7 000 till 3 000: vad Klarnas AI-resa berättar för alla andra

Visualisering av Klarnas personalreduktion från 7 000 till 3 000 med hjälp av AI

Sebastian Siemiatkowski sitter i en poddstudio och berättar lugnt att Klarna gått från 7 000 anställda till under 3 000. Utan nytt kapital. Utan ett transformationsprojekt som fick ett namn. Vad berättar det för alla andra?

Hur det faktiskt började

Det börjar med kundtjänst. 2023 tillkännager Klarna att deras AI hanterar ärenden motsvarande 600 agenters arbete. Journalisterna tar rubriken. Siemiatkowski korrigerar bilden i efterhand: det var mestadels enkla frågor. "Har jag betalat? Ja. Tack." Inte direkt avancerat.

Men signalen var tydlig ändå. Klarna hade aldrig sett en produktförbättring som omedelbart tog bort ett helt lager av arbete. Inte gradvis. Inte med en utfasningsplan. Det bara hände. Och de förstod att det var starten på något, inte slutet.

Nästa steg: AI-agenterna behövde bättre kontext för att svara korrekt. Den kontexten satt i källkod och data. Och den datan låg utspridd i ett dussin SaaS-system med separata datamodeller. Lösningen blev inte att köpa ett bättre kundtjänstverktyg. Det blev att bygga om tech-stacken från grunden, AI-nativt, med ett gemensamt operativsystem för hela bolaget.

Resultatet: 7 000 till under 3 000 anställda. Utan att be om mer kapital. Och Siemiatkowski spekulerar om att det kan bli ännu färre till 2030.

Datastacken är nästa strid

Något han lyfter som ännu inte fått tillräcklig uppmärksamhet: switching cost för data.

Idag sitter affärsdata inlåst i CRM-system, ERP, WMS och ett dussin SaaS-verktyg, var och en med sin egna datamodell. Det gör det dyrt att byta leverantör. Det gör det också svårt att ge AI-agenter rätt kontext. Och dålig kontext ger dåliga resultat.

Det som händer härnäst: agenter som migrerar data mellan system utan manuell handpåläggning. När switching cost försvinner, försvinner en stor del av det värde som traditionella SaaS-bolag byggt på. Det är inte spekulation. Det syns redan i hur SaaS-bolag värderas på börsen.

Det förklarar varför Klarna aktivt stänger ner SaaS-kontrakt. Inte för att SaaS är dåligt som kategori, utan för att isolerade datailos gör AI-agenter sämre. Och sämre agenter kostar mer i drift.

Gapet som de flesta fastnar i

Klarna är ett tech-first bolag med hundratals ingenjörer och full kontroll över sin tech-stack. De kan bygga det här.

Det kan inte de flesta.

Men det Siemiatkowski beskriver handlar inte egentligen om att bygga. Det handlar om att tänka om vad arbete faktiskt är. Varje ärende, varje faktura, varje produktdata-uppdatering är en transaktion med en tydlig input och ett förväntat output. Om man kan skriva det exakt nog, kan en AI-agent köra det.

Det är precis det vi kallar Dark Office.

De flesta medelstora e-handelsbolag hanterar produktdata manuellt, stämmer av leverantörsfakturor för hand och har en back office-funktion som skalat linjärt med volymen i år. De processerna är inte strategiska. De är kostnader.

Det finns ett gap mellan "vi vet att det är möjligt" och "vi kan göra det imorgon". Det gapet kräver tid att kartera processer ordentligt, tid att testa i en digital tvilling, och ingenjörsstyrka att rulla ut det med SLA-garantier. De flesta bolag har varken den kombinationen eller det tålmodet.

Klarna byggde det internt för att de är ett tech-bolag med resurser att göra det. Resten behöver inte göra det på det sättet. Alternativet är att outsourca processerna till en operatör som redan har byggt fabriken, kör dem automatiserat med SLA och tar det operativa ansvaret. Kunden köper resultatet, inte resan dit.

Frågan är inte om det händer

Siemiatkowski tillfrågas i podden hur många anställda Klarna har 2030. Han svarar: kanske under 2 000.

Det är en chockerande mening om man inte följt den här utvecklingen. Det är en logisk slutsats om man har.

Frågan för de flesta bolag är inte om det händer. Det är om de är på rätt sida av kurvan när det gör det. Om back office-kostnaderna förblir linjärt kopplade till volymen, eller om de har tagit steget till att köpa drift i stället för att bemanna den.

Klarna visar vad som är möjligt med intern ingenjörsstyrka. Lights Out finns för de som vill komma dit ändå, snabbare och utan att bära kostnaden för hela resan.