Varför ditt team fortsätter klistra in saker i ChatGPT i stället för att använda era officiella verktyg
Volymen av kopiera-och-klistra in i ChatGPT är inte främst ett regelefterlevnadsproblem att polisa. Det är gratis, ärlig marknadsundersökning om exakt var era officiella verktyg är för långsamma — om ni är villiga att läsa det så.
Fråga en operativ chef på en byrå med femtio personer var kundresearchen faktiskt blir gjord, och hon pekar på ett projektverktyg med en månadsfaktura och ett behörighetsschema. Fråga var det verkligen händer, och det ärliga svaret är allt oftare en webbläsarflik som kör ChatGPT.
Det här är inte en randvana som är begränsad till några regelbrytare i designteamet. Det ligger nära medianen. Work Trend Index 2024 från Microsoft och LinkedIn, baserad på en undersökning av 31,000 arbetstagare i 31 länder, fann att 78% av de anställda som använder generativ AI på jobbet tar med sina egna AI-verktyg i stället för dem som arbetsgivaren har delat ut — en praxis som rapporten kallar BYOAI. På små och medelstora företag stiger siffran till 80%. En separat Annual Report 2025 från 1Password, byggd på 5,000 arbetstagare, fann en mer försiktig siffra: 27% medgav att de hade använt AI-verktyg som företaget inte hade godkänt, medan en undersökning från Cybernews bland mer än 1,000 amerikanska anställda i september 2025 satte siffran till 59%. Spridningen är stor eftersom varje undersökning ställer en lite annan fråga — ”har du någonsin sträckt dig efter AI utanför officiella kanaler” mot ”förlitar du dig medvetet på icke godkänd AI för ditt viktigaste arbete” — men var och en av de här siffrorna ligger väl över vad de flesta IT- och driftchefer skulle gissa om de fick frågan rakt av.
De flesta samtal om det här faktumet börjar med ordet ”skugga” och slutar med ett memo om policy för acceptabel användning. Den instinkten är begriplig. Den är också oftast fel första drag.
Vad siffran faktiskt mäter
Börja med vad de här undersökningarna inte hittar. De hittar inte att anställda är lata, vårdslösa eller försöker gå runt ledningen. Rapporten från 1Password frågade människor rakt ut varför de tar till icke godkända AI-verktyg, och de två främsta svaren var bekvämlighet (45%) och en känsla av att vara mer produktiva (43%) — inte ”min chef kollar inte” eller ”jag bryr mig inte om policy”. Folk gömmer sig inte i ChatGPT för att det är förbjudet. De gömmer sig i ChatGPT för att det är snabbare än det de egentligen skulle använda i stället.
Den skillnaden spelar roll, för den betyder att kopiera-och-klistra-beteendet inte främst är ett disciplinproblem att polisa. Det ligger närmare en kund som väljer en konkurrents produkt framför er. Om en kund börjar gå runt ert kassaflöde för att en konkurrents är tre klick kortare, svarar ni inte genom att göra det svårare att överge er kassa — ni tar reda på vad som är långsamt med den. Samma logik gäller inne i ett företag. Varje gång någon öppnar ChatGPT i stället för ert uppgiftsverktyg, er meddelandeapp eller er interna wiki avger de en ärlig, oombedd röst om var era officiella verktyg är för långsamma, ligger för många klick djupt, eller saknar något de behöver just nu. Ingen fyller i en enkät för att berätta det här. De bara gör det, om och om igen, i skala — och det är precis det som gör det mer tillförlitligt än den mesta feedback ni någonsin kommer att samla in med flit.
Kopiera-och-klistra in i ChatGPT är inte ett bevis på att ert team inte respekterar verktygen ni gav dem. Det är en löpande mätning av exakt var de verktygen brister — registrerad automatiskt, i volym, utan enkättrötthet.
Var det här hör hemma: processkuld som blir synlig
FabricLoops produktfilosofi har ett namn på det underliggande tillstånd som producerar det här beteendet: processkuld — den ackumulerade, dolda kostnaden för att sy ihop verktyg som inte delar kontext, betald i valutan av människor som manuellt skriver om, förklarar om och stämmer av information som borde ha rört sig av sig själv. Processkuld syns inte i en balansräkning. Den syns som de tio minuter någon lägger på att kopiera en kundtråd ur mejl, in i ett dokument, och sedan sammanfatta den för hand eftersom systemen inte pratar med varandra.
Generativ AI skapade inte processkuld. Den gav bara alla ett mycket snabbare sätt att betjäna den. Före ChatGPT hade en anställd som mötte en fragmenterad, långsam intern process två val: att gnida sig igenom den, eller att hitta en informell omväg — ett personligt kalkylblad, ett sidomeddelande i Slack, en post-it-lapp. Nu finns ett tredje val som tar nio sekunder och ger ett genuint användbart resultat: klistra in röran i en chatbot och låt den göra avstämningen. Volymen av människor som väljer det tredje valet är en direkt avläsning i realtid av hur mycket processkuld er organisation bär, ett arbetsflöde i taget. Ett team som ständigt klistrar in i ChatGPT är inte odisciplinerat. Det är ett team som betalar ränta på processkuld tillräckligt fort för att alla ska känna det.
Det är också därför det sällan fungerar att bara förbjuda omvägen. En blockerad webbplats eller ett strängt policymemo betalar inte av skulden — det tar bara bort det snabbaste tillgängliga sättet att betjäna den, vilket trycker tillbaka människor mot långsammare omvägar eller till en privat telefon där ingen alls kan se vad de gör. Om det underliggande glappet som skickade någon till ChatGPT från början fortfarande finns där, har förbudet gjort problemet mindre synligt, inte mindre.
Inget av det här betyder att risken är inbillad. När någon klistrar in ett kundavtal, en uppsättning anteckningar från medarbetarsamtal eller en kunds kontouppgifter i ett personligt konto hos ChatGPT, Claude eller Gemini lämnar den datan ert företags kontroll och landar i ett annat företags infrastruktur, under det andra företagets användarvillkor — ofta gratisnivån, som vanligtvis har de svagaste garantierna för datahantering av alla planer som erbjuds. Det är en verklig exponering, och den förtjänar en verklig, rakt formulerad varning snarare än en fotnot. Misstaget är att leda med den här risken som hela historien, eftersom rädsla är en dålig drivkraft för beteendeförändring och ett ännu sämre diagnostiskt verktyg. Säg risken en gång, ta den på allvar, och ta sedan reda på vad som faktiskt driver beteendet — för det är den delen ni kan åtgärda.
Läs det som data om kundbortfall, inte som en övervakningslogg
Rätt svar liknar hur ett produktteam studerar kundbortfall, inte hur ett regelefterlevnadsteam kör en revision. Ni behöver inte läsa någon enskild anställds ChatGPT-historik, och ni bör inte försöka — det är övervakning, det urholkar förtroende snabbare än det ger insikt, och i de flesta jurisdiktioner skapar det en egen juridisk exponering. Det ni är ute efter är det samlade mönstret: vilka arbetsflöden, roller och ögonblick i en process som tillförlitligt ger en omväg till ett externt AI-verktyg. Det är en fråga ni kan besvara med en kort, anonym pulsmätning, några öppna samtal med teamledare, eller — om era officiella verktyg har någon användningsanalys alls — genom att se var människor överger en uppgift halvvägs och var supportärenden klumpar ihop sig kring ”det här tar för lång tid”.
Över undersökningarna står ett litet antal arbetsflödeskategorier för det mesta av trafiken. Datan från 1Password bryter ut det konkret: 22% av respondenterna sa att de använder externa AI-verktyg för att transkribera och sammanfatta anteckningar från kundsamtal, 21% använder dem för att analysera kunddata, och 16% använder dem både för analys av företagsdata och för att skriva material kopplat till rekrytering och medarbetarsamtal. Inget av det är exotiska användningsfall. Det är den vanliga bindväven i att driva ett växande team eller ett byråkonto — ögonblicket precis efter att ett samtal tar slut och innan anteckningarna hamnar någonstans användbart, ögonblicket när en chef behöver en snabb läsning av ett kalkylblad som ingen byggt en rapport för, ögonblicket när någon måste göra en hög spridd feedback till en sammanhängande bedömning. I nästan varje fall är det underliggande jobbet genuint enkelt. Det som är långsamt är antalet verktyg någon måste öppna, och antalet gånger de måste förklara om kontext som redan finns någonstans i företaget, för att få det gjort via den godkända vägen.
Gör den godkända vägen snabbare, inte omvägen svårare
När ni vet vilka två eller tre specifika arbetsflöden som driver det mesta av trafiken är lösningen nästan aldrig en ny policy. Det är att stänga det faktiska glappet. Konkret betyder det tre saker för en ledare i ett växande team eller en byrå, ungefär i den här ordningen.
För det första: namnge arbetsflödena precist, inte generiskt. ”Folk använder ChatGPT för kundgrejer” är inte specifikt nog att agera på. ”Kundansvariga sammanfattar samtalsanteckningar i ChatGPT eftersom vårt uppgiftsverktyg saknar snabb registrering från ett samtal, så annars måste de öppna tre separata skärmar” är specifikt nog att åtgärda — och det är oftast ett eller två sådana här som står för det mesta av volymen, inte ett dussin.
För det andra: mät omvägen mot den godkända vägen i de enheter som faktiskt betyder något för personen som gör jobbet: antal klick, antal appbyten och antal gånger de måste skriva om något som redan finns någon annanstans. Om det externa verktyget vinner med bred marginal på alla tre är det ert glapp, och det går oftast att stänga — en genväg för snabb registrering, en mall, en integration som drar in den relevanta tråden i verktyget automatiskt i stället för att be någon gå och hämta den.
För det tredje: när AI i sig är den genuint användbara delen — inte bara hastigheten, utan själva sammanfattandet eller utkastet — ta in en AI-förmåga i den godkända ytan i stället för att låtsas att folk kommer sluta vilja ha den. Det här är det egentliga argumentet för att bygga in AI i verktygen ert team redan lever i, i stället för att lämna den strandsatt i en separat konsumentapp utan er kontext och utan era kontroller.
FabricLoops svar på det här glappet är Loop Agent, byggt på Model Context Protocol så att det kan agera inne i samma Groups där era meddelanden, uppgifter och anteckningar redan finns — sammanfatta en tråd, skriva ett utkast till en uppgift från ett samtal, eller ta fram en anteckning utan att någon lämnar appen eller förklarar om kontext som redan finns där. Poängen är inte att överträffa ChatGPT i funktioner. Det är att göra den godkända vägen minst lika snabb som omvägen, med revisionsspåret intakt, så att bekvämligheten som just nu skickar arbete till ett externt konto har någonstans att ta vägen innanför era egna väggar i stället.
Så här ser det faktiskt ut nästa måndag
Inget av det här kräver en arbetsgrupp. Det kräver en timmes ärligt tittande, ett kort samtal med de två eller tre roller som kopierar och klistrar mest, och en vilja att behandla det ni hittar som användbar information snarare än som ett disciplinärende. Fråga människor rakt ut vad de försökte få klart precis innan de öppnade ChatGPT — de flesta berättar det rakt, för de försökte inte dölja något, de försökte avsluta en uppgift. Jämför sedan den uppgiften, steg för steg, med hur lång tid den tar genom era officiella verktyg. Glappet ni hittar är er faktiska produktplan för nästa kvartal, överlämnad gratis av människorna som använder era system varje dag.
De team som får det här fel behandlar kopiera-och-klistra som en integritetsfråga och lägger ett kvartal på att skriva en policy som ingen läser. De team som får det rätt behandlar det som marknadsundersökning som ingen behövde betala för, och lägger samma kvartal på att stänga de två eller tre glappen som skickade alla runt verktygen de redan hade.