Runt 80 procent av alla AI-projekt misslyckas, enligt forskningsinstitutet RAND Corporation, som intervjuade 65 erfarna dataforskare och ingenjörer. Listan över AI-projekt och startups som lagts ner eller kört fast de senaste åren är lång men orsakerna upprepar sig. Oklara mål, dålig data, system som inte går att koppla ihop och en produkt som ingen bad om fäller betydligt fler satsningar än själva tekniken. För dig som driver ett litet företag är det goda nyheter. De flesta av de riskerna går att upptäcka innan du lagt en krona.
S&P Global såg andelen övergivna AI-satsningar mer än fördubblas på ett år
Siffrorna pekar åt samma håll oavsett vem som räknar. S&P Global rapporterade 2025 att 42 procent av företagen hade övergett majoriteten av sina AI-initiativ innan de nådde produktion. Året före var andelen 17 procent. MIT:s rapport State of AI in Business 2025 konstaterade att 95 procent av piloterna med generativ AI inte gav någon mätbar affärsnytta.
Analysföretaget Omdia frågade företag hur många av deras AI-projekt som tog sig från test till skarp drift. Bara 10 procent klarade mer än 40 procent av sina projekt. 37 procent fick igenom 11-40 procent och 21 procent låg på usla 5-10 procent. Samtidigt hade 58 procent av företagen mellan sex och 50 AI-projekt i experimentfas. Många startar alltså mycket och avslutar lite.
Pengarna har inte saknats. AI-investeringarna ökade 18 gånger mellan 2013 och 2022 men andelen lyckade projekt följde inte med. Enligt samma underlag misslyckas AI-projekt mer än dubbelt så ofta som vanliga IT-projekt.
Fem AI-projekt och startups som lagts ner eller kört fast
Urvalet nedan är grupperat efter vad som gick fel, inte efter hur mycket pengar som brann. Varje fall representerar en riskfaktor som även ett litet bolag kan gå i.
- Relay, ett verktyg för automatiserade arbetsflöden och ett alternativ till Zapier, stängdes helt efter fem år. Orsaken var att de stora aktörerna, bland dem OpenAI och Google, byggde in liknande automation direkt i sina egna verktyg. Risken här heter plattformsberoende. När din produkt är en funktion som jätten kan lägga till gratis står du på lånad mark.
- Humane AI Pin var en bärbar AI-pryl utan skärm som skulle ersätta delar av mobilen. Den fick hård kritik vid lanseringen 2024 och i februari 2025 såldes bolagets tillgångar till HP samtidigt som tjänsten stängdes och prylarna slutade fungera. Här är risken en lösning som letar efter ett problem. Kunderna hade redan en telefon som gjorde det mesta bättre.
- Rabbit R1 lanserades samma år med ett liknande löfte om en fristående AI-assistent i fickformat. Kritiken handlade om att prylen inte gjorde något en vanlig app inte klarade. Samma riskfaktor som Humane, med den skillnaden att bolaget fortsatte. Det räcker inte att tekniken imponerar på en demo om kunden inte ser varför hen ska byta vana.
- Microsoft Recall, funktionen som tar löpande skärmbilder av allt du gör i Windows för att du ska kunna söka bakåt, sköts upp 2024 efter att säkerhetsforskare visat hur lätt informationen kunde kommas åt. Funktionen har sedan dess fortsatt att dra på sig [nya säkerhetsinvändningar](https://www.theverge.com/report/912101/microsoft-windows-recall-new-security-concerns-response). Risken är förtroende. En AI-funktion som samlar känslig data måste vara säker från dag ett, annars stänger användarna av den för gott.
- Apples nya, personliga Siri presenterades i juni 2024 som en del av Apple Intelligence men de mest omtalade funktionerna sköts upp. Risken heter att lova innan det fungerar. Även världens mest värdefulla varumärken tappar i trovärdighet när en marknadsförd funktion inte levereras.
Två av fallen handlar om startups som dog, tre om storbolag som snubblade. Mönstret är detsamma. Ingen av dem föll på att AI som teknik inte fungerade.
Datakvalitet och gamla system fäller fler AI-projekt än själva modellerna
RAND Corporation och Gartner pekar ut fyra återkommande grundorsaker. Den första är att uppdraget var oklart från början, eftersom AI-teamet fick en uppgift som lät bra i ett möte men var så vag att resultatet inte passade verkligheten. Den andra är att datan saknades, låg utspridd i flera system eller höll för låg kvalitet. Den tredje är att systemen inte kunde prata med varandra eftersom det saknades kopplingar för att flytta data. Den fjärde är den som Humane och Rabbit illustrerar så tydligt: någon såg en demo, köpte visionen och letade sedan efter ett problem att använda den på.
Gartner förutspår att 60 procent av de AI-projekt som saknar användbar data kommer att överges före 2027. I en undersökning bland 248 datachefer svarade 63 procent att de saknade eller var osäkra på om de hade, rätt datahantering för AI.
När företag själva får beskriva hindren anger 74,7 procent brist på kompetens som det största. 44 procent säger att datakvaliteten inte räcker och 42 procent att deras system inte fungerar ihop med AI. Omdia sammanfattar det som att misslyckandena sällan beror på brister i tekniken, utan på att både företag och leverantörer underskattar hur krångligt det är att få in den i en verklig verksamhet.
Bristande branschkunskap nämns som en egen orsak. Ett team som inte förstår hur en redovisningsbyrå, en rörfirma eller en klädbutik fattar beslut bygger något som fungerar i testmiljön och kraschar mot första riktiga undantag.
Relays öde är en varning för alla som säljer en tunn AI-tjänst
Relay-fallet borde få varje konsult och webbyrå som paketerar AI-tjänster att stanna upp, eftersom en tjänst som mest består av att koppla ihop andras verktyg kan försvinna över en natt när OpenAI, Google eller Microsoft bygger samma sak direkt i sina produkter. Det som skyddar ett litet bolag är sällan tekniken. Det är kundrelationen, kunskapen om kundens bransch och att du löser ett problem som storbolagen inte bryr sig om att lösa. Säljer du AI-tjänster, fråga dig vad som återstår av ditt erbjudande om din leverantör lanserar samma funktion gratis nästa kvartal. Blir svaret ”inte mycket” behöver du bygga något mer kring tjänsten, som rådgivning, anpassning eller support. Samma resonemang gäller bolag som Simile, värderat till 2 miljarder dollar för syntetiska AI-kunder, där värdet helt vilar på att tekniken håller vad den lovar.
En pilot på en eftermiddag säger lite om hur verktyget klarar december
Gapet mellan pilot och drift är den fälla som slår hårdast mot småföretag. Ett AI-verktyg som sorterar tio testkvitton felfritt kan tappa fotfästet när det möter bokslutets hundratals underlag med konstiga format och handskrivna anteckningar.
Det enklaste sättet att undvika det är att börja i fel ände jämfört med storbolagen. Skriv ner problemet först, med en siffra kopplad till det. ”Vi lägger sex timmar i veckan på att matcha fakturor mot betalningar” är ett problem. ”Vi borde använda AI” är det inte. Testa sedan med din egen data, inte leverantörens exempel och bestäm i förväg vilket resultat som räknas som godkänt. Verktyg som Myntas automatiska kvittohantering fungerar just för att de löser en avgränsad, tråkig uppgift med tydlig data.
Kontrollera också att verktyget kan kopplas till ditt bokföringsprogram och ditt CRM. Det krånglar fler än man tror med. Ett AI-verktyg som kräver att du kopierar data för hand mellan system äter upp tiden det skulle spara.
Och lägg in AI-kostnaden i en budget som tål att satsningen läggs ner. Planeringen i vår guide om IT-budget när prognosen är osäker passar bra här.
Mät efter tre månader. Sparar verktyget inte den tid du skrev ner från början, säg upp det utan att känna dig dum. Det gör 42 procent av de stora bolagen också.
FAQ
Hur stor andel av AI-projekten misslyckas?
RAND Corporation uppskattar att runt 80 procent av alla AI-projekt misslyckas och MIT:s rapport från 2025 fann att 95 procent av piloterna med generativ AI inte gav mätbar affärsnytta. Siffrorna varierar beroende på hur man definierar ett misslyckande men alla större undersökningar landar långt över hälften. För småföretag är poängen att projekt oftare fastnar på dålig data och oklara mål än på själva tekniken.
Är det en dålig idé för ett litet företag att satsa på AI?
Nej men börja med ett avgränsat problem som du kan mäta i timmar eller kronor.
Varför lades Humane AI Pin ner?
Prylen fick hård kritik för att den inte gjorde något som mobiltelefonen inte redan klarade bättre och försäljningen tog aldrig fart. I februari 2025 köpte HP bolagets tillgångar och tjänsten stängdes, vilket gjorde att prylarna slutade fungera för dem som köpt dem. Fallet används ofta som exempel på teknik som byggdes innan någon kontrollerat att kunderna hade ett behov.
Isabelle Andersson är chefsanalytiker på Bättre Affärer med över tio års erfarenhet av finansiell analys och bolagsvärdering. Hon arbetar med strukturerade och oberoende genomgångar av noterade bolag med fokus på affärsmodell, kassaflöden och långsiktigt värdeskapande. Isabelle publicerar inga investeringsråd utan strävar efter att ge läsaren ett sakligt och transparent beslutsunderlag.