TL;DR
5 sätt som AI påverkar implementation av affärssystem:
Förstudie och kravarbete går snabbare, migrering och teknisk analys blir mer effektiv, själva ERP-systemet får inbyggda AI-funktioner och stöd för egna agenter, data och integration blir mer strategiska, och readiness i verksamheten blir ännu viktigare. SAP och Microsoft driver båda denna utveckling, men med lite olika arkitektur och plattformslogik.
- Förstudie och kravarbete går snabbare
- Migrering, anpassning och teknisk analys blir mer effektiv
- Förändrar vad som faktiskt implementeras i systemet
- Höjda krav på data, integration och arkitektur
- Readiness i verksamheten inför bytet ännu viktigare
Hur AI förändrar implementation av ERP-system?
Att implementera ett nytt ERP-system har länge handlat om processer, krav, datamigrering, integrationer och förändringsledning. Det gör det fortfarande. Men AI förändrar nu själva logiken i hur affärssystem-projekt planeras, genomförs och utvärderas.
Det gäller både SAP- och Microsoft-världen. Microsoft positionerar idag Dynamics 365 som agentic CRM and ERP, med AI-agenter, Copilot-upplevelser och inbyggda AI-funktioner i affärsapplikationerna. SAP beskriver samtidigt Joule och Joule Agents som AI-stöd inbäddat i affärsprocesserna, och SAP Business Data Cloud som en grund för tillförlitlig AI på verksamhetskritisk data.
För företag som står inför att byta affärssystem innebär det här en viktig förändring. Frågan är inte längre bara vilket ERP-system som bäst stödjer verksamheten idag. Frågan är också hur väl plattformen kan stödja AI i implementationen, i själva systemet och i den bredare dataarkitekturen framåt.
1. Förstudie och kravarbete går snabbare
AI kan hjälpa projektteam att analysera processer, sammanfatta krav, identifiera mönster i data och skapa bättre beslutsunderlag tidigt i projektet. Det gör att delar av förstudien kan gå snabbare och bli mer strukturerade än tidigare.
Microsoft beskriver att Dynamics 365 kombinerar AI-agenter, Copilot-upplevelser och inbyggda AI-funktioner över ERP och CRM, med AI som analyserar data, automatiserar uppgifter och guidar beslut i realtid. SAP beskriver Joule som ett AI-lager som hjälper team att agera tydligare, arbeta mer sammanhängande och skapa en gemensam AI-upplevelse över SAP och non-SAP-system.
I praktiken betyder det att kravarbete inte längre bara är en manuell workshop- och dokumentationsövning. Det blir mer datadrivet, mer iterativt och i vissa delar snabbare att kvalitetssäkra.
- Fördel: snabbare förstudie, bättre överblick, effektivare kravarbete.
- Viktigt att tänka på: AI ger bäst värde när processer, målbild och prioriteringar redan är relativt tydliga. Otydliga processer blir inte automatiskt bättre bara för att de analyseras snabbare.
2. Migrering, anpassning och teknisk analys blir mer effektiv
AI förändrar också det tekniska arbetet i ERP-projekt. Det gäller särskilt analys av legacy, custom code, dokumentation och modernisering.
SAP lyfter Joule for Developers och sin Custom Code Migration AI Assistant som stöd för att förstå, förklara och modernisera kundanpassad kod. Microsofts riktning handlar mer om att kombinera affärsapplikationer, automation och agentbyggande genom Copilot Studio och Power Platform, vilket gör det lättare att bygga anpassade flöden och AI-stöd runt affärsprocesserna.
Det här kan minska manuellt analysarbete, korta vissa teknikfaser och minska beroendet av enskilda specialister med historisk systemkunskap.
- Fördel: snabbare analys av custom code, lägre manuellt arbete, lättare kunskapsöverföring.
- Viktigt att tänka på: Teknisk analys kan gå snabbare, men affärslogik, specialanpassningar och verksamhetskrav måste fortfarande valideras i rätt kontext. AI kan hjälpa till att förstå det gamla, men inte ensam avgöra vad som bör leva vidare.
3. Förändrar vad som faktiskt implementeras i systemet
Tidigare handlade en ERP-implementation främst om moduler, processflöden, roller, integrationer och rapporter. Nu handlar den också om copilots, AI-agenter, rekommendationer, automatisering och möjligheten att bygga verksamhetsspecifika AI-funktioner.
Microsoft beskriver Dynamics 365 som agentic ERP och CRM, och lyfter att företag kan bygga och driftsätta egna agenter med Microsoft Copilot Studio. SAP driver samma rörelse med Joule Agents och Joule Studio, där företag kan bygga, anpassa och hantera agenter och skills över SAP och non-SAP-system.
Det innebär att ett ERP-val idag också är ett val av AI-plattform. Företag behöver inte bara bedöma vad systemet klarar i standard, utan också hur väl det stödjer framtida AI-scenarier i den egna verksamheten.
- Fördel: högre användarnytta, mer automation, bättre beslutstöd, möjlighet att bygga eget.
- Viktigt att tänka på: Redan i urval och design bör man ta ställning till vilka AI-funktioner som ska vara standard, vilka som ska byggas själva och hur de ska styras över tid.
4.Höjda krav på data, integration och arkitektur
AI gör att ERP inte längre kan ses som ett fristående system. För att skapa verkligt värde behöver ERP-data kunna kombineras med andra datakällor för analys, planering, prognoser och AI-drivna beslut.
Microsoft beskriver hur Dynamics 365-appar bygger på Dataverse som underliggande dataplattform för Power Platform, vilket gör datagrund och gemensam plattform central för AI-funktioner i flera Dynamics-appar. SAP positionerar Business Data Cloud som en fullt hanterad SaaS-lösning som förenar och styr SAP-data och ansluter tredjepartsdata, med syftet att ge handlingsbara insikter och tillförlitlig AI. SAP lyfter också att AI i Business Data Cloud kan använda kontextrika dataprodukter, SAP Knowledge Graph och SAP Databricks för AI- och ML-scenarier.
Det här gör datastrategin till en kärnfråga i ERP-projekt. Företag behöver ta ställning till var data för framtida AI ska ligga, vilka data som ska ligga nära affärssystemet, vilka som ska till en bredare dataplattform och hur integrationerna ska utformas så att rätt affärskontext följer med.
- Fördel: bättre beslutsstöd, mer avancerad analys, starkare grund för framtida AI och planering.
- Viktigt att tänka på: Smart integration handlar inte bara om att koppla ihop så många system som möjligt. Det handlar om att bygga rätt arkitektur, rätt semantik och rätt styrning för framtida analys och AI.
5. Readiness i verksamheten inför bytet ännu viktigare
AI gör inte ERP-implementation enklare i sig. Däremot gör AI det tydligare vilka brister som redan finns i processer, data, styrning och organisation.
När både SAP och Microsoft nu bygger in AI i affärsprocesserna blir readiness en avgörande framgångsfaktor. SAP lyfter trusted data, governance och affärsprocesskontext som viktiga byggstenar för AI. Microsoft lyfter hur AI finns i kärnan av verksamhetsapplikationerna och på en gemensam plattformsgrund.
Det betyder att ett lyckat ERP-byte inte bara handlar om att välja rätt system. Det handlar också om att vara redo inom processer, datakvalitet, arbetssätt, styrning, roller och organisation.
- Fördel: bättre struktur, tydligare prioriteringar, starkare förändringsledning och större chans till faktisk affärseffekt.
- Viktigt att tänka på: Readiness för AI och affärssystem behöver omfatta mer än teknik. Det är en fråga om verksamhetens mognad, prioriteringar och förmåga att arbeta strukturerat med förändring.
Sammanfattning:
ERP-implementation blir ett förändrings-, data- och AI-projekt
AI förändrar implementation av ERP-system på ett mer genomgripande sätt än många först tror. Förstudier blir snabbare. Teknisk analys blir mer effektiv. Själva systemet får nya AI-funktioner. Dataarkitekturen blir mer strategisk. Och readiness blir ännu viktigare.
Därför behöver företag som står inför ett nytt affärssystem tänka bredare än tidigare. Det räcker inte att fråga vilket ERP-system som passar verksamheten bäst idag. Man behöver också fråga hur plattformen stödjer AI i implementationen, i den dagliga användningen och i företagets framtida data- och integrationsstrategi.
Står ni inför att byta affärssystem?
Börja med att utvärdera er readiness för AI, data och processer, inte bara er kravlista. Vi guidar er gärna framåt, kontakta oss idag.
Hur förändrar AI implementation av affärssystem?
Behöver vi satsa på AI direkt när vi byter affärssystem?
Nej, inte nödvändigtvis. Det viktiga är inte att göra allt på en gång, utan att välja ett affärssystem och en arkitektur som gör det möjligt att arbeta med AI när verksamheten är redo. För många företag är det klokare att först säkra processer, datakvalitet och en stabil implementation, och därefter bygga vidare steg för steg.
Kan vi ta AI steg för steg i samband med ett ERP-byte?
Ja. För många företag är det bästa angreppssättet. Ett vanligt upplägg är att först fokusera på kärnprocesser, implementation och datagrund, och sedan aktivera eller bygga AI-stöd i nästa steg. Det minskar risk, gör prioritering enklare och ger bättre förutsättningar att skapa faktisk affärsnytta.
Vad behöver vara på plats innan AI kan ge värde i affärssystemet?
För att AI ska ge verkligt värde behöver företaget ha tillräckligt tydliga processer, relevant och tillförlitlig data, rimlig styrning samt en organisation som är redo att använda nya arbetssätt. AI fungerar bäst när grunden redan är tillräckligt stark, inte som ersättning för otydlighet eller bristande struktur.
Måste vi välja mellan snabb implementation och framtida AI-möjligheter?
Nej. Men det kräver rätt prioriteringar. Ett bra ERP-projekt behöver balansera kortsiktigt genomförande med långsiktig flexibilitet. Det betyder att man inte måste bygga alla AI-scenarier från början, men man bör undvika vägval som gör framtida automation, analys och AI onödigt svårt eller dyrt.
Ska AI vara en del av kravställningen redan i upphandlingen?
Ja, åtminstone på en övergripande nivå. Företag bör tidigt ställa frågor om vilken AI-funktionalitet som finns i standard, vilka möjligheter som finns att bygga egna agenter eller AI-stöd, och hur systemet stödjer data, integration och styrning. AI behöver inte vara huvudfokus i fas ett, men det bör finnas med i utvärderingen.
Är AI i affärssystem främst relevant för stora företag?
Nej. Även medelstora företag påverkas redan. Skillnaden är oftast inte om AI är relevant, utan hur snabbt och i vilken omfattning den ska användas. För många midsize-bolag handlar det först om att välja en plattform som är redo för AI, även om användningen börjar i mindre skala.
Vad är det vanligaste misstaget företag gör kring AI och affärssystem?
Ett vanligt misstag är att se AI som en separat fråga vid sidan av ERP-bytet. Ett annat är att tro att AI måste införas brett direkt. Ofta är den bästa vägen framåt att tänka AI tidigt, men införa den stegvis utifrån verksamhetsnytta, mognad och datakvalitet.
Hur vet vi om vi är redo för AI i vårt affärssystem?
Ett bra sätt att bedöma readiness är att titta på fem områden: processer, data, arbetssätt, styrning och organisation. Om ni har tydliga prioriteringar, relativt god datakvalitet och en verksamhet som kan ta emot förändring, finns ofta goda förutsättningar att börja stegvis.
