Management konsulent og IT-rådgivningsfirmaer oplever i øjeblikket , at AI giver hurtigere afkast end næsten alle andre kategorier. Ingeniørkonsulentfirmaer ser næsten ingen bevægelse, og de strukturelle årsager hertil har større betydning, end de fleste diskussioner om AI anerkender.
management konsulent rapporterer om forventede AI-afkast på 16,2 % over 12 måneder , hvilket er omtrent det dobbelte af, hvad arkitekt- og ingeniørfirmaer rapporterer (8,3 %). Årsagen ligger ikke i indsatsen. Ledelseskonsulentarbejde er standardiseret og gentageligt: udarbejdelse af tilbud, analyse, rapportering, sammenfatning for kunden. Det er netop disse opgaver, hvor AI hurtigt vinder fodfæste. Ingeniørarbejdets resultater er fysiske, regulerede og ofte underlagt juridiske begrænsninger, der sætter grænser for, hvor automatisering realistisk set kan træde ind.
Hvis du driver et ingeniørkonsulentfirma og sammenligner dine AI-resultater med kolleger inden for IT-rådgivning, sammenligner du med den forkerte gruppe. Muligheden findes, men den ligger i udbudsdokumentation, projektrapportering og videnstyring, ikke i den tekniske kerneydelse.
IT-konsulentbranchen ligger her tættere på management konsulent branchen. De forventede afkast er steget kraftigt, og der er en yderligere dynamik, der er værd at bemærke: Kunderne gennemgår også AI-transformationer, hvilket betyder , at AI-kapacitet bliver en fakturerbar ydelse og ikke blot et internt effektiviseringstiltag.
Lederskab og beslutningstagning. Virksomheder, der bruger AI som et reelt input til, hvordan ledelsen driver forretningen – ikke eksperimentelt, men konsekvent – rapporterer et EBITDA på omkring 13,5 % sammenlignet med 8,2 % for dem, der slet ikke har anvendt det her. Værdien kommer ikke fra selve værktøjet. Den kommer fra hurtigere sammenfatning af projektpipeline, tidligere signaler om leveringsrisici og beslutninger, der er bedre afstemt med, hvad virksomheden rent faktisk kan gennemføre.
Talent og kapacitet. Rekrutteringsscreening, kompetencematchning, ressourceplanlægning og kapacitetsallokering: IT- og ledelseskonsulentvirksomheder, der er gået videre fra pilotprojekter til egentlige arbejdsgange, mindsker friktionen på områder, der tidligere tog en betydelig del af ledelsens tid. De virksomheder, der oplever de største gevinster, har investeret i, at medarbejderne reelt bruger værktøjerne gennem struktureret uddannelse og reel forandringsledelse – ikke blot en meddelelse om en virksomhedsomfattende udrulning.
Kundeudvikling. Konsulentvirksomhed der anvender AI meningsfuldt i salgs- og marketingfunktioner, oplever pipeline-volumener, der langt overstiger dem hos firmaer, der stadig er i eksperimentfasen. Tendensen er tydeligst inden for IT-rådgivning, hvor AI-kapacitet er blevet en fakturerbar ydelse og ikke længere kun er internt anvendt. Fyrre procent af konsulent- og IT-virksomhederne genererer nu omsætning direkte fra AI-relaterede kundetjenester, et tal der er steget markant på to år.
Projektlevering, med forbehold. Virksomheder, hvor AI er reelt integreret i udførelsen af tjenester, rapporterer en leveringsgrad på omkring 81,5 %, hvilket er markant højere end de 70,8 %, der ses hos virksomheder, der ikke har anvendt det. Projektmarginerne følger et lignende mønster. Haken er, at de fleste virksomheder stadig befinder sig på eksperimentelt territorium her, og eksperimentel brug medfører næsten ingen ændring i leveringsresultaterne. Gevinsterne ligger i den implementeringsdybde, som de fleste virksomheder endnu ikke har nået.
Finans og drift halter konsekvent bagefter. Næsten halvdelen af alle virksomheder eksperimenterer med AI i finansielle arbejdsgange, og det giver næsten ingen resultater. EBITDA for virksomheder i denne eksperimentelle fase er stort set identisk med virksomheder, der slet ikke bruger AI. Virksomheder, der har nået en reel integration, rapporterer betydeligt stærkere marginer, men kun omkring 3,5 % af virksomhederne er nået så langt.
For at nå dertil kræves der rene, pålidelige finansielle data, der flyder på tværs af systemerne. De fleste konsulentvirksomheder har ikke det, ikke på grund af AI, men fordi den underliggende datainfrastruktur aldrig blev opbygget. Virksomheder, der er frustrerede over langsomme AI-afkast inden for finans, kæmper ofte med et dataproblem, der går forud for deres AI-investering.
Det er også her, at tiden til ROI forlænges. I nogle tilfælde er den næsten fordoblet sammenlignet med tidligere implementeringscyklusser, fordi det at gøre AI nyttig i finansielle arbejdsgange afhænger af styring og systemintegration, som ikke var påkrævet for enklere anvendelsesscenarier. McKinseys 2025-forskning bekræfter mønsteret: brugen fortsætter med at stige, men set fra værdiudnyttelsessynspunkt er disse stadig tidlige dage, hvor få organisationer oplever meningsfuld resultatpåvirkning.
Der er tre ting, der går igen på tværs af de IT- og ledelseskonsulentvirksomheder, der ligger forrest. Ingen af dem handler om selve teknologien.
Datakvalitet. AI-værktøjer er kun så nyttige som de data, der ligger til grund for dem. Virksomheder med konsekvent projektstyring og leveringssporing, pålidelig tidsregistrering og integrerede processer omsætter AI-investeringer til præstationsforbedringer hurtigere. Virksomheder med siloopdelte eller inkonsekvente data løser ikke dette problem ved blot at tilføje endnu et AI-værktøj til deres systemlandskab.
Implementeringsdybde. Forskellene i resultaterne ligger ikke mellem virksomheder, der bruger AI, og dem, der ikke gør. De ligger mellem virksomheder, hvor AI er reelt integreret i de daglige arbejdsgange, og virksomheder, hvor den er tilgængelig, men valgfri. De fleste virksomheder har endnu ikke krydset den grænse, og det er her, størstedelen af ROI-kløften ligger.
Mennesker, ikke platforme. De IT- og ledelseskonsulentvirksomheder, der ligger forrest, købte de samme værktøjer som deres konkurrenter. Det, de gjorde anderledes, var at investere seriøst i implementeringen: rolle-specifik uddannelse, klare anvendelsestilfælde og ansvarlighed for brugen. De behandlede det som et forandringsledelsesinitiativ. Deres konkurrenter behandlede det som en softwareudrulning. McKinseys forskning om arbejdspladsen siger det klart: 92% af virksomheder planlægger at øge AI-investeringer over de næste tre år, men kun 1% af ledere betegner deres organisationer som modne inden for implementeringsspektret. Investeringen er der. Det organisatoriske arbejde for at realisere det er ikke.
De virksomheder, der vil ligge længst foran om to år, er ikke nødvendigvis dem, der bruger mest på AI i dag. Det er dem, der er ærlige om, hvorvidt grundlaget rent faktisk er på plads: rene data, synlige projekter, medarbejdere, der reelt er rustet til at arbejde med de værktøjer, de har.
Den seneste brancheundersøgelse viser konsekvent, at de organisationer, der skaber reelle afkast fra AI, først har lagt disse fundamenter, og disse fundamenter ligner i høj grad betingelserne for stærk operationel performance generelt. For de fleste IT- og ledelseskonsulentfirmaer er det både en begrænsning og en mulighed.