Management konsult- och IT-rådgivningsföretag ser just nu att AI ger avkastning snabbare än nästan alla andra kategorier. Ingenjörskonsultföretag ser nästan ingen förändring, och de strukturella orsakerna till detta spelar en större roll än vad de flesta AI-diskussioner erkänner.
Managementkonsultföretag rapporterar en förväntad avkastning på AI på 16,2 % över 12 månader , vilket är ungefär dubbelt så mycket som vad arkitekt- och ingenjörsföretag rapporterar (8,3 %). Anledningen är inte arbetsinsatsen. Managementkonsultarbete är standardiserat och repeterbart: att skriva förslag, analysera, rapportera och sammanfatta för kunden. Det är just dessa uppgifter där AI snabbt får fotfäste. Ingenjörsresultat är fysiska, reglerade och ofta juridiskt begränsade på sätt som begränsar var automatisering realistiskt sett kan komma in.
Om du driver ett ingenjörskonsultföretag och jämför dina AI-resultat med kollegor inom IT-konsultbranschen, jämför du med fel grupp. Möjligheten finns, men den ligger i anbudsdokumentation, projektrapportering och kunskapshantering, inte i den tekniska kärnleveransen.
IT-konsultbranschen ligger här närmare managementkonsultbranschen. De förväntade avkastningarna har ökat kraftigt, och det finns en ytterligare dynamik som är värd att notera: kunderna genomgår också AI-omvandlingar, vilket innebär att AI-kompetens blir fakturerbar, inte bara en intern effektivitetsåtgärd.
Ledarskap och beslutsfattande. Företag som använder AI som ett verkligt inslag i hur ledningen driver verksamheten – inte experimentellt utan konsekvent – rapporterar ett EBITDA på cirka 13,5 %, jämfört med 8,2 % för de som inte har tillämpat det här alls. Värdet kommer inte från verktyget i sig. Det kommer från snabbare sammanställning av projektpipeline, tidigare signaler om leveransrisker och beslut som är bättre anpassade till vad verksamheten faktiskt kan genomföra.
Talang och kapacitet. Rekryteringsurval, kompetensmatchning, projektledning och kapacitetsfördelning: IT- och managementkonsultföretag som har gått vidare från pilotprojekt till faktiska arbetsflöden minskar friktionen inom områden som tidigare tog upp betydande delar av ledningens tid. De företag som ser de största vinsterna har investerat i att människor verkligen använder verktygen, genom strukturerad utbildning och verklig förändringshantering, inte genom ett företagsomfattande lanseringsmeddelande.
Kundutveckling. Konsultföretag som använder AI på ett meningsfullt sätt inom försäljning och marknadsföring ser pipelinevolymer som överträffar dem hos företag som fortfarande befinner sig i experimentfasen. Trenden är tydligast inom IT-rådgivning, där AI-kapacitet har blivit en fakturerbar tjänst, inte bara en intern resurs. Fyrtio procent av konsult- och IT-företagen genererar nu intäkter direkt från AI-relaterade kundtjänster, en siffra som har ökat avsevärt under de senaste två åren.
Projektleverans, med vissa förbehåll. Företag som verkligen har integreratAI i sitt tjänsteutförande rapporterar en leverans i tid på cirka 81,5 %, vilket är märkbart högre än de 70,8 % som ses hos företag som inte har tillämpat AI. Projektmarginalerna följer ett liknande mönster. Haken är att de flesta företag fortfarande befinner sig i ett experimentellt skede här, och experimentell användning ger nästan ingen förändring i leveransprestandan. Vinsterna finns i den implementeringsdjup som de flesta företag ännu inte har nått.
Ekonomi och drift är det område som konsekvent släpar efter. Nästan hälften av alla företag experimenterar med AI i finansiella arbetsflöden, och det ger nästan inga resultat. EBITDA för företag i det experimentella stadiet är i princip identiskt med företag som inte använder AI alls. Företag som har uppnått en verklig integration rapporterar betydligt starkare marginaler, men endast cirka 3,5 % av företagen har nått dit.
För att nå dit krävs rena, tillförlitliga finansiella data som flödar mellan systemen. Deflesta konsultföretag har inte det, inte på grund av AI, utan för att den underliggande datainfrastrukturen aldrig byggdes upp. Företag som är frustrerade över långsamma avkastningar på AI inom finans hanterar ofta ett dataproblem som föregick deras AI-investering.
Det är också här som tiden till avkastning på investeringen (ROI) förlängs. I vissa fall har den nästan fördubblats jämfört med tidigare införandecykler, eftersom det för att AI ska bli användbart i finansiella arbetsflöden krävs styrning och systemintegration som inte behövdes för enklare användningsfall. McKinseys 2025-forskning bekräftar mönstret: användningen fortsätter att öka, men ur värderealiseringssynpunkt är det fortfarande tidiga dagar, där få organisationer upplever meningsfull resultatpåverkan.
Tre saker återkommer konsekvent hos de IT- och managementkonsultbyråer som ligger i framkant. Ingen av dem handlar om själva tekniken.
Datakvalitet. AI-verktyg är bara så användbara som de data som ligger till grund för dem. Företag med konsekvent projektledning och leveransuppföljning, tillförlitlig tidsregistrering och integrerade verksamheter omvandlar AI-investeringar till prestationsförbättringar snabbare. Företag med isolerade eller inkonsekventa data kommer inte att lösa det genom att lägga till ytterligare ett AI-verktyg i sin verktygslåda.
Implementeringsdjup. Prestandaskillnaderna finns inte mellan företag som använder AI och de som inte gör det. De finns mellan företag där AI verkligen är integrerat i de dagliga arbetsflödena och företag där det finns tillgängligt men är valfritt. De flesta företag har ännu inte passerat den gränsen, och det är där större delen av avkastningsgapet ligger.
Människor, inte plattformar. De IT- och managementkonsultföretag som ligger i framkant köpte in samma verktyg som sina konkurrenter. Det som skiljde dem åt var att de satsade seriöst på införandet: rollspecifik utbildning, tydliga användningsfall och ansvar för användningen. De behandlade det som ett förändringsledningsinitiativ. Deras konkurrenter behandlade det som en mjukvarulansering. McKinseys forskning om arbetsplatsen slår fast det klart: 92% av företag planerar att öka AI-investeringar under de närmaste tre åren, men endast 1% av ledare kallar sina organisationer mogna inom implementeringsspektret. Investeringen finns där. Det organisatoriska arbetet för att realisera det gör det inte.
De företag som kommer att ligga längst fram om två år är inte nödvändigtvis de som spenderar mest på AI idag. Det är de som är ärliga när det gäller om grunderna faktiskt finns på plats: ren data, tydliga projekt, människor som verkligen är rustade att arbeta med de verktyg de har.
De senaste branschundersökningarna visar genomgående att de organisationer som genererar verklig avkastning på AI först byggde upp dessa grunder, och dessa grunder liknar i hög grad förutsättningarna för stark operativ prestanda i allmänhet. För de flesta IT- och managementkonsultföretag är detta både en begränsning och en möjlighet.