AI-adopsjonen i Norden har gått raskt. Organisasjonsomfattende bruk av AI i produksjon økte fra omtrent 7 % til 31 % på bare ett år, ifølge Tietos nordiske AI-undersøkelse for 2026. Samtidig steg andelen organisasjoner som gir minst 40 % av de ansatte tilgang til godkjente AI-verktøy fra 37 % til 56 %, basert på Deloittes rapport State of AI in the Nordics, omtalt av Finnish AI Region. På papiret ser dette ut som en region som raskt beveger seg mot full automatisering.

I praksis erstatter imidlertid ikke denne AI-bruken det daglige arbeidet. I stedet legges AI til verktøyene nordiske team allerede er avhengige av, spesielt Excel. Rapporter bygges fortsatt i regneark. Budsjetter modelleres fortsatt i regneark. Og dashbordet en avdelingsleder sjekker mandag morgen, er fortsatt ofte basert på et regneark et sted oppstrøms. Det som har endret seg i 2026, er hva som skjer inne i regnearket, og hvor mye raskere et team kan gå fra rå tall til en beslutning det faktisk er verdt å handle på.

Her er hvordan denne kombinasjonen ser ut i nordiske selskaper akkurat nå, og hvorfor Excel-ferdighetene i bunnen betyr mer enn AI-laget på toppen.

Hvorfor Excel fortsatt er i sentrum av nordisk beslutningstaking

Det er lett å anta at AI-verktøy har begynt å erstatte regneark i forretningsteam. Det er imidlertid ikke det som skjer. Excel er fortsatt stedet der innkjøpsteam følger opp leverandørkostnader, økonomiavdelinger bygger månedlige rapporter, og driftsledere avstemmer tall før møter. AI har ikke fjernet dette laget. Det ligger oppå det.

Denne forskjellen er viktig for å forstå hvordan nordiske organisasjoner nærmer seg AI. Deloittes forskning viser at nordiske selskaper i større grad satser på forsterkning enn automatisering. AI brukes for å hjelpe ansatte med å utføre eksisterende arbeidsoppgaver raskere, snarere enn å erstatte arbeidet i seg selv. Sterkt arbeidsvern og en tradisjon for å forhandle fram arbeidsplassendringer, i stedet for å påtvinge dem, spiller også en viktig rolle. Resultatet er en langsommere og mer gjennomtenkt utrulling enn i enkelte andre regioner, men samtidig en utvikling som passer naturlig inn i verktøyene teamene allerede stoler på. Excel er det tydeligste eksempelet på dette.

Adopsjonstallene bak skiftet

Noen nøkkeltall forklarer hvorfor dette året føles annerledes enn det forrige. Tietos undersøkelse fra 2026 blant IT-beslutningstakere i Finland, Sverige og Norge viser at andelen ansatte med minimal AI-bruk falt fra 17 % til 10 %, mens nær en tredjedel nå bruker AI-løsninger i stor utstrekning i sitt daglige arbeid. Ifølge den samme undersøkelsen rapporterer nå nesten ingen organisasjoner at de ikke bruker AI i det hele tatt.

Samtidig peker Deloittes rapport State of AI in the Nordics 2026 på et gap som er verdt å merke seg. Femtifem prosent av de nordiske organisasjonene opplever at de er godt forberedt når det gjelder infrastruktur, men bare 14 % føler seg like godt forberedt når det gjelder kompetanse og talent. Den strategiske beredskapen har dessuten falt, fra 61 % i fjor til 43 % i år. Enkelt sagt kommer verktøyene raskere enn ferdighetene som kreves for å bruke dem effektivt.

Det er nettopp her Excel-opplæring blir relevant igjen, ikke som en konkurrerende prioritet til AI-adopsjon, men som fundamentet som gjør AI-adopsjon vellykket.

Hva Excel og AI ser ut som i praksis

Naturspråksformler i stedet for memorert syntaks

Den mest synlige endringen handler om hvordan folk lager formler. I stedet for å huske den eksakte syntaksen for en nøstet IF-formel eller en XLOOKUP-funksjon, kan ansatte beskrive hva de ønsker på vanlig språk og få en fungerende formel tilbake. Microsoft beskriver denne funksjonaliteten i sin egen opplæring for Copilot.

En forespørsel som «legg til en kolonne som viser forskjellen mellom denne månedens og forrige måneds salg» kan gi et brukbart resultat på få sekunder, i stedet for å kreve hjelp fra en kollega eller et søk i et forum.

Dette senker terskelen for mindre erfarne Excel-brukere, men det eliminerer ikke behovet for å forstå hva formelen faktisk gjør. Noen må fortsatt kontrollere at resultatet gir mening.

Raskere datarensing før noe havner i en rapport

Rotete eksporter er fortsatt blant de største tidstyvene i rapporteringsprosesser: inkonsistente datoformater, dupliserte rader og tomme celler der det burde vært tallverdier. AI-verktøy i Excel kan nå håndtere en stor del av dette arbeidet på forespørsel ved å identifisere duplikater, standardisere formatering og fylle inn manglende verdier basert på mønstre i de omkringliggende dataene.

Team som allerede forstår hvordan rene og strukturerte data ser ut, får betydelig større verdi ut av disse funksjonene enn team som mangler denne forståelsen. AI setter fart på datarensingen, men avgjør ikke hva som skal regnes som «rene» data i en bestemt rapport.

Automatisk oppdagelse av mønstre og avvik

Det mest åpenbare området der AI tilfører verdi, er evnen til å fremheve ting som mennesker lett kan overse ved første gjennomgang: en leverandør med uventet høye kostnadsøkninger, en region som presterer svakere enn sitt normale salgsmønster, eller en topp som ikke stemmer overens med sesongvariasjonene.

I stedet for å manuelt gå gjennom tusenvis av rader kan et team stille et direkte spørsmål og raskt bli ledet til de radene som fortjener nærmere oppmerksomhet. Dette er en del av det Microsoft beskriver som avansert dataanalyse med Copilot i Excel.

Det er her beslutningstaking faktisk blir raskere. Flaskehalsen har sjelden vært selve beslutningen, men hvor lang tid det tar å oppdage at det finnes noe som krever en beslutning.

Å gjøre pivottabeller til en kortere arbeidsflyt

Pivottabeller har alltid vært en av de raskeste måtene å oppsummere store datasett i Excel på, og det har ikke endret seg. Det som har endret seg, er hvor raskt de kan opprettes. AI-verktøy kan nå foreslå eller generere en pivottabellstruktur basert på en beskrivelse på naturlig språk av hva brukeren ønsker å se. Dermed fjernes et trinn som tidligere krevde solid kompetanse i pivottabeller for å gjennomføres effektivt. Learnesys kurs i pivottabeller dekker grupperings-, filtrerings- og oppsummeringslogikken som fortsatt ligger til grunn for prosessen, enten den er AI-assistert eller ikke.

Hvor nordiske team faktisk bruker Excel og AI

I praksis brukes Excel og AI i vanlige forretningsprosesser, ikke bare i avanserte analysemiljøer.

For eksempel kan logistikk- og innkjøpsteam bruke AI-assisterte Excel-arbeidsflyter til å avstemme leverandørdata raskere og identifisere kostnadsendringer som bør gjennomgås nærmere. Økonomi- og FMCG-team kan bruke AI til den første gjennomgangen av månedlig rapportering, mens en medarbeider vurderer avvikene. Eiendoms- og driftsteam kan samle spredte data, som beleggsstatistikk, vedlikeholdslogger og leietakerrapporter, i en mer oversiktlig og brukervennlig fremstilling før et møte.

Utenfra fremstår ikke dette som spesielt dramatisk. Det handler i stor grad om at de samme rapportene kan utarbeides raskere, med færre manuelle arbeidsoppgaver og færre feil som slipper gjennom.

Det er nettopp denne typen endring nordiske HR- og L&D-ledere ofte verdsetter: praktisk, lite forstyrrende og enklere å knytte til konkrete forretningsresultater.

Hvorfor AI ikke erstatter behovet for Excel-ferdigheter

Denne delen blir ofte oversett i diskusjoner om AI-adopsjon. AI-verktøy i Excel er bare så gode som personen som bruker dem. Den som ikke forstår hvordan en pivottabell fungerer, kan ikke vurdere om en AI-generert pivottabell er korrekt. På samme måte vil en person som ikke kjenner til oppslagsfunksjoner, ofte ikke oppdage når en AI-foreslått formel i det stille returnerer et feil resultat i et grense­tilfelle.

Deloittes rapport State of AI in the Nordics viser at bare 14 % av nordiske organisasjoner føler seg godt forberedt når det gjelder kompetanse og talent. Dette illustrerer nettopp dette gapet. Infrastruktur er relativt enkelt å anskaffe. Dømmekraft, erfaring og kompetanse er det ikke.

Team som allerede har et solid Excel-fundament, tar raskt i bruk nye AI-funksjoner fordi de kjenner igjen hva som er et godt resultat og hva som ikke er det. Team uten dette fundamentet havner ofte i én av to situasjoner: enten stoler de for mye på AI-genererte resultater, eller så unngår de funksjonene helt på grunn av usikkerhet. Begge deler fører til langsommere beslutningstaking i stedet for raskere.

Hva HR- og L&D-team bør ta med seg fra dette skiftet

For HR- og L&D-team er lærdommen ikke at alle ansatte trenger avansert AI-opplæring. Lærdommen er at AI-adopsjon fungerer best når ansatte allerede forstår verktøyene og dataene de bruker i det daglige arbeidet.

Det betyr som regel å bygge et sterkere Excel-fundament først: gode datavaner, formler, pivottabeller, grunnleggende analyse og tryggheten til å kontrollere AI-genererte resultater før de blir en del av en rapport eller brukes som grunnlag for en beslutning.

Teamene som beveger seg raskest med AI, er ikke nødvendigvis de som har flest verktøy. Ofte er det de som har det sterkeste grunnlaget av ferdigheter på tvers av hele avdelingen.

Hvordan Learnesy hjelper nordiske team med å bygge dette fundamentet

Learnesy hjelper nordiske team med å bygge Excel-fundamentet som gjør AI-verktøy mer nyttige i det daglige arbeidet.

Kurset Excel basis inkluderer et eget kapittel om bruk av AI-verktøy i Excel, med leksjoner som fokuserer på reelle regnearkoppgaver snarere enn abstrakt AI-teori. Målet er ikke bare å hjelpe ansatte med å bruke AI raskere, men også å sørge for at de fortsatt forstår Excel-logikken bak resultatene.

For team som ønsker å utforske hvordan AI endrer dataarbeid i et bredere perspektiv, er artikkelen om AI og fremtiden for dataanalyse en nyttig neste lesning.

For HR- og L&D-team er den større utfordringen ofte konsistens. Én trygg Excel-bruker er ikke nok hvis resten av avdelingen fortsatt arbeider på ulike måter. Learnesys team- og forretningsplaner støtter utrulling på tvers av team med varierende ferdighetsnivåer gjennom korte leksjoner på svensk, norsk og engelsk. I tillegg får teamene en Customer Success Manager og et administrasjonspanel, slik at fremgangen blir synlig i stedet for antatt.

Oppsummering: Hvordan nordiske selskaper kombinerer Excel og AI for raskere beslutninger i 2026

Nordiske selskaper erstatter ikke Excel med AI. De bruker AI til å gjøre daglige Excel-arbeidsflyter raskere, fra datarensing og formelbygging til å identifisere mønstre som ellers ville tatt lengre tid å oppdage.

Men teamene som får størst verdi ut av denne utviklingen, stoler ikke utelukkende på AI. De har allerede et solid Excel-fundament. Det betyr at ansatte forstår dataene de arbeider med, vet hvordan resultatene skal kontrolleres og kan avgjøre når et AI-generert svar trenger en ekstra gjennomgang.

Det er her Learnesy kommer inn. Learnesy gir nordiske team de Excel-, data- og AI-ferdighetene de trenger for å bruke disse verktøyene med større trygghet, slik at AI blir en reell produktivitetsgevinst i stedet for en kilde til vanskelig oppdagbare feil.

Utforsk Learnesy for team.