Att planera, finansiera och bygga infrastruktur är att tämja osäkerheten. Markförhållanden överraskar hela tiden, materialpriser rör på sig, tillståndsprocesser tar längre tid än väntat. Sånt är livet. Ändå behöver ledare och beslutsfattare ett robust och realistiskt underlag för att kunna besluta om saker och ting.

Det är här sannolikhetstänket gör skillnad. När vi tillåter flera möjliga utfall i kalkylen och visar dem öppet, förbättras både projektekonomin och förtroendet hos kunder och underleverantörer.

Riskmatrisen från kalkyl till byggstart

I många större projekt finns en klassisk riskutvärdering eller riskmatris, om inte uppsatt på vägen så i en byrålåda hos projektledaren. Problemet med att ha sådana “statiska” riskmatriser är att de inte uppdateras. Det gör en digital modell, vilken också kan kopplas till faktiska beslut. Om en riskåtgärd går från “Gul varning” till orange, vad händer med tidsplan, buffert och upphandlingar? I slutändan innebär detta att man riskerar att tappa kontroll över projektet. Därför bör riskarbete vara integrerat. När riskarbetet är integrerat i styrningen, snarare än en bilaga, syns effekten direkt i både kostnadskurva och logistik.

Det kräver disciplin i hur vi uttrycker osäkerhet. I stället för ett enda pris i en anbudskalkyl arbetar vi med intervall och sannolikhetsfördelningar. En bergtunnel har inte en ”sann” längd bara för att ritningen visar ett visst tal; i verkligheten finns ett utfallsrum där sprickzoner, vatteninträngningar och produktionsstörningar påverkar de exakta talen. Genom att simulera processen, exempelvis med enkla Monte Carlo-upplägg, blir det tydligt hur varians i en del påverkar helheten.

Sannolikhet i praktiken – visualiseringar som alla förstår

Ett hinder i riskkommunikation är att många upplever sannolikhet som abstrakt. Därför fungerar ”hjul”-liknande visualiseringar: ett färgat fält per utfall, där ytan speglar sannolikhet och där utfallet är tydligt. När vi visar ett sådant utfallsrum för tid, kostnad eller kvalitet, blir det lättare för projektets intressenter att se att flera scenarier kan vara rimliga – utan att vi lovar det mest optimistiska. I spel- och underhållningsbranschen är detta ett högst vanligt fenomen, som Wheel of Riches-jackpot hos Mega Riches som på samma sätt visualiserar sannolikhet och risk begripligt och använder sig av liknande grepp i sin UX-design.

Runt en sådan bild kan vi i våra projekt placera nyckelbegrepp som sannolikhet, utfall, riskanalys, fördelningskurva och varians, och koppla dem till en planering utifrån scenario, rimliga modellantaganden, enkel Monte Carlo-simulering och den oundvikliga slumpmässigheten fält. När vi sedan visar ”hjulet” för tidplanen, kanske med 60% sannolikhet för färdigställande inom spannet Q4 2027–Q2 2028 förändras samtalet. Plötsligt pratar vi buffertar och åtgärder i stället för löften. Det blir också naturligt att sätta larmgränser: om en delmängd av scenarierna börjar dominera (t.ex. leveransrisker på stål), justerar vi planen proaktivt.

Från osäkerhet till beslut: hur sannolikheten styr verkliga åtgärder

Sannolikhetsmodeller är värdelösa om de inte driver beslut. Tre praktiska användningar gör stor skillnad:

1) Prioritering av åtgärder. Genom att koppla sannolikheter till konsekvens kan vi rangordna riskreducerande insatser. En åtgärd som minskar variansen – inte bara medelvärdet – kan vara mest lönsam eftersom den sänker sannolikheten för dyra svansutfall.

2) Kontraktsstrategi. Om utfallet domineras av osäkerhet bör riskdelningena justeras för att undvika fel prissättning. Sannolikhet blir här ett samtal om rättvis riskallokering.

3) Intressentdialog. När man ser att en tidsplan presenteras som ett spann med förklaringar ökar chansen till acceptans när något faktiskt händer. Transparens kring olika utfall bygger förtroende.

Så bygger vi modeller som håller i verkligheten

Bra modeller börjar med bra data. Men lika viktigt är att vara tydlig med osäkerheter. Markundersökningar kan kompletteras med sannolikhetsantaganden; prisbanor kan läsas som intervall, inte punktprognoser. Vilka parametrar förklarar störst del av variationen i totalkostnaden? Sätt en övre gräns för hur komplex modellen får bli. Få, begripliga antaganden. Dokumentera antagandena, och uppdatera dem när verkligheten ger nya datapunkter.

Osäkerheten tar inte slut när bandet klipps. Drift och underhåll präglas av samma logik: det är mer lönsamt att förebygga få men dyra fel än att jaga många mindre problem. Sannolikhetsbaserad inspektion, t.ex. att styra insats efter sannolikhet för skada given exponering gör att resurser hamnar där de gör mest nytta. Med tydliga mätpunkter kan vi uppdatera modellen och sänka variationen över anläggningens livscykel.

Det för oss tillbaka till visualiseringen. När även driftorganisationen ser utfallsrummet blir det tydligt varför vissa underhållsfönster prioriteras framför andra. Sannolikhet är inte bara en abstraktion för analytiker – det är ett språk för hur vi bygger och bevarar värde i komplexa system.