Vad AI-driven sökning gör med synligheten för partners inom affärssystem, CRM och Copilot

En köpare skriver en fråga i en AI-chatt och får ett svar på fem sekunder. Tre eller fyra leverantörer, en förklaring av vad som skiljer dem, en rekommendation om vad hon borde titta närmare på.

Sedan tar beslutsprocessen vid. Sex månader, ofta tolv, innan gruppen är överens, upphandlingen är klar och avtalet påskrivet. Först därefter startar projektet – och medianen för ERP-projekt ligger enligt Panorama på drygt femton månader.

Tre tidsspann, alltså. Det är det mellersta som är artikelns ärende. AI avgör inte nödvändigtvis vem som vinner affären. Men AI påverkar i allt högre grad vilka namn som över huvud taget får plats i beslutsgruppens interna samtal.

Under månaderna som följer hinner den första bilden förankras, ifrågasättas, upprepas och till slut bli gruppens gemensamma utgångspunkt. Allt innan någon leverantör vet att frågan ens ställdes.

Det här är skrivet för dem som levererar Dynamics 365 i vid mening: affärssystem, säljstöd, marketing automation, kundservice och det som nu byggs ovanpå i form av Copilot och agenter. Det finns en spegelbild för köparen längre ner, och den är minst lika obekväm.

Vad som faktiskt hänt i köpprocessen

G2 frågade 1 076 B2B-köpare i mars 2026 hur de gör sin research. 51 procent inleder numera oftare i en AI-chatt än i Google. Ett år tidigare var siffran 29 procent. 71 procent använder en AI-chatt någonstans i processen.

Sedan kommer siffran som brukar få det tyst i rummet: 69 procent valde en annan leverantör än de först tänkt sig, efter att AI:n pekat åt annat håll. Var tredje köpte av någon de aldrig hört talas om innan.

En reservation direkt, eftersom den påverkar hur siffrorna ska läsas. Många av köpen är självbetjänade – man tecknar ett verktyg, loggar in och börjar använda det. Ingen partner, inget införandeprojekt, ingen förändringsledning. Ett Dynamics-val ser inte ut så, även om beslutsmönstret delvis är detsamma.

Skillnaden gör inte siffrorna irrelevanta. Den gör dem ojämnt fördelade. Den intressanta frågan är därför inte om AI påverkar, utan var i ett partnerlett köp den gör det.

Varför SEO-logiken inte överförs rakt av

Ett vanligt antagande är att AIO är SEO under nytt namn. Skriv bra innehåll, strukturera det, håll det uppdaterat, så följer synligheten med.

Delvis stämmer det. Rankning på Google är fortfarande en av vägarna in i ett AI-svar. Men bara delvis.

Google betraktar inte AIO eller GEO som en ersättning för SEO. Den tekniska och innehållsmässiga grunden är densamma: innehållet ska vara indexerbart, värdefullt, trovärdigt och expertlett. Skillnaden är att oberoende tredjepartsbeskrivningar kan ge AI-tjänster mer underlag för att förstå, särskilja och jämföra en partner.

Ahrefs analyserade 75 000 varumärken för att se vilka signaler som hänger ihop med synlighet i AI-genererade svar:

  • Omnämnanden av varumärket på andra sajter: 0,664
  • Antal backlinks: 0,218
  • Antal sidor på den egna webbplatsen: 0,17

Notera vad som ligger sist. Att publicera mer på sin egen sajt har nästan inget samband alls med om en AI nämner en. Ahrefs är själva tydliga med att korrelation inte är kausalitet, och den reservationen är värd att ta på allvar – starka varumärken samlar både omnämnanden och synlighet av samma underliggande skäl.

Men riktningen är svår att bortse från. Länkgrafen var Googles sätt att mäta förtroende. En språkmodell läser text och bygger sin bild av ett bolag utifrån hur andra beskriver det, inte utifrån hur bolaget beskriver sig självt.

Om detta är mekanismen på söksidan, blir nästa fråga hur den slår i ett partnerlett Dynamics-köp där plattformen ofta är välkänd men leverantörslandskapet är betydligt sämre beskrivet.

Vad som är detsamma, oavsett område och segment

Plattformen är välbeskriven. Partnern är det inte.

Fråga en AI om skillnaden mellan Business Central och Finance & Operations, eller mellan Sales och Customer Insights, och du får ett rimligt svar. Microsoft har producerat enorma textmängder, på många språk, under lång tid. Plattformslagret klarar sig.

Fråga sedan vilken partner som passar för ett tillverkande bolag med 120 anställda, eller vem som faktiskt kan bygga ett fungerande säljstöd för en organisation med både direktförsäljning och återförsäljarled. Där tar underlaget slut.

Slå upp en genomsnittlig svensk Microsoftpartner och räkna vad som finns skrivet om dem av någon annan än dem själva. Ofta: en egen sajt, en LinkedIn-sida, kanske ett par pressnotiser om en rekrytering eller ett förvärv, en katalogpost hos Microsoft. Det är hela underlaget en modell har att arbeta med.

Vilket betyder att AI-synlighet spelar större roll för en implementationspartner än för en produktleverantör. Systemfrågan är redan besvarad i modellen. Partnerfrågan är öppen – och det är där valet faktiskt avgörs.

Alla i beslutsgruppen frågar var för sig

Tio till tretton personer är typiskt involverade. De frågar inte tillsammans. Var och en ställer sina frågor privat, från sitt eget perspektiv och sin egen oro.

Ekonomichefen frågar vad projekt av den här typen brukar kosta och varför de spricker. IT-chefen frågar om integrationer, arkitektur och inlåsning. Verksamhetschefen frågar vad som brukar gå fel vid driftsättning. Säljchefen frågar varför säljare slutar använda CRM efter ett halvår. Marknadschefen frågar hur data faktiskt flödar mellan marketing automation och säljsystemet. Kundservicechefen frågar hur ärendeflöden brukar se ut i praktiken.

Skadan för en leverantör är sällan att man missar en shortlist. Det är att man aldrig kommer med i det interna samtalet, under de månader då gruppen bygger sin gemensamma bild.

Riskfrågorna är obesatta

"Vad brukar gå fel i ERP-projekt?" och "varför misslyckas CRM-införanden?" hör till de vanligaste frågorna en beslutsgrupp ställer. Svaren domineras av generisk misslyckandestatistik: budgetöverdrag, förseningar och låg adoption. På CRM-sidan är underlaget särskilt dystert: en systematisk forskningsöversikt anger att omkring 70 procent av implementeringarna inte når sina förväntade mål.

Nästan ingen partner är beskriven i termer av hur de hanterar just de riskerna. Det är den yta där köparen är mest orolig och där det finns minst skrivet. För den partner som kan visa konkret riskhantering, snarare än bara trygghet i allmänna ordalag, finns därför en ovanligt öppen position.

Var CRM-sidan beter sig annorlunda

Mycket är gemensamt, men tre saker skiljer, och de pekar alla åt samma håll: AI-svaret väger tyngre på CRM-sidan än på ERP-sidan.

För det första är beslutsvägen kortare och mindre formell. Ett CRM-initiativ startar ofta hos säljchefen eller marknadschefen, inte i en styrgrupp med upphandlingsmall. Färre formella spärrar betyder att det första svaret får större genomslag.

För det andra är leverantörsbilden rörigare. Ett säljstöd kan levereras av en klassisk Microsoftpartner, av en digitalbyrå, av en specialist på marketing automation eller av en kombination. En modell som ska rekommendera "partner för Dynamics 365 Sales" har svårt att skilja aktörstyperna åt, eftersom få har beskrivit skillnaden i text.

För det tredje är köparen själv van vid verktygen. Marknadsfunktionen tillhör de yrkesgrupper som snabbast har tagit till sig AI-sök. De utvärderar dig i samma verktyg de använder dagligen, och de är bättre än de flesta på att se när ett svar bara upprepar en marknadsföringstext.

Copilot och agenter – frågan alla ställer och ingen är beskriven i

Det här är det tydligaste exemplet på hela artikelns tes.

Copilot och agenter är den fråga varje köpare ställer just nu. Samtidigt är det den yta där partnerbeskrivningarna är som mest utbytbara. Ungefär alla säger sig hjälpa till med Copilot. Nästan ingen är beskriven i termer av vad de faktiskt har satt i produktion, hos vilken typ av kund, med vilket resultat och vilken styrning.

Det som skiljer i en AI-genererad jämförelse är just det som saknas: har du agenter i drift hos kunder, hur arbetar du med datakvalitet som förutsättning snarare än efterhandskorrigering, och hur hjälper du kunden att bestämma vad en agent får och inte får göra? Det är också de frågor en påläst köpare kommer att ställa, eftersom de redan har börjat dyka upp i svaren hon får.

Det finns ett andra led här som är värt att förbereda sig på. Köparna använder inte bara chattar. G2 rapporterar att de vanligaste användningsområdena för agenter i köpprocessen är att bedöma total ägandekostnad, bygga shortlists, göra research och utvärdera redan listade leverantörer. Endast en liten minoritet är beredd att låta en agent genomföra själva köpet.

En agent bedömer inte en webbplats som en människa. Den läser sidans struktur, tillgänglig text och konkreta uppgifter – och kan navigera vidare för att jämföra information. Är det enda som finns om er ett antal formuleringar om engagemang och lång erfarenhet, blir ni svåra att placera i en jämförelse – inte bortvalda, bara ohanterliga.

För att bli begriplig i den typen av jämförelse behöver partnern kunna visa: agenter eller Copilot-lösningar som är i drift, vilken kundtyp och process de gäller, hur datakvalitet och behörigheter hanteras, vilka begränsningar som satts för agentens handlingsutrymme och vilket resultat eller vilken lärdom som faktiskt kan beskrivas.

Vad som skiljer mellan segmenten

SegmentAI-sökens huvudsakliga påverkan
Mindre företagVilka partners som över huvud taget upptäcks
MellansegmentVilka partners som bjuds in att svara
EnterpriseHur redan kända partners karaktäriseras

Mindre bolag: störst exponering, kortast väg

Här väger AI-svaret tyngst. Det finns minst intern erfarenhet att väga det emot, färre personer att bli oense med, och partnervalet görs ofta bland de namn som faktiskt dök upp.

Mellansegmentet: AI avgör vem som får svara

Här formas en riktig beslutsgrupp och ofta en formell förfrågan. AI avgör sällan valet, men avgör i hög grad vem som bjuds in att svara, eftersom longlistan byggs under den period då gruppen orienterar sig på egen hand.

Enterprise: AI påverkar karaktäriseringen, inte inbjudan

Här finns formell upphandling, ofta extern rådgivning, etablerade relationer och Microsofts egen säljorganisation. Vilka som bjuds in styrs därför av fler faktorer än AI-synlighet. Men hur ni beskrivs under utvärderingen påverkas, och köparen kommer beväpnad med frågor som formulerats någon annanstans.

Branschdimensionen: där logiken vänds upp och ner

Traditionell sökmotoroptimering belönade bredd. Ju fler termer man täckte, desto mer trafik. Därför positionerar sig de flesta partners brett: alla branscher, alla storlekar, hela produktportföljen.

AI-sök förstärker värdet av precision.

En modell matchar en specifik fråga mot specifika beskrivningar. "Vi levererar Dynamics 365 till alla typer av verksamheter" matchar ingenting, eftersom det inte utesluter något. "Spårbarhet i livsmedelsindustrin, Business Central, bolag med 50–300 anställda" matchar en smal men verklig uppsättning frågor. Detsamma gäller CRM-sidan: "kundservice i abonnemangsaffärer med hög ärendevolym" är matchbart på ett sätt som "modern kundupplevelse" aldrig blir.

Konsekvensen är att nischade partners har ett strukturellt övertag i AI-synlighet som de aldrig hade i vanlig sökmotoroptimering. Och att bred positionering, som var fullt rationell när köparen var en människa som bläddrade på en webbplats, nu kostar.

Det innebär inte att man ska sluta leverera brett. Det innebär att man behöver bli beskriven smalt, på flera ställen och med varje nisch för sig. Bredd i leveransen, precision i beskrivningen.

Språket är både en risk och en öppning

Den svenska textmassan är liten. För en partner som verkar i Sverige betyder det att modellerna har lite att gå på, men också att konkurrensen om att vara den som faktiskt är beskriven är förhållandevis låg.

Räkna samtidigt med att delar av beslutsgruppen ställer sina frågor på engelska. Då hamnar du i en jämförelse där internationella aktörer är betydligt bättre beskrivna än du.

Vad som faktiskt påverkar

  • Bli beskriven av andra, i text som går att citera. Inte omnämnd i förbifarten – beskriven: vad du gör, för vem, med vilket resultat.
  • Var specifik nog att kunna särskiljas. En namngiven bransch, ett storleksspann och en konkret processproblematik är matchbart. "Lång erfarenhet" är osynligt.
  • Beskriv Copilot- och agentarbete i termer av vad som är i drift, inte vad som är möjligt.
  • Låt siffror och källor finnas i själva texten. Den akademiska GEO-studien från Princeton, Georgia Tech och IIT Delhi fann att tillägg av statistik och källhänvisningar hörde till de metoder som höjde synligheten mest.
  • Håll tredjepartsprofilerna levande. G2:s köpare uppger att citeringar från recensionssajter är den signal som gör dem tryggast med ett AI-svar.
  • Var konsekvent i hur du beskrivs. Modeller bygger sin bild genom upprepning. Fem olika självbeskrivningar blir till slut ingen alls.
  • Räkna med fördröjning. Indexering, hämtning och modelluppdateringar sker med fördröjning, och omnämnanden behöver tid att ackumuleras.

Läs statistiken med samma skepsis som allt annat

Det mesta som skrivs om AIO och GEO produceras av bolag som säljer AIO- och GEO-tjänster. Siffrorna är ofta korrekta, men urvalet är sällan neutralt och slutsatsen landar påfallande ofta i att man behöver köpa en synlighetsplattform.

Ahrefs säljer SEO-verktyg. G2 säljer synlighet på en recensionssajt. Det gör inte deras data ogiltig, metodiken är redovisad i båda fallen, men det påverkar vilka frågor som ställs och vilka som inte gör det.

Och en nyktrande sak: att synas i ett AI-svar ger inträde, inte affär. G2 konstaterar att utvärderingsfasen numera är den längsta delen av köpresan för fyra av tio köpare. AI kortade vägen till listan. Den kortade inte vägen till beslutet – och i ett ERP- eller CRM-projekt är det den långa delen som avgör allt.

Och för köparen

Jag har tillbringat större delen av mitt yrkesliv på köparens sida av bordet, och där finns en spegelbild som är värd att se.

Den lista en AI ger dig när du ber om lämpliga Dynamics-partners är inte en rankning av vem som är bäst. Det är en rankning av vem som är bäst beskriven av tredje part.

I en marknad där det skrivs lite om de flesta partners är det två olika saker. Den partner som passar er verksamhet bäst kan mycket väl vara den som ingen har skrivit om.

Använd AI för att bredda listan, inte för att fastställa den. Fråga vad rekommendationen bygger på. Och lägg märke till om svaret säger något konkret om partnern, eller bara upprepar deras egen marknadsföringstext – till exempel i översikten över svenska Dynamics 365-partners.

Slutsats

Den gamla ordningen belönade den som ägde bäst yta och täckte flest termer. Den nya belönar den som andra beskriver tydligast och smalast.

Det är en obekvämare position, eftersom man inte kontrollerar den. Man kan bara förtjäna den, och det tar tid.

Fem sekunder räcker för att bilda en uppfattning. Ett år räcker för att göra den till gruppens gemensamma sanning. Femton månader räcker för att ångra den, om den var fel.

Det är det mellersta spannet som avgör vilka som ens får chansen att bevisa något under det sista.

Källor

Thomas Laine har arbetat med affärssystem och CRM i snart 40 år, varav de senaste knappt 30 med det som i dag är Microsoft Dynamics 365, Power Platform och Copilot. Han driver d365.se, en guide för organisationer som står inför ett Dynamics 365-val.