AI som skalar e-handel: från 100 till 250 MSEK

Att gå från 100 till 250 miljoner i omsättning med vinst brukar låta som en klassisk “bygg teamet, hyr större kontor, köp mer trafik”-plan. Problemet? Den modellen är dyr, långsam och känslig när marknaden svänger. Därför gillar jag caset med konstgalleriet Andy Okay, som vill göra precis tvärtom: skala upp utan att bli tungrott – och sätta AI och automatisering i centrum.

E-handeln i Sverige har de senaste åren nyktrat till. Det är inte längre tillväxt till varje pris som premieras, utan bruttomarginal, kassaflöde och effektivitet per anställd. I den verkligheten blir frågan konkret: Hur ökar du omsättningen kraftigt utan att anställa ikapp? Andy Okay och Jarno Vanhatapio (känd för att ha byggt tillväxt med lönsamhet tidigare) pekar ut ett tydligt svar: processer, data och AI – inte fler händer.

Varför “fler anställda” ofta är fel svar på tillväxt

Det korta svaret: fler personer löser kapacitetsproblem, men skapar snabbt nya problem i form av koordinering, väntetider och ökade fasta kostnader.

När en e-handel passerar 50–100 MSEK brukar komplexiteten explodera. Nya marknader, fler kampanjer, fler kreativa varianter, fler returer, fler frågor till kundtjänst. Många löser det med rekryteringar. Men varje rekrytering skapar också:

• fler överlämningar och “vem äger den här frågan?”
• mer manuellt rapportarbete
• fler möten
• större risk att kundupplevelsen blir ojämn

Andy Okay har redan visat att det går att hålla organisationen liten och ändå nå hög omsättning. Under brutet räkenskapsår 2023/2024 landade omsättningen på 42,2 MSEK med positivt rörelseresultat, och prognosen pekar mot 100 MSEK med vinst. Nästa steg – 250 MSEK – kräver dock en annan typ av struktur.

En mening jag tycker fler borde skriva på whiteboarden: “Skala processer innan du skalar människor.”

Andy Okay 2.0: när AI blir en komponent i affärsmodellen

Det raka svaret: AI ska inte vara ett sidoprojekt – det ska bli ett operativsystem för hur bolaget arbetar varje dag.

I det som beskrivs som en reformering av verksamheten handlar det om att implementera AI och automatisering för uppgifter som tidigare krävde manuell handpåläggning. Det är exakt rätt angreppssätt om du vill skala utan att kostnadsmassan drar iväg.

Vilka processer är mest värda att automatisera?

Här är de tre områden där jag oftast ser snabbast effekt i e-handel (och som passar ett bolag som vill behålla lönsamhet):

1. Kundinsikter och segmentering

   • AI-driven klustring av kunder (t.ex. “förstagångsköpare med hög returbenägenhet”, “VIP med hög AOV”, “kampanjkunder som bara handlar på rabatt”).
   • Prediktion av kundlivstidsvärde (CLV/LTV) för att styra hur mycket du kan spendera på acquisition.

2. Personalisering och rekommendationer

   • Produktrekommendationer på sajt, i e-post och i annonser.
   • Personliga landningssidor och budskap per målgrupp.
   • Nästa-bästa-erbjudande baserat på beteende, inte bara historik.

3. Marketing operations (kampanjmaskineriet)

   • Automatiserad produktion av annonsvarianter (copy, format, bildbeskärningar) med tydliga varumärkesramar.
   • Budgetallokering baserat på marginal, lager och konverteringsgrad.
   • Snabbare testloopar: fler A/B-test per vecka utan att teamet går på knäna.

Poängen är inte att “göra AI”. Poängen är att få 30–50 % mer output från samma team, vecka efter vecka.

Från “härlig kärlekshistoria” till lojalitet: AI som bygger relation

Det korta svaret: om du vill att fler ska bry sig om ditt varumärke måste du förstå vad olika kunder faktiskt värdesätter – och agera på det i realtid.

I caset lyfts samarbeten som “hjärtat” i Andy Okay. Det är intressant, för samarbeten är i praktiken en lojalitetsmotor: creators, partners och communities driver både trovärdighet och återköp. Men när du skalar samarbeten ökar också administrationsbördan: briefar, utkast, avstämningar, uppföljning, utbetalningar, performance.

Här blir AI en relationell förstärkare snarare än en robot:

• Bättre matchning av samarbeten: data på vilka creators som driver högst konvertering, lägst returgrad och bäst kundvärde – inte bara klick.
• Snabbare återkoppling: automatiserade rapporter per partner (veckovis), med tydliga insikter och nästa steg.
• Personalisering i community: olika budskap till olika publiksegment, utan att kännas spammigt.

En tydlig ståndpunkt: personalisering som bara handlar om “du tittade på X” är för låg nivå. Det som gör skillnad är personalisering som tar hänsyn till motiv (present, egen belöning, samlande, hållbarhetsdrivet köp, trendkänsligt köp) och kopplar det till erbjudande, storytelling och kanal.

Analys: så bygger du en AI-stack som klarar 250 MSEK

Det korta svaret: börja med datagrunden och mätning, bygg sedan automatisering, och först därefter mer avancerad AI.

Många e-handlare köper verktyg i fel ordning. De börjar i “AI-skalet” (chatbot, generativ text, rekommendationsmotor) innan de har:

• en stabil produktdata (PIM)
• tydliga event i spårningen
• en enhetlig kund-ID-struktur
• marginaldata på SKU-nivå

En praktisk 90-dagars plan (som inte kräver ett jätteteam)

Dag 1–30: Dataminimum som går att lita på

• Säkerställ event: view_item, add_to_cart, begin_checkout, purchase.
• Koppla orderdata till kampanj- och kanaldata.
• Skapa en enkel “single source of truth” för KPI:er (AOV, CAC, ROAS, MER, returgrad).

Dag 31–60: Automatisera det som äter tid

• Automatiserade dashboards per vecka.
• Regler för kampanjstyrning: stoppa annonser på produkter med låg marginal eller höga returer.
• E-postflöden: onboarding, winback, post-purchase, och segmenterade erbjudanden.

Dag 61–90: AI som ger konkurrensfördel

• Prediktion av LTV per segment.
• Personliga rekommendationer i e-post och på sajt.
• Efterfrågeprognoser för att undvika stockouts på vinnare och överlager på slow movers.

Det fina: du kan göra detta utan att “AI-ifiera allt”. Du väljer 2–3 processer där AI ger mätbar effekt.

Rekryteringen som säger allt: “Head of Collaborations”

Det korta svaret: när du automatiserar internt kan du lägga människotid på det som kräver människor.

Andy Okay skapar en roll som Head of Collaborations – någon som kan representera varumärket utåt, bygga relationer och samtidigt kunna jobba datadrivet (excel/AI automation). Det är ett ovanligt tydligt exempel på hur moderna e-handelsroller förändras.

I praktiken beskriver det framtidens “T-shaped” kompetens:

• Djup i relation och kommunikation (människor, nätverk, förhandling)
• Bredd i data och verktyg (förstå siffror, automation, testlogik)

Min erfarenhet: bolag som lyckas skala snabbt gör inte bara bättre marknadsföring. De bygger en produktionslina för beslut. Varje vecka ska ni snabbare veta:

• vilka samarbeten som fungerar (på marginal, inte bara omsättning)
• vilka kunder ni ska återaktivera
• vilka produkter som ska pushas
• vilka budskap som ska bort

Vanliga frågor (och raka svar)

Hur kan AI öka försäljningen utan att budgeten skenar?

Genom att styra mot högre konvertering, högre AOV och bättre återköp, och samtidigt stoppa spendering på produkter/segment med låg marginal eller hög returgrad.

Vad är den vanligaste missen när man inför AI i e-handel?

Att man automatiserar kaos. Om processer och data är otydliga blir AI bara ett snabbare sätt att fatta inkonsekventa beslut.

Behöver man en data scientist för att komma igång?

Nej. Första steget är ofta spårning, struktur och automatiserade rapporter. Det kan ett bra growth-team göra med rätt verktyg och tydligt KPI-ramverk.

Nästa steg för svenska e-handlare som vill växa 2026

Andy Okays resa är ett bra case i vår serie “AI inom detaljhandel och e-handel” eftersom den visar något många missar: AI är inte en funktion – det är en strategi för att hålla lönsamhet när du skalar.

Om du siktar på att gå från 50/100 MSEK till 200+ MSEK under 2026 är min rekommendation enkel: välj ett område där du kan vinna snabbt (personalisering, kundinsikter eller efterfrågeprognoser), sätt 2–3 KPI:er som styr allt, och bygg automationsflöden som frigör tid.

Och den kanske viktigaste frågan att ta med in i 2026: Vilken del av din tillväxtmaskin är fortfarande beroende av manuellt arbete – och varför?