Det finns en förmögenhet att tjäna inom AI för fordonsindustrin – och massor av sätt att slösa bort den på.
McKinsey uppskattar att agentbaserad AI skulle kunna bidra med 450 till 650 miljarder dollar i årliga intäkter inom avancerade branscher fram till 2030, där fordonsindustrin är en av de sektorer som förväntas dra nytta av detta. Men det finns också en annan siffra. Gartner förväntar sig att mer än 40 procent av projekten inom agentbaserad AI kommer att avbrytas före slutet av 2027. Problemet ligger i stigande kostnader, oklart affärsvärde och bristfällig styrning, snarare än att tekniken i sig skulle vara bristfällig.
450–650 miljarder dollar
Den årliga omsättning som agentbaserad AI skulle kunna bidra med inom avancerade branscher fram till 2030, där fordonsindustrin är en av de sektorer som förväntas dra nytta av detta
McKinsey
40 %+
Andel av projekt inom agentbaserad AI som förväntas läggas ned fram till slutet av 2027
Gartner
När man betraktar dessa två siffror tillsammans blir den verkliga frågan tydlig. Debatten om huruvida bilbranschen bör införa AI är avgjord. Den öppna frågan är om en organisation lägger grunden för att göra AI användbart i stor skala, eller om man bara köper in fler verktyg och hoppas att de tillsammans ska leda till något.
Jag har infört AI på 25 marknader via Seez, och en lärdom har gått igen på varenda en av dem. Tekniken i sig är sällan det svåra. Det svåra är allt som omger den.
Marknaden brottas med ett problem med AI-trötthet
När jag pratar med företagsledare inom återförsäljarbranschen idag märker jag en välbekant utmattning. Varje leverantör har numera en AI-produkt, och de flesta är chattbotar med ett nytt namn eller ett tunt lager av automatisering ovanpå något som redan fanns. Många ledare tolkar denna utmattning som en reaktion på för mycket AI, vilket helt missar kärnan i problemet.
Återförsäljarna är inte trötta på AI. De är trötta på isolerad teknik som lovar intelligens men som bara ger dem ännu ett system att hantera.
Tänk på hur det ser ut i praktiken. En bilhandlare köper en chattbot från en leverantör, ett verktyg för att vårda leads från en annan, ett system för servicemeddelanden från en tredje och en app för kundengagemang från en fjärde. Var och en löser ett specifikt problem och medför sin egen kontrollpanel, sin egen datasil, sin egen utbildning och sin egen kvartalsfaktura. Teamen ville ha automatiserad support för att frigöra tid. Istället fick de ytterligare fyra system att hålla reda på och mindre tid att ägna åt kunderna.
Tröttheten beror på själva fragmenteringen. När AI introduceras som ännu en isolerad punktlösning skapar det ytterligare friktion istället för att minska den. Problemet är att vart och ett av dessa verktyg endast har tillgång till informationen i sitt eget system. En chattbot som pratar med en kund har ingen aning om vilken bil kunden frågar om, medan ett verktyg i CRM-systemet ringer upp kunder utan insyn i lagerläget, ekonomi eller servicehistorik. Var och en av dem arbetar utifrån endast en bråkdel av helhetsbilden.
Om din kund måste berätta sin historia om varje gång hen går från en chattbot till en kundrådgivare, så är AI:n inte till någon hjälp. Den skapar bara onödigt brus.
AI som hjälper kontra AI som gör
Den verkliga skiljelinjen går mellan AI som hjälper människor och AI som sköter arbetet på egen hand.
Generativ AI
Skriver uppföljningsmejlet och väntar på att någon ska skicka det.
Operativ AI
Gör en bedömning av den potentiella kunden, uppdaterar kunduppgifterna, bokar in ett möte och kopplar endast in en medarbetare när situationen verkligen kräver det.
Det ena sättet går ut på att lägga till en uppgift på någons lista, medan det andra går ut på att ta bort den.
Det som gör att operativ AI kan agera är just det som de fragmenterade verktygen aldrig har haft: en sammanhängande bild av verksamheten. De bilhandlare som verkligen drar nytta av AI har sällan den mest avancerade modellen. Vad de däremot har är AI som kan se över försäljning, service, reservdelar, finansiering och kundhistorik – och agera utifrån allt detta. Datakonnektivitet är inte bara en IT-fråga. Den avgör om din AI fortsätter att bli smartare eller om den i tysthet går i stå.
Ledare som överväger var de ska satsa under de kommande två åren kan utvärdera vilken produkt som helst utifrån tre kriterier:
- InsynVerktyget måste faktiskt kunna se de data som ligger till grund för ett beslut, inte börja i blindo varje gång.
- StyrningNågon måste bestämma vad AI:n får göra och när en människa ska ta över igen.
- Verklig vinstDet bör spara tid eller generera intäkter redan under den första användningsmånaden, inte bara se bra ut i en demonstration.
De flesta projekt som går i stå misslyckas aldrig på grund av AI-modellen. Bristerna upptäcks i någon av dessa tre faktorer långt innan någon skyller på tekniken.
Hur detta fungerar i praktiken
I stället för att lägga till ytterligare en fristående funktion har vi utformat CARS på Seez som ett inbyggt AI-lager som är direkt integrerat i Pinewood.AI -plattformen och bilhandlarnas kärnsystem. Det använder fyra specialiserade agenter (Connect, Assist, Reachoch Serve) för att driva ett kontinuerligt arbetsflöde genom hela kundresan. Antalet agenter spelar mindre roll än det faktum att de delar samma data och sammanhang. Den som hanterar en ny lead utgår från samma underlag som den som bokar ett servicebesök månader senare.
Så här fungerar det i praktiken:
- Inom försäljningNär en potentiell kund registreras i Lead Management System (LMS) behandlar AI-agenterna förfrågan i enlighet med de strukturerade reglerna i affärsdokumentationen. Obligatorisk dokumentation, finansiella krav och signaturkontroller tillämpas automatiskt utifrån transaktionens parametrar.
- Inom eftermarknadenNär AI-agenterna skickar underhållsmeddelanden synkroniseras kundhistoriken och aktuella verkstadsuppgifter omedelbart. Kunderna kan granska detaljerna och välja relevanta alternativ via en online-incheckningsportal, vilket uppdaterar huvudplattformen redan innan de ens sätter sin fot i bilhandlaren.
Genom att utnyttja anslutna data och tydliga affärsregler får AI:n ett verkligt sammanhang att utgå ifrån och betydligt färre anledningar att gissa sig fram, även om ingen integration gör AI:n perfekt.
Vårt mål var enkelt. Vi ville inte ge återförsäljarnas team ännu en sak att hantera. Vi ville att AI:n skulle sköta det repetitiva arbetet inuti de system som de redan använder.
Arkitektur slår hastighet
Många ledare betraktar AI som ett kortlöp och antar att de som är tidigt ute automatiskt vinner, men fakta tyder på något annat. De bilhandlare som lyckas under detta decennium kommer att vara de som bygger en ordentlig grund och betraktar AI som en operativ kapacitet som vilar på integrerade system, smidiga arbetsflöden och strikt styrning. Dessa grundläggande faktorer avgör om investeringarna ger avkastning eller går i stå.
Om jag skulle sammanfatta hela testet i en enda mening, skulle det bli den här.
Din AI är bara så bra som de data den har tillgång till, de arbetsflöden den kan använda och de åtgärder den kan vidta.
De 650 miljarder dollar är verkliga, liksom de 40 procent som aldrig kommer att nå dit. Det som skiljer de två åt är kvaliteten på grunden som ligger till grund för ambitionen.
Källor: Omsättningssiffror från McKinsey,”Empowering advanced industries with agentic AI”. Prognos om inställda projekt från Gartners pressmeddelande,”Gartner förutspår att över 40 % av projekten inom agentisk AI kommer att läggas ned före slutet av 2027”, 25 juni 2025.
Är du redo att lägga grunden, istället för att bara köpa fler verktyg?
Berätta var din bilhandlare befinner sig idag, så visar vårt team dig hur uppkopplad, operativ AI kan se ut inom försäljning, service och kundresan.
