerfalk, professor i informationssystem, Uppsala universitet
Mikael Wiberg, professor i informatik, Umeå universitet