275 avsnitt
- Språkmodellen kan otroligt mycket om världen – men nästan ingenting om er verksamhet. När en AI-agent ger ett dåligt svar är det oftare kontexten som saknas än modellen som brister.
Det här är del två av två om vad som är viktigast när vi bygger plattformar för verksamhetsutveckling tillsammans med AI-agenter. Förra avsnittet handlade om kontroll (agent control plane). Det här handlar om förståelse: hur agenterna förstår verksamheten.
I avsnittet
Varför en AI-agent är som den skickligaste vikarien – som inte vet något om just er
De fem saker en agent behöver förstå om verksamheten
Det vanligaste misstaget: att varje agent får sin egen kopia av kontexten
Ett gemensamt kunskapslager (ontologi) som alla agenter läser från
Varför det här är en ledningsfråga och inte i första hand IT
Fem saker agenterna behöver förstå
Begreppen – ett gemensamt språk
Processerna – hur saker hänger ihop
Reglerna – skrivna och oskrivna
Datan – var sanningen finns
Förändringen – kontexten måste hållas levande
Kontroll utan förståelse ger säkra men inte särskilt kloka agenter. Förståelse utan kontroll ger kloka agenter som ingen vågar släppa lös. Det är när ni har båda som plattformen börjar skapa verklig verksamhetsutveckling.
Fråga att ta med dig: Om en ny AI-agent började hos er i morgon, var skulle den läsa sig till hur ni faktiskt arbetar?
Vill du prata om hur ni bygger kontext och kontroll för era AI-agenter? Boka 30 minuter med mig: tidycal.com/1wekx5e
Mer om mig och mitt arbete: jonasjaani.se - Den första AI-agenten är lätt att ha koll på. Men sedan kommer agent nummer två, fem och tio – och plötsligt kan ingen svara på hur många agenter som jobbar i organisationen, eller vad de får göra.
När vi bygger plattformar för verksamhetsutveckling tillsammans med AI-agenter är två saker viktigast just nu: att agenterna förstår verksamheten, och att ni har kontroll när de blir fler. I det här avsnittet pratar jag om den andra – ett agent control plane.
I avsnittet
Varför kontrollen tappas när agenterna blir fler
Control plane som flygledning för era agenter – ett gemensamt lager där alla agenter registreras, styrs och följs upp
Varför det är billigt att bygga in kontroll från början och dyrt att lägga till i efterhand
Varför ägarskap och ansvar är en ledningsfråga, inte bara en IT-fråga
Fem saker ett control plane behöver klara
Översikt – ett register över alla agenter, vem som äger dem och vad de är till för
Behörigheter – agenten når bara de system och den data den behöver
Spårbarhet – varje beslut och åtgärd loggas
Människan i loopen – tydliga regler för när agenten får agera själv, och en nödbroms
Kostnadskontroll – budget och larm per agent
Rätt kontroll bromsar inte. Den gör att ni vågar skala.
Fråga att ta med dig: Om någon frågade dig i morgon hur många AI-agenter som arbetar i er organisation, och vad de får göra – skulle du kunna svara?
I nästa avsnitt: den andra saken – hur agenterna förstår verksamheten.
Vill du prata om hur ni bygger kontroll för era AI-agenter? Boka 30 minuter: tidycal.com/1wekx5e
Mer om AI-agenter, förändringsledning och kompetensutveckling: jonasjaani.se - Organisationer har länge sett ut som en pyramid: många juniorer i botten som lär sig jobbet genom de enklare uppgifterna. Nu tar AI-agenter över just de uppgifterna. Pyramiden blir en diamant – och frågan är var nästa generations seniorer ska komma ifrån.
I det här avsnittet pratar jag om vad det betyder för er som leder, och om varför rollen som "AI-dirigent" växer fram när agenterna blir fler.
I avsnittet
Varför pyramiden blir en diamant när AI tar instegsjobben
Dirigenten som bild: sätta målet, bedöma resultatet och ta ansvaret
Varför agenten kan göra jobbet – men inte ta ansvaret
Möjligheten: juniorer som lär sig dirigera agenter kan växa snabbare än någon generation före dem
Tre saker för er som leder
Se över hur ni bygger kompetens – designa lärandet med avsikt när de enkla uppgifterna försvinner
Tydliggör ansvaret – vem äger beslutet när en agent tar fram underlaget?
Ge organisationen tid att hinna med – det är arbetssättet, inte verktygen, som oftast fastnar
Fråga att ta med dig: Om ni tog bort alla instegsuppgifter i morgon – hur skulle era juniorer lära sig jobbet?
Vill du gå djupare? Hela resonemanget finns i e-boken Bli en AI-dirigent – gratis att ladda ner: jonasjaani.se/bli-en-ai-dirigent-e-bok
Mer om AI-agenter, förändringsledning och kompetensutveckling: jonasjaani.se 40 procent har AI-agenter, 6 procent får effekten – därför är AI en ledningsfråga
2026-11-18 | 4 min.40 procent av storbolagen har skalat AI-agenter. Men bara 6 procent får minst 5 procent av sitt rörelseresultat från AI. Verktygen finns på plats – arbetssättet har inte ändrats.
I det här avsnittet går jag igenom vad som skiljer de 6 procenten från resten, och varför AI är en ledningsfråga, inte ett IT-projekt.
I avsnittet
Glappet mellan 40 och 6 procent – och varför det uppstår
Företagets "andra hjärna": ett gemensamt AI-lager ovanpå befintliga system där data, regler och kunskap samlas
Agenter som analyserar, föreslår och genomför åtgärder – och ett system som lär sig av utfallen
Tidiga resultat: upp till 10 gånger snabbare planering och första värdet efter cirka 12 veckor
Varför vd och ledningsgrupp måste äga arbetet
Fem principer
Äg kontexten, hyr tekniken – undvik inlåsning
Börja med högst 1–3 system
Gör om hela flöden i stället för enskilda steg
Bygg så att delarna kan återanvändas
Håll koll på AI-kostnaden
Vad händer med ledarskapet? Ledningen styr efter signaler i stället för kvartalsmöten, beslut fattas närmare kunden och det blir färre chefsled. Försprånget växer ju tidigare man börjar.
Fråga att ta med dig: Vem i din ledningsgrupp äger AI-arbetet i dag?
Vill du ta er AI-satsning från pilot till effekt? Boka 30 minuter: tidycal.com/1wekx5e
Mer om AI-agenter, förändringsledning och kompetensutveckling: jonasjaani.se- Vad händer med kunskapen när de mest erfarna ingenjörerna går i pension?
Toyota tog frågan på allvar. De byggde ett eget O-Beya, "det stora rummet", fast med AI-agenter i stället för människor runt bordet. Varje agent är expert på sitt område: motor, batteri, vibrationer, bränsle och regelverk. En ingenjör ställer en fråga, agenterna resonerar tillsammans och ger ett svar. Kunskapen stannar kvar i organisationen när människorna går vidare.
Det som gör mig mest nyfiken är baksidan. När AI tar över instegsjobben, vem lär då upp nästa generation experter?
Vilken expert skulle er organisation inte klara sig utan i morgon? Och var finns hennes kunskap i dag?
——
Jag är Jonas. Jag leder förändringen, bygger AI-agenter och utvecklar de människor som ska arbeta med dem. På Sogeti bygger vi ett erbjudande kring agenter som ger resultat och konkurrensfördelar.
Fler podcasts i Teknologi
Trendiga poddar i Teknologi
Om Jonas Jaani - podcast
Jag hjälper ledare och konsulter att omsätta trender till affärsnytta. AI, IT och framtidens affärsmöjligheter.
Lyssna även på insikter från branschexperter i vår podcast Effekten: https://effekten.se
Jonas Jaani - Coach, IT-konsult och Projektledare https://www.jonasjaani.se
Podcast-webbplatsLyssna på Jonas Jaani - podcast, Machine Gods och många andra poddar från världens alla hörn med radio.se-appen

Hämta den kostnadsfria radio.se-appen
- Bokmärk stationer och podcasts
- Strömma via Wi-Fi eller Bluetooth
- Stödjer Carplay & Android Auto
- Många andra appfunktioner






































