Vad fan ska jag ha AI till?

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 mål
Vilka kompetenser organisationer behöver bygga för att lyckas
Varför kontinuerligt lärande slår enstaka AI-workshops
Hur språkmodeller kan användas för att bygga smartare arbetsflöden
Varför AI inte bör begränsas till ett litet specialistteam
Hur arbetsroller och kompetensbehov kommer att förändras
Varför fler kvinnor behöver vara med och forma AI-utvecklingen
Anna 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.