Industriell AI lyfts som avgörande konkurrensfaktor när tillverkare väntar ökade produktionsförluster till 2030

Schneider Electric, den globala ledaren inom energiteknik, presenterar idag nya resultat från den globala undersökningen 2026 Industrial AI in CPG Survey . Resultaten visar att tillverkare av konsumentförpackade varor väntar sig betydande ökningar i produktionsineffektivitet och kostnadstryck fram till 2030. Många vänder sig nu till industriell intelligens – kraften i AI, data och automation tillsammans – för att stärka konkurrenskraften i ett decennium präglat av växande volatilitet.

• Ny global undersökning från Schneider Electric bland 1 453 beslutsfattare visar ett växande gap mellan ambitionerna för AI-avkastning och den operativa verkligheten inom sektorn för konsumentförpackade varor.
• Datakvalitet, äldre automationssystem och förändringsledning – inte tillgången till AI – pekas ut som de främsta hindren för framgångsrik AI-användning.
• Sverige ligger över det nordiska snittet: ineffektivitet i tillverkningen motsvarar idag 12,7 procent av intäktsbortfallet och väntas öka till 19,1 procent år 2030.

Undersökningen visar att tillverkare av konsumentförpackade varor ser framför sig en tilltagande marginalpress, där ineffektivitet i form av produktionsförseningar, stillestånd och utrustningsfel redan idag motsvarar uppskattningsvis 20,3 procent av den slutliga tillverkningskostnaden per produkt. Respondenterna uppger att 15,2 procent av genomsnittliga tillverkningsintäkter redan idag går förlorade till följd av förseningar, stillestånd, omarbete, kvalitetsavvikelser eller suboptimal användning av anläggningstillgångar.

Dessa förebyggbara förluster väntas öka kraftigt, till 21,37 procent nästa år och vidare till 29,14 procent år 2030.

Svenska tillverkare ser växande intäktsbortfall till följd av ineffektiv produktion

I Norden motsvarar ineffektivitet i tillverkningen inom sektorn för konsumentförpackade varor i genomsnitt 10,8 procent av tillverkningsintäkterna idag. Andelen väntas stiga till 13,2 procent nästa år och till 18,5 procent år 2030, enligt svar från nordiskt baserade beslutsfattare inom tillverkning i life science-sektorn.

I Sverige är motsvarande andel 12,7 procent idag, 13,1 procent nästa år och 19,1 procent år 2030.

För svenska tillverkare blir det allt viktigare att minska ineffektivitet och förväntade produktionsbortfall, och där kan industriell AI spela en avgörande roll för att stärka konkurrenskraften. Det handlar ytterst om att använda data och automation bättre för att fatta snabbare och mer träffsäkra beslut i produktionen , säger Susanne Dahl, Vice President för industriell automation i Norden och Baltikum på Schneider Electric.

Förväntningarna på AI ökar snabbt – men beredskapen släpar efter

Idag uppger endast ungefär en av åtta (13 procent) tillverkare att AI är fullt integrerat i kärnverksamheten och i beslutsfattandet, från början till slut. Till 2030 förväntar sig mer än en tredjedel (37 procent) att AI ska vara en central del av verksamheten – en tredubbling på bara fyra år.

Respondenterna förväntar sig också att AI-driven avkastning på investeringar (ROI) ska öka kraftigt:

• en tredjedel (32,7 procent) räknar med en avkastning på 50–74 procent på sina AI-projekt till 2030;
• nästan en av tio (7,9 procent) bedömer att avkastningen kommer att överstiga 100 procent, vilket innebär att AI-investeringarna kan betala tillbaka sig på mindre än ett år.

Den här nivån av resultat återfinns idag endast i WEF Lighthouse-fabriker eller autonoma fabriker.

Samtidigt uppger 70 procent av respondenterna att dagens AI-ROI ligger under 20 procent, och nästan en tredjedel (28,4 procent) ser en ROI på 5 procent eller lägre – vilket speglar en bransch som fortfarande får ut begränsat värde av tidiga implementationer.

Tillverkare räknar med att den heltäckande användningen av AI kommer att tredubblas till 2030, samtidigt som de förväntar sig ett tydligt steg upp i avkastningen – i nivå med vad endast de mest avancerade Lighthouse- och autonoma fabrikerna uppnår idag. Det här förväntningsgapet är den tydligaste signalen om hur brådskande frågan är som vi har sett på flera år. AI kan bara bli transformativt när det skapar verklig industriell intelligens: förmågan att omvandla operativa data i realtid, modern automation och AI till samordnade beslut som förbättrar effektiviteten i stor skala. Många organisationer driver fortfarande brownfield-anläggningar med fragmenterad data och äldre system som begränsar AI:s värde och användning. Att minska detta beredskapsgap är nu en av de viktigaste konkurrensfrågorna för sektorn , säger Neil Smith, President, CPG, Schneider Electric.

Grundläggande beredskapen för industriell intelligens utgör hinder

Trots en stark tilltro till AI:s potential pekar respondenterna konsekvent ut strukturella, snarare än tekniska, hinder som de främsta orsakerna till att det är svårt att skala upp användningen:

• kompetensbrist inom AI eller datavetenskap (43, procent)
• äldre automationssystem och infrastruktur (37,5 procent)
• brist på kontextualiserad operativ data (36,3 procent)
• motstånd i organisationen (25,7 procent)
• Samtliga dessa faktorer rankas högre än cybersäkerhets- eller regelefterlevnadsfrågor (21,7 procent)

Resultaten är tydliga: för att leverera den transformativa ROI som förväntas av industriell AI inom bara fyra år krävs ett tydligt steg upp i samarbete, transparens och gemensamma standarder. Genom SE Advisory Services använder vi redan vårt eget Lighthouse-kunnande inom tillverkning tillsammans med kunder runt om i världen, och hjälper dem att omsätta digitala ambitioner i mätbar effekt. Vi tror att delning och införande av bästa praxis samt sektorsspecifik expertis kommer att driva nästa våg av industriell digital transformation , säger Cecile Vercellino, SVP Services, Industrial Automation på Schneider Electric.

Den nya rapporten  “Beyond the Hype: Practical AI for Competitive Consumer Goods Manufacturing”, som publiceras idag av Schneider Electric i samarbete med AVEVA, ger vägledning för framgångsrik AI-implementering inom livsmedel och dryck samt life science. Rapporten beskriver vägen mot autonom drift genom industriell data, modulär automation, elektrifiering och konkreta steg för införande av industriell AI.