#LÄTTRÖRLIGT - En podd om agila metoder, förändringsledning och ledarskap.

Vi pratar ofta om AI, men allt vi ser idag körs fortfarande på klassiska datorer. Men vad händer när själva sättet vi räknar på förändras i grunden?
I det här avsnittet dyker vi ner i kvantdatorer – tekniken som inte bara är snabbare, utan som fungerar enligt helt andra naturlagar.
Vi reder ut begrepp som superposition och entanglement, och varför kvantvärlden är så svår att greppa för vår mänskliga intuition.
Dessutom pratar vi om:
Krypteringshotet & Q-day: Är 2029 året då dagens säkerhetssystem blir värdelösa?

Google Willow & IBM: Hur ser den tekniska kapprustningen ut just nu?

Den ultimata loopen: Vad händer när vi kombinerar kvantdatorer med AI för att lösa gåtan kring fusion och obegränsad energi?

Är kvantdatorn nästa steg i evolutionen eller något helt ojämförbart? Vi försöker förstå tekniken som kan förändra allt från materialsforskning till digital tillit.

00:00:00 Uppsnack
00:13:48 Intro
00:17:10 Historik
00:23:32 "Problemet" med vanliga datorer
00:28:50 Intuition för kvantvärlden
00:37:10 Vad är en kvantdator
00:41:47 Vad är en kvantdator bra på
00:43:52 Status idag
00:55:57 Påverkan på AI
01:01:21 Risker och konsekvenser
01:10:31 Framtid och avslutning

Varför rapporterar medarbetare om enorma produktivitetsvinster med AI, medan företagens bokslut mest visar på stigande licenskostnader?
Vi befinner oss i ett "AI-gap" där klyftan mellan individuell effektivitet och organisatorisk lönsamhet blir tydligare.
I det här avsnittet djupdyker vi i varför så många företag fastnar som "experimentörer" och vad som krävs för att bli en "skalare".
Vi pratar om skillnaden mellan horisontell och vertikal AI och varför det är så svårt att få den sparade tiden att faktiskt synas på sista raden.
Vi diskuterar bland annat:
Den ojämna frontlinjen: Hur vi navigerar i ett landskap där AI är briljant på det svåra men går bet på det enkla – och risken med att "somna bakom ratten".
Produktivitetspusslet: Varför sparad tid ofta försvinner i fragmentering, guldplätering och den nödvändiga men kostsamma J-kurvan.
De fyra fundamenten: Vad som faktiskt krävs för en holistisk AI-resa (Människa, Process, Data och Integration).
Makrobilden: Vi benar ut ryktena om AI-relaterade uppsägningar och tittar närmare på fenomen som "strategiska rökridåer" och jobless growth.
Är AI-eran som ett experimenterande över? Vi diskuterar varför fokus nu skiftar från att "leka i en chattruta" till hårda krav på avkastning, struktur och processförståelse.
Källor:
Centaurs and Cyborgs on the Jagged Frontierstatic1.squarespace.com/static/604b23e38c22a96e9c78879e/t/62d5d9448d061f7327e8a7e7/1658181956291/Falling+Asleep+at+the+Wheel+-+Fabrizio+DellAcqua.pdf
Turing_Trap_Brynjolfsson_for_Daedalus
AI-budgetar skjuter i höjden, men ROI fortfarande svårmätt | Computer Sweden

00:00:00 Uppsnack
00:11:26 Intro
00:16:14 Den ojämna frontlinjen
00:27:48 Effektivitetsillussionen
00:41:30 Omstrukturering av kapital
00:55:55 AI-resans 4 fundament
01:10:24 Makrobilden
01:18:17 Slutord

Sitter ni med uppdraget att ”göra något med AI”, men vet inte i vilken ände ni ska börja? Dengoda nyheten är att ni är inte ensam. Många organisationer lider idag av ”AI-buzz-paralys” där man ser potentialen men fastnar i en obeslutsamhet.
I det här avsnittet går vi igenom en konkret färdplan för AI-transformation. Vi fokuserar på hur man kan lämna de tekniska flosklerna och istället sätta AI där det gör skillnad: i affärsprocesserna.
Vi diskuterar bland annat:
AI-mognadens 4 faser: Varför det inte är rationellt att skala innan du bevisat värdet lokalt.
ESSA-modellen: Hur du undviker att ”automatisera en röra” genom att eliminera, förenkla och standardisera.
Möjlighetskartläggning: Ett konkret ramverk för att hitta de arbetsuppgifter där AI faktiskt gör skillnad.
Agent Design Canvas: Hur man designar en AI-agent som fungerar i vardagen.
Vårt viktigaste medskick:
Fråga inte vad AI kan göra för er. Fråga var i er verksamhet ett bättre flöde skulle skapa verkligtvärde och undersök sedan om AI kan hjälpa er dit. AI är inte målet, en bättre verksamhet är det.

00:00:00 Uppsnack
00:09:25 Intro
00:12:33 Fyra faser av AI-mognad
00:19:24 Möjlighetskartläggning
00:25:49 Rätt AI för rätt uppgift
00:36:16 AI-agent design canvas
00:44:16 Värdeflöden och Lean
00:51:42 Är processen redo för AI?
00:57:47 De första stegen
01:03:10 Avslutning

Får du svar från din AI som känns lite väl generella eller rentav lite för "pratiga"? I det här avsnittet utforskar vi hur du tar större kontroll över AI-chattarna. Vi dyker ner i mekaniken bakom bra instruktioner och förklarar varför du också bör sluta vara artig mot din AI-modell.
Vi pratar inte bara om vad du ska skriva, utan varför det fungerar rent tekniskt genom att styra modellens attention och använda instruktioner som en filterfunktion i dess latenta space.
Vi går igenom:
CO-STAR-metoden och hur du bygger prompter som maximerar signalen och minskar bruset.
Informationstäta sammanfattningar med hjälp av Chain-of-Density.
Självutvärdering och hur du får AI:n att erkänna när den faktiskt gissar.
Varför du bör använda Prompt Chaining och Context Compression för att hålla dina arbetsflöden skarpa.
Power User-verktygslådan: Vi går igenom NotebookLM (din egen no-code RAG), Claude Artifacts och hur du bygger dina egna digitala assistenter med Gems och Custom Instructions.
Oavsett om du vill vässa dina dagliga sökningar eller förbereda dig för att bygga AI-agenter , så ger det här avsnittet dig de verktyg du behöver för att gå från en passiv användare till något som kan liknas vid en "Prompt Architect".

Källor:
How I Won Singapore's GPT-4 Prompt Engineering Competition | Towards Data Science
Chain of Density (CoD)
Dynamic Meta-Prompting

00:00:00 Uppsnack
00:16:34 Intro
00:18:46 Ramverk för bra instruktioner
00:29:33 Avgränsningar
00:32:57 Klockrena sammanfattningar
00:37:02 Few-shot i praktiken
00:41:16 Meta-promptning
00:47:54 Att låta AI:n felsöka sitt eget flöde
01:05:11 Prompt-chaining
01:18:43 Blandade tips och tricks
01:25:58 Avslutning

I det här avsnittet tar vi klivet från att använda AI för att hitta bästa pannkaksrecept till att förstå logiken som i och runt dagens AI-modeller. Vi reder ut varför AI:n beter sig som den gör och hur du som användare kan ta kontroll över "maskinen" genom att förstå tekniken bakom kulisserna.
Vi går bland annat igenom:
Embeddings & Latent Space: Hur ord beskrivs som matematik i ett rum med tusentals dimensioner, och hur detta skapar en närmast magisk förmåga till logiskt resonemang.

Prompt vs. Context Engineering: Skillnaden mellan att skriva en bra fråga här och nu, och att strategiskt bygga upp modellens arbetsminne för att undvika "Context Rot" och informationsbrus.

Systeminstruktioner & Skyddsräcken: Hur man sätter upp en fast persona och strikta regler som modellen prioriterar högre än användarens direkta meddelanden.

Ratten för kreativitet: Vi förklarar parametrar som Temperature och Top-p , verktygen som avgör om AI:n ska vara strikt kodare eller mer utsvävande.

Resonemangets kraft: Skillnaden mellan att be AI:n "tänka steg för steg" och de nya mer avancerade Internal Chain-of-Thought-modellerna.

Ett avsnitt för dig som vill kunna börja styra din AI med lite mer precision.
00:00:00 Uppsnack
00:16:16 Intro
00:17:34 Spelplanen
00:43:08 Arbetsytan
00:57:57 Parametrarna
01:14:40 Avslutning