AI i kundservice: vad funkar — och vad gör det inte

AI i kundservice fungerar bäst där frågan har ett verifierbart svar i era egna data, och sämst där svaret kräver omdöme. Gränsen är svår att hålla i praktiken, eftersom det som går att automatisera och det som borde automatiseras inte är samma sak.

Den här texten riktar sig till dig som är kundtjänstchef, COO eller CFO och ska bedöma ett AI-projekt — antingen ett förslag från en leverantör eller en idé internt. Vi går igenom vad som är belagt, vad som är hype och var lösningarna går sönder i drift.

En sak att säga direkt: vi säljer den här typen av lösningar. Texten är ändå skriven för att vara användbar om ni bestämmer er för att inte bygga något, eftersom det oftast är den rätta slutsatsen när underlaget är tunt.

Två motsägande prognoser från samma analysföretag

I mars 2025 förutspådde analysföretaget Gartner att AI-agenter autonomt skulle lösa 80 procent av vanliga kundtjänstärenden till 2029, med 30 procent lägre driftkostnad. I juni samma år kom en annan prognos från samma hus: över 40 procent av alla projekt med AI-agenter läggs ner före slutet av 2027, på grund av eskalerande kostnader, oklart affärsvärde eller otillräckliga riskkontroller.

Båda kan vara sanna samtidigt. Den första handlar om vad tekniken kan, den andra om vad organisationer lyckas med.

Ordet "vanliga" i den första prognosen försvinner nästan alltid när siffran citeras. Det är 80 procent av de vanliga ärendena, inte 80 procent av alla ärenden. Skillnaden är precis den gräns den här texten handlar om.

Den andra prognosen kom med ett begrepp: agent washing. Leverantörer märker om befintliga chatbotar, RPA-flöden och assistenter till "AI-agenter" utan att förmågan finns bakom.

Gartner uppskattade att av tusentals leverantörer som använder ordet hade omkring 130 något som verkligen fungerar så. Sitter ni i en upphandling är det siffran att ha med sig.

Vad som faktiskt fungerar

Beläggen är starkast här, och de pekar i en mindre dramatisk riktning än marknadsföringen.

AI som stöd till agenten, inte som ersättning. Den bäst genomförda studien på området följde 5 172 kundtjänstagenter hos ett mjukvaruföretag när en generativ AI-assistent infördes stegvis. Produktiviteten mätt i lösta ärenden per timme steg 15 procent i snitt.

Men fördelningen: produktiviteten steg omkring 34 procent för nya och lågpresterande agenter, medan de mest erfarna blev marginellt snabbare och samtidigt något sämre i kvalitet. Studien är sakkunniggranskad och publicerad i Quarterly Journal of Economics.

Förklaringen är att assistenten spred de bästa agenternas mönster till de nyaste. Vinsten låg i upplärningstid och kvalitetsspridning, inte i minskad bemanning. Förvänta er därför inte samma effekt i hela teamet.

Kunskapssökning mot egen dokumentation. När svaret finns i era manualer, policyer eller avtal, och frågan är av typen "vad gäller för X", är RAG en rimlig lösning.

Vi byggde en sådan för en maskintillverkare där servicepersonal ställer frågor till tekniska manualer på naturligt språk och får svar med källhänvisning. Precisionen i källhänvisningarna var hela värdet — en tekniker som inte kan verifiera svaret mot manualsidan använder det inte.

Guidning genom komplexa flöden. Det mest underskattade användningsområdet är inte att svara på frågor, utan att ersätta en blankett med en dialog. Vår chatbot för bergvärmeansökningar hos Herrljunga kommun validerar förutsättningarna direkt i samtalet i stället för att bristerna upptäcks veckor senare i handläggningen.

Det som gör flödet möjligt att automatisera är att reglerna för bergvärme är just regler — de går att kontrollera, inte tolka. Här är AI:n inte ett orakel utan ett formulär som ställer nästa fråga utifrån föregående svar.

Triage och klassificering. Att avgöra vad ett ärende handlar om och vem som ska ha det är en avgränsad uppgift med tydligt rätt och fel, och den går att mäta. Den syns sällan i marknadsföringen eftersom den inte är imponerande att demonstrera.

Mönstret i allt som fungerar: avgränsad uppgift, verifierbart svar, mätbart utfall. Sorterar man vanliga kundtjänstärenden efter det kriteriet blir gränsen tydlig.

Notera att svårighetsgraden inte är det som avgör. Ett bergvärmeflöde med geografiska kontroller är tekniskt mer komplext än att bevilja en avgiftsbefrielse — men det första går att automatisera och det andra inte.

Var AI i kundservice går sönder

En källhänvisning är inget bevis. Den mest förrädiska felmoden. Forskare skiljer mellan om ett citerat dokument stödjer påståendet och om det faktiskt användes för att generera svaret.

I ett ännu inte sakkunniggranskat arbetspapper saknade upp till 57 procent av citeringarna det senare. Modellen svarade först och letade stödjande källa efteråt.

Varför det är allvarligt i kundtjänst: källhänvisningen är det som får både kunden och de som granskar att sänka garden. Svaret ser granskat ut. Det är därför "vi lade på RAG, så nu hittar den inte på" är ett tomt påstående.

RAG minskar hallucinationer, tar inte bort dem. Tre juridiska AI-verktyg såldes uttryckligen in med att RAG gjorde dem hallucinationsfria. När oberoende forskare granskade dem hittade de fel i mellan 17 och 33 procent av fallen.

Det är ett område där noggrannhet är affärskritisk och användarna är kräsna jurister. Gäller det där, gäller det i er kundtjänst.

Kunskapsbasen degraderar tyst. Driftproblemet ingen räknar med. När en policy ändras i mars men indexet inte uppdateras fortsätter boten svara självsäkert med den gamla regeln.

Latens och tekniska mätvärden ser fortsatt bra ut. Ingenting larmar. Felet upptäcks av en kund, eller inte alls.

Validering är bara möjlig i drift. En sakkunniggranskad genomgång av sju återkommande felpunkter i RAG-system landade i två slutsatser som är obekväma för hur projekt brukar planeras. Ett RAG-system går bara att validera i drift. Och robustheten växer fram över tid snarare än designas in från början.

Praktiskt betyder det att en budget som slutar vid leverans är feltänkt. Löpande utvärdering är inte förvaltning, det är en förutsättning för att lösningen ska fungera alls. Det förklarar troligen en del av nedläggningssiffran ovan: projekt som planeras som leveranser men beter sig som drift.

Överlämningen till människa är svårare än den låter

De flesta diskussioner om överlämning handlar om när boten ska lämna över. Ett randomiserat fältexperiment i Alibabas kundtjänst pekar på att frågan är fel ställd.

Studien är ännu inte sakkunniggranskad och är gjord på en kinesisk e-handelsplattform, så överför slutsatserna med urskillning. Men det är det mest seriösa underlag som finns på just den här frågan.

AI-systemet kortade chattarna och kunderna återkom inte oftare. Men kundbetygen föll tydligt för just de ärenden AI hanterade. Och när man tittade på överlämningarna visade sig gränsen inte gå vid ärendets svårighetsgrad utan vid dess art:

• Tekniska överlämningar — ärendet ligger utanför botens förmåga. Att en människa tog över bevarade servicekvaliteten.
• Känslomässiga överlämningar — kunden uttrycker frustration. Där hjälpte det betydligt mindre att en människa tog över.

Slutsatsen är obekväm: att lämna över när kunden redan är irriterad är för sent. Skadan är gjord. Målet är att upptäcka risken för frustration innan den uppstår, inte att fånga den efteråt.

Studien fann dessutom något som inte är ett tekniskt problem alls. Agenterna som tog över de känslomässiga ärendena sänkte själva sin ansträngning: färre meddelanden, mindre proaktivitet. Att få ett redan surt ärende i knät är demotiverande.

Det är en bemannings- och incitamentsfråga, inte en modellfråga. Och ingen leverantör kommer att ta upp den i en demo.

Ett ord om trösklar: det finns inget forskningsstött konfidensvärde att sätta. Leverantörer som anger 0,7 eller 0,8 som best practice har inget stöd för det, och en språkmodell är systematiskt dåligt kalibrerad på att bedöma vad den inte vet.

Det försvarbara mönstret är flera parallella utlösare: ärendetypens risknivå, uttrycklig begäran om människa, ett hårt tak på antal misslyckade svarsomgångar och tecken på irritation. Risknivån på ärendet ska väga tyngre än modellens självskattade säkerhet.

Vad Klarnas AI-satsning egentligen visar

Det svenska exemplet är det mest lärorika, men det citeras nästan alltid fel. Förloppet har tre delar och poängen sitter i skillnaden mellan dem.

I februari 2024 gick Klarna ut med att deras AI-assistent på en månad hanterat 2,3 miljoner konversationer — två tredjedelar av alla kundtjänstchattar, motsvarande arbetet av 700 heltidsagenter. Lösningstiden föll från 11 minuter till under 2.

Kundnöjdheten låg, med deras egna ord, i nivå med mänskliga agenter. Alltså inte bättre.

I maj 2025 började de rekrytera tillbaka mänskliga agenter. VD Sebastian Siemiatkowski förklarade det själv: kostnaden hade blivit ett för dominerande kriterium när de utvärderade lösningen. Med hans egna ord blir resultatet då "lower quality" — sämre kvalitet.

Här gör de flesta felet att kalla det ett misslyckande. Men Klarna tog aldrig tillbaka effektivitetssiffrorna: kostnaden per transaktion föll från 0,32 till 0,19 dollar mellan första kvartalet 2023 och samma kvartal 2025, och de hävdade fortsatt stabil nöjdhet.

Siemiatkowski beskriver det uttryckligen inte som ett felsteg, utan som en felviktning mellan kostnad och kvalitet. Senare formulerade han om det: mänsklig kundservice blir "alltid en VIP-grej".

Sensmoralen är alltså inte att AI floppade i kundtjänst. Den är att automationen fungerade ekonomiskt, men att kostnaden som enda styrmått gav ett kvalitetstapp de själva bedömde som ohållbart. Det är en mer användbar varning, eftersom felet är lätt att göra om.

Två förbehåll som hör till ärligheten: siffrorna från februari 2024 är bolagets egna, publicerade under en börsnoteringsprocess, och "700 heltidsagenter" är en beräknad ekvivalens — inte 700 uppsagda personer den månaden.

Vad som gäller juridiskt från 2 augusti 2026

Reglerna kring AI har fått mycket uppmärksamhet, mestadels om fel saker för den som driver kundtjänst.

Transparenskravet gäller er. AI-förordningens artikel 50 kräver att en person som interagerar direkt med ett AI-system informeras om det, tydligt och senast vid första interaktionen. Kravet gäller från 2 augusti 2026 och sköts inte upp i den så kallade Digital Omnibus-förordningen (EU 2026/1744), som publicerades i EU:s officiella tidning den 24 juli 2026.

Undantaget för när det är "uppenbart" ska tolkas restriktivt. Sanktionerna ligger på upp till 15 miljoner euro eller 3 procent av global omsättning, med proportionalitet för mindre bolag.

Högriskreglerna gäller sannolikt inte er. Det var de som fick senare datum: systemen i bilaga III sköts till 2 december 2027.

En vanlig kundtjänstbot är ändå inte högrisk. Det blir den först om den fattar eller väsentligt påverkar beslut om kredit, anställning eller åtkomst till väsentliga tjänster. Att svara på frågor om ett kreditbeslut är inte samma sak som att fatta det — men gränsen dras av vad ni låter boten göra, inte av tekniken.

Ansvaret fördelas per roll. Kravet att boten ska upplysa om sin AI-natur riktar sig mot den som bygger systemet, eller låter bygga det i eget namn. Andra delar av artikel 50 landar i stället på den som använder systemet.

Köper ni en färdig plattform uppfylls upplysningskravet i praktiken av leverantören — men den kommersiella och avtalsrättsliga risken är er. Skriv in det i avtalet.

Ett fall från Kanada belyser principen, även om det inte är svensk rätt. En kund fick felaktig information om återbetalning från Air Canadas chatbot och stämde bolaget. Flygbolaget hävdade att chatboten var en separat juridisk enhet med ansvar för sina egna svar.

Nämnden avvisade den invändningen. Det borde vara uppenbart att bolaget ansvarar för all information på sin webbplats, och det gör ingen skillnad om informationen kommer från en statisk sida eller en chatbot.

Skadeståndet var trivialt, drygt 800 kanadensiska dollar totalt. Principen är inte trivial. Något motsvarande svenskt avgörande finns ännu inte.

Att upplysa om att kunden pratar med en bot är inte gratis. Ett fältexperiment på utgående telefonförsäljning i Kina 2019 visade att chatbotar som inte avslöjade sin identitet sålde lika bra som skickliga säljare, medan avslöjad botidentitet sänkte köpfrekvensen dramatiskt.

Kontexten är långt från svensk inkommande kundtjänst, och attityderna till AI har hunnit ändras sedan dess. Men den lösning studien pekade på — att dölja eller fördröja avslöjandet — blir olaglig i EU från augusti 2026.

Kvar står slutsatsen att boten måste vara bra nog att tåla att kunden vet vad den är.

Vad ni behöver ha på plats innan ni börjar

Sex frågor. Kan ni inte svara på dem är det för tidigt att bygga.

1. Vilka ärendetyper, konkret? Inte "kundtjänst" utan de tre eller fyra vanligaste frågorna med sina volymer. Finns ingen statistik är det första projektet att börja mäta.
2. Var finns svaren i skrift? Om kunskapen sitter i huvudet på seniora kollegor och inte i dokument har ni ett dokumentationsprojekt, inte ett AI-projekt.
3. Vem äger kunskapskällan? Någon namngiven måste ansvara för att indexet uppdateras när policyn ändras. Utan ägare inträffar den tysta degraderingen.
4. Hur ser vägen till en människa ut? Inte om den ska finnas, utan vem som svarar, inom vilken tid, och hur kontexten följer med.
5. Vad är utgångsvärdet? Nuvarande lösningstid, nöjdhet och andel återkommande frågor. Utan det går effekten inte att bedöma efteråt.
6. Vem granskar svaren i drift, och hur ofta? Stickprov på att källan faktiskt stödjer svaret behöver vara en rutin, inte ett acceptanstest.

Så vet ni om en pilot faktiskt fungerade

Det vanligaste måttet är andelen ärenden boten hanterade utan människa. Det är också det lättaste att manipulera — gör det svårt nog att nå en människa och siffran stiger av sig själv.

Mät i stället tre saker samtidigt:

Återkommande frågor. Hur många kunder ställer samma fråga igen inom en vecka? Ett ärende som avslutades utan att lösas ser ut som en framgång i statistiken.

Nöjdhet uppdelad per kanal. AI-hanterade och människohanterade ärenden var för sig. Alibaba-studien visade att totalen kan hålla sig medan AI-ärendena tappar. Slår man ihop dem ser man det inte.

Källkorrekthet. Andel stickprov där källan boten hänvisade till faktiskt stödjer svaret den gav. Nästan ingen mäter det, och det är det enda måttet som fångar post-rationaliseringen ovan.

Vad ni inte ska mäta mot: en utlovad procentsats från en leverantör. Det finns inga trovärdiga oberoende jämförelsetal för hur stor andel ärenden AI klarar. Siffrorna som cirkulerar kommer från parter med intresse i saken, motsäger varandra och går sällan att spåra till en metod.

Att någon utlovar ett exakt tal är ett skäl att fråga vidare.

Vad vi ser i egna kundtjänstprojekt

Fiive är en techkonsult i Göteborg som bygger AI-lösningar och systemintegrationer för B2B-företag och offentlig sektor.

Det vi ser oftast är att projekt fastnar på fel ställe. Diskussionen handlar om modellval när problemet är att dokumentationen inte finns, eller om integrationer när ingen äger frågan om vem som uppdaterar kunskapskällan.

Och gränsen mot omdöme går inte att förhandla bort med en större budget.

Vill ni läsa mer om hur det ser ut när LLM-funktioner möter riktiga användare har vi skrivit om vad som går sönder i produktion, och om hur en agent kopplas mot befintliga system.

Vanliga frågor om AI i kundservice

Hur mäter man om en AI-chatbot i kundtjänst faktiskt hjälper?

Inte på andelen ärenden boten "hanterade" — det målet går att nå genom att göra det svårt att nå en människa. Mät i stället tre saker tillsammans: hur många kunder som återkommer med samma fråga inom en vecka, kundnöjdheten uppdelad på AI-hanterade och människohanterade ärenden, och hur ofta botens källhänvisning faktiskt stödjer svaret den gav.

Faller nöjdheten för AI-ärendena medan totalen ser stabil ut har ni flyttat problemet, inte löst det.

Finns det oberoende siffror på hur stor andel ärenden AI kan lösa?

Nej, inte som går att lita på. Siffrorna som cirkulerar kommer nästan uteslutande från leverantörer, motsäger varandra grovt och går sällan att spåra till en metodbeskrivning eller ett urval. Att en leverantör utlovar en exakt procentsats är i sig ett varningstecken — den siffran beror helt på era ärendetyper, er dokumentation och hur ni definierar "löst".

Tar RAG bort risken för att chatboten hittar på svar?

Nej, den minskar den. Forskare vid Stanford och Yale granskade juridiska AI-verktyg som marknadsfördes som hallucinationsfria tack vare RAG och fann fel i 17–33 procent av fallen.

RAG förbättrade resultatet jämfört med en ren språkmodell, men tog inte bort problemet. Räkna med att behöva kontrollera svaren löpande i drift, inte bara vid leverans.

Måste man berätta för kunden att den pratar med en AI?

Ja. EU:s AI-förordning artikel 50 kräver att en person som interagerar direkt med ett AI-system informeras om det, tydligt och senast vid första interaktionen. Kravet gäller från 2 augusti 2026 och sköts inte upp i den så kallade Digital Omnibus-förordningen (EU 2026/1744) — det var högriskreglerna som fick senare datum.

Undantaget för när det är "uppenbart" ska tolkas restriktivt, så räkna inte med att slippa kravet för att boten heter AI-assistenten.

Är en AI-chatbot i kundtjänst klassad som högrisk enligt AI-förordningen?

Normalt inte. En bot som svarar på frågor, letar i dokumentation eller guidar genom ett formulär omfattas av transparenskrav, inte av högriskreglerna.

Högrisk blir det först om den fattar eller väsentligt påverkar beslut inom områdena i bilaga III — exempelvis kreditbedömning, anställning eller åtkomst till väsentliga tjänster. Gränsen dras av vad boten får göra i verksamheten, inte av tekniken den bygger på.

Kan man använda chattloggarna för att träna en egen modell?

Inte utan att ta ställning till det separat. Att logga konversationer för kvalitetsuppföljning och att använda samma loggar för att träna eller finjustera en modell är två olika ändamål enligt GDPR, och det andra behöver egen rättslig grund.

Loggarna innehåller nästan alltid personuppgifter, ibland känsliga som kunden själv skrivit in. Europeiska dataskyddsstyrelsen sätter dessutom tröskeln högt för när en modell kan kallas anonym — "vi avidentifierar innan träning" är inget fribrev.

Ska ni bygga något — eller inte?

Gissa inte. Börja med den ärendetyp som är vanligast och mest repetitiv, mät utgångsvärdet först, och bygg något litet mot er faktiska dokumentation.

En PoC tar 1–2 veckor och ger ett ärligt svar innan ni binder upp er. Kostnadsnivåerna för olika ambitioner finns i vad en AI-agent kostar.

Hur vi arbetar med det här står på sidan om AI för kundtjänst och generativ AI.

Blir slutsatsen att ni inte ska bygga något än — att dokumentationen behöver komma i ordning först, eller att ärendevolymerna inte bär investeringen — är det ett fullgott utfall av ett första samtal. Vi säger det hellre nu än efter sex månader.

Boka ett möte