Advertise on podcast: Vad fan ska jag ha AI till?

Alla pratar om AI. Hype. Domedag. Miljardvärderingar.Men vad ska du egentligen ha det till?Veckans gäst är Patrick Couch, humanist, föreläsare och under fem år IBM Sveriges talesperson för AI. Han var med när IBM Watson slog de bästa Jeopardy-spelarna 2011.Vi pratar om varför ett litet ord i ett tekniskt whitepaper fick honom att förstå att etiken är humanisternas väg in i tech.För vad händer när maskinerna plötsligt förstår mänskligt språk och ärver den mänskliga faktorn?Patrick förklarar hur man med ett enkelt test kan avgöra om ett AI-system är intelligent eller dumt: är det bra för dig och bra för andra?Vi pratar också om varför gamla bolag måste förändra sig under flykt, varför gratislunchen för AI är slut när vi går från användarlicenser till betalning per token, och varför on-prem plötsligt blir intressant igen.Och kanske viktigast av allt: svaret på poddens fråga.Du ska ha AI till att bli mer mänsklig. Inte underkasta dig tekniken, utan sätta dig i förarsätet.Ett avsnitt om hur man ser igenom bruset och använder AI till det som faktiskt spelar roll.

Alla vill ha AI. Strategier. Agenter. Business cases.Men vad fan ska man egentligen ha det till?Det här är ett best of-avsnitt med ett klipp ur 66 avsnitt av podden, från allra första inspelningen i juli 2025 fram till i dag.Vi lyssnar på varför man ska strunta i den stora AI-strategin och se till att alla blir bra på att använda AI först.För vad händer när alla marknadsavdelningar använder samma agenter och allt content blir en enda grå deg?Alexander Bard förklarar varför han inte är mest rädd för att vi tappar jobben, utan för att vi drunknar i medelmåttighet.Vi hör också varför köparna knappt vet att de har problemet, varför automation historiskt har höjt omsättningen snarare än sänkt kostnaderna, och varför det inte räcker att bygga det smartaste när en halv miljon appar släpps samma dag som din.Och kanske viktigast av allt: det är sällan ledningen som sitter på de bästa idéerna.Det är medarbetarna. Ta med alla, så kommer kraften.Ett avsnitt med 66 olika svar på samma fråga, på drygt en halvtimme.

Alla vill ha AI. Agenter. Chatbots. Automatisering. Men hur ser er data ut? Veckans gäst är Foad Alhayek, ingenjör och AI-byggare med erfarenhet av maskininlärning inom fordonsindustrin och Volvo. Vi pratar om varför vägen till fungerande AI sällan börjar med att köpa ännu ett AI-verktyg. Den börjar med datan. För vad händer när företagets kunskap ligger utspridd i PDF, gamla dokument, mappar och olika system som inte pratar med varandra? Foad förklarar hur man kan strukturera och koppla ihop den information som redan finns och sedan bygga AI ovanpå den. Vi pratar också om skillnaden mellan klassisk maskininlärning och generativ AI, AI-agenter, MCP och varför dåligt byggda AI-lösningar snabbt kan bli både dyra och ineffektiva. Och kanske viktigast av allt: människan ska fortfarande vara med. AI behöver inte ersätta experten. Den kan göra grovjobbet och låta experten lägga sin tid på att faktiskt vara expert. Ett konkret avsnitt om hur man går från AI-hype till AI som faktiskt fungerar i verksamheten.

AI förändrar arbetet men vad fan ska vi inte automatisera? Alla pratar om vad AI kan göra. Färre pratar om vad AI absolut inte borde göra. Och kanske är det där den riktiga frågan finns. I det här avsnittet möter vi beteendevetaren Sara Breman och pratar om varför AI-omställning inte handlar om att köpa Copilot, hålla en workshop och sedan kalla sig AI-driven. För så funkar det inte. De flesta företag har inte ett AI-problem. De har ett beteendeproblem. Man köper nya verktyg men fortsätter jobba på exakt samma sätt som tidigare. Samma möten. Samma processer. Samma beslutsvägar. Samma gamla sätt att skapa värde, fast med en chatbot bredvid. Vi pratar om varför det inte räcker. Om varför AI borde få oss att ifrågasätta hela arbetsflöden, inte bara göra gamla uppgifter snabbare. Om varför ledare som inte förstår tekniken kommer att få svårt att leda förändringen. Och om varför målet kanske inte alls ska vara att bli färre människor, utan att få samma människor att skapa mycket mer värde. I avsnittet pratar vi bland annat om: Varför Copilot-licenser inte betyder att ni har genomfört en AI-transformation Varför många AI-projekt egentligen bara automatiserar dåliga processer Vad som händer när vissa medarbetare blir tre till fem gånger effektivare medan andra fortfarande jobbar som vanligt Varför beteendeförändring är viktigare än ännu ett nytt AI-verktyg Hur AI-agenter kan förändra hela arbetsflöden, inte bara enskilda uppgifter Varför chefer måste våga förändra arbetssätt, inte bara prata om innovation Och den kanske jobbigaste frågan av alla: vilka delar av ditt jobb borde AI faktiskt inte få ta över? För AI kommer inte bara att förändra hur vi arbetar. Det kommer också att synliggöra vilka företag som faktiskt vågar förändras och vilka som bara köper licenser och hoppas på det bästa. Sara Linkedin: https://www.linkedin.com/in/sara-breman-ai-expert/

AI förändrar redan vården. Men det stora genombrottet behöver inte handla om futuristiska diagnosverktyg. Det kan börja med något betydligt enklare: telefonen. I det här avsnittet gästar läkaren och entreprenören Fabian Ruben, som har arbetat i gränslandet mellan medicin, produktutveckling och AI. Han var bland annat med och byggde Hälsa Hemma, där digital vård kombinerades med hembesök, och arbetar idag med nya lösningar för framtidens sjukvård. Vi pratar om varför svensk vård fortfarande fastnar i manuella processer, telefonköer, upprepade frågor och gamla system, och vad som händer när AI faktiskt kopplas in i de riktiga arbetsflödena. I avsnittet får du bland annat höra: • Varför en vårdcentral kan hantera 200 till 300 telefonsamtal om dagen • Hur en AI agent kan svara i telefon, förstå patientens ärende och sammanfatta samtalet • Varför rätt kontext är helt avgörande när AI används i vården • Hur transkribering, bokning och journalföring kan kopplas ihop • Hur AI kan kapa samtalstider från ungefär sex minuter till tre • Varför vissa patienter kanske inte behöver ringa eller bli uppringda alls • Hur Fabian använder AI för att bygga och testa nya produktidéer på bara några timmar • Varför patientsäkerhet, reglering och medicinsk domänkunskap inte går att kompromissa med Vi pratar också om humanoida robotar, AI säkerhet och den större frågan: vad ska vi människor göra när maskiner kan göra allt mer av jobbet? Ett samtal om AI, sjukvård och entreprenörskap, men framför allt om hur teknik kan frigöra mer tid för det som faktiskt behöver vara mänskligt.

AI är inte ett projekt som blir färdigt. Det är en förändringsresa som behöver ledas, utvecklas och förankras i hela organisationen. I veckans avsnitt gästar Anna Willstedt, grundare av Mindact, för att prata om varför så många företag fortfarande har svårt att få verklig affärsnytta av AI – och vad som faktiskt krävs för att lyckas. Anna berättar om Mindacts arbete med AI-kompetensutveckling för ledningsgrupper, styrelser och organisationer. Hon förklarar varför det inte räcker att köpa in Copilot eller ChatGPT, varför många bara använder en liten del av verktygens potential och varför en av de största möjligheterna finns hos medarbetarna själva. I avsnittet pratar vi bland annat om: Varför AI måste kopplas till företagets verkliga målVilka kompetenser organisationer behöver bygga för att lyckasVarför kontinuerligt lärande slår enstaka AI-workshopsHur språkmodeller kan användas för att bygga smartare arbetsflödenVarför AI inte bör begränsas till ett litet specialistteamHur arbetsroller och kompetensbehov kommer att förändrasVarför fler kvinnor behöver vara med och forma AI-utvecklingenAnna delar också sina tankar om skolan, framtidens arbetsliv och risken för ett växande kompetensgap mellan de som lär sig använda AI och de som inte gör det. Ett avsnitt för dig som vill gå från att prata om AI till att faktiskt skapa värde med det. Annas Linkedin: https://www.linkedin.com/in/anna-willstedt/ Mindact hemsida: https://mindact.ai/ Kvinnor leder: https://kvinnorleder.se/

AI isn’t magic, but when used in the right way, it can create a real competitive advantage. This week’s guest is Vlad-Adrian Ilie , Senior AI Lead at CUBE , joining for a practical conversation about one of the most important decisions companies face when building with AI: when should you use an existing AI API, and when does it make sense to build your own model? Vlad shares lessons from real-world AI projects across healthcare, manufacturing, drone technology, computer vision, and enterprise solutions. He explains why starting with an API-based prototype is often the fastest and smartest way to validate an idea — but also why APIs aren’t always enough when the problem requires highly specialized data, greater precision, control, or strict data privacy. In this episode, we discuss: •⁠ ⁠How to decide between an AI API and building your own machine learning model •⁠ ⁠Why data quality is often more important than the model itself •⁠ ⁠How synthetic data can help when real-world datasets are limited •⁠ ⁠Data governance, sensitive information, and European regulation •⁠ ⁠How combining multiple AI models can improve accuracy •⁠ ⁠Practical AI applications in coding, sales, computer vision, and automation •⁠ ⁠Where AI still struggles to replace human judgement •⁠ ⁠Why context becomes critical when building and deploying AI agents This is a practical episode for founders, developers, product leaders, and business decision-makers who want to move beyond AI hype and understand how the technology can create real value in production.

AI kommer inte ersätta de bästa säljarna. Men det kommer bli väldigt tydligt vilka som fortfarande lägger alldeles för mycket tid på administration, dålig research och generiska uppföljningar. I det här avsnittet träffar jag Theo Zätterström för ett konkret snack om hur AI faktiskt förändrar försäljning och hur säljteam kan använda tekniken för att förstå kundens problem bättre, lägga mindre tid på administration och i slutändan göra bättre affärer. Theo berättar om sin egen resa inom försäljning. Från att ha hamnat på PIP två gånger till att idag hjälpa grundare, vd och säljorganisationer att bygga struktur och metodik för att skala sin försäljning. Vi pratar bland annat om: Hur AI kan ta bort mycket av det tråkiga säljarbetet: mötesanteckningar, CRM-uppdateringar, uppföljningsmejl och mötesförberedelser.Varför cost of inaction ofta är ett starkare argument än klassisk ROI.Hur du kan använda transkriberingar från kundmöten för att förstå exakt vilka ord kunderna använder, hitta invändningar och skapa bättre innehåll.Skillnaden mellan att bara jaga aktivitet och att faktiskt driva komplex B2B-försäljning där kunden behöver utbildas och problemet måste förstås på riktigt.Vilka delar av försäljningen AI redan idag kan göra betydligt snabbare – och varför förtroende, omdöme och passion fortfarande är väldigt mänskliga delar av jobbet.Theo delar också med sig av verktygen och arbetsflödena han själv använder samt hur han analyserar LinkedIn-data för att skapa innehåll som blir mer relevant utan att kännas AI-genererat. Ett avsnitt för dig som är grundare, säljchef, jobbar inom SaaS eller helt enkelt säljer själv och funderar på hur du kan göra mer med ett mindre team. Frågan är inte om AI ska användas i försäljning. Frågan är vad AI ska göra och vad människan måste vara bäst på.
 Theo Zätterström linkedin och hemsida:: https://www.linkedin.com/in/tzatterstrom/ https://www.theoz.eu/

AI gör allt snabbare. Men det betyder också att den mänskliga fördelen blir viktigare. I det här avsnittet gästar Christian Wederbrand podden och pratar om hur AI kan användas för att bygga riktiga system, kapa manuellt arbete och göra faktiska verktyg av problem som tidigare hade krävt utvecklare, tid och stora budgetar. Samtalet börjar i ChatGPT och vibe coding, men blir snabbt mycket mer konkret: hur bygger man faktiskt med AI idag, även om man inte är utvecklare? Christian och Marc pratar bland annat om: Hur man kan gå från ett vardagsproblem till ett fungerande AI-system. Varför olika verktyg som Claude Code, Lovable, Grok, Gemini, NotebookLM och OpenAI passar för olika delar av ett arbetsflöde. Hur AI-agenter kan användas för outreach, CRM, support, rapportering och administration. Hur små automationer kan frigöra flera timmar varje vecka. Varför de sista 20 procenten i ett AI-projekt ofta är de viktigaste – och samtidigt där de flesta ger upp. De går också igenom konkreta exempel som ligger långt bortom att bara skriva texter och sammanfatta möten. Bland annat offertarbete i offentliga upphandlingar, automatisering av kvitton och bokföringsunderlag och hur AI kan användas för att snabbt bygga hjälpmedel för människor med särskilda behov. Den röda tråden är enkel: De mest intressanta AI-projekten börjar sällan med en stor AI-strategi. De börjar med ett konkret problem. Om du driver bolag, arbetar som konsult, coach, chef eller bara känner att du lägger alldeles för mycket tid på repetitiva uppgifter är det här ett avsnitt om vad som faktiskt går att bygga redan idag. Du behöver inte vara utvecklare. Men du behöver börja bygga. Christian linkedin: https://www.linkedin.com/in/hackadittliv/

Att implementera AI behöver inte börja med ett gigantiskt transformationsprogram. I veckans avsnitt träffar jag Magnus Dahlbäck på Voi Technology för att prata om hur de har gjort exakt tvärtom genom att börja med små, konkreta problem ute i organisationen och låta medarbetarna själva bygga lösningarna. Vi diskuterar hur manuella och ofta ganska osexiga processer, allt från hantering av parkeringsböter till lagerrutiner, har förvandlats till interna AI-verktyg som faktiskt används. Resultatet talar för sig självt: över hundra aktiva användare varje månad, mer än 200 egenbyggda applikationer och effektiviseringar värda miljontals kronor. Samtalet belyser varför de allra snabbaste vinsterna och den högsta ROI:n ofta hittas i verksamhetens minsta problem, snarare än i de storslagna strategiska business casen. När användningen väl börjar skala ställs nya krav på verksamheten, och Magnus delar med sig av hur VOI framgångsrikt har gått från fria experiment till en tydligare struktur kring governance, säkerhet och skenande tokenkostnader. Vi går igenom hur de resonerar kring gränsen för "build vs buy" och varför en "good enough"-lösning ofta slår tunga interna IT-projekt. Vi dyker även ner i det tekniska fundamentet och diskuterar varför intern data och semantiska lager är avgörande för att AI ska bli användbart på riktigt. Trots framgångarna internt har VOI valt en betydligt mer försiktig och kalkylerad linje när det gäller att släppa in AI i kundsupporten. Det som kanske gör starkast intryck från samtalet är hur man lyckas få hundratals medarbetare att de facto börja bygga med tekniken genom att följa en väldigt enkel filosofi: börja smått, ta bort friktionen och låt människorna bygga. Lägg först därefter på strukturen när den faktiskt behövs. Det är exakt så man går från några spridda ChatGPT-licenser till faktisk förändring i verksamheten.

Creating AI-generated video has become easy, but making it actually look professional is still genuinely difficult. In this week’s episode of Vad fan ska man ha AI till?, I sit down with Akmalidin Alimov, a former telecom engineer at Ericsson who now works full-time with commercial AI content and automated creative workflows. We discuss what it actually takes to deliver professional results and why a single prompt is rarely enough. It is about building complex pipelines where ideas, images, video, music, and different AI models work seamlessly together, and why he sometimes needs 27 iterations on a single clip before it actually feels human. We break down the tools required to build scalable workflows in practice, exploring how platforms like Higgsfield, Magnific, Claude, and ChatGPT serve fundamentally different purposes. However, the conversation extends far beyond content production. Akmalidin’s company is a prime example of building an AI-native organization: they coded their own course platform using Claude Code and created an autonomous agent to manage their Meta Ads instead of outsourcing the work. This episode highlights the fundamental difference between merely playing with generative AI and actually building workflows that function in reality as repetitive specialist work becomes automated. Perhaps the most important takeaway from our conversation is that the technology itself does not solve everything. Context matters far more than the specific model you use, and professional production still heavily relies on human creativity. AI does not automatically know what feels natural or human. We still have to teach it. Akmalidin Linkedin: https://www.linkedin.com/in/akmalidinalimov/

AI-sök förändrar redan vilka företag som upptäcks av kunderna. Om din organisation fortfarande uteslutande optimerar för Google, är risken stor att ni är helt osynliga där de verkliga frågorna ställs. I veckans avsnitt sätter jag mig ner med Liam Karlsson och William Gyltman från bolaget Rankad för att bryta ner hur nästa generations sök faktiskt fungerar. Vi diskuterar varför traditionell SEO tappar mark och vad varumärken måste göra redan i dag för att ta plats i gränssnitt som ChatGPT, Gemini, Perplexity och Google AI Overviews. Idén till Rankad föddes ur ett smärtsamt mönster: trafiken till deras tidigare e-handelsprojekt minskade trots att placeringarna på Google låg kvar, och de traditionella verktygen saknade förklaringar. När Liams mamma sedan frågade ChatGPT efter löparskor för ett väldigt specifikt behov – och fick en perfekt rekommendation – föll allt på plats. Vi går igenom hur dessa nya modeller värderar olika signaler och varför generiskt innehåll plötsligt skadar varumärket, när specificitet, förtroendesignaler och färska källor från plattformar som Reddit och YouTube väger tyngre. Samtalet handlar också om den operativa grundarmentalitet som krävs för att bygga lösningar i en marknad som rör sig extremt snabbt. Liam och William delar med sig av insikterna från sin tid i Silicon Valley och diskuterar varför svenska entreprenörer ofta tänker för smått. De argumenterar för att seriösa företag behöver större mål, skarpare genomförande och betydligt mindre tålamod med mediokra ambitioner. Det här är ett avsnitt för dig som är entreprenör eller operativt ansvarig och vill förstå den nya spelplanen innan konkurrenterna hinner ikapp. www.rankad.ai William LinkedIn: https://www.linkedin.com/in/williamgyltman/ Liam LinkedIn: https://www.linkedin.com/in/liamkarlsson/

Many companies still dismiss robotics as pure science fiction. In this week's episode, I sit down with Long Hei Roy Lim to discuss what the reality actually looks like. His company, temi Robots, has already sold over 14,000 units across 33 countries, building AI-driven automation solutions that are currently transforming everything from healthcare to retail. The focus is entirely on open platforms where robots are adapted to help humans work smarter, rather than replacing them. We break down concrete use cases from the operational reality and look at how their ecosystem allows companies to tailor solutions to their specific needs. We discuss telemedicine in Spain and the U.S. where patient wait times have been cut from hours to minutes, AI-driven inspection systems in manufacturing, and autonomous guides in European supermarkets. A central insight is how accessible the technology has become today; we are talking about lightweight, adaptable robots costing just a few thousand euros that are fundamentally redrawing the landscape across multiple industries. The strategic crossroad is clear: ignoring this development means deliberately stagnating. The global market is growing rapidly, and the real differentiator lies in how we implement and build systems that work alongside employees. The conversation boils down to the importance of digital collaboration—using intelligent hardware to scale human potential and build lasting competitive advantages. This is an episode for those of you who want to understand how AI and robotics are actually creating measurable value today. Roy Linkedin: https://www.linkedin.com/in/limlonghei Temi Robots website: https://www.robotemi.com/

Most e-commerce brands are currently stuck with rigid chatbots that frustrate customers rather than create actual value. In this week’s episode, I sit down with Victor Maae Jensen from Diverge to discuss how the next generation of AI-driven customer service actually works in production. We break down how to move from reactive responses to building proactive agents capable of operating across business systems, handling everything from order management to personalized recommendations. We dive deep into a concrete case where Victor's team rebuilt the customer service architecture for the retail giant Boost. Dealing with a highly complex inventory of over 900,000 products, they managed to build and deploy the platform in just eight days. The result was an escalation rate of only 0.9 percent, in an industry where the average typically sits between 10 and 40 percent. We also discuss the strategic crossroad of knowing when to build your own AI infrastructure for full control versus when to rely on off-the-shelf SaaS solutions. The most important takeaway from our conversation is that the primary purpose of AI in customer support is not to automate away the workforce. It is about redefining the entire experience and equipping the team with the right tools to build stronger customer relationships at a fraction of the historical cost. This is an episode for those of you driving e-commerce or tech development who want to understand how intelligent system architecture creates a genuine competitive advantage. Victor LinkedIn: https://www.linkedin.com/in/victormaaejensen/ Diverge: https://askdiverge.ai/

There is a constant discussion about the potential of AI, but far too little about the actual architecture behind a successful implementation. In this week’s episode, I sit down with Konrad Jelen, who works with Kolomolo and StackRails, to break down exactly what it takes to integrate AI into large, complex organizations. With decades of operational experience in data science and business automation, Konrad shares concrete frameworks for moving from isolated experiments to measurable business impact. We review real-world cases from Swedish enterprise companies in telecom and finance, where the right system architecture has reduced manual work by over 90 percent and identified anomalies with 98 percent accuracy. The focus is entirely on building systems that genuinely optimize the business and automate processes at scale. A major part of the conversation revolves around security, governance, and control. Rolling out AI in production requires a robust infrastructure. Konrad shares insights into how organizations can develop, monitor, and govern AI solutions at scale with full compliance, as well as the technical requirements for making it happen. This is an episode for those of you who drive AI initiatives or lead data science teams and want to stop guessing. It provides a concrete blueprint of how leading companies actually build and scale their systems in production. Links and resources from the episode: StackRails platform: https://stackrails.ai/ Groundrails (The open-source grounding solution): https://github.com/stellarshenson/groundrails Konrad LinkedIn: https://www.linkedin.com/in/konradjelen/