Under många år har jag arbetat i olika ledande roller inom ekonomi – som CFO, Head of Finance och Business Controller. I olika organisationer, i olika branscher och med olika förutsättningar. Trots det har en sak varit slående konsekvent: hur stor del av ekonomifunktionens tid som fortfarande läggs på manuellt, repetitivt arbete.
Särskilt tydligt har detta varit inom leverantörsreskontran.
En vardag som känns igen av många ekonomer
I samtal med ekonomer runt om i organisationer hör jag ofta samma sak: ambitionen att arbeta mer analytiskt och affärsnära, men verkligheten som drar åt ett annat håll. Mycket tid går åt till fakturahantering – kontering, kontroll, attestpåminnelser och rättning av fel.
Ett exempel jag sett flera gånger är hur sårbar processen blir när volymerna ökar. I en organisation jag arbetade med fördubblades hanteringstiden för leverantörsfakturor på kort tid – inte på grund av bristande kompetens, utan för att arbetssätten var starkt manuella och inte byggda för skalbarhet. Resultatet blev ökade kostnader, mer stress i teamet och mindre tid för uppföljning och analys.
Fakturor utan inköpsorder är ofta den största utmaningen. De kräver erfarenhet, bedömning och manuell hantering, vilket gör processen både tidskrävande och dyr. När volymerna ökar blir konsekvenserna snabbt kännbara: längre ledtider, högre kostnader och mindre tid över till det som faktiskt skapar värde .
Från ‘om’ till ‘hur’
Under lång tid har diskussionen om AI i ekonomifunktionen handlat om ifall tekniken är mogen nog. Min upplevelse idag är att frågan i allt högre grad har spelat ut sin roll. AI inom finance har börjat mogna – både tekniskt och organisatoriskt.
För många organisationer handlar det inte längre om om AI ska användas, utan hur den ska implementeras på ett sätt som skapar nytta utan att tumma på kontroll, transparens och styrning. Det är en avgörande skillnad.
Ekonomifunktionen har ett särskilt ansvar här. Till skillnad från många andra delar av organisationen måste lösningar vara förklarbara, spårbara och möjliga att följa upp. AI får aldrig bli en ”black box” – utan måste fungera som ett beslutsstöd som går att förstå, granska och lita på.
Varför traditionell automation inte räcker
Många organisationer har under åren infört regelbaserad automation för att komma åt problemen i leverantörsreskontran. Det är ett naturligt steg och kan fungera bra för enkla, återkommande flöden. Men min erfarenhet är att dessa lösningar ofta når en platå.
När verksamheten förändras – nya leverantörer, nya kostnadsstrukturer eller organisatoriska justeringar – krävs kontinuerlig manuell anpassning av regler och mallar. Automation finns, men den skalar dåligt och riskerar att bli ännu ett system som måste ”tas om hand”.
AI förändrar förutsättningarna – med kontroll i fokus
Det som på senare tid har förändrat bilden är utvecklingen inom självlärande AI. I stället för att förlita sig på statiska regler kan AI analysera historiska fakturor och lära sig hur kontering och attest faktiskt görs i praktiken.
Rätt implementerad innebär detta att även mer komplexa fakturaflöden kan automatiseras, med hög träffsäkerhet och betydligt mindre manuellt arbete. Samtidigt behålls – och i många fall stärks – kontrollen. Avvikelser blir tydligare, beslutslogik mer transparent och uppföljningen bättre.
För ekonomifunktionen är detta avgörande: AI ska inte ersätta ansvar, utan stödja det.
Vad betyder detta för rollen som ekonom?
Den kanske största effekten är dock inte teknisk, utan organisatorisk. När repetitiva moment minskar frigörs tid och kompetens. Tid som kan användas till analys, uppföljning, intern rådgivning och stöd till verksamheten.
För många ekonomer innebär detta ett skifte i fokus – från att vara processförvaltare till att bli verkliga affärspartners.
Ett nödvändigt perspektivskifte
Min viktigaste lärdom är att AI och automatisering inte bör ses som ett IT-initiativ, utan som en strategisk fråga för ekonomifunktionen. Framgång handlar mindre om teknikval och mer om hur väl lösningen passar verksamhetens krav på styrning, transparens och kvalitet.
Organisationer som lyckas ta detta steg får inte bara effektivare processer – de skapar också bättre förutsättningar för att ekonomifunktionen ska bidra där den gör störst skillnad.
Det här handlar inte om att göra samma arbete snabbare – utan om att förändra vad ekonomifunktionen faktiskt lägger sin tid på.
