Det har aldrig funnits fler automatiseringsverktyg. AI-agenter som kan läsa din inkorg, sammanfatta dina möten, skriva utkast till svar, skriva din kod, organisera din vecka. Varje månad kommer en ny våg.
Ändå gör de flesta vi pratar med fortfarande samma manuella, repetitiva, uttröttande arbete som de gjorde för två år sedan.
Varför?
Vi har ägnat de senaste månaderna åt att försöka besvara den frågan. Vi satte oss ner med 22 personer från olika roller, branscher och kunskapsnivåer. Ungefär tre fjärdedelar hade teknisk bakgrund. Resten hade det inte. Cirka hälften arbetade inom teknik. Den andra hälften gjorde det inte.
Vi frågade dem hur deras arbete såg ut. Vad som var svårt. Vad de önskade att de kunde förändra.
Vi fann fyra hinder som återkommer gång på gång, oavsett vad någon arbetar med eller hur teknisk personen är. Tre av dem är personliga. Det fjärde är strukturellt. Tillsammans förklarar de varför automatisering, trots att det varit den mest utlovade kategorin inom mjukvara i två decennier, fortfarande mest är en dröm för de flesta.
Här är de.
Hinder 1: Du ser inte vad som är trasigt
Det första som förvånade oss: när vi frågade folk vad som var svårt eller frustrerande med deras arbete, fick vi oftast vaga rubrikliknande klagomål. "Prioriteringsproblem." "Kommunikation." "Jag har bara mycket att göra." Inget specifikt. Inget att agera på.
Så vi provade en annan fråga: "Om du kunde vifta med ett trollspö och fixa en sak i ditt nuvarande arbetsflöde, vad skulle det vara?"
Plötsligt, tydlig smärta. Konkreta uppgifter. Saker de avskydde. Samma personer som ryckte på axlarna fem minuter tidigare hade nu tre svar var.
En person vi intervjuade sa:
"Ja, jag är med på noterna. Jag har haft massor av diskussioner. Men att bara hålla alla uppdaterade är en så tråkig del av jobbet."
En annan, som beskrev en kvartalsprocess:
"Det skulle vara att eliminera denna manuella uppföljning helt klart. Det tar för mycket av vår tid. Det görs nästan varje kvartal. Och under veckan det görs, hatar alla det."
En tredje intervjuad beskrev en återkommande uppgift:
"Ibland får jag en förfrågan i butik om att synka lagret online. Förfrågan är så... den är inte standardiserad. Ibland får jag rätt butikskoder. Ibland måste butikskoden vara versaler, men de skickar gemener. Formatet är fel. Jag måste manuellt justera alla format för att det ska bli rätt, lägga in det i maskinen och klicka på knappen."
Ingen av dessa personer hade tänkt på dessa uppgifter som möjliga att automatisera förrän vi ställde rätt fråga. De hade gjort dem i månader eller år. Det var bara jobbet.
Detta är inte ett personligt misslyckande. Det är så uppmärksamhet fungerar. Repetitiva uppgifter försvinner i bakgrunden. Din hjärna slutar flagga dem som värda uppmärksamhet eftersom de är förutsägbara. Obehaget av att göra dem blir "måndag".
Du kan inte automatisera det du inte kan namnge. Och de flesta kan inte namnge vad som är trasigt i deras arbete utan hjälp.
Det är hinder ett.
Hinder 2: Du vet inte var du ska börja
Säg att du ser vad som är trasigt. Du vet exakt vilken uppgift som dränerar din vecka. Du har till och med tillgång till AI-verktyg som troligen kan hantera det.
De flesta fryser ändå.
Problemet: för många möjligheter, ingen tydlig startpunkt. Beslutsparalys applicerad på automatisering. När du kan automatisera vad som helst, automatiserar du ofta ingenting.
En person sa till oss:
"Hur får man AI att göra det? Hur formulerar man meddelandet till AI för att den ska göra det? Jag tror det tar tid att lära sig vara mer specifik."
De visste att AI:n var kapabel. De visste bara inte hur de skulle rikta den mot sitt arbete.
En annan intervjuad beskrev det mer direkt:
"Jag tycker inte det är tydligt i gränssnittet vad mer man kan göra. För när man bara skriver en prompt, tänker jag, 'åh, jag måste komma på vad jag behöver.' Men jag har egentligen inget alternativ, eller hur? Jag vet inte vad mer det kan göra. Hur långt kan jag föreställa mig mitt problem? I vår tidigare konversation insåg jag att jag kunde be om en standup-rapport på min e-post, eller kanske skapa ett Linear-ärende eller något. Så det var liksom inte tydligt."
De utvecklade vidare:
"Kanske om det fanns en dropdown eller exempel-promptar eller mallar jag kunde använda, så skulle det nog hjälpa, istället för att jag måste tänka ut allt från början."
En annan ville ha något ännu mer specifikt:
"Det finns så många. Teknikstacken är enorm nu. Det finns så många möjligheter. Så om någon kunde säga till mig vilket verktyg jag borde använda, vilket som vore mest effektivt för varje uppgift jag gör. Typ, titta på min Linear och säga, för den här uppgiften borde du använda det här istället för Claude Code eller något. Det vore riktigt bra."
Det folk behöver är inte mer kapacitet. Det är en tydlig startpunkt. Ett riktigt exempel. Ett arbetsflöde någon lik dem byggt, som fungerar från början till slut, som de kan kopiera och anpassa.
Detta är en anledning till att samma fem arbetsflöden automatiseras överallt: morgonbriefs, veckorapporter, inkorgssortering, standup-anteckningar, kundsammanfattningar. Det är inte de bästa automatiseringarna. Det är bara de som har publika mallar och tydliga startpunkter.
Allt annat förblir manuellt. Inte för att det inte kan automatiseras, utan för att ingen visat hur "början" ser ut.
Det är hinder två.
Hinder 3: Startkostnaden är högre än att låta bli
OK, du har identifierat arbetet. Du har en konkret startpunkt. Nu måste du faktiskt sätta upp det.
Här är det de flesta ger upp.
En intervjuad berättade om ett AI-verktyg deras kollegor använde regelbundet:
"Jag känner till OpenClaw, men jag har aldrig provat det själv. Jag vet att mina kollegor använder det, men jag har aldrig testat."
När vi frågade varför, sa de att installationen var för komplex och tidskrävande. De hade aldrig ens försökt. Att deras kollegor använde det framgångsrikt räckte inte. Den upplevda aktiveringskostnaden var tillräckligt hög för att de bara... lät bli.
En annan var ännu tydligare om när man hoppar av:
"Jag tror personligen att det gäller nya användare. För det kommer vara många som ser det här och vill testa. Och när de kör igång och skriver NPM install, och sedan får 'du behöver även en Claude-installation' ovanpå det... där tror jag många bara ger upp, orkar inte fortsätta."
Och under båda citaten finns samma rationella kalkyl. En annan intervjuad uttryckte det direkt:
"När vi vill automatisera arbetsflödet vill vi bara spara tid och öka produktiviteten. Vi vill inte lägga så mycket tid på verktyg som ska förbättra vår effektivitet."
Detta är inte lättja. Det är matematik.
Hela poängen med automatisering är att spara tid. Men för de flesta arbetsflöden tar uppsättningen längre tid än att bara göra uppgiften manuellt. Du lägger timmar på att lära dig gränssnittet, timmar på att koppla triggers, timmar på att testa specialfall, och först efter allt det börjar du spara tid. För uppgifter som sker varje vecka tar det månader innan det lönar sig. För uppgifter som sker månads- eller kvartalsvis går matematiken aldrig ihop.
Så folk hoppar över det.
Tidigare erfarenheter förvärrar problemet. Folk har testat verktyg som lovade allt och levererade en 40-stegsinstallation. De har lagt tid på att lära sig gränssnitt som inte gav utdelning. Så även när ett nytt verktyg faktiskt fungerar, gör tidigare erfarenheter att de tvekar att investera.
De flesta automatiseringsverktyg förutsätter att du lägger en timme på att lära dig innan du får något värde. För de flesta, särskilt de icke-tekniska, slutar relationen där.
Det är hinder tre.
Hinder 4: Din organisation tillåter det inte
Här är hindret som är svårast att lösa, och det vi oftast hör om från personer som arbetar i större organisationer.
Även om du ser vad som är trasigt, vet exakt var du ska börja och är villig att investera tid i uppsättningen, kanske ditt företag ändå inte låter dig göra det.
En person vi intervjuade, som arbetar på ett stort företag, beskrev hur det ser ut i praktiken:
"Varje verktyg vi använder måste antingen godkännas av kund eller internt. När det är godkänt och budgeten är klar, köper vi verktyget person för person."
Godkännande. Budget. Licens per person. För varje nytt verktyg. När processen är klar har motivationen som fick dig att vilja testa försvunnit för månader sedan.
Men den djupare versionen av problemet är inte bara "Jag får inte verktyget godkänt." Det är att även när du får använda AI-verktyg privat, kan du inte koppla dem till systemen där ditt faktiska arbete finns. Samma person:
"Jag kan inte koppla min arbetsmiljö till detta. Om jag använder det privat kan jag inte koppla min Salesforce. Jag kan inte koppla mina Teams. För det sitter på min jobbdator."
De har tillgång till ChatGPT. De har uppgifter de gärna skulle automatisera i Salesforce. De två kan inte kopplas ihop. Automatiseringen de vill ha kräver att deras privata verktyg och arbetsdata kopplas samman, och den bron är förbjuden.
Detta är inte bara ett storföretagsproblem. En annan intervjuad sa:
"Jag tror stora företag har viss oro kring integritet. Vi får använda ChatGPT, absolut. Vi får inte använda Gemini. Jag vet inte varför. Jag vet inte varför. Men det är liksom företagets val."
"Jag vet inte varför." Den frasen hörs ofta när man pratar med folk om deras organisations verktygsbegränsningar. Valen känns godtyckliga inifrån. Vissa verktyg godkänns, andra inte, utan tydlig logik. Du får jobba runt reglerna utan att förstå dem.
För många är detta den verkliga väggen. Inte "Jag ser inte vad som är trasigt." Inte "Jag vet inte hur jag ska automatisera det." Utan "Jag får inte."
Detta hinder är svårare än de andra eftersom det inte handlar om dig. Det handlar om din omgivning. Och omgivningar förändras långsamt.
Det är hinder fyra.
Vad detta betyder
Dessa fyra hinder är lager på lager. Även om du tar dig förbi det första, stöter du på det andra. Förbi det andra, kommer det tredje. Och även om du tar dig igenom alla tre, kan organisationen ändå stoppa dig.
Tillsammans bildar de en mur som de flesta aldrig tar sig förbi, även när de vet exakt vad de vill lösa. Det är därför arbetsflödesautomatisering, trots att det varit den mest utlovade kategorin inom mjukvara i två decennier, fortfarande mest är en dröm.
Vi tror att muren går att bryta. Inte hela, inte för alla, men mer än vad dagens verktyg förutsätter. Vi har de senaste månaderna byggt saker specifikt för att adressera de tre första hindren, och funderat mycket på hur man gör automatisering tillräckligt säker så att det fjärde blir mindre begränsande över tid. Vi har åsikter om vad som fungerar. Men vi visar hellre än berättar.
Så här gör vi istället.
Torsdag den 16 maj håller vi ett gratis praktiskt labb i San Jose. Vi går igenom hur du ser vad som går att automatisera i ditt eget arbete, var du börjar när du har hundra alternativ, och hur du sätter upp din första AI-kollega på under 15 minuter. Ingen kodning.
Maxantal är 30 personer. Anmälan: https://luma.com/yqpulmgq
Måndag den 20 maj kör vi ett liknande event i San Francisco. Detaljer och anmälan kommer snart. Följ @vm0_ai för att få veta först.
Om du inte kan delta på något av eventen, följ oss ändå. Vi kommer att skriva om vad folk faktiskt bygger på labbet. Arbetsflödena, överraskningarna, det som inte fungerade. Vi publicerar dem i nästa inlägg. Så du får de praktiska svaren oavsett.
De fyra hindren ovan är verkliga. Vi hör om dem från nästan alla vi pratar med. De tre första går att lösa idag. Det fjärde tar längre tid, men det går också. Vi kommer att ägna de närmaste veckorna åt att bevisa det, på eventen och i det vi publicerar härnäst.
Citat är anonymiserade till roll. Intervjuprov: 22 personer inom mjukvara/AI, sjukvård, scenkonst, tillverkning, konsult, detaljhandel, biomekanik och ideell sektor. Ungefär 73% med teknisk bakgrund och 27% utan.
