Men medan tekniken utvecklas snabbt är det många organisationer som fortfarande försöker förstå vad AI faktiskt betyder för den egna kompetensförsörjningen.
Vilka roller kommer att förändras? Vilken kompetens behöver vi bygga internt? Och när behöver vi ta in ny kompetens?
Det är frågor som blir allt viktigare att besvara.
AI behöver inte betyda nya roller
I Closing the Gap Report 2026, framtagen av Wise tillsammans med Novus, uppger 64 procent av företagen att de saknar en beslutad plan för hur de ska utveckla AI-relaterad kompetens hos befintliga medarbetare. Samtidigt har 83 procent i låg utsträckning uppdaterat sina roller eller kravprofiler för att inkludera AI-relaterade arbetssätt och kunskaper.
Det skapar ett intressant glapp.
Organisationer vet att AI kommer att påverka kompetensbehovet, men har inte alltid hunnit definiera vad det betyder i praktiken.
I våra samtal med kunder ser vi också hur efterfrågan på AI-kompetens ökar, samtidigt som behovet inte alltid är tillräckligt tydligt formulerat. ”Vi behöver någon inom AI” kan vara utgångspunkten. Men vad betyder det egentligen?
Är det en AI-specialist som behövs? En data engineer? En arkitekt? Någon som kan bygga rätt dataplattform? Eller behöver befintliga utvecklare och andra specialister snarare bli bättre på att använda AI i sina nuvarande roller? Det är en viktig distinktion. För AI kommer sannolikt inte bara att skapa nya roller. Tekniken kommer också att förändra kompetenskraven i roller som redan finns.
Frågan är vad rollen behöver kunna framåt
När ny teknik kommer in i organisationen är det lätt att tänka att vi behöver lägga till ny kompetens. Men det är inte alltid så enkelt.
En utvecklare kan behöva arbeta på ett annat sätt utan att för den skull bli AI-specialist. En analytiker kan behöva nya verktyg och kunskaper, samtidigt som den grundläggande kompetensen fortfarande är densamma. En IT-specialist kan behöva förstå hur AI påverkar både det egna området och verksamheten runt omkring.
Det innebär att AI-kompetens inte alltid behöver betyda en ny titel. I många fall handlar det om att utveckla kompetensen hos människor som redan finns i organisationen.
Det väcker en annan fråga:
Hur vet vi vilken kompetens som behöver finnas i organisationen och vilken som går att utveckla längs vägen?
Det är kanske där en stor del av AI-utmaningen ligger.
Innan AI kommer datan
AI får mycket uppmärksamhet. Men för att tekniken ska kunna skapa verkligt värde behöver andra delar ofta finnas på plats först.
Data är ett tydligt exempel. För många organisationer handlar AI-resan därför också om dataplattformar, migrering, dataarkitektur och analys. Det är kanske mindre spektakulärt än att prata om nästa stora AI-genombrott, men utan rätt data och rätt struktur blir möjligheterna med AI begränsade.
Det förändrar också hur vi behöver tänka kring kompetens. Frågan är inte bara vilken AI-kompetens vi behöver. Vi behöver också förstå vilka förutsättningar som krävs för att den kompetensen ska kunna skapa värde.
Det kan innebära att den viktigaste kompetensen för nästa steg inte alltid är den som först dyker upp när vi säger AI. Det kan handla om data. Infrastruktur. Arkitektur. Analys.
Och naturligtvis människor som kan koppla ihop tekniken med verksamhetens faktiska behov.
När tekniken utvecklas blir det mänskliga viktigare
Det finns samtidigt något som är lätt att missa när fokus ligger på tekniken. Ju mer tekniskt avancerade organisationerna blir, desto viktigare tycks vissa av de mänskliga förmågorna bli. När AI tar över delar av arbetet behöver människor kunna förstå sammanhang, ställa rätt frågor, samarbeta och avgöra hur tekniken bäst används i praktiken.
Den som kan mest om tekniken är därför inte automatiskt den som skapar störst värde. Förmågan att kommunicera, samarbeta, anpassa sig och lära nytt blir minst lika viktig när arbetssätten förändras.
Det ligger också nära en annan insikt från Closing the Gap. 45 procent av företagen uppger att de utvecklar soft skills genom praktiskt arbete och lärande i vardagen. Det säger något om hur kompetens behöver byggas när förändringen går snabbt. Allt behöver inte finnas färdigt från början. Vissa kompetenser behöver utvecklas tillsammans med tekniken och med rollen.
Kanske behöver vi börja prioritera igen
Det är lätt att möta teknisk utveckling med nya krav. Om AI blir viktigare behöver vi AI-kompetens. Om data blir viktigare behöver vi datakompetens. Om tekniken förändrar arbetssätten behöver vi människor som kan hantera förändringen.
Men om vi lägger alla dessa krav på samma person riskerar vi snart att hamna i samma situation som många organisationer redan känner igen. Kravprofilen blir längre och längre.
Kanske behöver vi i stället börja prioritera. Vad behöver vi kunna själva? Vad kan vi utveckla hos våra befintliga medarbetare? Vad behöver vi rekrytera? Och vad kan vi lösa genom andra kompetenser, partners eller delar av organisationen?
Det handlar inte om att välja bort kompetens. Det handlar om att förstå vilken kompetens som faktiskt är viktigast för att ta nästa steg. För AI kommer att fortsätta förändras. Verktygen kommer att bytas ut och nya användningsområden kommer att tillkomma.
Därför är det svårt att bygga en kompetensstrategi som bara utgår från dagens teknik. Vi behöver snarare förstå vilka förmågor organisationen behöver utveckla för att kunna följa med när tekniken förändras. Det är där kompetens blir en strategisk tillgång snarare än något vi bara försöker fylla en lucka med.
AI förändrar tekniken snabbt. Frågan är om vi förändrar kompetensen i samma takt.
