Agentic AI och ERP
När affärssystem börjar driva arbetet vidare
ERP-system har länge varit organisationens nav för ekonomi, inköp, projekt, logistik och verksamhetsstyrning. De har framför allt hjälpt företag att samla, strukturera och följa upp information.
Med Agentic AI börjar detta förändras.
Affärssystemet går från att bara visa vad som har hänt till att också kunna hjälpa organisationen att agera på informationen. Det handlar inte bara om en AI-chatt i systemet, utan om digitala agenter som kan ta ansvar för delar av en process.
Vad är Agentic AI?
En traditionell AI-assistent hjälper användaren att svara på frågor, sammanfatta information eller utföra en enskild uppgift.
En AI-agent kan däremot få ett tydligt mål och själv planera flera steg för att nå dit. Den kan hämta information från olika system, analysera underlag, kontakta rätt person och följa upp att arbetet blir gjort.
Enkelt uttryckt:
En AI-assistent hjälper användaren.
En AI-agent kan driva delar av arbetet vidare.
Det betyder inte att människan försvinner ur processen. I många fall kommer agenten att analysera, förbereda och föreslå nästa steg, medan en människa fortfarande fattar beslut eller godkänner åtgärder.
Från avvikelse till åtgärd
Moderna ERP-system kan redan identifiera avvikelser, dubbletter, saknade attester och skillnader mellan fakturor, avtal och inköpsorder.
Det nya med Agentic AI är inte bara att systemet hittar problemet. Det nya är att agenten kan hjälpa till med det som händer efteråt.
Exempelvis kan en agent:
-samla in relevant information
-kontakta rätt person
-begära kompletterande underlag
-följa upp ärendet
-förbereda beslut eller nästa steg
Affärssystemet identifierar händelsen.
Agenten driver processen vidare.
Exempel på användningsområden
Leverantörsreskontra
Om en faktura avviker från inköpsordern kan agenten samla information från faktura, avtal och leverans. Den kan kontakta beställaren eller leverantören och följa upp tills ärendet är redo för attest eller beslut.
Kundreskontra
När en kundfaktura har passerat förfallodatum kan agenten analysera betalningshistorik, se om det redan finns en dialog och föreslå nästa åtgärd. Enkla ärenden kan hanteras enligt regler, medan känsliga ärenden skickas vidare till ansvarig person.
Månadsbokslut
Vid månadsbokslut kan agenten följa vilka aktiviteter som är klara, påminna ansvariga om det som saknas och sammanställa aktuell status. Det minskar behovet av manuella checklistor och återkommande statusmöten.
Projektstyrning
I projekt kan en agent följa budget, prognos, tidrapportering och milstolpar. Om något avviker kan den hämta in kommentarer, analysera orsaker och förbereda en uppdaterad projektstatus.
Inköp
En agent kan följa upp inköp utanför avtal, föreslå befintliga avtalsleverantörer och sammanställa inköpsdata inför förhandlingar eller upphandlingar.
Agenten som en egen systemaktör
En AI-agent bör inte ses som en anonym funktion i systemet. Den behöver en tydlig identitet, definierade behörigheter och en ansvarig ägare.
Precis som en anställd inte ska ha tillgång till mer information än rollen kräver, bör en agent bara få tillgång till den data och de system som behövs för uppdraget.
Det bör också gå att följa vad agenten har gjort, vilken information den har använt och vilka beslut eller åtgärder som har godkänts av en människa.
-För varje agent behöver det därför vara tydligt:
-vilket uppdrag agenten har
-vilka system och data den får använda
-vilka aktiviteter den får genomföra
-när en människa behöver godkänna
-vem som ansvarar för agentens resultat
Möjligheterna är stora – men kräver kontroll
Den största nyttan med AI-agenter är inte bara att arbetet går snabbare. Det handlar också om att minska administration, skapa mer enhetliga arbetssätt och frigöra tid till analys, beslut och verksamhetsutveckling.
Samtidigt ökar riskerna när AI får agera.
Om en agent kan kontakta kunder, ändra information, skapa transaktioner eller starta arbetsflöden behöver organisationen ha tydliga regler för vad agenten får och inte får göra.
En AI-agent kan utföra arbete, men ansvaret kan inte delegeras till tekniken.
Hur mycket ansvar ska agenten få?
Det finns ännu ingen självklar standard för hur mycket ansvar AI-agenter ska få i affärssystem. Därför bör organisatiokaner öka agentens ansvar stegvis.
I början kan agenten informera, analysera och rekommendera. Nästa steg kan vara att den förbereder meddelanden, transaktioner eller beslutsunderlag.
Därefter kan agenten få genomföra vissa aktiviteter efter mänskligt godkännande. Först när kvalitet, kontroll och spårbarhet fungerar bör agenten få agera mer självständigt inom tydliga ramar.
Autonomi bör förtjänas – inte delas ut från början.
Olika processer kräver också olika nivåer av kontroll. En agent som följer upp interna aktiviteter kan få större handlingsutrymme än en agent som hanterar betalningsinformation eller kommunicerar med viktiga kunder.
Hur kommer man igång?
Organisationer bör inte börja med frågan: vilken AI-plattform ska vi köpa?
Börja istället med att identifiera en process där det finns mycket manuellt arbete, många överlämningar eller återkommande uppföljning.
Det kan vara en process där medarbetare lägger mycket tid på att samla information, kontakta andra personer och följa upp att aktiviteter blir utförda.
Välj ett avgränsat område där nyttan går att mäta och där riskerna är hanterbara. Låt först agenten analysera, rekommendera och förbereda. Därefter kan uppdraget utökas stegvis när kvalitet, kontroll och förtroende finns på plats.
Det viktigaste är att tydligt definiera vad agenten ska göra, vad den inte får göra och vem som har ansvaret.
Börja inte med tekniken
Agentic AI bör inte ses som ett separat innovationsprojekt vid sidan av ERP-arbetet. Det påverkar frågor som redan är centrala i ett affärssystemsprojekt:
-datakvalitet
-integrationer
-roller och behörigheter
-processägarskap
-informationssäkerhet
-förändringsledning
En organisation med otydliga processer och bristande datakvalitet blir inte automatiskt mer effektiv av AI.
Risken är snarare att problemen automatiseras.
Därför behöver Agentic AI ses som en del av verksamhetsutvecklingen och ERP-strategin, inte som ett fristående teknikinitiativ.
Frågan är inte om – utan var
Agentic AI kommer inte att göra ERP-system självgående över en natt. Men tekniken kan stegvis förändra hur administrativa och analytiska processer genomförs.
Vissa delar kommer fortsatt kräva erfarenhet, omdöme och ansvar. Andra delar kan i större utsträckning hanteras av digitala agenter.
Den viktiga frågan är därför:
I vilka processer kan en AI-agent ta över konkreta delar av arbetet och skapa verklig affärsnytta – med en risknivå som organisationen kan kontrollera?
Publicerad Juni 2026
