Publicerad
Författare
AI förändrar snabbt förutsättningarna för dagens affärssystem. Samtidigt sitter många organisationer med äldre system som försvårar vägen till molnet, modern datahantering och nya AI-funktioner. Frågan är inte bara om man ska byta affärssystem, utan vilken strategi som ger bäst affärsnytta på lång sikt.
Utvecklingen av artificiell intelligens har förändrat förutsättningarna för hur företag och organisationer kan utveckla, effektivisera och styra sina verksamheter. AI är inte längre ett framtida experiment vid sidan av den ordinarie systemmiljön, utan håller successivt på att bli en integrerad del av affärsprocesser, beslutsstöd och operativa arbetsflöden. I detta skifte blir affärssystemets roll återigen en strategisk fråga – inte enbart en teknisk plattform för transaktioner, utan en möjliggörare för verksamhetsutveckling.
Samtidigt befinner sig många organisationer i en mer komplex verklighet. Det befintliga affärssystemet kan vara äldre, starkt anpassat och lokalt installerat. Det kan fortfarande stödja verksamhetens grundläggande behov, men samtidigt begränsa möjligheterna att nyttja moderna molntjänster, dataflöden och AI-baserade komponenter. Därmed uppstår en central ledningsfråga: vilken väg är rätt när teknikutvecklingen accelererar, men organisationens systemlandskap inte självklart är redo att följa med?
Det är frestande att betrakta moln och AI som argument för ett snabbt teknikskifte. Resonemanget kan framstå som logiskt: om det gamla affärssystemet hindrar tillgången till AI, bör organisationen byta system och flytta till molnet så snabbt som möjligt. Men ett sådant synsätt riskerar att förenkla frågan. Ett systembyte är sällan en isolerad IT-aktivitet. Det påverkar processer, roller, data, styrning, integrationer och verksamhetens förändringsförmåga.
Modernisering av äldre, lokalt installerade affärssystem kräver därför en strukturerad strategi snarare än ett ensidigt fokus på själva migreringen. Organisationen behöver först förstå vilket affärsvärde som eftersträvas, vilka processer som kan förändras, vilken datakvalitet som finns och vilken förmåga verksamheten har att till att realisera förändring.
För organisationer med äldre affärssystem framträder i praktiken flera strategiska alternativ, varav nedan är några förenklade scenarion:
Upphandla och byt affärssystem
Att forcera fram ett systembyte och på kort tid etablera en molnbaserad arkitektur som skapar bättre tekniska förutsättningar för AI.
Avvakta och invänta ökad AI-mognad hos ERP-leverantörerna
Att avvakta några år, med syfte att låta både AI-tekniken och leverantörernas egna lösningar mogna.
Uppgradera till senaste versionen – förbered för molnet
Att uppgradera till den senaste versionen av det befintliga affärssystemet för att komma ikapp det tekniska gapet och minska det framtida steget mot molnet.
Addera externa appar som komplement till affärssystemet
Att komplettera nuvarande systemlandskap med nischade och moderna tilläggsapplikationer som kan fungera i en molnbaserad kontext och samtidigt vara förberedda för AI.
Inget av dessa förenklade alternativ är generellt rätt eller fel för den enskilde kunden. Valet beror på organisationens nuläge, riskförmåga, ekonomiska utrymme, tekniska skuld, förändringskapacitet och strategiska ambition. Den avgörande frågan är inte vilket system som ska väljas, utan vilken utvecklingsväg (läs tekniska strategier) som bäst stödjer verksamhetens långsiktiga mål.
En central insikt är att ett molnbaserat affärssystem inte automatiskt skapar förbättringar i verksamheten. Molnet kan vara en nödvändig möjliggörare, men det är inte i sig en garanti för effektivare processer, bättre beslut eller högre produktivitet. På motsvarande sätt är AI inte en universallösning som kan läggas ovanpå en befintlig miljö och omedelbart skapa värde.
AI i moderna affärssystem omfattar i dag funktioner som prognoser, avvikelseanalys, automatiserad kontering, beslutsstöd och alltmer agentbaserade arbetsflöden. Men nyttan av dessa förmågor beror på om organisationens data är tillgänglig, begriplig och tillräckligt kvalitetssäkrad. Den beror också på om processerna är mogna nog att förändras och om användarna har förtroende för de beslut eller rekommendationer som AI-komponenterna genererar.
Molnet kan vara en nödvändig möjliggörare, men det är inte i sig en garanti för effektivare processer, bättre beslut eller högre produktivitet.
Att avvakta kan vara rationellt om organisationen bedömer att AI-funktionaliteten ännu inte är tillräckligt mogen eller relevant för den egna verksamheten. Leverantörernas inbyggda AI-komponenter utvecklas snabbt, och det kan finnas skäl att invänta bättre standardfunktioner, tydligare prismodeller och mer beprövade tillämpningar.
Men att vänta innebär samtidigt en risk. Äldre lokala plattformar kan skapa ökande teknisk skuld, försvåra integrationer och göra det svårare att rekrytera eller behålla relevant kompetens. Samtidigt tar ett affärssystembyte ofta lång tid och kan kväva många andra viktiga affärsmässiga initiativ. Om ledtiden för en implementering är ett till två år innebär varje uppskjutet beslut att tidpunkten för verklig modernisering flyttas ännu längre fram.
En återkommande utmaning vid AI i äldre systemmiljöer är inte själva AI-modellen, utan åtkomst till korrekt, konsistent och användbar data samt förmågan att föra tillbaka insikter till operativa arbetsflöden. Detta talar för att frågan om AI och affärssystem inte kan reduceras till val av leverantör eller teknikplattform. Den måste behandlas som en arkitektur- och verksamhetsfråga.
För många organisationer kan den mest ändamålsenliga vägen vara att inte välja mellan fullständigt systembyte och passiv väntan. Ett tredje perspektiv är att stegvis modernisera systemlandskapet genom att komplettera befintliga affärssystem med nya applikationer, integrationslager, dataplattformar och AI-förberedda komponenter. Nutida utvecklingsverktyg gör det möjligt att relativt snabbt skapa tillämpningar som förbättrar användarupplevelse, automatiserar delprocesser eller öppnar upp data utan att hela kärnsystemet omedelbart behöver ersättas.
Samtidigt måste en sådan strategi hanteras med disciplin. Fler tilläggsapplikationer kan också skapa ökad komplexitet om de inte vilar på en tydlig integrations- och datamodell. Organisationen behöver därför definiera vilka delar av affärssystemet som ska vara stabil kärna, vilka förmågor som kan läggas i kompletterande lösningar och vilka områden som på sikt bör moderniseras eller ersättas.
De organisationer som redan sitter med stora affärssystem så som SAP, Oracle, IFS, Infor och D365 har en ytterligare dimension i sina utmaningar. Oftast har företaget investerat så tungt i affärssystemet och dess plattform att allt annat än att fortsatta framåt med samma affärssystem kan kännas svårt att motivera.
Och just dessa leverantörer trycker på väldigt hårt för att få sina kunder att kliva på deras nya funktioner och tjänster som inkluderar AI – även om grundinstallationen hos kunden är gammal och kanske inte alls speglar hur kundens verksamhet fungerar idag. Då blir frågan om det verkligen hjälper att sätta tejp på något som är gammalt eller om det ändå är dags att rycka plåstret och överväga ett nytt vägval framåt.
Organisationer som står inför ett vägval behöver analysera både verksamhetens behov och affärssystemets framtida roll. Den som vill välja rätt affärssystem behöver utvärdera processer, data, integrationsbehov, AI-potential och förändringsförmåga.
Ledningen bör därför ställa ett antal sammanhängande frågor. Vilka affärsprocesser har störst potential att förbättras med AI? Vilken data krävs för att realisera denna potential, och var finns den i dag? Vilka begränsningar skapar nuvarande tekniska plattform? Vilka kostnader och risker följer av att uppgradera, byta eller komplettera? Och kanske viktigast: vilken organisatorisk förmåga finns att driva förändringen från idé till faktisk nytta?
En välgrundad strategi bör inkludera ett flertal perspektiv: en tydlig målbild för verksamhetsutveckling, en realistisk bedömning av nuvarande systemlandskap, en prioritering av AI-relevanta användningsfall, en färdplan för moln- och datamodernisering samt en styrmodell som säkerställer att teknikvalen förankras i verksamhetens behov.
AI och molnteknik förändrar förutsättningarna för affärssystemens roll i verksamheten. Men just därför blir behovet av strategi större – inte mindre. Organisationer som enbart jagar den senaste tekniken riskerar att investera i plattformar utan tydlig verksamhetsnytta. Organisationer som väntar för länge riskerar å andra sidan att låsa fast sig i en teknisk miljö som blir allt svårare att utveckla.
Det avgörande är att varje organisation formulerar sin egen väg framåt. Strategin behöver väga samman affärsnytta, förändringsförmåga, teknisk skuld, datatillgång, leverantörsutveckling och risk. Först då kan frågan om affärssystemets framtid besvaras på ett sätt som inte styrs av teknikens tempo, utan av verksamhetens långsiktiga behov.
Ta del av rapporten "The State of ERP and Agentic AI", där vi analyserar hur AI-agenter, automation och nya tekniska möjligheter påverkar ERP-marknaden och vilka konsekvenser det får för organisationers framtida systemval.
