Noen ganger er ikke prosessforbedring nok. Når AI fjerner begrensningene som en gang formet en verdikjede, kan hele ledd miste sin grunn til å eksistere — mens andre er virksomheten rettslig forpliktet til å beholde. Å skille det ene fra det andre er en vanskeligere, og mer verdifull, øvelse enn den først ser ut.
Den første artikkelen i denne serien argumenterte for at de fleste norske virksomheter bør starte AI-arbeidet i eksisterende forretningsprosesser — der eierskapet allerede finnes, dataene allerede genereres, og gevinstmodellen er enklest å definere. Det er fortsatt riktig som utgangspunkt for de aller fleste.
Men det er ikke hele bildet.
Den forrige artikkelen brukte et eksempel fra et fabrikkgulv: en produksjonslinje der AI reduserte tiden fra oppstart til full kapasitet vesentlig. Det var verdifullt. Men legg merke til hva vi gjorde — og hva vi ikke gjorde. Vi gjorde ett steg bedre. Vi spurte aldri om steget burde finnes.
Det er det spørsmålet denne artikkelen handler om.
For noen virksomheter er ikke spørsmålet hvordan kan vi forbedre denne prosessen? Det er hvorfor har vi denne prosessen i det hele tatt? Når sluttproduktet til kunden er det samme, men teknologien gjør det mulig å hoppe over hele steg eller snu rekkefølgen, er prosessforbedring feil ambisjonsnivå. Da forbedrer man noe som kanskje ikke lenger har en grunn til å eksistere.
Dette er den andre modusen for AI-verdiskaping: redesign av verdikjeden. Den krever en annen tilnærming, andre beslutninger på styrenivå og en annen risikoappetitt enn prosessoptimalisering. Den er ikke for alle. Men for virksomheter hvor den er relevant, er den vanskelig å unngå — og som vi skal se, er den også lettere å gjøre feil enn de fleste tror.
De fleste prosesser løste et problem som ikke lenger finnes
De fleste organisatoriske prosesser eksisterer ikke fordi de er optimale. De eksisterer fordi de var løsningen på en teknisk eller organisatorisk begrensning som var reell den gangen de ble bygget.
En kredittvurderingsprosess i en bank består av flere ledd fordi det historisk krevdes mennesker som leste dokumenter, vurderte risiko, kontrollerte underlag og signerte. En skadebehandling i forsikring går gjennom flere hender fordi det krevdes spesialistkompetanse i hvert ledd. Innholdsproduksjon i et mediehus involverer redaktører, korrekturlesere, produsenter og distribusjonsledd fordi hver av disse rollene løste et reelt problem som ikke kunne automatiseres.
Mange av disse begrensningene er ikke lenger reelle. Eller mer presist: de er fortsatt reelle for enkelte deler av prosessen, men ikke for hele kjeden. Når en modell kan lese, klassifisere, sammenstille og foreslå på sekunder, er ikke spørsmålet lenger hvordan gjør vi denne kredittvurderingen raskere? Spørsmålet er hvilke ledd har fortsatt en grunn til å eksistere som egne ledd?
Dette er en ubehagelig samtale, fordi den ofte betyr å fjerne roller og strukturer som har vært verdiskapende i tiår. McKinsey beskriver det å gjenoppfinne en arbeidsflyt som noe ganske annet enn å forbedre den: å starte med blanke ark, bryte rollene ned til oppgaver og bygge dem opp igjen som nye roller (McKinsey & Company, 2026a). Og de legger til en innrømmelse de fleste vil kjenne seg igjen i — at svært få virksomheter faktisk har gjenoppfunnet en ende-til-ende arbeidsflyt fullstendig; de har forbedret kontinuerlig (McKinsey & Company, 2026a).
Kreditteksempelet er verdt å vende tilbake til, for det rommer en felle. Det er fristende å se på de mange kontroll- og dokumentasjonsleddene og konkludere at de er treghet som teknologien kan fjerne. Noen av dem er det. Men ikke alle — og forskjellen er hele poenget.
Ingen avdeling foreslår sin egen nedleggelse
Det er en grunn til at mønsteret er så likt på tvers av virksomheter: kontinuerlig forbedring, sjelden reell redesign. Grunnen er strukturell.
Organisasjoner er bygget for å drive eksisterende prosesser. Avdelinger finnes fordi prosessene finnes. Budsjetter, karrierestiger, KPI-er og bonusordninger er kalibrert mot prosessene slik de er. Når noen foreslår å fjerne et helt ledd i en verdikjede, foreslår de samtidig å fjerne eksistensgrunnlaget til en avdeling, et lederteam og en kompetansebase.
Dette er ikke ondsinnet motstand. Det er rasjonell selvbevarelse, og det er bygget inn i hvordan organisasjoner fungerer. Det er også grunnen til at denne typen redesign nesten alltid må komme ovenfra — fra konsernledelse eller styre — fordi ingen avdeling vil foreslå sin egen avvikling, og ingen mellomleder har mandat til å bestille det.
PwC peker på det samme i sine 2026-prediksjoner: virksomhetene som lykkes, har en topp-ned-tilnærming der ledelsen velger ut noen få arbeidsflyter med stort gevinstpotensial — i motsetning til dem som forsøker å samle inn AI-initiativer nedenfra og i ettertid forme dem til en strategi (PwC, 2026). Den andre tilnærmingen gir imponerende adopsjonstall, men sjelden meningsfull forretningseffekt (PwC, 2026). McKinsey er like direkte på eierskapet: tiden da dette kunne delegeres til teknologifunksjonen og overlates der, er forbi (McKinsey & Company, 2026a).
For et styre betyr dette at verdikjederedesign ikke kan delegeres på samme måte som prosessoptimalisering. Den må eies på øverste nivå og forankres som en strategisk beslutning — ikke som et teknologiprosjekt.
Det meste er forbedring — og det norske handlingsrommet er reelt, men overvurdert
Hvis det er ett tall man bør feste seg ved i denne sammenhengen, er det dette: PwC formulerer det som en tommelfingerregel at teknologien står for omtrent 20 prosent av verdien i et AI-initiativ, mens de resterende 80 prosent kommer fra å redesigne selve arbeidet (PwC, 2026). Det presise forholdet skal ikke leses som en måling. Poenget er retningen — det tunge arbeidet ligger i organisasjonen, ikke i modellen. Det er nettopp derfor redesign er en ledelsesoppgave før det er en teknologioppgave.
Norge har et reelt utgangspunkt for denne typen endring. Tilliten i samfunnet er høy (Regjeringen, 2024), og EU-kommisjonens DESI-indikatorer plasserer Norge blant de mest digitale landene i Europa (Europakommisjonen, u.å.). Det er forutsetninger mange land misunner oss.
Men fortrinnet skal ikke overdrives. Tilliten til hvordan det offentlige håndterer data og personvern har faktisk falt det siste tiåret (Regjeringen, 2024), og over 90 prosent av norske bedrifter er små, noe som gjør tung omstilling krevende for store deler av næringslivet (Regjeringen, 2024). Kortere beslutningsveier enn store internasjonale konkurrenter er trolig et undervurdert fortrinn — men det er en erfaringsbasert vurdering, ikke et dokumentert tall.
Erfaringen er likevel at de fleste norske virksomheter forsiktig velger den første modusen — også der den andre ville vært riktig. Forklaringen er ofte ikke en risikovurdering, men vane. Man optimaliserer fordi man alltid har optimalisert. Man redesigner ikke fordi man aldri har redesignet.
Det tydeligste nordiske eksempelet på alvoret i begge retninger er Klarna. Selskapet meldte i 2024 at en KI-assistent utviklet med OpenAI gjorde arbeidet til om lag 700 kundeservicemedarbeidere og håndterte rundt to tredjedeler av henvendelsene (Customer Experience Dive, 2025). Det var en reell redesign av et helt ledd i verdikjeden, ikke en forbedring av det. Det som skjedde videre, er like lærerikt som starten, og behandles senere i artikkelen.
Når dette er en reell samtale — fire signaler
Verdikjederedesign er ikke for alle. For mange virksomheter er prosessoptimalisering riktig fokus i flere år fremover. Men det finnes tydelige signaler på at en virksomhet faktisk bør vurdere den andre modusen.
Det første: sluttproduktet til kunden er stabilt, men leveransemodellen er kompleks. Hvis kundens faktiske behov ikke har endret seg, men måten dere leverer det på krever mange steg, roller og overleveringer, har strukturen ofte bygget seg opp over tid uten at noen har tatt et helhetsblikk.
Det andre: konkurrenter eller nye aktører løser det samme problemet med vesentlig færre ledd. Når noen leverer det samme sluttproduktet på dager der dere bruker uker, er det sjelden fordi de er dyktigere. Det er fordi de bygde kjeden uten den historiske ballasten.
Det tredje: marginalkostnaden ved et viktig ledd har falt dramatisk. Når det som tidligere krevde en spesialist nå kan gjøres til en brøkdel av kostnaden med akseptabel kvalitet, er det et signal om at hele kjeden rundt det leddet bør vurderes på nytt — ikke fordi mennesket skal fjernes, men fordi rollen endrer seg.
Det fjerde: kundeforventningen til ledetid eller tilgjengelighet har endret seg. Når kunden forventer svar på sekunder for noe som før tok dager, er svaret sjelden å gjøre den eksisterende prosessen marginalt raskere. Svaret er å bygge en prosess for den nye forventningen.
Er flere av disse signalene til stede samtidig, er sannsynligheten stor for at prosessforbedring ikke vil være nok.
Tenk baklengs fra sluttproduktet — i fire trinn
Metoden for å tenke i denne modusen er enkel å beskrive, vanskeligere å gjennomføre. Den består av fire trinn — og det er det tredje som skiller den fra en naiv «fjern de kjedelige stegene»-øvelse.
Trinn 1: Beskriv sluttproduktet uten å nevne din egen organisasjon. Hva er det kunden faktisk får — beslutningen, transaksjonen, opplevelsen eller resultatet? Beskriv det slik en utenforstående ville gjort, uten referanse til hvordan dere leverer det i dag. For en boliglånskunde er sluttproduktet et bekreftet finansieringstilbud med en gitt rente, et gitt beløp og en gitt vilkårsstruktur — innen rimelig tid. Det er ikke prosessen som leder dit. Det er resultatet.
Trinn 2: Identifiser hvilke ledd som faktisk bidrar til det resultatet. Ikke hvilke ledd som finnes — hvilke som bidrar. Dette er ofte det vanskeligste, fordi de fleste organisasjoner har vokst inn i sin egen prosesstruktur og oppfatter alle steg som nødvendige.
Trinn 3: For hvert ledd som ikke åpenbart bidrar — klassifiser begrensningen som skapte det. Her ligger forskjellen mellom god og naiv redesign. Et ledd som ser ut som treghet, kan tilhøre én av tre kategorier:
- Borte. Begrensningen er fjernet av teknologi — systemene snakker nå sammen, dokumentet kan leses maskinelt. Dette er en reell kandidat for fjerning.
- Fortsatt reell. Begrensningen holder — kvalitetskontrollen fanger faktiske feil, spesialistvurderingen tilfører noe modellen ikke klarer. Dette leddet beholdes.
- Pålagt. Leddet finnes fordi loven krever det. Her er kreditteksempelet lærerikt. Etter personvernforordningen artikkel 22 har en person som hovedregel rett til ikke å bli underlagt en avgjørelse som utelukkende er automatisert når den har vesentlig betydning — som avslag på en kredittsøknad — og rett til menneskelig inngripen, til å uttrykke sitt syn og til å bestride avgjørelsen (GDPR, 2016, art. 22). EU-domstolen presiserte i SCHUFA-saken at også kredittscoring som i praksis styrer en etterfølgende menneskelig beslutning, omfattes — en ren formell signatur er ikke nok, vurderingen må være reell (EU-domstolen, 2023). EUs KI-forordning forsterker dette ved å klassifisere systemer som vurderer kredittverdighet for fysiske personer som høyrisiko, med krav til blant annet menneskelig tilsyn, forklarbarhet, logging og dokumentasjon (KI-forordningen, 2024, vedlegg III).
Det betyr at noen av kontrolleddene i en kredittkjede ikke er treghet man kan fjerne. De er pålagt. «Beslutningen ligger implisitt i datagrunnlaget» er ofte riktig rent teknisk — men det fritar ikke virksomheten fra kravet om reelt menneskelig tilsyn der det gjelder. Et ledd i kategori pålagt skal ikke fjernes. Det skal redesignes rundt, slik at tilsynet blir raskere og bedre — ikke borte.
Trinn 4: Rekonfigurer. Fjern leddene i kategori borte, behold dem i kategori fortsatt reell, og bygg om kjeden rundt dem i kategori pålagt — med tilsyn, forklarbarhet og sporbarhet bygget inn fra start, ikke skrudd på etterpå (McKinsey & Company, 2026b; KI-forordningen, 2024). Det er her McKinsey beskriver hvordan rollene faktisk endrer seg: eksperten går fra å være den alle står i kø for, til å være den som koder inn skjønnet sitt i regler, terskler og treningsdata som modeller kan operere under tilsyn; lederen går fra å styre oppgaver til å orkestrere samspillet mellom mennesker og agenter (McKinsey & Company, 2026b).
Dette er disiplinen. Den er ikke kompleks som teori. Den er krevende i praksis, fordi den utfordrer prosessen som de fleste i organisasjonen identifiserer seg med — og fordi den krever at man skiller mellom begrensninger som er borte og begrensninger man bare ønsker var borte.
Styresak, ikke prosjektplan
Verdikjederedesign er ikke et prosjekt i tradisjonell forstand. Det er en strategisk beslutning med konsekvenser for organisasjon, kompetanse, finansiering og styringsmodell.
I praksis betyr det at den må eies av administrerende direktør og forankres i styret. Den må ha en finansieringsmodell som tåler at gevinsten ikke er synlig i kvartal én eller to. Og den må ha en organisatorisk struktur som håndterer overgangen — typisk en parallell organisering der den nye kjeden bygges ved siden av den gamle, og den gamle fases gradvis ut etter hvert som den nye beviser seg.
Den krever også at administrerende direktør har en realistisk vurdering av hvor mye endring organisasjonen tåler samtidig. Verdikjederedesign kan sjelden kjøres parallelt med flere andre transformasjonsinitiativer uten å miste fart i alle. Det er en av grunnene til at ledergruppen først må avgjøre om dette i det hele tatt er en samtale om den andre modusen — fordi konsekvensene for resten av porteføljen er reelle.
Styrespørsmålet
Vet vi hvilke ledd i verdikjeden vår som fortsatt skaper kundeverdi, hvilke som bare løste en gammel begrensning — og hvilke vi er rettslig forpliktet til å beholde uansett hvor effektiv teknologien blir?
En realistisk vurdering av risiko
Dette er en tilnærming som lett kan selges for skråsikkert. Det er derfor verdt å være ærlig om de fire stedene den kan gå galt.
For det første: dette er ikke et nytt påfunn — og forrige gang gikk det ofte dårlig. Å redesigne prosesser fra blanke ark var kjernen i business process reengineering på 1990-tallet — en bølge som vokste til en milliardindustri, ble tett forbundet med nedbemanning og motstand, og som opphavsmennene selv senere erkjente overså menneskene i organisasjonen (Hammer & Champy, 1993). Det berømte tallet om at «70 prosent av reengineering mislyktes» er dessuten omstridt: det finnes ikke et solid empirisk grunnlag for det, og det gjengis ofte ukritisk (Hughes, 2011). Det gjengis derfor ikke her som et faktum. Men poenget står likevel: redesign feiler oftest av organisatoriske grunner — ikke tekniske. Det nye nå er at AI senker marginalkostnaden ved kognitive steg på en måte som faktisk endrer hva som er mulig. Det som ikke er nytt, er at endringen feiler på eierskap, kompetanse og gjennomføringsevne. AI løser det første. Det løser ikke det andre.
For det andre: man kan fjerne tilsyn man er pålagt å ha. Den største feilen i regulerte bransjer er å behandle et lovpålagt kontrollpunkt som treghet. Trinn 3 i rammeverket finnes nettopp for å unngå dette. Et høyrisikosystem uten reelt menneskelig tilsyn er ikke en effektiv verdikjede — det er et regelbrudd som venter på å bli oppdaget (GDPR, 2016; KI-forordningen, 2024).
For det tredje: man kan vekte kostnad for tungt — slik Klarna gjorde. Tilbake til Klarna. I 2025 justerte selskapet kursen og ansatte mennesker igjen for de mer komplekse sakene, etter at kundetilfredsheten falt, og toppsjefen erkjente at de hadde vektlagt kostnad og effektivitet for tungt (Ivanova, 2025). Tallet fra 2024 — «700 medarbeidere» — bør leses som en overskrift selskapet selv senere måtte nyansere, ikke som en fasit; deler av nedbemanningen kom også gjennom naturlig avgang under en ansettelsesstopp (Ivanova, 2025). Det var ikke en retrett fra AI, men en korreksjon: modellen ble værende i front for de enkle henvendelsene, mennesker kom tilbake for de vanskelige. Lærdommen er ikke at redesign er feil. Lærdommen er at en redesign som måles på kostnad alene, og som overser kvalitet og menneskelig skjønn der det trengs, kan koste mer å reversere enn den sparte.
For det fjerde: de fleste organisasjoner mangler kapasitet til dette akkurat nå. RAND har dokumentert at mer enn 80 prosent av AI-prosjekter feiler (Ryseff mfl., 2024), og en full verdikjederedesign er en mer krevende øvelse enn en avgrenset optimalisering. For de fleste virksomheter er det riktige svaret derfor fortsatt den første modusen — og en ærlig vurdering av om man har gjennomføringskraft til den andre.
Dette betyr ikke at virksomheter bør la være å redesigne. Det betyr at eierskap, klassifisering av begrensninger, tilsyn og en realistisk vurdering av endringskapasitet må være en del av designet fra start.
Hva ledergruppen faktisk bør gjøre
Konkret innebærer dette følgende grep:
Først: avgjør om dette i det hele tatt er en samtale om den andre modusen. Bruk de fire signalene. Er ingen av dem til stede, er prosessoptimalisering fortsatt riktig sted å bruke energien.
Deretter: velg én verdikjede, ikke flere. Redesign tåler sjelden å kjøres på mange prosesser samtidig.
Så: kjør de fire trinnene, og bruk reell tid på trinn 3. Det er der de fleste enten fjerner for lite (av vane) eller for mye (av iver). Skill det som er borte fra det som fortsatt er reelt, og fra det som er pålagt, før noe besluttes.
Videre: forankre eierskapet på toppen. Hvis ikke administrerende direktør eier dette, og styret forstår hvorfor, blir det ikke gjennomført — det blir et IT-prosjekt som stille forsvinner.
Til slutt: bygg tilsyn inn fra start. EUs KI-forordning får virkning i Norge gjennom EØS-avtalen og gjennomføres som KI-loven, med Nkom som koordinerende tilsynsmyndighet og Digdir som vert for «KI Norge» (Nkom, 2026). Tidslinjen er usikker: regjeringen tok opprinnelig sikte på ikrafttredelse rundt sensommeren 2026 (Regjeringen, 2025), men arbeidet er forsinket av EØS-tilpasninger og EUs pågående forenkling av regelverket, og enkelte juridiske miljøer antar nå 2027 (CMS, 2026). Det avgjørende er ikke datoen. Det er at en virksomhet som bygger en ny verdikjede med tilsyn og sporbarhet som premiss, slipper å rette opp etterpå — mens den som bygger først og tilpasser etterpå, gjør jobben to ganger.
Den vanskeligste samtalen er den som er verdt å ta
Verdikjederedesign handler om å levere det samme sluttproduktet på en grunnleggende annen måte. Det er den andre modusen. Den er ikke for alle, den er lettere å gjøre feil enn å gjøre rett, og den krever mer av styret og ledergruppen enn av teknologien.
Men der den er reell, er den vanskelig å unngå. Konkurrenter som bygger kjeden uten historisk ballast, kundeforventninger som har flyttet seg, og en marginalkostnad som har falt — det er ikke signaler som forsvinner fordi man velger å ikke se dem.
Den modne tilnærmingen er verken å redesigne alt eller å la være. Den er å vite forskjellen på et ledd som skaper verdi, et ledd som løste en gammel begrensning, og et ledd man er forpliktet til å beholde — og å ha mot til å handle på det man finner.
Det finnes en tredje modus også: å levere produkter og tjenester som ikke fantes før, fordi AI har gjort dem økonomisk mulige. Den — tilgrensende verdiskaping — er ofte den mest undervurderte muligheten for norske virksomheter, og blir tema for den siste artikkelen i serien.
Vurderer din virksomhet om en verdikjede bør redesignes, ikke bare optimaliseres? Book en strategisk samtale for en strukturert gjennomgang av hvor samtalen om den andre modusen faktisk er reell, og hva som må være på plass for å gjennomføre den ansvarlig.
Kilder
CMS. (2026). AI laws and regulations in Norway. https://cms.law/en/int/expert-guides/ai-regulation-scanner/norway
Customer Experience Dive. (2025, 9. mai). Klarna changes its AI tune and again recruits humans for customer service. https://www.customerexperiencedive.com/news/klarna-reinvests-human-talent-customer-service-AI-chatbot/747586/
Europakommisjonen. (u.å.). Digital Economy and Society Index (DESI): Norway. https://digital-strategy.ec.europa.eu/en/policies/desi-norway
EU-domstolen. (2023). SCHUFA Holding (Scoring) (sak C-634/21, dom av 7. desember 2023). https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:62021CJ0634
Europaparlamentet og Rådet. (2016). Forordning (EU) 2016/679 (personvernforordningen / GDPR), artikkel 22. https://gdpr-info.eu/art-22-gdpr/
Europaparlamentet og Rådet. (2024). Forordning (EU) 2024/1689 (KI-forordningen / AI Act), vedlegg III og artikkel 14. https://artificialintelligenceact.eu/annex/3/
Hammer, M., & Champy, J. (1993). Reengineering the corporation: A manifesto for business revolution. HarperBusiness.
Hughes, M. (2011). Do 70 per cent of all organizational change initiatives really fail? Journal of Change Management, 11(4), 451–464.
Ivanova, I. (2025, 9. mai). As Klarna flips from AI-first to hiring people again, a new landmark survey reveals most AI projects fail to deliver. Fortune. https://fortune.com/2025/05/09/klarna-ai-humans-return-on-investment/
McKinsey & Company. (2026a). Rewiring for AI: From ambition to advantage. https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/rewiring-for-ai-from-ambition-to-advantage
McKinsey & Company. (2026b). The Rewired 2.0 talent plan. https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/the-organization-blog/the-rewired-2-point-0-talent-plan
Nasjonal kommunikasjonsmyndighet [Nkom]. (2026). KI-forordningen og KI-loven — forholdet til norsk rett. https://nkom.no/ki/regulering/generell-informasjon
PwC. (2026). 2026 AI business predictions. https://www.pwc.com/us/en/tech-effect/ai-analytics/ai-predictions.html
Regjeringen / Digitaliserings- og forvaltningsdepartementet. (2024). Fremtidens digitale Norge: Nasjonal digitaliseringsstrategi. https://www.regjeringen.no/no/dokumenter/fremtidens-digitale-norge/id3054645/
Regjeringen / Digitaliserings- og forvaltningsdepartementet. (2025). Lov om kunstig intelligens i Norge sendes nå på høring. https://www.regjeringen.no/no/aktuelt/lov-om-kunstig-intelligens-i-norge-sendes-na-pa-horing/id3113732/
Ryseff, J., De Bruhl, B., & Newberry, S. J. (2024). The root causes of failure for artificial intelligence projects. RAND Corporation. https://www.rand.org/pubs/research_reports/RRA2680-1.html