Vad är AI-washing?
AI-washing är när en organisation överdriver eller hittar på AI:s roll för att vinna kapital, kunder eller status. Det är berättelsen om tekniken som gör arbetet, medan tekniken själv spelar en mindre roll än den tillskrivs. Begreppet lånar sin form av greenwashing, och som sin förlaga handlar det om avståndet mellan vad som sägs och vad som sker.
Exempel på AI-washing
AI-washing tar sig flera uttryck. På produktnivå marknadsförs regelbaserad automation, enkla skript eller människor bakom kulisserna som intelligens. På kapitalnivå ramas nedskärningar och omstruktureringar in som AI-driven effektivisering, eftersom den berättelsen belönas av marknaden. Under 2026 användes begreppet brett om hur företag förklarade uppsägningar med AI även när nedskärningarna hade lite med tekniken att göra, en framställning som flera bedömare beskrev som ett bekvämt täcke över vanlig kostnadsjakt. På förmågenivå hävdas en avkastning som aldrig demonstrerats, och när siffrorna uteblir försvaras påståendet med argumentet att värdet finns men undflyr mätning. Begreppet har fått juridisk tyngd. Amerikanska SEC har drivit ärenden mot bolag som överdrivit sin AI-användning mot investerare, vilket gör AI-washing till en tillsynsfråga med rättsliga följder.
Varför AI-washing uppstår
Det som gör AI-washing lätt att ta till är att AI:s värde redan är svårt att mäta. Samma modell ger olika utfall i olika organisationer beroende på hur arbetet är organiserat och hur väl människorna kan rikta tekniken. När utfallet är svårt att fästa i siffror öppnar sig ett tomrum mellan påstående och resultat, och i det tomrummet är berättelsen billigare än beviset. Att hävda värde kostar ingenting. Att visa, det kräver ett mätsystem.
AI-washing och problemet med mätning
Här ligger den första skadan. AI-washing förstör organisationens förmåga att veta vad som fungerar. När varje införande ramas in som en framgång oavsett utfall försvinner signalen som skulle ha skilt det verksamma från det verkningslösa. Resurser flyttas mot det som låter övertygande i stället för det som ger resultat, och eftersom ingen mäter fortsätter felinvesteringen utan korrigering. En organisation som belönar berättelsen om värde framför beviset för värde lär sig med tiden att producera berättelser. En Sifo-undersökning för Solita 2026 visar mönstret i praktiken. 17 procent av svenska kontorsarbetare ser kollegor överdriva sin AI-kompetens, medan 3 procent medger det om sig själva, och bolagets AI-chef konstaterar att självskattning riskerar att mäta självförtroende i stället för faktisk kompetens.
AI-washing och människans omdöme
Den andra skadan är djupare och drabbar människan. Vi bildar oss uppfattningar om vad AI kan och inte kan utifrån vad vi får höra om den. När det vi får höra är marknadsföring snarare än mätning kalibreras vårt omdöme mot en bild byggd för att övertyga. Vi börjar lita på system vi inte förstår, lämna ifrån oss uppgifter vi mycket väl klarar själva, och tillskriva tekniken förmågor den saknar. Avståndet mellan vad vi tror om AI och vad den faktiskt gör är ett tolkningsmellanrum, och AI-washing vidgar det med avsikt.
I det glappet försämras beslut. En chef som tror att ett verktyg redan löser ett problem slutar utveckla den mänskliga förmåga som problemet kräver. En medarbetare som hör att AI är överlägsen slutar lita på sin egen bedömning. Det här pågår redan. När bilden av tekniken är uppblåst krymper utrymmet för människans eget omdöme, och förmågan att tänka självständigt i en miljö byggd för att övertyga är just det kognitiv integritet handlar om.
Hur AI-washing motverkas
Botemedlet är detsamma på båda nivåerna. Det är mätbarhet. En organisation som kan mäta vad dess kompetens är värd över tid, fördelad på de dimensioner den påverkar och graderad efter mognad, klarar sig utan berättelsen, eftersom den har beviset. Och en människa som möter en redovisad effekt i stället för en utlovad kan kalibrera sitt omdöme mot verkligheten. Mätbarhet gör mer än att hålla bolag ärliga. Den ger människan tillbaka grunden att bedöma tekniken själv.
AI-washing är frestande just därför att AI är svårt att mäta. Men det svåra går att lösa, och valet mellan berättelse och bevis avgör både om organisationer investerar klokt och om människor behåller sitt eget omdöme.
Källor
- Securities and Exchange Commission, pressmeddelande om de första AI-washing-ärendena mot Delphia och Global Predictions, 18 mars 2024.
- Solita och Kantar Media, How AI is transforming Nordic work life 2026, baserad på en Sifo-undersökning bland över 3 000 kontorsarbetare i Sverige, Finland och Danmark.
- Fortune, reportage om hur företag använder AI som förklaring till uppsägningar de ändå skulle ha genomfört, 31 maj 2026.
