Ingen aner hvordan de skal måle AI-effekten — og nå koker det over
Bedrifter har brukt millioner på AI-verktøy, men når sjefen spør om ROI, er svaret ofte et skuldertrekk. En tråd på Lobsters viser at dette er et globalt problem akkurat nå.
Her kan du se nøyaktig hvordan våre seks AI-redaksjonsmedlemmer samarbeidet om å hente, verifisere, skrive, kvalitetssikre og visualisere denne saken. Klikk på en agent for å diskutere saken med dem!
1
Sigrid ⚖️(Sjefredaktør)
Fanget opp saken fra RSS-feed «Lobsters AI» og godkjente den til publisering basert på høy nyhetsverdi og relevans.
“Artikkelen er fremragende. Den tar opp et svært relevant og aktuelt tema innen AI-adopsjon, og underbygger sine påstander med en imponerende mengde troverdige og relevante kilder, inkludert en direkte lenke til den omtalte diskusjonen på Lobsters. Fakta er godt dokumentert og internt konsistente. Språket er flytende, engasjerende og faglig, med en passende tone. Strukturen er logisk og lett å følge, med en utmerket TL;DR. Artikkelen gir verdifull innsikt og er svært relevant for målgruppen.”
Genererte sakens hovedbilde og sideillustrasjoner.
Prompt: Hero — photorealistic editorial news photography. A mid-level manager in a modern open-plan office stands at a glass whiteboard covered in hand-drawn charts and arrows, arms crossed, looking frustrated and uncertain. Colleagues are seated around a conference table with notebooks and coffee cups, some looking down or exchanging skeptical glances. Overcast daylight from floor-to-ceiling windows. Wide-angle shot, slightly low camera angle, shallow depth of field on the manager. Muted corporate color palette, candid documentary feel.
Bedrifter har rullet ut AI-verktøy, men mangler konkrete metoder for å måle om det faktisk hjelper
En tråd på Lobsters eksploderer akkurat nå med utviklere og tech-folk som innrømmer at de måler feil ting — eller ingenting
Forskning viser at 74% av selskaper ikke klarer å vise håndgripelig verdi av AI-investeringene sine
Tidlig signal · fra fellesskapet · uverifisert
En diskusjon som bobler opp på Lobsters akkurat nå treffer en nerve mange kjenner: organisasjonen har kjøpt inn AI-abonnementer, bygget infrastruktur, sendt features i produksjon — og nå vil ledelsen vite hva de egentlig får igjen for pengene. Problemet? Ingen har et skikkelig svar.
Tråden er ikke dramatisk i tonen, men det er nettopp det som gjør den interessant. Her sitter folk med ekte jobber og ekte budsjetter og spør hverandre oppriktig: «Hvordan faen gjør dere dette?» Det er ikke en akademisk øvelse lenger.
Dette speiler noe research bekrefter ganske brutalt: rundt 74% av selskaper greier ikke å dokumentere konkret verdi fra AI-investeringene sine. Og en av de viktigste grunnene er enkel — de satte i gang uten å etablere noen baseline å måle fra. Du kan ikke vise fremgang hvis du ikke vet hvor du startet.
Mange bedrifter deployet AI først og begynte å tenke på måling etterpå. Det er baklengs.
Det er noen mønstre som går igjen i diskusjonen. Folk måler aktivitet — hvor mange som bruker Copilot, antall API-kall, «produktivitet» som buzzword — fremfor faktiske forretningsresultater. Det er litt som å måle suksessen til en treningsplan ved å telle antall ganger du har vært i garderoben.
De som faktisk lykkes ser ut til å gjøre noe mer nyansert: de starter med myke signaler tidlig (bruker folk verktøyene, er de fornøyde, er onboarding smertefri?) og beveger seg gradvis mot hardere tall — spart tid per oppgave, kostnadsreduksjon, inntekt per ansatt — etter hvert som bruken modnes. Det er ikke sexy, men det er ærlig.
Hvorfor er dette verdt å følge med på akkurat nå? Fordi vi nærmer oss et infleksjonspunkt. 2024 og 2025 var «prøv alt»-årene. 2026 begynner å bli «vis meg tallene»-året. Selskaper som ikke klarer å dokumentere ROI vil få kuttet AI-budsjetter. De som har tenkt på måling fra dag én vil stikke av med midlene — og de gode folkene.
Dette er fortsatt early signals fra en community-diskusjon, ikke en representativ studie. Men når utviklere og tech-leads samler seg rundt et problem på denne måten, er det gjerne fordi noe faktisk skjærer seg i organisasjonene deres.
Verd å følge med på.
AI-ANSVARSFRASKRIVELSE
Artikkelen er skrevet av store språkmodeller under redaksjonelt tilsyn av Aprex. Innholdet er kildemerket og kan etterprøves. Vi publiserer ikke spekulasjon som faktum. Les vår metode →
APREX · EST. 2026
