Thinkroom Podcast

Något stort håller på att hända med arbetsmarknaden. Inte om tio år. Nu.
Ethical AI Governance Group, det globala think tank Anna är del av, har just släppt en rapport som sätter siffror på det många känner på magkänsla: det finns ett massivt gap mellan vad AI kan göra och vad organisationer faktiskt får ut av det. 95% av generativa AI-projekt skapar inte avkastning. Inte för att tekniken inte fungerar. Utan för att vi stoppar in den i organisationer som inte är byggda för den.
Förmågan att automatisera kvalificerat kunskapsarbete accelererar snabbare än de flesta ledningsgrupper förstår. Och det intressanta är inte vad som försvinner. Det är vad som blir kvar.
De flesta organisationer är byggda runt roller, inte uppgifter. Runt budgetlinjer för verktyg, inte för mänsklig utveckling. Runt silos där tech, compliance och affär inte ens pratar samma språk. Anna Fällender har jobbat med de här friktionerna sedan 2018. Hon vet var det fastnar. I det här samtalet ger hon en konkret karta för hur du tar dig vidare.
🎙️ Gäst
Anna Felländer grundade ANK AI 2018, ett av Europas tidiga bolag inom ansvarsfull AI, nu uppköpt och sammanslaget till M2M Governance. Hon sitter i Ethical AI Governance Group och har levt med de här frågorna sedan innan generativ AI existerade. Det ger henne en tidshorisont de flesta i debatten saknar.

🔥 Nyckelinsikter från avsnittet
✅ Sluta tänka i roller. Börja tänka i uppgifter.
Bryt ner varje roll i dess beståndsdelar. Hur mycket komplexitet kräver uppgiften? Hur mycket mänskligt omdöme? Låg komplexitet och lågt omdöme, automatisera. Men så fort du klättrar i endera axeln handlar det om att förstärka, inte ersätta. De flesta bolag har aldrig gjort den övningen. De köper Copilot-licenser istället. Och undrar sen varför 95% av piloterna inte genererar värde.

✅ Fyra nivåer. Du sitter troligen på ett.
Human-AI Index mäter hur djupt människa och AI faktiskt samarbetar: från verktyg (nivå 1) till autonom agent (nivå 4). De flesta har gett folk en chattbot och kallat det klart. Vägen uppåt börjar inte med bättre modeller. Den börjar med att följa friktionen.

✅ Tre silos, noll värde
Tech bygger utan att förstå affären. Compliance reglerar utan att förstå tekniken. Och affären vill ha resultat utan att förstå riskerna. Budgeten hamnar på compliance eller IT. Ingen äger helheten. Den träningsbudget som faktiskt skulle uppgradera människors förmågor? Inte ens en budgetrad.

✅ Tillväxt, inte bantning
Den dominerande AI-berättelsen i styrelserummet är kostnadsreduktion. Färre FTE:er. Snabbare rapporter. Men frågan som gömmer sig bakom siffrorna är en annan: vad kan vi göra nu som vi aldrig hade kapacitet till förut? Det finns en framtida version av varje roll som är 30-70% mer kapabel. Det är tillväxtfrågan ingen ställer.

✅ Dina bästa människor har redan börjat räkna på alternativen
Om din AI-strategi mellan raderna kommunicerar "kostnadsbesparingsprogram" förstår folk det. De som lämnar först är dina high potentials. Johan är rakt på sak: "Jag har så många diskussioner med personer som säger att de inte kan vara kvar. De tar för hög karriärrisk." De vill inte ha verktyg. De vill ha en arbetsgivare som investerar i vad de kan bli.

✅ Kreativiteten som överlever exponentialen
Ju mer kapabla modellerna blir, desto tydligare blir vad som faktiskt är mänskligt. Maskinerna springer ifrån oss på intelligens. Men omdöme? Att läsa ett rum, se runt hörnet, fatta beslut utan fullständig data? Anna kallar det en renässans för höger hjärnhalva. Kanske är det mest strategiska du kan göra just nu att sluta jaga intelligens och börja investera i allt det andra.

Alla säger att de tänker långsiktigt. Nästan ingen gör det.
Det är lätt att förstå varför. Långsiktighet straffas. Av marknader, av styrelser, av kvartalsrapporter. Det belönas att visa resultat nu. Att ha en plan. Att slå budget.
Johan Andersson har i drygt ett decennium lett Mellby Gård, ett av Sveriges mest framgångsrika familjeföretag, med en nästan motsatt logik. Avskaffa budgeten. Gå in där alla andra backar. Mät dig mot förra året, inte mot en plan ingen minns.
I det här samtalet öppnar han upp hur det faktiskt fungerar. Inte som princip, utan som praktik. Hur fattar du beslut som kanske tar tio år att utvärdera? Och vad krävs det av dig som person att stå kvar i dem?

🎙️ Gäst
Johan Andersson ledde Mellby Gård som VD i drygt tio år. Dessförinnan EQT och Lehman. Han har sett båda sidor: private equity-världen där exitklockan tickar, och familjeföretagarvärlden där du bygger för att behålla.

🔥 Nyckelinsikter från avsnittet
✅ Första filtret: varför har det här hamnat på mitt bord?
Johans viktigaste fråga handlar inte om multiplar. Den handlar om motiv. Varför säljer någon? Den officiella berättelsen är nästan alltid "tillväxtkapital". Den verkliga kan vara att säljaren ser en risk som inte flaggats. Att stjärnorna råkar stå rätt just nu. Informationsövertaget ligger alltid hos säljaren. Att förstå vad du inte blivit berättad är halva jobbet.
✅ Anti-FOMO som disciplin
Några av Mellby Gårds bästa affärer har en sak gemensamt: de gjordes när konsensus pekade åt andra hållet. Johans resonemang är att en viss FOMO är nyttig, den skapar nyfikenhet. Men de riktigt bra affärerna kräver motsatsen. Modet att ha en annan bild än normen. Och just nu, när AI-propåerna flyger in dagligen, gäller samma logik.
Han ifrågasätter inte revolutionen. Men oavsett vilken industriell revolution det handlar om måste du alltid göra risk-reward-kalkylen. Och multiplarna just nu? De är galna. Istället letar han nedströms: traditionella, personalintensiva branscher där AI-effekten faktiskt förändrar ekonomin i bolaget, inte värderingen på pappret.
✅ Slå föregående år. Skippa resten.
I flera bolag har Mellby Gård avskaffat budgetarbete helt. Bonusmodellerna bygger på ett mått: var bättre än förra året. Strategimöten producerar dokument. Det här producerar resultat. Johans poäng: i en föränderlig värld är det bättre att parera än att planera.
✅ Inflection pointen där magkänsla inte räcker
Entreprenörsdriv kan ta dig till ett par hundra miljoner. Men därifrån krävs något annat. Professionell styrelse. CFO med internationell erfarenhet. Prissättning som bygger på data, inte intuition. Ibland behöver grundaren själv kliva åt sidan. Det är obehagligt. Men det är skillnaden mellan att vara lovande och att bli ledande.
✅ Familjen först. Bokstavligen.
Att ta över efter sin far krävde tydliga mandat, externa styrelseledamöter, och ärlighet om vem som bestämmer vad. Det blev bråk ibland. Men det är styrkan, menar Johan. I vilket annat bolag vågar VD och ordförande verkligen säga vad de tycker? Hans sammanfattning av all kurslitteratur om generationsskiften: "Få det att funka relationsmässigt. Punkt."

The product worked.
Joe Braidwood built Yara AI to democratize mental health support. People who couldn't afford therapy. People who didn't know how to ask for help. People awake at 3am with nowhere to turn. The technology delivered.
He shut it down anyway.
Not because it failed. Because LLMs architecturally cannot guarantee 100% safety. They lose character at the edges of long conversations. They're probabilistic, not deterministic. At scale, even a 0.0001% failure rate means real people in real crisis getting the worst possible response at the worst possible moment.
Joe couldn't prove it wouldn't happen. The investors were ready. The mission was pure. The cap table said go.
He stopped.

🎙️ Guest
Joe Braidwood was the first employee at SwiftKey, acquired by Microsoft for $250 million when he was 29. The money made him miserable.
After losing his best friend to brain cancer (who spent his final months becoming the happiest he'd ever been), Joe promised to carry forward something about positivity and purpose. Yara was supposed to be that. When the architecture couldn't guarantee what the mission required, he pivoted to Glacis, building safety infrastructure for the AI systems that will eventually get this right.

🔥 Key Insights
✅ "Almost perfect" has a body count at scale
99.99% sounds incredible. Deploy to a million users and that's still 100 failures. In mental health, those failures cluster around the most vulnerable people in the most desperate moments. The person who needs help most is the one most likely to push the model past its limits.

✅ Incentives pull everyone toward the same compromises
Joe could have raised more money. The product worked. Every signal said keep going. But taking the moral high road is almost impossible when everything pushes the other way: investors wanting growth, competitors cutting corners, your own team's momentum. The question isn't whether you have values. It's whether your values survive contact with a cap table.

✅ The architecture has ceilings, not just bugs
AI models risk losing their "character" at the edges of long conversations. Safety instructions get pushed out of context. The model forgets who it's supposed to be. This isn't something you patch. It's how the technology currently works. Not experiencing bugs when testing only proves it hasn’t happened yet.

✅ Better guardrails make humans worse
The more reliable your systems, the less responsibility people take. At 99.9%, we're catastrophically bad at handling the 0.1%. We stop paying attention. We assume something will catch us. The guardrail becomes the danger.

✅ You can't lead from permanent fight-or-flight
Joe points to Dario Amodei, running the most consequential AI company while structuring his days around thinking, reading, writing. If he can slow down while navigating existential risk, what's stopping you?
▶️ Listen now
Joe's not saying AI therapy is impossible. He's saying we're not there yet, and pretending otherwise has costs we're not willing to name.

Det här samtalet började med en enkel fråga: varför är vi så dåliga på att lära oss av misslyckanden?
Samuel West har drivit Museum of Failure i snart tio år. Och det som slog mig under vårt samtal var att museet egentligen inte handlar om produkter som floppat. Det handlar om mönstret bakom. Varför smarta människor i framgångsrika bolag fattar beslut som i efterhand ser helt obegripliga ut.
Ta Kodak. De uppfann digitalkameran 1973. Hade till och med en tidig version av Instagram. Men de kunde inte sluta sälja kemikalier, för det var där pengarna kom. Blockbuster hade fungerande streaming innan Netflix blev stort. Men 30% av vinsten kom från förseningsavgifter, så de backade. Det är inte teknikblindhet. Det är något annat.

🎙️ Gäst
Samuel West är organisationspsykolog och grundare av Museum of Failure. Han började egentligen forska på lek och kreativitet, men upptäckte ganska snabbt att rädslan för att göra fel satt i vägen för allt annat. Nu reser hans utställning världen runt (just nu Paris, snart Wien) och han konsultar kring innovation och organisationskultur.

🔥 Nyckelinsikter
✅ Det är sällan ’den nya tekniken’ som dödar
Kodak och Blockbuster hade båda tekniken. Det de inte hade var förmågan att döda det som fungerade idag för att bygga det som fungerade imorgon. Affärsmodellen var problemet. Inte ingenjörerna.

✅ Vi har bara ett ord för två helt olika saker
Samuel gör en distinktion jag inte hört förut. "Good failures" kommer från att du testar något nytt och pushar gränserna. "Bad failures" kommer från slarv eller arrogans. Problemet är att de ser likadana ut utifrån. Så vi behandlar dem likadant. Och då slutar folk ta risker.

✅ Failure recovery slår failure avoidance
En tysk professor som Samuel nämnde har vänt på hela logiken. Istället för att lägga alla resurser på att undvika misslyckanden, bygg förmågan att återhämta dig när det går fel. För det kommer det göra.

✅ Ingen vill stanna i det som gör ont
En holländsk journalist försökte skriva om hur ledare återhämtat sig från stora misslyckanden. Hon fick ge upp projektet. Varenda intervju blev samma sak: "Ja, det gick åt skogen. Men kolla på det här nya vi jobbar med!" Ingen ville stanna kvar i det jobbiga tillräckligt länge för att faktiskt förstå vad som hände.

✅ Bolag åldras som människor
Det här hade jag inte tänkt på förut. Forskning visar att vi blir mer konservativa med åldern, trots att vi borde ha mindre att förlora. Samma sak händer med bolag. Och om transformation tar fem till sju år, men marknaden rör sig snabbare än så, då blir matematiken obehaglig ganska fort.

✅ Lek är inte vad vi tror
Csikszentmihalyi (flow-killen) forskade egentligen på lek från början. Men han fick byta namn på konceptet för att vuxna inte tog det på allvar. Pingisbordet i fikarummet har blivit en signal för att det inte är en lekfull arbetsplats. Riktig lekfullhet handlar om hur du angriper problem, inte vilka möbler du köper.

Every disaster follows the same pattern: highly automated systems, humans relegated to opening doors and watching screens, and then suddenly asked to intervene in a crisis they no longer understand.
Bryan Reimer has spent 25 years studying this exact failure mode. His warning is simple: the more you automate, the less capable you become at supporting that automation. Your skills atrophy. Your assumptions grow dangerous. Your attention wanders. And when the system reaches its boundaries, you're not there anymore.
Now apply that to every knowledge worker in your organization using ChatGPT.
This episode is a blueprint for navigating what Bryan calls "the year of the human". Not because machines are failing. Because we're finally waking up to the real question: Are we building AI that replaces us, or AI that amplifies what we're capable of?

🎙️ Guest
Bryan Reimer is a Research Scientist at MIT AgeLab and Associate Director of the New England University Transportation Center. He's published over 350 academic papers, advises AI Sweden and Autoliv, and just released the book "How to Make AI Useful – Moving Beyond the Hype to Real Progress in Business, Society and Life."
What makes his perspective rare: he's watched the automation trap play out across three decades of disasters. Self-driving cars. Aviation. Nuclear plants. The patterns are identical. And they're now showing up in every enterprise deploying AI without understanding the human factors underneath.

🔥 Key Insights
✅ The Automation Paradox: Better systems, worse humans
When automation does the work, we stop learning. Our neural activity drops. Our expertise erodes. We begin making assumptions about what the system is doing (it's not always what we think). Most critically, we trust it just a little too much. This isn't speculation. It's documented across every safety-critical domain. And it's happening right now in your organization with chatbots.

✅ Copilot vs. Autopilot: The fork that defines your future
Some people ask ChatGPT to write their essay. They're not building skills. They're outsourcing thinking. Others "jam" with it. Back and forth, iterating, treating it like an intellectual sparring partner. Same tool. Completely different outcome. The first path leads to atrophy. The second creates what Bryan calls "superworkers" who can do with AI what a team of 20 couldn't do before.

✅ 2026: The year of the human
After years of tech-first thinking, Bryan predicts a pivot. Time Magazine made AI person of the year in 2025. But the winners in 2026 won't be those deploying more AI to replace humans. They'll be organizations deploying AI that enhances what their teams can actually do. The competitive advantage isn't automation. It's amplification.

✅ Unlearn as much as you learn
75% of major organizations still aren't using AI in any meaningful way. Some actively forbid it. The resistance isn't about technology. It's about mindset. History repeats itself, but that doesn't mean we want it to. Leaders need to unlearn old assumptions about control, measurement, and what productivity even means. A 35-hour work week might not be crazy. Swedish unicorns prove you can build world-class companies while taking summers off.

✅ Learn to play more
There's no textbook for this. When we were children, we went to sandboxes. We experimented. We tried to create things we'd never seen before. That's the only path forward with AI. Create low-risk environments where you and your team can experiment without financial consequences. Ask Claude, Gemini, or ChatGPT weird questions about things you already know well. That's how you learn whether it's right, whether it's wrong, and where the edges really are.

▶️ Listen now
Bryan's final thought: We started inventing technology to help us, not replace us. Maybe it's time to remember that.