I detta avsnitt förklaras grundläggande och avancerade begrepp inom AI, inklusive prompt, tokens, credits, context window, hallucination, retrieval augmented generation och fine tuning. En tydlig översikt för att hjälpa lyssnare att navigera i AI-världen utan att behöva förstå alla tekniska detaljer.

I detta avsnitt pratar vi om hur AI påverkar beslutsfattande i företag, riskerna med om våra språkmodeller färgar för mycket av våra beslutsunderlag. Är Claude dagens Walter Cronkite och hur vi bör se upp som beslutsfattare för att undvika förlora företagets unika perspektiv.

Vi återkommer till vår favorit-lag "Brandolinis lag" och diskuterar hur AI påverkar vår produktion av innehåll och hur vi kan använda den mer effektivt. Vi bjuder på tre tips hur du medvetet kan justera din AI-användning för att göra livet enklare för dina medmänniskor.

I detta avsnitt diskuteras begreppet 'Harness' inom AI, dess betydelse och hur det påverkar prestandan hos AI-modeller. De förklarar hur en harness fungerar som ett system som omger AI-modellen och hur det kan optimera användningen av dessa kraftfulla verktyg.

I detta avsnitt utforskas hur AI mer och mer går från fasta licenser till löpande förbrukning – och hur organisationer kan skilja mellan värdeskapande användning, lärande och rent AI-spill.

I detta avsnitt diskuteras faktorn "osäkerhet" i organisationers arbete med AI och vikten av att formulera en tydlig riktning för implementeringen. De betonar behovet av att testa och experimentera i korta cykler snarare än förlita sig på traditionella projektmetoder. Systematik i testande och lärande framhävs som avgörande för att navigera i den snabba teknologiska utvecklingen.

I detta avsnitt delar Ken sin erfarenhet av att bygga en egen AI-agent för podden stegvis, inklusive processen, utmaningarna och insikterna.

I detta avsnitt lyfts en studie om AI:s roll i etiska beslut och dess potential som etiker. Vi reflekterar också över en specifik risk med att förlita sig på AI för moraliska bedömningar kopplat till hur AI kan påverka vår egen etiska utveckling.

Vi diskuterar den osäkra klimatpåverkan av AI och behovet av transparens i energiförbrukning. Vad kan vi göra trots brist på exakta siffror för att öka medvetenheten och påverka?

I detta avsnitt lyfts tanken att AI inte är ett IT-projekt, utan kan ses som en jäsningsprocess. Vi använder en bakmetafor för att förklara vikten av att knåda in AI i arbetsprocesserna snarare än att rulla ut funktioner, skapa friktion för lärande och ha tålamod för att se resultat.