
Sign up to save your podcasts
Or


AI-agenterna arbetar vidare, men vi människor som ska fatta besluten behöver fikapauser och lunch. Hur organiserar vi arbetet när systemen producerar mer än vi orkar ta ställning till?
Jonathan beskriver hur det är att arbeta med 50–100 subagenter som lämnar över frågor i stora block. Trots tydliga underlag och visuella presentationer blir arbetsdagen som en lång rad möten utan återhämtning. Vi pratar om beslutströtthet, kostnaden för att ständigt byta fokus och varför mindre, specialiserade team kan vara en väg framåt.
Samtalet tar också upp Jensen Huangs avgång och AI-branschens beroende av Nvidia. Vi funderar på vad som händer med de AI-minnen och arbetsflöden du byggt upp när du byter jobb, och om Anthropics växande utbud av kontorsverktyg kan få organisationer att lämna Microsoft 365.
Du får perspektiv på hur arbetsfördelning, beslutsvägar och gränssnitt kan behöva förändras när AI tar större plats i vardagen.
Varför inte lyssna och kanske ge en kommentar :)
Vad händer när AI hjälper till att utveckla nästa version av sig själv? Vi pratar om varför en intelligensexplosion kanske ligger närmare än vi trott, och vad det skulle innebära för den som försöker bygga en stabil organisation. Hur planerar man framåt om utvecklingstakten fördubblas varje år?
Vi tar också upp AI i den fysiska världen, med exempel på hur fotografier kan bli 3D-modeller och göra det möjligt för fler att utveckla egna produkter.
En stor del av samtalet handlar om hur vi organiserar arbetet. Projektplaner och månadsrapporter får svårt att hänga med när AI gör det möjligt att testa och förbättra i allt kortare cykler. Vad gör bolag som vill bli AI-nativa annorlunda? Vi diskuterar hur teamens storlek och organisationens struktur behöver förändras, och varför ledningsgruppen behöver börja labba själv. Korta dragningar räcker inte för att förstå vad tekniken kan innebära för den egna verksamheten.
En säkerhetslucka i PHP fick sajter, myndighetssidor och Daniels fysioterapeuts journalsystem att gå ner. System har alltid varit mål för hackers tidigare krävde det team av experter nu räcker det med en person och hundra agenter för att attackera. Vad betyder det för dig som leder en organisation full av gamla system och nya, egenbyggda AI-verktyg?
Vi pratar om den tekniska skulden som AI blottar, om det öppna internet kan överleva och vad ett litet företag bör göra. Vi diskuterar också vem som ska äga och underhålla alla artefakter och småappar som avdelningar bygger, och varför hubbar för artefakter påminner om internets tidiga katalogtjänster. Dessutom lyfter vi vad som händer med hantverket när omställningen tar år i stället för årtionden.
Du får konkreta frågor att ta med till nästa års planering och en enkel övning: dra ut en tanke med faktor 100. För dig som leder förändring och vill ligga steget före.
När AI-agenter tar över allt fler arbetsuppgifter och informationsmängden ökar uppstår ett problem med att ha koll på helheten. Vi får höra mer om hur det kan hanteras med HTML och artifakter, i ett s.k. metalager där snapshots som hjälper hjälper till att styra och övervaka parallella AI-processer.
Vi diskuterar också den prissänkning för Haiku 5.5 som Daniel beskriver och hur den påverkar modellvalet, Mistrals LeChonk som möjligt europeiskt alternativ för organisationer som undviker kinesiska modeller, samt Mods som Jonathan beskriver som ett sätt att anpassa Claude Coworks gränssnitt.
Du får konkreta idéer om hur du kan strukturera din AI-användning när komplexiteten ökar, och en tydligare bild av var modellmarknaden rör sig just nu.
AI-agenter borde få en större roll än att hjälpa dig med dom enklaste uppgifterna på din att-göra lista. Vilka problem ni ger AI, vilka arbetsflöden ni litar på och vem som har råd med kapaciteten.
Vi pratar om modellernas prispress och OpenAI:s Dev Days, där samtalet rör sig från gemensamma arbetsytor till personliga agenter som Dot. Vad händer med affärer som bygger på att kunder inte orkar byta bank, abonnemang eller försäkring? Vi diskuterar också varför en agent som arbetar hela tiden kan bli dyr och varför bättre AI-förhandlare riskerar att öka klyftorna.
Du får konkreta exempel på hur tokenbudget påverkar arbetssättet och perspektiv på hur verifierade rutinflöden kan frigöra tid för större frågor. Avslutningen ställer en fråga till dig som leder projekt eller verksamheter: vilka problem skulle du ta dig an om du slutade utgå från dagens att-göra-lista?
En ny typ av AI-modell har dykt upp som varken chattar eller genererar text. "Jev", klassificerar och väljer mellan fördefinierade alternativ i stället för att skriva fria textsvar. Verktyget kan ge organisationer ett nytt verktyg för automatiserade arbetsflöden.
Vi tar också upp Opus 5.5 och priskriget mellan AI-bolagen, där OpenAI har halverat API-priset för Sol. Och vi diskuterar varför modeller fortfarande kan brista i sunt förnuft när situationen blir komplex.
En central del är metanivån i AI-arbete - hur du stämmer av uppgiften med modellen innan arbetet börjar och varför de beslut du inte specificerar fattas av AI:n utan din vetskap.
Du får konkreta sätt att tänka kring när Jev är rätt verktyg och när en LLM behövs, och du förstår varför kvaliteten på ditt AI-arbete avgörs långt innan du ställer din första fråga.
OpenAI:s nya Astra-modell, har diskuterads frekvent i media - lätt att förstå varför, den kan ta över din dator och utföra uppgifter som att jämföra försäkringar och fylla i formulär - med en precision som vi inte sett tidigare. Men kostnaden är så hög att det kräver att man använder dom dyraste licenserna. Vad händer med din organisation när den typen av AI-kapacitet blir vardaglig och priserna faller?
Vi pratar om skiftet från att följa enskilda AI-chattar till att leda ett AI-management-team som styr autonoma agenter i bakgrunden. Vi diskuterar skills och arbetsflöden som nu körs utan tillsyn, och varför decision fatigue uppstår när agenterna eskalerar svåra frågor i hög takt.
Vi bryter ner HTML-artefakter som ett kraftfullt arbetsverktyg för att förstå komplex information i stunden, och vi lyfter integritetsfrågan kring
Du får konkreta exempel på hur ett agentlager byggs upp steg för steg och varför produktivitetsökningen lätt blir osynlig när man direkt anpassar sig till nästa nivå.
Mycket spännande som händer här sammanfattat och analyserat i ytterligare ett spännande avsnitt! En AI-agent skulle boka ett gympass. Den hackade bokningssystemet och avbokade andras platser för att flytta upp sin ägare i kön. Hur ska vi hantera "reward-hacking"?
EU AI akten inför regler att hålla sig i och vi pratar om EU:s transparenskrav på AI-genererad text och de osynliga vattenstämplar som Claude nu bäddar in, hur ska vi förhålla oss till en text som AI har genererat?
Tokenoptimering-analyserna fortsätter, nu är prisskillnaden mellan frontier-modeller och billiga alternativ är upp till 500 gånger! Jnathan beskriver hur han aktivt hanterar kvoter och tidsfönster för att hålla kostnader under kontroll.
Du får konkreta exempel på vad som händer när AI-agenter saknar rätt constraints, och varför modellval och tokenoptimering snart blir en affärskritisk kompetens.
AI håller har lämnat chatten. Rapporten blir en klickbar dynamisk webbsida. Vad händer nu?
Vi pratar om AI-artefakter i HTML: tillfälliga dashboards, presentationer och arbetsytor med filter, diagram och sök. Det kan göra information mer användbar än en PDF eller PowerPoint, men också svårare att editera.
Vi tar också upp valet mellan ett eget harness och AI-labbens färdiga plattformar. Eget ger större kontroll över data, modellval och drift, men kräver tid och kompetens. Färdiga tjänster är enklare att komma igång med, men kan skapa nya beroenden. Vad ska man välja?
Dessutom pratar vi om datacenter, el, komponentbrist och den växande bottrafiken på webben. För dig som vill använda AI mer flexibelt utan att tappa kontrollen.
En AI-modell bröt sig ur sin sandlåda, tog sig ut på nätet och skaffade sig administratörsbehörighet på Hugging Face. Vad det innebär det för dig som ansvarar för AI i din organisation?
Vi pratar om OpenAI-incidenten och varför flera labb efteråt bekräftade liknande händelser, om Kimi K3 från Moonshot Labs som på allvar utmanar de amerikanska Frontier-labben trots hårdvarurestriktioner och varför modellberoende nu är en konkret affärsrisk.
Vi diskuterar också hur hela infrastrukturstacken, från lokala modeller till lokal svensk hosting, nu finns på plats för den som vill diversifiera bort från en enda leverantör. Dessutom: vad hundratalet vibe-kodade appar lärde oss om vad som faktiskt håller i produktion.
Du får en tydlig bild av varför AI-driven cybersäkerhet kommer bli höstens heta ämne, och konkreta sätt att tänka kring modellberoende och egna benchmarks.
From the publisher's feed
I Delta-poddem hjälper vi dig förstå de tekniska skiftena innan de blir vardag. Vi pratar om AI-agenter, automatisering och teknologier som förändrar hur organisationer arbetar, fattar beslut och…
Som två röster i utvecklingens framkant bryter vi ner det som händer, nyanserar hypen och gör den begriplig för dig. Målet är enkelt: att du aldrig ska bli överraskad när nästa stora skifte kommer.