AI gör oss mindre produktiva

Rubrikerna har duggat tätt det senaste året:

“80% av företag ser inga produktivitetsvinster från AI”: en NBER-studie med nästan 6 000 chefer visade att de allra flesta företag inte ser någon mätbar effekt av AI på vare sig produktivitet eller sysselsättning (Fortune, feb 2026).
“AI intensifierar arbetet istället för att minska det”: Harvard Business Review rapporterade att anställda som övervakar AI-verktyg upplever ökad mental trötthet och beslutsutmattning (HBR, feb 2026).
“AI-genererat workslop förstör produktiviteten”: 41% av anställda har stött på AI-genererat material som krävde nästan två timmars omarbetning per tillfälle (HBR, sep 2025).
“Tid på mail har fördubblats, fokuserat arbete minskat 9%”, företag som rullade ut AI såg att arbetsbelastningen ökade istället för minskade (Fortune, mar 2026).

Så AI är översålt? Det fungerar inte?

Nej. Men forskningen visar något viktigt: det fungerar inte att bara kasta verktyg på folk.

Problemet är inte AI, det är hur företag inför det

MIT Sloan har identifierat en “AI adoption J-curve”, företag som bara köper in AI-verktyg utan att anpassa arbetsprocesser och utbilda personalen ser sämre resultat initialt (MIT Sloan). BCG bekräftar: “AI-transformation är en verksamhetstransformation”, de företag som lyckas har de mest ambitiösa utbildningsprogrammen, inte de dyraste verktygen (BCG, 2026).

Det vanliga mönstret:

Ledningen bestämmer: “Nu ska vi använda AI”
Alla får en ChatGPT-licens
Ingen utbildning, inga anpassade arbetsflöden, ingen uppföljning
Anställda klipp-klistrar lite, tycker det är “helt okej”, går tillbaka till det gamla
Sex månader senare: “AI gav oss ingenting”

Problemet var aldrig verktygen. Problemet var att ingen lärde sig använda dem på riktigt. Att ge teamet ChatGPT utan utbildning är som att köpa Photoshop åt hela avdelningen och förvänta sig att alla gör bra design.

Det handlar om verksamhetsutveckling, inte teknikutveckling. Vilka arbetsflöden kan förbättras? Vilka repetitiva uppgifter kan automatiseras? Hur behöver rollerna förändras? Det är frågor som kräver tid, utbildning och förändringsledning, inte bara en ny licens.

Skillnaden: klippa-klistra vs. arbetspartner

Det börjar egentligen med en ganska enkel fråga: Hur använder du AI?

De flesta av oss har nog börjat på ungefär samma sätt: öppnar ChatGPT, skriver in en fråga, kopierar in svaret någonstans. Det är så AI presenteras i de flesta sammanhang, och det är ofta där man fastnar. Det är också en del av förklaringen till varför undersökningarna ovan ser ut som de gör.

Själva började vi med sånt som “skriv en text om UX-design”, fick ett ganska generiskt svar, och tyckte att det väl inte var så mycket att hänga i granen. Sedan låg det obrukat ett tag.

Det var inget fel på AI. Det var mer att vi använde det som en sökmotor med extra steg.

Chattbot vs. arbetspartner

Det är ganska stor skillnad mellan att chatta med AI och att jobba med AI:

Chatta med AI:

Du skriver en prompt, får ett svar, kopierar in det någonstans
Du gör allt manuellt, AI är bara en textgenerator
Varje ny fråga börjar från noll, utan kontext
Du sitter fortfarande i webbläsaren och klipp-klistrar

Jobba med AI:

AI har tillgång till dina filer, ditt projekt, din kontext
Du beskriver vad du vill åstadkomma, AI utför arbetet
AI kommer ihåg vad ni jobbat med och bygger vidare
Resultatet hamnar direkt där det ska, utan manuella steg

Det är lite skillnaden mellan att googla “hur bygger man en hylla” och att ha någon bredvid dig som kan hålla i skruvdragaren när du själv står och håller i brädan.

Vad är en AI-agent?

En AI-agent agerar, inte bara svarar. Den kan:

Läsa och förstå dina filer, den ser hela ditt projekt, inte bara det du klistrar in
Skapa och redigera filer, den skriver kod, texter, dokumentation direkt i dina filer
Köra kommandon, den kan starta servrar, köra tester, installera verktyg
Planera och genomföra, du ger ett mål, agenten bryter ner det i steg och utför dem
Lära sig ditt arbetssätt, genom konfigurationsfiler förstår den hur just du vill jobba

Varför vi landade i Claude Code

Vi är UX/AI-designers, inte utvecklare. Men Claude Code har blivit det verktyg vi använder mest under arbetsdagen.

Innan dess provade vi en del: Lovable, Figma Make, Cursor, Antigravity, Manus, Codex, Augment Code. Alla har sina styrkor, och vilket som passar bäst beror säkert på vad man gör. För oss är det Claude Code som känns närmast en arbetspartner snarare än bara ett verktyg.

Några saker vi fastnat för:

1. Agenter: Claude Code kör inte bara en prompt åt gången. Den kan starta flera agenter parallellt som jobbar med olika delar av ett problem samtidigt. Det kan spara tid, särskilt när uppgiften går att dela upp.

2. Skills: Du kan bygga egna “skills” som lär Claude Code hur du jobbar. Vi har några för UX-arbete, några för brainstorming, några för kommunikation och admin. Det gör att den successivt lär sig hur just vi vill ha det gjort.

3. Kontext: Genom en enkel fil (CLAUDE.md) förstår Claude Code ditt projekt, din kodstruktur, dina preferenser. Den börjar inte från noll varje gång.

En typisk arbetsdag med AI

Så här kan en dag se ut. Inte varje dag flyter så här på, men mönstret är bekant:

08:00: Vi öppnar Claude Code i vårt aktuella projekt. Den läser CLAUDE.md och får en grundförståelse för vad projektet handlar om.

08:15: Vi ska skissa på en ny landningssida. Istället för att hoppa direkt in i Figma ber vi om tre varianter på en hero-sektion, visade som enkla wireframes. Inte alla blir bra, men det räcker för att hitta en riktning att jobba vidare med.

09:00: Vi väljer en variant och ber om en snabb HTML-prototyp. Den blir inte perfekt, men tillräckligt bra för att visa upp och få reaktioner på.

10:00: Efter lite feedback konverterar vi prototypen till en React-komponent som följer vårt designsystem. Det kräver några justeringar, men grunden är på plats.

13:00: Efter ett kundmöte behöver vi skicka en uppföljning. Vi låter en skill vi byggt gå igenom våra anteckningar och föreslå en struktur. Vi skriver om det i vår egen ton innan det går ut.

15:00: En bugg i produktionen. Vi beskriver symptomen, Claude Code tittar i loggarna och föreslår en möjlig orsak. Ibland stämmer det, ibland behöver vi gräva vidare. Idag gick det snabbt.

Vi spenderar väldigt lite tid på att klipp-klistra text mellan fönster, och mycket mer tid på att faktiskt tänka.

Det handlar inte om att koda

Den vanligaste invändningen vi hör: “Men Claude Code är ju för utvecklare?”

Inte egentligen. Claude Code är lika mycket för alla som vill att AI ska kunna hjälpa till med konkreta uppgifter, inte bara svara i en chatt. Du behöver inte kunna koda för att säga “skapa en prototyp”, “sammanfatta det här mötet” eller gör en presentation.

Och du behöver inte ens använda terminalen om du inte vill. Claude Code finns numera som desktop-app för Mac och Windows. Det är nog det enklaste sättet att komma igång om man inte är van vid terminaler, det ser ut ungefär som ett vanligt chattfönster.

Nästa steg

I nästa modul går vi igenom verktygskartan: vilka AI-verktyg som finns, vad de kostar, och vilka som kan vara värda att titta på utifrån din roll.

Den här texten är samskapad med Claude. Vi vet vad vi vill säga, men har använt Claude för att ta fram förslag som vi läst, justerat och tagit ställning till. Formuleringar, åsikter och val är våra.