Advertise on podcast: AI, en Dans på Roser

I denne uges episode, tager Dan Rose fat i et emne, han er skeptisk omkring - AI til investering. Afsnittet er en snak med Jannik Malling, Co-founder & Co-CEO i Public.com (en investeringsplatform) om, hvad AI faktisk gør i finans – og hvad den ikke bør få lov til. Public startede med en AI research-assistent i 2023, og bevæger sig nu mod det, Jannik kalder “agentic brokerage”: ikke en altomfattende robot, der handler frit, men micro-agents, der udfører meget veldefinerede workflows med fuld transparens og “slide to confirm”.

Hver gang der kommer en ny feature i ChatGPT eller Lovable, dør 1.000 virksomheder. For det produkt eller den ydelse virksomhederne leverede, er ikke længere unikt og pengene værd. Helt tilfældigt blev det her podcast-afsnit optaget dagen efter ChatGPT Health udkom, som man kunne se som en ny konkurrent til Corti. Men er det det? Dan Rose debatterer problemet med Andreas Cleve, CEO og Co-founder af Corti, om hvordan man bygger et AI-produkt med en sikker “moat”, når de store modeller bliver bedre, billigere og mere tilgængelige. Pointen er ret klar: Du vinder ikke på at have den "klogeste model”. Og slet ikke på at konkurrere med Big Tech. Du vinder på: at tage risiko ud af brugerens beslutninger og processerat bygge noget, der kan driftes og bruges hver dagat være ekstremt konkret i hvem og hvad du løserHar du ønsker til gæster eller emner? Skriv til [email protected]

Når du skal tilpasse din organisation til den fremtid med de nye muligheder og forudsætninger AI kommer med, skal du kunne forestille dig den fremtid. Men det har vi mennesker ret svært ved. Heldigvis findes der mennesker som Sofie, der er eksperter i lige netop det. I denne her episode taler Dan Rose med Sofie Hvitved, Senior Futurist ved Instituttet for Fremtidsforskning, om hvorfor jagten på sikre AI-forudsigelser er en blindgyde - og hvorfor forestillingsevne, scenarier og arbejde med usikkerheder er langt vigtigere. Og vigtigst af alt: Hvordan man planlægger og forbereder sig på de mange mulige udfald. Hvorfor AI ikke kan (og ikke bør) reduceres til forecastsDet plausible udfaldsrum - og hvorfor der findes flere legitime fremtiderHvorfor inkrementel AI (chatbots, effektivisering) ikke ruster os på længere sigtMedier, journalistik og AI: fra artikler til vidensbankerVoice AI, agenter og hvad der sker, når interface, roller og organisationer flytter sigHvordan du arbejder med antagelser om fremtidenHar du ønsker til gæster eller emner? Send en mail til [email protected] Omtalt podcast: Evan Ratliffs podcast: Shell Game - Hans eksperiment med at lave en virksomhed med AI-agenter: https://www.shellgame.co/ Omtalt gadget: https://www.limitless.ai/ Omtalt gadget: https://www.omi.me/ Omtalte metoder: 3 Horizon Framework: Curry and Hudgson, Seeing in Multiple Horizons, 2008 + Bill Sharpe, Three Horizons: The Patterning of Hope, 2020 CLA (Causal Layer Analysis & Future Triangle - Sohail Inayatullah The Future Cone - Joseph Voros, “A generic foresight process framework”

416 forskere siger “ingen AI” til kvalitativ forskning. Ugens gæst mener, at det netop er her, forskningen risikerer at lukke for kritik og modspil. Og nej - denne her snak er ikke kun for forskere, men for alle der arbejder med viden, vurderinger og beslutninger. I denne her episode tager Dan Rose og Henning Langberg fat i, hvad der egentlig sker, når et helt felt afviser et værktøj kategorisk - og hvordan sprogmodeller i praksis kan blive en kritisk stemme, der udfordrer bias, idéer og konklusioner. Henning Langberg er professor på KU og serieiværksætter - med en fod i forskning og en fod i praksis. Vi taler om: AI i forskningsfaser: Brug modellen i hver fase: idé, afgrænsning, datahåndtering, analyse og formidling. Kvalitativ forskning og bias: At afvise AI “for at beskytte sandheden” kan være en blind vinkel i sig selv. Pleaser-genet kan vendes til din fordel: Hvis du vil have modspil, så bed modellen om at være kritisk - ikke enig. Hallucinationer som kreativ motor: Når alt begynder at konvergere, kan den “vilde stemme” åbne nye spor. Fremtidens forskning er ikke kun papers: Mere åbne data, flere tolkninger – og en forskerrolle, der skal ændre sig. Har du ønsker til emner eller gæster? Skriv til [email protected]

I 2025 blev vi klogere på AI som teknologi. Noget var som vi forventede og andet var ikke. Et par af de myter vi skal efterlade er, at AI “tørrer verdens vandressourcer ud”, og at dansk AI-infrastruktur i sig selv gør os førende. I det her soloafsnit piller Dan Rose myterne fra hinanden med tal og proportioner.  Samtidig peger Dan på to store tendenser, der sandsynligvis kommer til at definere 2026. Dan taler om:  Vand- og energimyten: Hvorfor “en prompt = ½ liter vand” er en misforståelse, og hvad tallene reelt siger (og ikke siger). Gefion og prestigeprojekter: Hvad problemet er, når en supercomputer bliver solgt som hverdagsinfrastruktur - og hvorfor drift ≠ forskning. 2026 bliver “connections”-året: Mere tooling, flere integrationer, mere context engineering - og en langt mere strategisk og, klassisk rolle til IT: bygge “asfalten” (MCP’er, adgang, logging, guardrails), så forretningen kan bygge selv. Voice AI i praksis: Latency, “barge-in”, nye arbejdsvaner - og hvorfor stemme kan blive et lige så naturligt interface som tastatur (inkl. Dans test med ElevenLabs). Har du ønsker til gæster eller emner i podcasten? Skriv til [email protected]

At vibe code en prototype er én ting. At sætte vibe-coded løsninger i produktion i enterprise er noget helt andet. Og det er præcis den forskel, Dan Rose og Steffen Bojer taler om i denne her episode. Steffen arbejder til daglig med emerging tech og production-grade løsninger hos Columbus. Her bruges vibe coding allerede til rigtige applikationer – med rigtige brugere, rigtige data og rigtige konsekvenser. Vi taler om: - Fra prototype til produktion: Det er nemt at vibe code. Det svære er data, sikkerhed, test og drift. Kompleksiteten forsvinder ikke – den flytter sig. - Alle bygger apps – men ikke alle apps: Når kode bliver billigere, bliver arkitektur og dømmekraft vigtigere. Hvad kan bygges lokalt, og hvad kræver enterprise-setup? - Stabil kerne, fleksibelt lag: Kernesystemer skal være stabile. Vibe-coded apps skal ligge rundt om kernen – ikke i den. - Shadow IT er ikke fjenden: Giv de rigtige mennesker frihed til at eksperimentere i kontrollerede rammer – ikke flere forbud. - Perfect er fjenden: “Godt nok” kan skabe reel værdi. Perfektion er ikke en forudsætning for at komme i gang. Har du ønsker til emner eller gæster? Skriv til [email protected]

Organiseringen af AI i en etableret virksomhed kræver mange overvejelser. Og dem har Pernille Pagh gjort sig. Vi snakker om, hvordan Pernille Pagh, Chief Digital Officer og Co-Director of Marketing i Fibia / WAOO er gået pragmatisk og eksperimenterende til AI-adoptionen. Nej til Center of Excellence (CoE): Pernille argumenterer for at et AI CoE, kan skabe et “elfenbenstårn” og en kløft mellem staben og forretningen.  I stedet er ansvaret decentraliseret: Kundeservicechefen ejer AI-investeringerne i kundeservice, støttet af staben, men ikke styret af den. Mellemlederen først: I modsætning til mange, der træner “ildsjælene” først, startede Fibia med mellemlederne. Tesen er, at hvis mellemlederen ikke er med, dør forandringen, da de er nøglen til dagligdagen. Insourcing-fælden: Pernille indrømmer, at hendes første tanke var at trække marketingproduktion hjem (“inhouse”) pga. AI. Hun ændrede dog mening. Derfor har de i stedet styrket partnerskabet med bureauerne og kræver nu, at bureauerne udvikler sig med AI, frem for at erstatte dem. Kunden er ikke klar: Selvom teknologien findes (voice-bots), implementerer de den ikke fuldt ud, fordi deres kunder ikke alle er digitalt modne. De vandt prisen for “Årets Digitale Kundeservice”, paradoksalt nok fordi den var nem at bruge og gav adgang til mennesker. Få et indblik i Fibia Waoos tilgang til AI-adoption, når Dan Rose taler med Pernille Pagh, Chief Digital Officer og Director of Marketing, Digitalization & Business Development hos Fibia Waoo. Har du ønsker til gæster eller emner? Skriv til [email protected]

"Jeg sagde ja til jobbet med ét sæt kompetencer. To måneder senere var de forældede." Sådan beskriver Thor Neumann Andersen sin start som leder i Zendesk, netop som virksomheden gik all-in på en radikal AI-transformation. Han stod over for et valg, som tusindvis af danske mellemledere står over for lige nu: Skal jeg flygte til et "sikkert" job (som nok også bliver ramt af AI om 2 år)?Eller skal jeg genopfinde mig selv, min rolle og mit team?Thor valgte det sidste. I dagens afsnit tager vi dig med helt ind i maskinrummet på en af tech-branchens mest aggressive transformationer. Vi taler om:  Transformationen: En enorm udskiftning i medarbejdere, ledere, roller, teknologi og kunder. Identitetskrisen: Hvordan Thor overvejede sin egen rolle og udvikling. Forretningsmodellen: Hvordan kunder nu betaler for “løste problemer” frem for licenser. Kunde-transformation: Når du transformerer din egen forretning, skal dine kunder også ændre sig? (Eller skiftes ud?) Hør en mellemleders beretning midt i stormen, og hvorfor Thor mener, at "AI aldrig må være et IT-projekt". Har du spørgsmål, du vil have besvaret i podcasten, eller ønsker til emner eller gæster? Skriv til [email protected]

I denne uges afsnit dykker Dan Rose ned i de hårde tal bag AI-økonomien gennem et studie fra Anthropic, et kig på boblen og betydningen af de kommende reklamer i ChatGPT. Vi skal også forbi en pinlig skandale hos Deloitte, der (igen) er blevet fanget i at levere AI-hallucinationer til millioner af kroner, og så hylder vi det offentlige for et "kedeligt" projekt hos ATP, der viser præcis, hvordan man skaber værdi med AI. Og til sidst EU's nye forslag, der risikerer at udvande den vigtigste del af AI Act. I dagens afsnit kan du høre om: Anthropic-studiet: Hvorfor AI kan fordoble produktivitetsvæksten, og hvorfor højtlønnede ledere vinder mere end transportarbejdere.Derfor skal du elske boblen: Med afsæt i økonomen Carlota Perez ser vi på, hvorfor tech-krak historisk set er en gavebod for samfundet (og hvorfor AI-infrastrukturen bliver "skinnerne" for fremtiden).Reklamer i ChatGPT: OpenAI tester annoncer. Betyder det demokratisering af viden, eller skaber vi et A- og et B-hold baseret på købekraft?Deloitte vs. ATP: En fortælling om to yderpoler. Hvorfor fejler konsulenterne med dyre hallucinationer, mens ATP lykkes med sikker, kedelig drift i Azure?EU's "Digital Omnibus": Hvorfor "pølsevogns-reglen" for små virksomheder er farlig, og hvorfor det er en katastrofe, at kravet om AI-kompetencer (Literacy) bliver fjernet.Har du forslag til emner eller gæster? Skriv til [email protected]. Nævnt i episoden: Anthropic: "Estimating AI productivity gains" https://www.anthropic.com/research/estimating-productivity-gainsCarlota Perez: "Technological Revolutions and Financial Capital" https://carlotaperez.org/books/ATP: https://via.ritzau.dk/pressemeddelelse/14690529/ai-frigor-tusindvis-af-arbejdstimer-i-atp-og-giver-mere-naervaer-i-borgerdialogen?publisherId=12772933&lang=daEU: https://digital-strategy.ec.europa.eu/en/library/digital-omnibus-regulation-proposal

Teknologien er ikke længere flaskehalsen. Det er din organisation. Med afsæt i en ny McKinsey-rapport, Danske Banks årsrapport og et opsigtsvækkende jobopslag fra Novo Nordisk, tegnes et billede af en ny virkelighed: Vi bevæger os væk fra teknisk fascination og direkte ind i en organisatorisk modningsfase. Og her falder mange virksomheder i "effektiviseringsfælden". De bruger AI til at gøre de gamle processer hurtigere, i stedet for at transformere forretningen.  Dette afsnit er en gennemgang af de strategiske valg ledere står over for med AI. I afsnittet kan du høre om: Effektiviseringsfælden: Hvorfor jagten på tidsbesparelser (som transskribering) giver faldende marginalafkast, og hvorfor du skal fokusere på transformation i stedet.Organisatorisk hjemløshed: En analyse af hvor ansvaret for AI skal placeres i organisationen, med Novo Nordisks stillingsopslag til en "Chief AI Officer" som afsæt.Den nye kravspecifikation til ledere: Hvorfor du ikke længere kan være en strategisk leder uden at forstå AI, præcis ligesom vi ikke accepterer en salgschef, der ikke forstår CRM.Har du ønsker til emner eller gæster? Skriv til [email protected] Links: McKinseys State of  AI 2025: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai Danske Banks Årsrapport: https://danskebank.com/-/media/danske-bank-com/file-cloud/2025/2/danske-bank---annual-report-2024.pdf?rev=dc46e3e0262549d1a68df588c735530d

Dan Rose taler med Thomas Hørslev, Co-founder i AnnoAnno, om en meget markant dansk case lige nu: at gå fra 70 til 20 medarbejdere - og erstatte 50 stylister med en fuldautomatiseret AI-stylingmotor. Episoden giver dig et klart eksempel på, hvordan du skal gennemføre en AI-transformation, når Dan og Thomas dykker ned i: Hvordan de kunne sætte tal på, hvornår de kunne starte AI-transformationenHvordan de testede og beviste casen på rigtige kunder, inden de tog beslutningen om at fyre 50 menneskerHvorfor “halve” AI-transformationer skaber mere frygt, støj og politik end reelt forretningsudbytteHvordan de fjernede stylist-støj og smag, og gjorde styling både mere personlig og mere standardiseretHvordan en fuldautomatisk AI-styling skabte mindre støj og gjorde styling både mere personlig og standardiseret på samme tid.Hvordan de planlagde kommunikation til både dem, der skulle ud, og dem, der skulle blive - uden at miste troværdighedHvorfor deres edge ikke er modellen, men dataindsamling og kunderejse - og hvorfor de bevidst ikke bygger egne foundation-modellerHar du forslag til emner eller gæster? Skriv til [email protected]

Hvad sker der reelt under motorhjelmen på de store sprogmodeller? I dette kigger vi på tre indflydelsesrige blogposts fra topforskere hos OpenAI, Thinking Machines Lab og Chroma. Vi lærer, hvorfor den "transparens", vi tror vi har, når modeller viser deres tankeproces, ofte er en illusion eller efterrationalisering designet til at tilfredsstille os. Vi diskuterer, hvorfor jagten på 100% konsistente svar (determinisme) er både ekstremt dyr og ofte forretningsmæssigt unødvendig. Til sidst analyserer vi "Context Rot", der viser, hvorfor store kontekstvinduer fejler i praksis, og understreger den kritiske nødvendighed af intelligent context engineering og data governance. Det er en teknisk diskussion med store strategiske konsekvenser for alle, der arbejder seriøst med implementering af AI. Har du feedback eller spørgsmål, du vil have vi svarer på i podcasten? Skriv til [email protected] Links: Om Transparens og Reasoning (Lilian Weng): https://lilianweng.github.io/posts/2025-05-01-thinking/ Om Determinisme og Konsistente Svar (Thinking Machines Lab): https://thinkingmachines.ai/blog/defeating-nondeterminism-in-llm-inference/ Om Kontekstvinduer og "Context Rot" (Chroma): https://research.trychroma.com/context-rot Bonus - Omtalt i diskussionen om data vs. tricks (Richard Sutton): The Bitter Lesson - http://www.incompleteideas.net/IncIdeas/BitterLesson.html

Hvordan måler man egentlig, om AI-adoptionen virker? Og hvorfor bliver ordet “måling” nærmest et fy-ord i mange organisationer? Det kan faktisk gøres ret simpelt. Dan Rose taler med Casper Guldager, Director for NewTech i KPMG, om kunsten at måle det, der faktisk betyder noget. For uden måling - ingen retning. Og uden retning - ingen gevinst. De taler om: Hvorfor virksomheder ofte ikke ved, hvad de får ud af deres AI-investeringerHvordan man måler uden at skabe frygt for “overvågning”Hvad ledelsen skal turde ændre, hvis målingerne skal have effektHvorfor de bedste målinger starter simpelt - og bliver skarpere over tidOg hvordan data om brug og adoption kan kobles direkte til strategi og bundlinjeHar du feedback eller forslag til emner? Skriv til [email protected]

Hvem får mest ud af AI - eksperter eller begyndere? Dan Rose går systematisk til spørgsmålet på tværs af studier og praksiserfaringer.  Pointen er faktisk ikke sort/hvid: Effekten afhænger af opgavetypen, arbejdsprocessen og måden værktøjet bruges på.  Du kan i afsnittet høre om: Eksperter henter størst gevinst på åbne, komplekse og strategiske opgaver; begyndere løftes mest på små, veldefinerede opgaver med facit.Hvordan eksperter i et domæne naturligt bruger AI-værktøjer bedre. Kreativitet og homogenisering: Hvor AI skaber ensretning, og hvornår det faktisk er en fordel.Studietyper ≠ virkelighed: Hvorfor eksperimenter viser store effekter, mens observationsstudier finder små.Hvorfor du bør differentiere værktøjsfrihed efter erfaring, og bør placere “AI-ankeret” bevidst i processerOmtalt blogindlæg om studier og konklusioner: https://todai.ai/hvem-faar-mest-ud-af-ai-brug-eksperter-eller-novicer/ Har du feedback eller forslag til emner og gæster? Send en mail til [email protected]

De fleste virksomheder måler på resultater. Få måler på beslutningerne, der skabte dem. I denne her episode taler Dan Rose med Berit Brouer, Director of Models & AI hos ZeroNorth, om decision science - kunsten at tage bedre beslutninger. De taler om: Hvorfor vi sjældent lærer af vores beslutningerHvordan virksomheder kan måle kvaliteten af deres beslutningerHvornår man skal lade algoritmen køre og hvornår man skal tage rattet tilbageHvordan man designer fleksible planer, der kan tåle virkelighedenHar du feedback eller forslag til kommende gæster? Skriv til [email protected]. Links på omtaler: https://www.youtube.com/watch?v=nceTzlnZ_gk https://arxiv.org/pdf/2401.16754