Europa har hunnit ikapp i införandet. Inte i användningen

Två tal som ser ut att säga samma sak

Europeiska investeringsbanken frågade drygt 12 000 företag i EU och drygt 800 i USA under våren och sommaren 2025. Trettiosju procent av de europeiska företagen använde generativ AI. Trettiosex procent av de amerikanska gjorde det.

Den jämförelsen brukar refereras som ett besked om att Europa har hunnit ikapp. Det stämmer, och det är inte hela mätningen.

Bland de företag som faktiskt använder AI tillämpar åttioen procent av de amerikanska tekniken inom mer än två verksamhetsområden. Bland de europeiska är andelen femtiofem procent.

Bredden avgörs inte vid inköpet utan i månaderna efter, när ytterligare en funktion lär sig vad verktyget gör med arbetet.

Skillnaden går inte att förklara med tillgång till teknik. Samma modeller säljs på båda sidor om Atlanten, till samma pris, av samma leverantörer. Det som skiljer är hur många personer i hur många funktioner som kan använda dem till något.

Eurostat räknar antal AI-tekniker och får fram samma mönster

Mönstret syns också i en helt annan sorts mätning.

Eurostats undersökning av företagens it-användning 2025 omfattar omkring 157 000 företag med minst tio anställda i EU27, med insamling under första kvartalet 2025. Den är obligatorisk och harmoniserad genom EU-lagstiftning, vilket gör den till något annat än ett frivilligt urval bland företagsledningar. Tjugo procent av företagen använde minst en av de AI-tekniker som räknas upp i formuläret. Tretton procent använde minst två. Åtta komma tre procent använde minst tre, och Eurostat konstaterar att det fortfarande är mindre vanligt att använda flera tekniker samtidigt. Formuläret fick en ny kategori för verktyg som genererar bild, video och ljud i 2025 års omgång, vilket gör talen till ett tvärsnitt och inte en punkt i en trend.

Måtten är inte utbytbara. Eurostat räknar hur många AI-tekniker ett företag använder, Europeiska investeringsbanken hur många verksamhetsområden. Talen hör därför inte hemma i samma serie. Det som går att jämföra är formen. Andelen företag som har kommit igång är ett tal. Andelen som har tagit sig förbi det första steget är ett annat och lägre, i båda mätningarna. Två undersökningar med olika metod och olika population pekar på samma ställe, och det är inte införandet.

Vad som ändrades i somras, och vad som inte gjorde det

Samtidigt skrevs förutsättningarna om på regelsidan, och beskedet har tolkats som en anledning att vänta.

Förordning (EU) 2026/1744 ändrade artikel 4 i sak. Tidigare löd skyldigheten att säkerställa en tillräcklig nivå av AI-kunnighet. Nu lyder den att "vidta åtgärder för att främja utvecklingen av" kunnandet, och texten lägger till att skyldigheten "kräver inte att leverantörer eller tillhandahållare garanterar någon viss nivå av AI-kunnighet hos enskilda personer".

Skyldigheten står alltså kvar. Det som försvann var beviskravet. För den som planerar en insats är det en förenkling: ni ska kunna visa att ni gjort något, inte att varje medarbetare klarat ett prov.

I skälen till samma ändring gör lagstiftaren dessutom något ovanligt. Kunnandet bör vara "en strategisk prioritering", står det, "oavsett om det är en lagstadgad skyldighet och oavsett eventuella sanktioner". En lagtext motiverar sällan sig själv med annat än lagen.

Den som läste ändringen som ett besked att skjuta upp läste alltså halva texten. Och de tal som inleder den här artikeln handlar inte om regelefterlevnad över huvud taget.

Bredd är en kompetensfråga, och kompetens går inte att köpa in i den takt som krävs

Att använda AI inom ett område kräver ett beslut och en licens. Att använda den inom fem kräver att fem funktioner var för sig har någon som vet vad tekniken kan göra med just deras uppgift. Det andra är ett kompetensproblem, och Europas företag rapporterar det själva som sitt tyngsta hinder.

I samma undersökning anger sjuttionio procent av företagen brist på kvalificerad arbetskraft som ett stort investeringshinder. Det är inte ett AI-svar, det är ett svar om investeringar generellt, vilket gör det tyngre och inte lättare.

Den närliggande utvägen är att rekrytera. Eurostats siffror talar emot den. Av de företag i EU som rekryterade eller försökte rekrytera IT-specialister hade knappt sex av tio svårt att tillsätta tjänsterna. Samtidigt utbildade drygt en femtedel av företagen hela sin personal i digital kompetens. Uppgifterna avser 2023 och är de senaste jämförbara.

Slutsatsen följer av de tre talen tillsammans. Den kompetens som ger bredd sitter i verksamheten och inte i IT-funktionen, arbetsmarknaden levererar den inte i tid, och färre än en fjärdedel av företagen bygger den själva. Kapaciteten finns därmed där den alltid har funnits, hos de medarbetare ni redan har anställt.

De som ska använda systemen säger det själva

Efterfrågan på kunnande är inte något som behöver förankras nedåt i organisationen. Den finns redan där.

I ISACA:s europeiska mätning bland 561 yrkesverksamma inom IT och cybersäkerhet säger nästan tre av fyra att medarbetarna redan använder generativ AI i arbetet, en ökning med tio procentenheter på ett år. Knappt en tredjedel av organisationerna har en formell och heltäckande policy för det. Fyrtiotvå procent bedömer att de behöver öka sitt eget AI-kunnande inom ett halvår, och åttionio procent inom två år.

I organisationen föreligger alltså tre saker samtidigt: användning, efterfrågan på kunnande och avsaknad av styrning. Det är en ovanligt gynnsam utgångspunkt för den som vill göra något, eftersom det som saknas är beslutet och inte viljan.

Vad som händer när beslutet dröjer

Användningen väntar inte. I KPMG:s och University of Melbournes studie, drygt 48 000 svarande i 47 länder, uppger fyrtiosju procent av de anställda att de fått utbildning i AI. Nästan hälften uppger att de använt AI på sätt som strider mot arbetsgivarens riktlinjer. Sextiosex procent litar på det systemet levererar utan att bedöma om det stämmer.

Att avstå tar inte bort användningen. Det tar bort möjligheten att påverka den.

De tre talen hör ihop. Användningen sker oavsett vad som beslutats, riktlinjer som ingen har förberetts på följs inte, och den som saknar underlag för att bedöma ett svar bär en risk som egentligen tillhör organisationen.

Var effekten faktiskt uppstår

Tre saker skiljer en insats som syns i verksamheten från en som syns i närvarolistan.

Den utgår från de system ni faktiskt använder. Allmän AI-kunskap har sitt värde, men den som ska lösa en viss uppgift med ett visst verktyg behöver öva på just det. Därför börjar arbetet med en lista över vad som används, inklusive det som kom in som en ny funktion i en produkt ni redan hade.

Den riktas först mot dem som fattar besluten i arbetet. Bredd uppstår när en till funktion hittar sin första användning, och det avgörs av någon som känner uppgiften och inte av någon som känner tekniken.

Den följs upp på användning och inte på nöjdhet. En kursutvärdering visar vad deltagarna tyckte om dagen, inte vad som ändrades i arbetet veckan efter.

Utbildningen får sin effekt först tillsammans med en lista över vilka system som används och en utpekad ansvarig för vart och ett. De två arbetena hör ihop och görs bäst samtidigt, eftersom listan ger utbildningen sitt innehåll och utbildningen ger listan någon som kan använda den.

Vad de närmaste månaderna är till för

Tre saker är värda att göra, och ingen av dem väntar på en standard som ännu inte finns publicerad.

Räkna era verksamhetsområden. Inte hur många licenser ni har, utan i hur många delar av verksamheten AI faktiskt används till något. Det är talet som skiljer, och de flesta organisationer har det inte.

Peka ut var nästa område finns. Det är sällan där tekniken är mest intressant. Det är där någon redan har försökt på egen hand.

Ge den funktionen kunnandet före verktyget. Ordningen är inte likgiltig, och den omvända ordningen är hur licenser blir liggande.

Hela kalendern för AI-förordningen, med varje datum och vad som gäller från när, står på vår sida om AI-förordningen.