Hvordan bruker norske virksomheter AI?
Kunstig intelligens (AI) har gått fra hypet teknologi til konkret verdi for norske virksomheter. På tvers av offentlig og privat sektor ser vi nå tydelige eksempler på hvordan AI reduserer kostnader, forbedrer beslutninger og løser samfunnsutfordringer.

- Start smått, men konkret. Proof-of-concept fungerer – og bygger momentum.
- Bygg tverrfaglig: IT, fag og ledelse må jobbe sammen.
- Sats på data og infrastruktur. Uten kvalitet i bunn, stopper verdiskapingen.
- Del og lær. Flere av virksomhetene i eksemplene over deler åpent sine erfaringer, både internt og eksternt.
Vi gir deg 10 inspirerende caser / eksempler fra virksomheter som allerede har implementert AI – og hva de har lært underveis. Du kan også høre historiene på Spotify eller Apple Podkaster.
Skatteetaten: Automatisering med milliarder i effekt
Skatteetaten bruker maskinlæring til å sikre etterlevelse av skatteplikt. Fradragsmodellen og sekundærboligmodellen predikerer feil i skattemeldinger, og øker skattegrunnlaget med flere milliarder kroner årlig.
Generativ AI tas nå i bruk i f.eks. arkivassistenten – en løsning med 96 % treffsikkerhet for å vurdere journalplikt. Løsningen er integrert i Office-verktøy og frigjør store mengder tid.
Effekt: 40 årsverk spart årlig i én enkelt prosess.
Lærdom: Innovasjon må ut i organisasjonen – ikke bli værende i laben.
”Når vi lykkes med dette, kan vi automatisere 90 % av prosessen – og spare nesten 40 årsverk i året.”
Avinor: Fra fakturakontroll til hverdags-AI
Avinor har etablert en AI- og dataavdeling som jobber med både store og små caser. Første prosjekt: fakturakontroll opp mot kontrakter. Nå utvikles AI-løsninger for optimal bruk av kjemikalier på rullebaner.
Effekt: Økt kvalitet, redusert miljøpåvirkning og kostnadseffektivisering.
Lærdom: AI lykkes best når det bygges på behov fra organisasjonen, ikke teknologi alene.
Gjensidige: AI som assistent i kundeservice
Gjensidige har bygget en chatbot for internt bruk. Den gir rask tilgang til over 4000 artikler og regelverk – tidligere vanskelig tilgjengelig for kunderådgivere.
Effekt: Fra 90 sekunders leting til 3–5 sekunder per svar, og 1 million oppslag i året.
Lærdom: Tverrfaglig utvikling er avgjørende – involver både rådgivere og innholdsprodusenter tidlig.
”Den interne chatboten gir riktige svar i 95 % av tilfellene – bedre enn noen rådgiver kan klare alene.”
Strawberry: Personlig AI for 20.000 ansatte og gjester
Strawberry har utviklet «Scout», en chatbot som hjelper ansatte med alt fra faguttrykk til systembruk. Den er også tilgjengelig eksternt, skreddersydd for hvert hotell.
Effekt: Opplæring, onboarding og kundeservice effektiviseres.
Lærdom: En sterk tone-of-voice og tilgangsstyring gir AI merverdi både internt og eksternt.
Cognite: AI-agenter i tungindustri
Cognite har utviklet «digitale eksperter» som hjelper ingeniører med analyse og vedlikehold, basert på sanntidsdata fra f.eks. oljeplattformer.
Effekt: Opptil 90 % tidsbesparelse på industrielle analyser.
Lærdom: AI-agenter som har full kontekst er langt mer verdifulle enn punktløsninger.
”Ingeniører kan nå spørre AI-agenten ved frokostbordet: Hva skjedde i produksjonen i natt?”
Statens vegvesen: Redder liv med AI og geodata
For å redusere antall dødsulykker på veiene, bruker Vegvesenet AI til å analysere veigeometri og risiko i svinger – og målrette trafikksikkerhetstiltak.
Effekt: Fylkeskommuner har begynt å sette opp egne skilt basert på analysene.
Lærdom: AI må oversettes til tiltak i virkeligheten for å ha verdi.
Ruter: AI + kvantedata = smartere mobilitet
Ruter bruker AI til billettkontroll, kundefeedback-analyse og ruteoptimalisering. Med kvantealgoritmer optimaliseres bestillingsbasert transport og prediksjon av kapasitet.
Effekt: Økt effektivitet, redusert svindel og bedre ressursbruk.
Lærdom: AI identifiserte også intern svindel – et uventet funn.
”Vi gikk fra 20 ulike mennesker som bestemte kontrollsteder – til én AI som forutsier hvor folk reiser uten billett.”
Telenor: Bygger egen AI-fabrikk
Telenor har etablert en AI-factory med fornybar kraft og datasuverenitet i fokus. Den gir norske selskaper et sikkert alternativ for AI-trening og drift.
Lærdom: Datasuverenitet og sikker AI-infrastruktur må prioriteres parallelt med innovasjon.
Nordre Follo kommune: Proaktiv omsorg med AI
Kommunen bruker Gillie.ai – et finsk AI-system – til å samle og analysere sensor-, journal- og helsedata. Systemet foreslår prioriterte tiltak for helsepersonell.
Effekt: Fra 50+ ulike varsler til få, prioriterte anbefalinger.
Lærdom: AI kan gjøre velferdsteknologi mer effektiv og menneskenær.
”Vi produserer 200 000 journalnotater i måneden – og bruker AI for å finne det som faktisk haster.”
Nasjonalbiblioteket: Språkarbeid for å sikre norsk AI
Nasjonalbiblioteket bygger språkmodeller basert på hele Norges publiserte materiale – bøker, aviser, nettsider og mer – for å sikre at AI forstår norsk språk og kontekst.
Effekt: Grunnlag for nasjonale språkmodeller og norske chatboter.
Lærdom: Språk og kultur må forvaltes aktivt for å kunne bygge suveren AI.
Her kan du høre mer om alle eksemplene