AI-adoptionen i Norden har gått snabbt. Organisationsomfattande användning av AI i produktion ökade från ungefär 7 % till 31 % på bara ett år, enligt Tietos nordiska AI-undersökning 2026. Samtidigt steg andelen organisationer som ger minst 40 % av de anställda tillgång till godkända AI-verktyg från 37 % till 56 %, enligt Deloittes rapport State of AI in the Nordics, som uppmärksammats av Finnish AI Region. På pappret ser det ut som en region som snabbt rör sig mot full automation.

I praktiken ersätter dock denna AI-användning sällan det dagliga arbetet. I stället läggs AI till de verktyg som nordiska team redan förlitar sig på, framför allt Excel. Rapporter byggs fortfarande i kalkylblad. Budgetar modelleras fortfarande i kalkylblad. Och instrumentpanelen som en avdelningschef granskar på måndag morgon matas ofta fortfarande av ett kalkylblad någonstans uppströms. Det som har förändrats under 2026 är vad som sker inuti kalkylbladet och hur mycket snabbare ett team kan gå från rådata till ett beslut som är värt att agera på.

Här är hur den kombinationen faktiskt ser ut i nordiska företag just nu, och varför Excel-färdigheterna i grunden är viktigare än AI-lagret ovanpå.

Varför Excel fortfarande är i centrum för nordiskt beslutsfattande

Det är lätt att anta att AI-verktyg har börjat ersätta kalkylblad i affärsteam. Det är dock inte riktigt vad som händer. Excel är fortfarande platsen där inköpsteam följer upp leverantörskostnader, ekonomiavdelningar bygger månadsrapporter och verksamhetschefer stämmer av siffror inför möten. AI har inte ersatt detta lager, utan ligger ovanpå det.

Denna skillnad är viktig för att förstå hur nordiska organisationer närmar sig AI. Deloittes forskning visar att nordiska företag i högre grad satsar på förstärkning än på automatisering. AI används för att hjälpa medarbetare att utföra sitt befintliga arbete snabbare snarare än att ersätta arbetet i sig. Starka arbetsrättsliga skydd och en tradition av att förhandla fram förändringar på arbetsplatsen, snarare än att införa dem ensidigt, spelar också en viktig roll. Resultatet är en långsammare och mer genomtänkt utrullning än i vissa andra regioner, men samtidigt en utveckling som passar väl ihop med de verktyg som teamen redan litar på, där Excel är det tydligaste exemplet.

Adoptionstalen bakom skiftet

Några nyckeltal förklarar varför det här året känns annorlunda än det förra. Tietos undersökning från 2026 bland IT-beslutsfattare i Finland, Sverige och Norge visar att andelen anställda med minimal AI-användning sjönk från 17 % till 10 %, samtidigt som nästan en tredjedel nu använder AI-lösningar i stor utsträckning i sitt dagliga arbete. Enligt samma undersökning rapporterar numera nästan inga organisationer att de inte använder AI alls.

Samtidigt pekar Deloittes rapport State of AI in the Nordics 2026 på ett gap som är värt att uppmärksamma. Femtiofem procent av de nordiska organisationerna anser sig vara väl förberedda när det gäller infrastruktur, men endast 14 % känner sig lika väl förberedda när det gäller kompetens och talang. Den strategiska beredskapen har dessutom minskat, från 61 % förra året till 43 % i år. Enkelt uttryckt kommer verktygen snabbare än de färdigheter som krävs för att använda dem effektivt.

Det är precis här Excel-utbildning blir relevant igen, inte som en konkurrerande prioritering till AI-adoption, utan som den grund som gör AI-adoption möjlig.

Hur Excel och AI fungerar tillsammans i praktiken

Naturspråksformler i stället för memorerad syntax

Den mest synliga förändringen handlar om hur människor skapar formler. I stället för att komma ihåg den exakta syntaxen för en nästlad IF-formel eller en XLOOKUP kan medarbetare beskriva vad de vill göra på vanligt språk och få en fungerande formel tillbaka. Microsoft beskriver denna funktionalitet i sin egen utbildning för Copilot.

En instruktion som ”lägg till en kolumn som visar skillnaden mellan den här månadens och förra månadens försäljning” kan ge ett användbart resultat på några sekunder, i stället för att kräva hjälp från en kollega eller en sökning i forum.

Detta sänker tröskeln för mindre erfarna Excel-användare, men det eliminerar inte behovet av att förstå vad formeln faktiskt gör. Någon måste fortfarande kontrollera att resultatet är rimligt.

Snabbare datarensning innan något hamnar i en rapport

Röriga exporter är fortfarande en av de största tidstjuvarna i rapporteringsprocesser: inkonsekventa datumformat, dubbletter och tomma celler där det borde finnas värden. AI-verktyg i Excel kan nu hantera en stor del av detta arbete på begäran genom att identifiera dubbletter, standardisera formatering och fylla luckor baserat på mönster i den omgivande datan.

Team som redan förstår hur ren och välstrukturerad data ser ut får betydligt större nytta av dessa funktioner än team som saknar den kunskapen. AI påskyndar datarensningen, men avgör inte vad som ska betraktas som ”ren” data i en specifik rapport.

Automatisk identifiering av mönster och avvikelser

Det tydligaste värdet med AI är ofta dess förmåga att lyfta fram sådant som människor riskerar att missa vid en första granskning: en leverantör vars kostnader oväntat har ökat, en region som presterar sämre än sitt normala försäljningsmönster eller en topp som inte stämmer överens med säsongsvariationerna.

I stället för att manuellt gå igenom tusentals rader kan ett team ställa en direkt fråga och snabbt få hjälp att identifiera de poster som är värda att undersöka närmare. Detta är en del av det Microsoft beskriver som avancerad dataanalys med Copilot i Excel.

Det är här beslutsfattandet faktiskt blir snabbare. Flaskhalsen har sällan varit själva beslutet, utan snarare den tid det tar att upptäcka att det finns något som kräver ett beslut.

Att förvandla pivottabeller till ett snabbare arbetsflöde

Pivottabeller har alltid varit ett av de snabbaste sätten att sammanfatta stora datamängder i Excel, och det har inte förändrats. Det som har förändrats är hur snabbt de kan skapas. AI-verktyg kan nu föreslå eller generera en pivottabellstruktur baserat på en beskrivning på naturligt språk av vad användaren vill se, vilket eliminerar ett steg som tidigare krävde goda kunskaper i pivottabeller för att genomföras effektivt. Learnesys kurs i pivottabeller täcker den grupperings-, filtrerings- och sammanfattningslogik som fortfarande ligger till grund för processen, oavsett om AI används eller inte.

Var nordiska team faktiskt använder Excel och AI

I praktiken används Excel och AI i vanliga affärsprocesser, inte bara inom avancerade analysteam.

Till exempel kan logistik- och inköpsteam använda AI-assisterade Excel-arbetsflöden för att snabbare stämma av leverantörsdata och identifiera kostnadsförändringar som behöver granskas. Ekonomi- och FMCG-team kan använda AI för den första genomgången av månadsrapporteringen, medan en mänsklig granskare fokuserar på avvikelserna. Fastighets- och verksamhetsteam kan samla spridd information, såsom beläggningsstatistik, underhållsloggar och hyresgästrapporter, i en tydligare och mer användbar översikt inför möten.

Inget av detta ser särskilt dramatiskt ut utifrån. Det handlar snarare om att samma rapporter kan tas fram snabbare, med färre manuella moment och färre fel som passerar obemärkt.

Det är just den typen av förändring som nordiska HR- och L&D-chefer ofta värdesätter: praktisk, verksamhetsnära, enkel att införa och lättare att koppla till konkreta affärsresultat.

Varför AI inte ersätter behovet av Excel-färdigheter

Den här delen förbises ofta i diskussioner om AI-adoption. AI-verktyg i Excel är bara så bra som personen som använder dem. Den som inte förstår hur en pivottabell fungerar kan inte avgöra om en AI-genererad pivottabell är korrekt, och den som inte känner till uppslagsfunktioner kommer sannolikt inte att upptäcka när en AI-föreslagen formel i tysthet returnerar ett felaktigt resultat i ett gränsfall.

Deloittes rapport State of AI in the Nordics visar att endast 14 % av de nordiska organisationerna känner sig väl förberedda när det gäller kompetens och talang, vilket speglar just detta gap. Infrastruktur är relativt enkel att investera i. Omdöme, erfarenhet och kunskap är det inte.

Team som redan har en stark grund i Excel anpassar sig snabbt till nya AI-funktioner eftersom de kan avgöra vad som är ett bra resultat och vad som inte är det. Team som saknar den grunden hamnar ofta i ett av två lägen: antingen litar de för mycket på AI-genererade resultat eller så undviker de funktionerna helt på grund av osäkerhet. Båda scenarierna leder till långsammare beslutsfattande i stället för snabbare.

Vad HR- och L&D-team bör ta med sig från detta skifte

För HR- och L&D-team är lärdomen inte att varje medarbetare behöver avancerad AI-utbildning. Lärdomen är att AI-adoption fungerar bäst när medarbetarna redan förstår de verktyg och den data de arbetar med varje dag.

Det innebär vanligtvis att först bygga en starkare grund i Excel: goda datavanor, formler, pivottabeller, grundläggande analys och tillräcklig trygghet för att kunna granska AI-genererade resultat innan de blir en del av en rapport eller ligger till grund för ett beslut.

De team som rör sig snabbast med AI är inte alltid de som har flest verktyg till sitt förfogande. Ofta är det de team som har den starkaste grundkompetensen på avdelningen.

Hur Learnesy hjälper nordiska team att bygga denna grund

Learnesy hjälper nordiska team att bygga den Excel-grund som gör AI-verktyg mer användbara i det dagliga arbetet.

Kursen Excel Bas inkluderar ett dedikerat kapitel om att använda AI-verktyg inuti Excel, med lektioner fokuserade på verkliga kalkylbladsuppgifter snarare än abstrakt AI-teori. Målet är inte bara att hjälpa anställda att använda AI snabbare, utan att se till att de fortfarande förstår Excel-logiken bakom resultatet.

För team som vill utforska hur AI förändrar dataarbete mer brett är den här artikeln om AI och dataanalysens framtid en användbar nästa läsning.

För HR- och L&D-team är den större utmaningen ofta konsekvens. En säker Excel-användare räcker inte om resten av avdelningen fortfarande arbetar annorlunda. Learnesys team- och affärsplaner stöder utrullning i team med blandade färdigheter med korta lektioner på svenska, norska och engelska, plus en Customer Success Manager och adminpanel så att framsteg är synliga i stället för antagna.

Sammanfattning: Hur nordiska företag kombinerar Excel och AI för snabbare beslut 2026

Nordiska företag ersätter inte Excel med AI. De använder AI för att göra vardagliga arbetsflöden i Excel snabbare, från datarensning och formelskapande till att identifiera mönster som annars skulle ta betydligt längre tid att upptäcka.

Men de team som får störst värde av denna utveckling förlitar sig inte enbart på AI. De har redan en stark grund i Excel. Det innebär att medarbetarna förstår datan de arbetar med, vet hur resultaten ska verifieras och kan avgöra när ett AI-genererat svar kräver en extra granskning.

Det är här Learnesy kommer in. Learnesy ger nordiska team de Excel-, data- och AI-färdigheter som krävs för att använda dessa verktyg med större självförtroende, så att AI blir en verklig produktivitetsförstärkare i stället för en källa till svårupptäckta fel.

Utforska Learnesy för team.