Deloitte er et av verdens største konsulentselskaper og rådgir myndigheter, globale selskaper og bransjeledere om strategi, teknologi og transformasjon. På grunn av denne posisjonen gjenspeiler forskningen deres ofte tidlige signaler om hvor bransjer er på vei. Når Deloitte publiserer funn om kunstig intelligens, operasjonsmodeller eller styring, peker det vanligvis på endringer mange organisasjoner snart vil møte.

The State of AI in the Enterprise 2026-rapporten fremhever et viktig tidspunkt i KI-adopsjonen. Organisasjoner verden over utvider tilgangen til KI-verktøy og eksperimenterer med nye muligheter. Samtidig sliter mange selskaper fortsatt med å gjøre eksperimentering om til målbare forretningsresultater

KI-tilgangen øker i hele arbeidsstyrken

En av de tydeligste trendene er den raske økningen i KI-tilgang.

I løpet av ett år økte andelen ansatte med tilgang til godkjente KI-verktøy fra under 40 prosent til rundt 60 prosent. Noen ledende organisasjoner gir nå KI-tilgang til mer enn 80 prosent av arbeidsstyrken sin.

Tilgang alene garanterer imidlertid ikke verdi. Blant ansatte som allerede har KI-verktøy tilgjengelig, bruker færre enn 60 prosent dem faktisk regelmessig i det daglige arbeidet. Dette viser at mange selskaper fortsatt er i en tidlig fase av adopsjonen, der verktøy finnes, men arbeidsflyter ennå ikke er redesignet for å bruke dem effektivt.

Den største barrieren er å skalere KI utover piloter

Mange organisasjoner eksperimenterer med KI, men å skalere det på tvers av virksomheten forblir vanskelig.

Bare omtrent 25 prosent av selskapene har flyttet minst 40 prosent av KI-eksperimentene sine i produksjon så langt. Likevel forventer mer enn halvparten å nå det nivået i nær fremtid.

Gapet finnes fordi pilotprosjekter og produksjonssetting har svært ulike krav. En pilot kan kjøres med et lite team og begrensede data. Produksjonssystemer krever:

• integrasjon med eksisterende systemer

• sikkerhets- og etterlevelseskontroller

• overvåking og vedlikehold

• pålitelige datapipelines

På grunn av denne kompleksiteten stopper mange KI-prosjekter opp mellom eksperimentering og full operasjonell utrulling.

Agentisk KI er den neste store bølgen

En voksende trend som trekkes frem i rapporten, er fremveksten av agentiske KI-systemer. Disse systemene kan planlegge oppgaver, samhandle med verktøy og utføre flertrinns arbeidsflyter. Adopsjonen vil kreve sterkere datagrunnlag, bedre systemintegrasjon og tydelig styring.

Styring henger etter adopsjonen

KI-adopsjonen akselererer, men styringen holder ikke tritt.

Selv om mange organisasjoner forventer å ta i bruk autonome KI-systemer i årene som kommer, oppgir bare rundt 21 prosent at de har modne styringsrammeverk for disse systemene.

Fordi autonom KI kan handle direkte i forretningsprosesser, trenger selskaper tydelige regler for beslutningsautonomi, menneskelig tilsyn og overvåking av KI-handlinger. Uten disse kontrollene blir det vanskelig å skalere KI på en trygg måte.

Fysisk KI er i vekst

En annen trend er veksten i fysisk KI, som kobler kunstig intelligens med robotikk, sensorer og maskiner.

I dag bruker omtrent 58 prosent av organisasjonene allerede fysisk KI i en eller annen form, og adopsjonen forventes å nå rundt 80 prosent i løpet av de neste to årene.

Eksempler inkluderer robotikk i produksjon, autonome logistikksystemer og intelligent overvåking av infrastruktur.

Strategi ligger foran gjennomføring

Mange selskaper mener de er strategisk klare for KI, men operasjonell modenhet henger ofte etter. Datainfrastruktur, kompetanse og teknologiarkitektur trenger fortsatt betydelige forbedringer.

Som følge av dette er hovedutfordringen ikke lenger å definere en KI-strategi, men å gjennomføre den effektivt.

Selskaper transformerer i ulikt tempo

Organisasjoner tar i bruk KI på svært ulike nivåer.

Omtrent 34 prosent av selskapene bruker KI til å fundamentalt transformere virksomheten sin, mens rundt 30 prosent redesigner nøkkelprosesser rundt KI. Samtidig bruker om lag 37 prosent av organisasjonene fortsatt KI bare på begrensede måter uten større operasjonelle endringer.

Dette gapet skaper et økende konkurranseskille mellom selskaper som redesigner arbeidsflyter rundt KI og de som bare legger KI-verktøy oppå eksisterende prosesser.

Konklusjon

KI-adopsjonen akselererer, men den største utfordringen er å gjøre eksperimentering om til reell operasjonell endring.

Organisasjoner som lykkes vil fokusere på å skalere KI til produksjon, redesigne arbeidsflyter, styrke styring og bygge infrastrukturen som trengs for å støtte KI i stor skala.