Upptäck hur svenska tillverkare kan kombinera SAP S/4HANA Cloud, tillförlitliga data och AI för att fatta bättre produktionsbeslut och förbereda sig för framtida krav inom industrin.
Svenska tillverkningsföretag möter allt större krav på att förbättra produktiviteten samtidigt som de måste hantera höga driftskostnader och hårdnande global konkurrens. Dessa utmaningar får industrins beslutsfattare att ompröva hur deras teknikinvesteringar bidrar till verksamhetens resultat.
Enligt en bedömning från juni 2026 av Teknikföretagen och andra svenska branschorganisationer har produktiviteten inom svensk industri ökat med endast omkring 1 % per år sedan den globala finanskrisen. Rapporten lyfter även fram stigande energikostnader och stora investeringsbehov inom digitalisering och ny teknik.
För tillverkningsföretag som överväger att modernisera sina ERP-system handlar utmaningen om att avgöra vilka affärsprocesser som behöver förändras, vilka system som bör behållas och hur framtida teknikinvesteringar ska passa in i företagets övergripande verksamhetsmodell.
Kort svar: SAP S/4HANA Cloud ger tillverkningsföretag en modern ERP-grund för att samordna produktionsrelaterade affärsprocesser, standardisera arbetssätt och koppla samman applikationer inom tillverkningen. Svenska industriföretag kan använda dessa funktioner för att fatta bättre operativa beslut och förbereda sig för AI-drivna förbättringar, förutsatt att de hanterar integrationskrav, datakvalitet och behoven i sina produktionsmiljöer.
Svensk tillverkningsindustri går in i en ny fas av digital omställning
Sveriges industri har en stark ställning inom bland annat fordonsindustrin, tillverkning av industriell utrustning, metall- och kemiindustrin samt skogsindustrin. Dessa branscher har olika produktionsförutsättningar, men alla behöver anpassa sig till förändrade marknadskrav och alltmer komplexa industriella nätverk.
Prioriteringarna skiljer sig åt beroende på produktionsmiljö:
- Exportinriktad produktion. Svenska tillverkningsföretag behöver anpassa sig till förändringar i internationell efterfrågan, leverantörsberoenden och handelsvillkor. Enligt Business Swedens ekonomiska prognos från mars 2026 går cirka 73 % av Sveriges varuexport till europeiska marknader.
- Energiintensiv produktion. Företag inom stål-, kemi-, massa- och pappersindustrin behöver balansera produktionskrav med energiförbrukning, processtabilitet och resurseffektivitet.
- Kompetensförsörjning och kompetensutveckling inom industrin. När erfarna specialister går i pension och produktionstekniken utvecklas behöver tillverkningsföretag bättre sätt att bevara operativ kunskap och stödja medarbetare i komplexa arbetsuppgifter.
- Hållbarhet och spårbarhet. Information om produkter och processer får allt större betydelse för resurshantering, kundkrav och efterlevnad av regelverk.
Dessa förutsättningar påverkar också inriktningen på svensk industriforskning.
Ett exempel är STIG, ett Vinnova-finansierat forskningsprojekt som samordnas av RISE. Projektet startade i september 2026 och samlar Chalmers tekniska högskola, Nexans Sweden, Profilgruppen Extrusions, Good Solutions Sweden och IFM Electronics.
Inom projektet utvecklas en AI-baserad produktionsassistent som kombinerar processdata, kunskapsgrafer och industriell expertkunskap. Nexans och Profilgruppen bidrar med produktionsmiljöer där tekniken är tänkt att demonstreras. Målet är att hjälpa medarbetare att utreda produktionsstörningar, förstå kvalitetsproblem och få förklarbara rekommendationer.
Projektet pågår fortfarande, och de förväntade fördelarna, däribland snabbare felsökning och minskat materialspill, har ännu inte bekräftats genom slutliga projektresultat.
Hur äldre ERP-landskap kan begränsa moderniseringen av tillverkningen
Många etablerade tillverkningsföretag har ERP-miljöer som har formats av många års kundanpassningar, systemintegrationer och krav från enskilda produktionsanläggningar. Även om dessa miljöer fortfarande kan stödja centrala affärsprocesser på ett tillförlitligt sätt, kan det bli alltmer kostsamt och tidskrävande att anpassa dem till nya krav.
Teknisk skuld bromsar verksamhetsförändringar
Kundanpassad funktionalitet som utvecklats för tidigare verksamhetsbehov kan skapa långvariga beroenden, särskilt när anpassningarna påverkar ERP-systemets standardkomponenter.
En förändring i produktionsplaneringen kan exempelvis kräva ändringar i kundanpassade program, gränssnitt och tillhörande applikationer, följt av omfattande regressionstester.
Det underhållsarbete som uppstår kan försena affärsmässigt motiverade förbättringar och göra det svårare att planera ERP-uppgraderingar.
Fragmenterade system ger motstridiga bilder av den operativa verksamheten
Tillverkningsmiljöer är vanligtvis beroende av separata ERP-system, MES-system för produktionsutförande, lagerhanteringssystem och system för industriell automation. Denna uppdelning är ofta nödvändig, men brister i integrationen kan påverka affärsinformationens tillförlitlighet och aktualitet.
En produktionsorder kan exempelvis vara slutförd i produktionen innan motsvarande uppgifter om materialförbrukning och produktionsåterrapportering har nått ERP-systemet. Under tiden kan uppgifterna om tillgängligt lager och de bokförda produktionskostnaderna inte återspegla de senaste händelserna i produktionen.
Sådana avvikelser försvårar beslut som kräver samordning i rätt tid mellan produktionssystem och övergripande verksamhetssystem.
Innovation blir ett komplext integrationsprojekt
Att lägga till nya tillverkningsapplikationer eller analysfunktioner i en starkt kundanpassad ERP-miljö kan kräva ändringar i flera befintliga gränssnitt.
En övergång till molnbaserat ERP ger möjlighet att se över dessa beroenden och införa integrationslösningar som stöds av leverantören. Fördelarna beror dock på vilka moderniseringsåtgärder som faktiskt genomförs, inte enbart på att driftsmodellen ändras.
Vad förändras när tillverkningsföretag använder SAP S/4HANA Cloud?
SAP S/4HANA Cloud gör det möjligt att samordna affärsprocesser inom tillverkningen, bland annat planering, inköp, lagerhantering, kvalitetshantering och ekonomi. Vilka funktioner som är tillgängliga och hur omfattande integrationen med produktionssystemen kan vara beror på vald molnutgåva, konfiguration och applikationsmiljö.
Från effektivitet inom enskilda avdelningar till samordnade processer
|
Verksamhetsområde |
Vad som förändras med integrerade ERP-processer |
Konsekvenser för verksamheten |
|
Produktionsplanering |
Materialbehov, efterfrågan och information om tillgänglig kapacitet används som underlag för produktionsplaneringen. |
Produktionsplanerare kan identifiera materialbrister och kapacitetsbegränsningar innan order frisläpps. |
|
Leveranskedja |
Inköps- och lagerprocesser återspeglar produktionens behov. |
Inköpsavdelningen kan prioritera material utifrån tillverkningens behov. |
|
Underhåll |
Underhållsorder kan samordnas med produktionsplaner och kostnadsinformation. |
Underhålls- och produktionsteam kan planera driftstopp för utrustning med större hänsyn till verksamhetens prioriteringar. |
|
Kvalitetshantering |
Resultat från kvalitetskontroller och materialens kvalitetsstatus används som underlag för materialbeslut. |
Material som inte uppfyller kvalitetskraven kan vid behov spärras för användning eller leverans. |
|
Ekonomi |
Produktionsåterrapportering och materialrörelser bidrar till lagervärdering och kostnadsredovisning. |
Ansvariga kan undersöka kostnadsavvikelser och bedöma tillverkningens lönsamhet. |
Standardisering skapar utrymme för kontinuerliga förbättringar
För tillverkningsföretag med flera produktionsanläggningar väcker en ERP-modernisering en viktig fråga: vilka processer bör standardiseras i hela organisationen och när behöver lokala krav få företräde?
Gemensamma rutiner för godkännande av inköp kan exempelvis förenkla kontrollrutinerna på flera anläggningar. Produktionsrecept, branschspecifika rutiner och vissa arbetsflöden i produktionen kan däremot kräva olika konfigurationer.
Valet av driftsmodell för molnbaserat ERP påverkar hur tillverkningsföretag kan balansera dessa behov.
SAP erbjuder två huvudsakliga alternativ:
- SAP Cloud ERP (tidigare SAP S/4HANA Cloud Public Edition): En standardiserad molnbaserad ERP-lösning med multi-tenant-arkitektur, fördefinierade processer och en modell för kontrollerade utökningar. Den kan passa tillverkningsföretag vars krav ryms inom det tillgängliga funktionsutbudet och som är beredda att införa standardiserade processer.
- SAP Cloud ERP Private (tidigare SAP S/4HANA Cloud Private Edition): En privat molnlösning med större möjligheter till konfiguration och utökningar, inklusive alternativ för att modernisera befintliga SAP ERP-miljöer. Den kan vara lämplig när tillverkningsföretag behöver behålla branschspecifika processer som stöds av lösningen eller hantera mer komplexa krav.
De två modellerna skiljer sig också åt när det gäller hur nya programvarufunktioner levereras och uppgraderingar genomförs. SAP Cloud ERP följer en standardiserad uppdateringscykel, medan SAP Cloud ERP Private har en annan modell för versionshantering och underhåll som ger större flexibilitet vid planering av uppgraderingar.
För industriföretag behöver valet av ERP-system även ta hänsyn till hur produktionen är organiserad. Konstruktion mot kundorder (engineer-to-order), repetitiv tillverkning, batchstyrda processer och försörjningsnätverk med flera produktionsanläggningar ställer olika krav på planering, produktionsutförande och spårbarhet. Genom att utvärdera dessa scenarier mot det funktionsstöd som finns i respektive molnutgåva blir det lättare att skilja mellan ett genomförbart standardiseringsprogram och ett som skulle kräva omfattande systemutökningar eller ytterligare tillverkningssystem. Företagets storlek är inte i sig ett tillförlitligt kriterium för valet.
Skillnaderna påverkar också hur tillverkningsföretag samordnar programvaruförändringar med produktionsplaner, testaktiviteter och perioder med hög belastning i verksamheten.
Hur SAP S/4HANA Cloud samspelar med AI-driven tillverkning
AI-tillämpningar inom tillverkningsindustrin används på olika nivåer i teknikmiljön. Vissa stödjer affärsprocesser som hanteras i SAP S/4HANA Cloud, medan andra analyserar maskindata eller ger stöd vid produktionsutförandet utanför ERP-systemet. Genom att förstå denna skillnad kan tillverkningsföretag avgöra var olika AI-funktioner hör hemma och hur resultaten från dem bör kopplas till affärsprocesserna.
Olika tekniker fyller olika syften. Maskininlärning kan identifiera mönster och förutsäga utfall, datorseende kan analysera bilddata från kvalitetskontroller och generativ AI kan hjälpa medarbetare att arbeta med affärsinformation. Matematisk optimering kompletterar dessa tekniker när beslut måste ta hänsyn till flera begränsningar, men optimering är inte nödvändigtvis AI i sig.
Där AI-tillämpningar kompletterar ERP-styrda tillverkningsprocesser
Följande exempel visar hur AI kan användas i olika delar av tillverkningsverksamheten. Vissa tillämpningar kan kräva specialiserad programvara, ytterligare integrationer eller kundanpassade modeller snarare än enbart funktionalitet i SAP S/4HANA Cloud.
|
Funktion |
AI-tillämpning |
Möjlig påverkan på verksamheten |
|
Produktionsplanering |
Maskininlärning analyserar efterfrågemönster och historisk förbrukning som stöd för planering av produktionsvolymer och materialbehov. |
Bättre underbyggda beslut om produktionsvolymer och materialbehov. |
|
Produktionsschemaläggning |
Prediktiva modeller uppskattar risken för störningar, medan optimering används för att utvärdera genomförbara schemaläggningsalternativ. |
Bättre sekvensering av produktionsorder med hänsyn till begränsningar i utrustning, personal och kapacitet. |
|
Inköp |
Avvikelsedetektering uppmärksammar ovanliga inköpsmönster, medan prediktiva modeller bedömer leverantörsrelaterade risker. |
Möjlighet att tidigare undersöka potentiella leveransavbrott och avvikelser i inköpsprocesserna. |
|
Lagerhantering |
Prediktiv analys identifierar förändringar i förbrukningen och potentiella obalanser i lagernivåerna. |
Mer riktade lagerjusteringar och färre undvikbara materialbrister. |
|
Kvalitetshantering |
Datorseende och avvikelsedetektering identifierar potentiella defekter eller onormala processförhållanden. |
Snabbare identifiering av produkter som behöver kontrolleras eller kräver korrigerande åtgärder. |
|
Energihantering |
Prediktiva modeller uppskattar energiförbrukningen under olika driftsförhållanden. |
Bättre underbyggda beslut om energiintensiva produktionsaktiviteter. |
|
Ledningsrapportering |
Generativ AI hjälper till att tolka rapporter, hämta relevant information och sammanfatta avvikelser. |
Mindre manuellt arbete med att undersöka operativa och ekonomiska avvikelser. |
Inom SAP:s ekosystem omfattar SAP Business AI AI-funktioner som är inbyggda i SAP-applikationer som stöder dem, assistans via Joule och agentbaserad funktionalitet för arbetsflöden där dessa funktioner är tillgängliga. SAP Business AI bör dock inte betraktas som en universell AI-plattform för tillverkningsindustrin.
Vilka AI-funktioner som finns tillgängliga varierar beroende på SAP-produkt, utgåva, version och licensvillkor. Tillverkningsföretag bör därför kontrollera vilka funktioner som ingår i deras applikationer och vilka som kräver ytterligare programvara eller integration.
Mänsklig expertis är fortfarande en del av intelligent tillverkning
Industri 5.0 för in ett människocentrerat perspektiv på industriell innovation. Vid sidan av teknisk utveckling betonas medarbetarnas välbefinnande samt industrins motståndskraft och hållbarhet. Det svenska forskningsinstitutet RISE utforskar dessa principer genom sitt arbete med tillförlitlig AI för digitaliserade industrier.
Inom tillverkningsindustrin blir mänsklig medverkan särskilt relevant när AI-rekommendationer inte stämmer överens med de faktiska produktionsförhållandena.
Tänk dig ett system för produktionsschemaläggning som rekommenderar att en tillverkningsorder skjuts upp på grund av en förväntad begränsning i utrustningens kapacitet. En erfaren produktionsplanerare kanske känner till en tillfällig lösning som kan användas, men endast för vissa produktkonfigurationer. Den kunskapen kan påverka vilket alternativ som är praktiskt genomförbart.
Mänsklig granskning är särskilt relevant när beslut påverkar medarbetarnas säkerhet, produkters överensstämmelse med krav eller riskerar att orsaka kostsamma produktionsavbrott. Hur långt automatiseringen bör drivas beror på konsekvenserna av ett felaktigt beslut och organisationens förmåga att upptäcka och korrigera fel.
Koppla samman SAP S/4HANA Cloud med produktionsdata och AI-system
Industridata blir användbara för AI när mätvärden kan kopplas till de förhållanden under vilka de registrerades.
Ett temperaturvärde säger exempelvis inte särskilt mycket utan information om maskinen, materialet, produktionsordern och driftsförhållandena. På samma sätt kan uppgifter om lagersaldon leda till felaktiga rekommendationer om de inte skiljer mellan material som får användas utan begränsningar och material som är spärrat i väntan på kvalitetskontroll.
Tillverkningsföretag behöver en dataarkitektur som bevarar informationens affärskontext, upprätthåller enhetliga definitioner och tillhandahåller data tillräckligt snabbt för respektive applikations behov.
För energiintensiva svenska tillverkningsföretag kan elkostnaderna variera mellan landets fyra elområden. Genom att koppla samman data om energiförbrukning med produktionsplaner och kostnadsinformation kan företagen bedöma när energiintensiva produktionsaktiviteter är ekonomiskt försvarbara. SAP ERP kan tillhandahålla verksamhetskontexten, medan specialiserade industrisystem levererar operativa mätdata.
Olika SAP-lösningar fyller olika funktioner
SAP erbjuder kompletterande tekniker för att hantera affärstransaktioner, produktionsprocesser, verksamhetsdata och AI-tillämpningar.
|
SAP-teknik |
Roll i en tillverkningsmiljö förberedd för AI |
|
SAP S/4HANA Cloud |
Hanterar centrala ERP-transaktioner och relevanta verksamhetsuppgifter kopplade till tillverkningen. |
|
SAP Digital Manufacturing |
Stöder produktionsutförande, resursorkestrering, datainsamling från produktionen och uppföljning av operativa resultat. |
|
SAP Business Data Cloud |
Sammanför verksamhetsdata från SAP- och icke-SAP-system med styrd åtkomst och bevarad affärskontext för analys och AI-tillämpningar. |
|
SAP Business AI |
Tillhandahåller AI-funktioner i SAP-applikationer som stöder dem samt genom tillhörande AI-tjänster. |
|
SAP Business Technology Platform |
Stödjer applikationsintegration, utökningar och utveckling av ytterligare verksamhetsfunktioner. |
Dessa lösningar kan samverka, men tillverkare behöver inte implementera hela produktportföljen.
Exempelvis kan SAP Digital Manufacturing koppla samman produktionsutförandet med ERP-processer, samtidigt som befintliga MES-system från andra leverantörer kan fortsätta fylla samma operativa funktion. På motsvarande sätt kan SAP Business Data Cloud stödja företagsövergripande analys och kontrollerad åtkomst till data utan att ersätta specialiserade plattformar för industridata.
Dataarkitekturen måste hantera olika tidskrav
Tillverkningsdata har olika krav på bearbetning beroende på användningsområde. Övervakning av utrustning kan kräva högfrekventa sensormätningar, medan affärsprocesser vanligtvis behöver validerade händelser, produktionskvantiteter, materialrörelser och andra uppgifter som är relevanta för verksamheten.
Det är sällan nödvändigt att skicka varje mätvärde från en maskin direkt till ERP-systemet. I stället behöver systemarkitekter avgöra vilken information som ska finnas kvar i de operativa systemen, vilka händelser som ska uppdatera affärstransaktioner och vilka data som behövs för analys eller AI-modeller.
Tänk dig en leverantör av fordonskomponenter som använder vibrationssensorer för att upptäcka avvikelser i produktionsutrustningens drift. Ett specialiserat övervakningssystem identifierar ett potentiellt problem som en underhållsspecialist bedömer innan korrigerande arbete godkänns. Genom en lämplig integration kan händelsen initiera en underhållsanmälan eller underhållsorder i SAP ERP-miljön. Företaget kan då hantera underhållsarbetet och tillhörande kostnader, medan detaljerade sensormätningar finns kvar i industrisystemet.
Kraven på hur aktuella uppgifterna behöver vara bör därför utgå från de beslut som informationen ska stödja, snarare än från ett generellt mål om realtidsintegration.
Clean Core ger större arkitektonisk flexibilitet
När tillverkningsföretag kopplar AI-modeller och industriella applikationer till SAP kan API:er och etablerade modeller för utökningar som stöds av SAP bidra till att minska beroendet av ERP-systemets kärna och förenkla framtida underhåll.
Valet mellan standardfunktionalitet, SAP-stödda on-stack-utökningar och side-by-side-applikationer påverkar också framtida uppgraderingar och underhåll. Tillverkningsföretag bör utvärdera dessa alternativ utifrån sina produktionskrav i stället för att automatiskt återskapa äldre kundanpassningar i den nya miljön.
Hur tillverkningsföretag kan omvandla AI-pilotprojekt till långsiktiga resultat
I takt med att AI blir alltmer tillgänglig inom industrin står tillverkningsföretag inför en växande utmaning: att skilja lovande experiment från investeringar som kan skapa varaktigt affärsvärde.
Ett AI-pilotprojekt kan fungera väl under kontrollerade förhållanden men få problem när lösningen införs på olika produktionslinjer, anläggningar eller i andra driftsmiljöer. En tekniskt lyckad demonstration är därför bara ett steg på vägen mot en affärsmässigt hållbar lösning.
Tre frågor som företagsledningen bör ställa innan AI-användningen skalas upp
1. Ger användningsfallet mätbara förbättringar?
Innan tillverkningsföretag godkänner en AI-satsning bör de definiera det operativa problemet, fastställa ett mätbart utgångsläge för verksamhetens resultat och bestämma hur förbättringarna ska mätas.
En modell som förutsäger produktionsförseningar bör exempelvis utvärderas mot företagets befintliga planeringsmetod. Relevanta mått kan vara prognosernas träffsäkerhet, antalet störningar som identifieras tillräckligt tidigt för att korrigerande åtgärder ska kunna vidtas samt kostnader som kunnat undvikas genom åtgärder i rätt tid.
Utvärderingen bör skilja mellan förbättrad prognosprecision och förändringar som leder till mätbara fördelar i verksamheten.
2. Kan resultaten återskapas i olika produktionsmiljöer?
En modell som tränats på en produktionslinje kan prestera annorlunda när utrustning, material, driftsförhållanden eller produktspecifikationer förändras.
Tillverkare behöver belägg för att en lösning ska kunna upprätthålla godtagbar prestanda även utanför den ursprungliga driftsmiljön. Det kan kräva ytterligare validering, lokala anpassningar eller separata modeller för olika produktionsmiljöer.
Det svenska forskningsprojektet Factory SensAI, som finansieras av Vinnova, undersöker skalbara metoder för att använda AI vid produktionsomställningar och som stöd för operatörer. Validering planeras vid tre fabriker med olika grad av digital mognad. Projektet pågår till och med juli 2028, och de förväntade resultaten har ännu inte påvisats.
3. Kommer lösningen att vara ekonomiskt hållbar på lång sikt?
Den ekonomiska utvärderingen av ett AI-projekt bör omfatta mer än de initiala utvecklings- och licenskostnaderna.
Tillverkningsföretag behöver även räkna med kostnader för att införa lösningen på ytterligare anläggningar, underhålla modeller, utbilda medarbetare, tillhandahålla löpande support och hantera konsekvenserna av felaktiga prognoser.
De förväntade fördelarna bör vägas mot dessa kostnader under samma tidsperiod. Personalkapacitet som frigörs genom automatisering bör exempelvis inte automatiskt räknas som ekonomiska besparingar om den inte leder till en mätbar ekonomisk effekt.
Från AI-investeringar till konkurrensfördelar inom tillverkningen
För svenska tillverkningsföretag kan nästa konkurrensfördel komma att ligga i förmågan att omsätta lovande AI-tillämpningar i tillförlitliga lösningar för den löpande produktionen.
Företagsledningen behöver en samlad bild av AI-investeringarna för att kunna avgöra vilka initiativ som bör införas i större skala, vilka som behöver omarbetas och vilka som bör avslutas när resultaten inte motiverar ytterligare investeringar.
Den strategiska möjligheten ligger i att bygga en tillverkningsorganisation som kan ta till sig användbara innovationer gång på gång, utan att varje nytt teknikinitiativ blir en separat och långsiktig kostnadsbörda.
Så hjälper LeverX svenska tillverkningsföretag att skapa SAP-miljöer förberedda för AI
LeverX hjälper tillverkningsföretag att modernisera sina SAP-miljöer med hänsyn till driftskontinuitet, anläggningsspecifika krav och integrationen mellan verksamhetssystem och industrisystem.
Våra tjänster omfattar:
Rådgivning och implementering av SAP S/4HANA Cloud
Vi analyserar befintliga ERP-miljöer, utvärderar olika driftsmodeller för SAP Cloud ERP och utformar framtida affärsprocesser. Våra team hanterar konfigurering, datamigrering, integrationstester och planering av systemövergången utifrån den valda metoden för ERP-transformationen.
SAP Digital Manufacturing
Vi hjälper tillverkningsföretag att utvärdera krav på produktionsutförande, implementera SAP Digital Manufacturing och integrera lösningen med ERP-system och relevanta system i produktionen. Vårt arbete omfattar integrationsdesign, konfigurering av produktionsscenarier, testning och operativ support.
SAP Business AI och SAP Business Data Cloud
LeverX hjälper organisationer att utvärdera användningsfall för AI, bedöma den tekniska genomförbarheten och förbereda de data- och integrationsmiljöer som krävs för implementeringen. Vi erbjuder även stöd med arkitektur för SAP Business Data Cloud, datamodellering, integration och utveckling av analyslösningar.
Clean Core och ERP-modernisering
Våra specialister granskar kundanpassad kod och befintliga utökningar, identifierar kompatibilitetsrisker och utformar integrations- och utökningslösningar som stöds av SAP. Vi hjälper tillverkningsföretag att hantera tekniska beroenden som en del av sina SAP-moderniseringsprogram.
Långsiktig optimering och applikationsförvaltning
Efter produktionssättningen erbjuder LeverX applikationssupport, incidenthantering, prestandaoptimering och vidareutveckling av funktionaliteten. Våra team hjälper även organisationer att planera systemförändringar och upprätthålla en stabil drift när verksamhetens krav förändras.
