Jonas Jaani - podcast

Ert nästa kompetenstapp handlar inte om människor. Det handlar om AI-agenter som ingen äger.

När någon byter roll eller slutar försvinner kunskap. Nu gäller det också kunskapen i medarbetarens AI. Jag tror att vi behöver skilja på två slags AI: den personliga assistenten, som är formad efter dig och följer med dig när du går vidare, och den processdrivna agenten, som hör till en funktion och stannar i teamet när du slutar.

Blandar vi ihop dem går verksamhetskunskap ut genom dörren, eller så blir personlig information kvar där den inte hör hemma.

Vem äger era AI-agenter i dag?

——

Jag är Jonas. Jag leder förändringen, bygger AI-agenter och utvecklar de människor som ska arbeta med dem. På Sogeti bygger vi ett erbjudande kring agenter som ger resultat och konkurrensfördelar.

En AI-agent räknade fram bättre offerter. Sedan skrev den om sina egna instruktioner. Ingen sänkte priserna och ingen byggde om affärssystemet. Agenten jämförde sina kalkyler med det faktiska utfallet och rättade sig själv.

Principen kallas Recursive Self-Improvement (RSI). Jag förklarar den med ett exempel från industrin och tar upp tre saker som det kräver av ledningen: levande affärslogik i stället för statiska regler, ramar för vad agenten inte får göra och spårbarhet i varje ändring.

Bygger ni fasta verktyg, eller öppnar ni för system som optimerar sig själva?

——

Jag är Jonas. Jag leder förändringen, bygger AI-agenter och utvecklar de människor som ska arbeta med dem. På Sogeti bygger vi ett erbjudande kring agenter som ger resultat och konkurrensfördelar.

Varje måndag klockan 06.00 blinkar en sensor rött på en maskin i fabriken. Första veckan gör AI-agenten precis som den har blivit tillsagd och kallar på en servicetekniker. Men fjärde veckan har larmen helt slutat komma, utan att någon har lagat maskinen eller rört en enda rad kod.

Agenten har själv sett mönstret och skrivit om sin egen arbetsinstruktion.

I det här avsnittet utforskar vi Recursive Self-Improvement (RSI), i detta fall självoptimerande agenter som lär sig av verkligheten och vässar sina egna regler över tid. Vi går igenom vad skiftet från statiska flöden till levande system innebär i praktiken, och varför framtidens AI-strategi handlar lika mycket om modernt ledarskap som om teknik.

I det här avsnittet får du med dig:

Vad RSI innebär i praktiken: Skillnaden mellan klassisk regelstyrd automation och agenter som utvärderar och förbättrar sig själva.

Tre strategiska skiften för ledningsgruppen:

Sluta bygga statiska flöden – gå från årliga processkartor till system som trimmar sig själva i vardagen.

Skyddsräcken slår detaljstyrning – hur ni sätter stenhårda ramar så att en optimerande agent aldrig råkar stänga av ett kritiskt säkerhetsstopp.

Spårbarhet som konkurrensfördel – vikten av att kunna se vad agenten har ändrat, varför den gjorde det och hur organisationen kan lära av insikterna.

Ledarskapsparallellen: Varför vi får ut mest av både mänskliga team och avancerade AI-system när vi leder med tydliga mål, ramar och värderingar i stället för att detaljstyra varje steg.

00:00 – Mysteriet med måndagslarmet på fabriksgolvet

01:15 – Vad är Recursive Self-Improvement (RSI)?

02:10 – Tre sätt självoptimerande AI ritar om spelplanen

03:45 – Ledarskap i AI-eran: Ramar framför detaljstyrning

04:20 – En fråga att ta med till nästa ledningsgruppsmöte

Hur ser era AI-satsningar ut idag – bygger ni fasta flöden som kräver manuell handpåläggning när verkligheten förändras, eller vågar ni öppna upp för system som optimerar sig själva?---
Jag är Jonas. Jag leder förändringen, bygger AI-agenter och utvecklar de människor som ska arbeta med dem. På Sogeti bygger vi ett erbjudande kring agenter som ger våra kunder konkurrensfördelar.

Du har investerat i AI. Verktygen finns på plats, ambitionen finns där men effektiviseringen du hoppades på uteblir. Varför?

I det här avsnittet pratar vi om den vanligaste, och mest förbisedda, anledningen till att AI-satsningar snubblar på mållinjen: avsaknaden av en ontologi. Alltså en strukturerad karta över hur din verksamhet faktiskt fungerar.

Vi går igenom varför ontologi inte är ett tekniskt begrepp att lämna åt IT-avdelningen, utan själva förutsättningen för att AI ska kunna leverera på riktigt – och vad som faktiskt förändras när grundstrukturen väl är på plats.

Det här tar du med dig:

Varför även den smartaste AI:n misslyckas utan kontext om din verksamhet

Vad en ontologi egentligen är, förklarat utan teknisk jargong

Hur rätt struktur ger träffsäker automatisering, river silos och skapar tryggare beslut

Varför sann AI-mognad handlar mindre om teknik – och mer om din egen verksamhetskunskap

Tidsstämplar:

00:00 – Problemet: investeringar som snubblar på mållinjen

00:45 – Analogin: den briljanta analytikern utan karta

01:30 – Vad ontologi faktiskt är

02:15 – Tre saker som förändras: automatisering, silos och beslut

03:20 – Slutsatsen: tekniken är här, men har du gett den en karta?

Förenklar AI våra jobb så mycket att vi tappar den djupa förståelsen?

I dagens avsnitt dyker vi ner i baksidan av den snabba AI-utvecklingen. Vi pratar om fenomenet "AI:s tomma kalorier" – vad som händer när tekniken tar bort det nödvändiga motstånd som krävs för verkligt lärande, problemlösning och ägandeskap.

Dessutom lyfter vi ett växande och farligt fenomen: chefer och ledningsgrupper som plötsligt börjar prompta fram egna AI-prototyper på helgerna. Vi diskuterar varför denna tekniska genväg ofta leder till att man missar det absolut viktigaste – effektstyrningen och förarbetet.

I det här avsnittet pratar jag om:

Kunskapens tomma kalorier: Hur snabba AI-svar riskerar att göra oss bekväma och ytliga i vår problemlösning, likt hur vi konsumerar sociala medier.

När chefen extraknäcker som utvecklare: Varför brist på syfte och målgruppsanalys leder till felbyggda lösningar och underminerar organisationens expertis.

Vikten av användarfokus & förtroende: Varför god UX och transparens är helt avgörande för att vi ska våga lita på och samarbeta med framtidens AI-agenter.

Länkar och resurser:

Detta avsnitt är baserat på insikter från Effekten – Digitaliseringens podcast. Se hela ursprungsdiskussionen här: AI:s tomma kalorier, agenter och varför chefer inte borde koda

Vad tycker du?Har du själv märkt av att AI ibland tar bort motståndet som behövs för att skapa något du verkligen är stolt över?

Svara på Q&A-frågan direkt här i Spotify-appen eller hör av dig via sociala medier! https://www.linkedin.com/in/jonasjaani/

👇 Glöm inte att följa/prenumerera på podden för att inte missa kommande avsnitt!

Vi läser ständigt om hur AI ska revolutionera vårt arbetsliv, men hur går man egentligen från storslagna visioner i styrelserummet till praktisk nytta i vardagen?

I det här avsnittet utforskar vi idén om att låta medarbetarna själva driva innovationen genom ett internt "Draknäste".

De bästa idéerna föds sällan i teorin, utan hos de medarbetare som dagligen hanterar administrativa processer och flaskhalsar.

Genom att skapa ett forum där dessa idéer får pitchas och prioriteras, kan organisationen låsa upp en enorm potential och skapa verklig förändring.

Varför medarbetarna är de bästa innovatörerna: Det är de som bäst förstår de vardagliga utmaningarna och var AI kan göra störst skillnad.

De tre stegen till ett lyckat Draknäste:

Identifiera utmaningarna: Hur du uppmuntrar medarbetare att hitta tidstjuvar och repetitiva processer.

Pitchen: Att arrangera en energifylld dag där fokus ligger på problembeskrivning och värdeskapande snarare än teknisk färdighet.

Investering och genomförande: Varför det är avgörande att avsätta resurser och tid för att de bästa idéerna faktiskt ska bli verklighet.

Värdet bortom tekniken: Hur ett internt innovationsinitiativ stärker företagskulturen, skapar engagemang och driver naturlig kompetensutveckling.

Är det dags att sluta prata om vad AI kan göra i teorin och börja bygga det i praktiken? Lyssna för att få konkreta tips på hur du kommer igång på din arbetsplats.

"När ni röt till så var det det bästa som har hänt mig." Den oväntade kommentaren från en junior konsult väckte en viktig fråga: Hur ställer vi egentligen krav på den yngre generationen idag?

Har vi curlat en hel generation genom att fira åttondeplatser som guldmedaljer, eller handlar det i själva verket om att vi har blivit för rädda för att ställa riktiga krav på arbetsplatsen?

I det här avsnittet reflekterar vi över varför tydliga gränser och förväntningar inte är ett straff, utan ett bevis på att vi ser våra medarbetares fulla potential. Dessutom blickar vi framåt mot nästa stora utmaning. När AI går från att vara ett smart verktyg till att bli vår nya kollega kommer det att krävas ett helt nytt och modigare ledarskap. Hur ska vi kunna kravställa och styra komplexa AI-system om vi inte ens vågar ställa krav på varandra?

Höjdpunkter ur innehållet:

Konsultens insikt: Varför raka rör och tydliga förväntningar kan vara exakt det en ung talang behöver för att växa.

Curlingkulturen på jobbet: Har vi skapat en miljö där vi applåderar medelmåttighet av rädsla för att någon ska känna sig otillräcklig?

Krav som drivkraft: Hur vi hjälper våra medarbetare att se vad som skapar verkligt värde när vi vågar utmana dem.

Framtidens ledarskap: Varför intåget av AI som kollega kräver att vi vässar vår förmåga att kravställa och följa upp processer mer än någonsin tidigare.

Häng med på resan!

Vill du lära dig mer om hur du navigerar, fattar smarta beslut och gör karriär på en arbetsmarknad som snart domineras helt av AI?

Skriv upp dig på maillistan där vi djupdyker i framtidens arbetsplats, ledarskap och tech.

Prenumerera på maillistan här: https://sendfox.com/lp/3oxow4

Tekniken utvecklas i en rasande fart, men paradoxalt nog är det sällan de tekniska lösningarna som är vårt största hinder idag. I det här avsnittet pratar vi om en massiv förflyttning i hur vi arbetar: det verkliga värdet i våra organisationer ligger inte längre i själva koden, utan i våra processer och vår affärsförståelse.

När gapet mellan affärssidan och IT blir verksamhetens nya flaskhals, krävs en ny typ av kompetens.

Vi tittar närmare på varför gränsöverskridande experter – så kallade Forward Deployed Engineers – är framtidens absolut viktigaste roll för att snabbt och effektivt översätta teknisk potential till konkret affärsnytta.

I det här avsnittet diskuterar vi:

• Varför det strategiska värdet klättrar allt högre upp i organisationen.

• Det växande problemet med att "affär" och "teknik" pratar olika språk.

• Vad en Forward Deployed Engineer faktiskt gör i praktiken.

• Hur dessa experter kortsluter tröga processer och löser problem direkt i frontlinjen.

Lyssna in och fundera över var er egen flaskhals sitter idag – och vem som blir er första ingenjör i frontlinjen!

Hur generativ AI ritar om hela spelplanen för mjukvaruutveckling. Jag pratar om det växande fenomenet "vibe coding" och ställer oss frågan vad som egentligen händer med hantverket när datorn gör grovjobbet.

Håller den djupa kunskapen om kodsyntax på att urholkas och är det i så fall något negativt? Vi drar paralleller till historiska teknikskiften och pratar om hur framtidens systemutvecklare i allt högre grad kommer att behöva agera som arkitekter snarare än traditionella kodare.

Dessutom utforskar vi varför förmågan att förstå komplexa affärsprocesser snart kan vara den viktigaste egenskapen du kan ha.

I avsnittet

Junior vs. Senior: Varför nyutexaminerade studenter riskerar att ha en farligt hög tillit till AI-verktyg och varför den seniora erfarenheten av arkitektur, säkerhet och felsökning plötsligt är viktigare än någonsin.

Demokratisering av tech: Innebär de nya verktygen att vem som helst – från projektledare till UX-designers och säljare – plötsligt kan bygga fungerande prototyper och applikationer?

Tillit och kontroll: Hur bygger vi system som är säkra och går att förvalta över tid när stora delar av koden genereras av en språkmodell?

Följ med på ett spännande och lite filosofiskt om teknikens snabba utveckling, förändrade yrkesroller och hur vi som människor bäst anpassar oss när maskinerna tar över tangentbordet!

Känner du igen den varma känslan av meningsfullhet när du ställer upp för någon annan? I dagens avsnitt pratar vi om varför den känslan är mer än bara en ”god gärning” – det är en ren investering i din egen hälsa.

Vi dyker ner i ny, omfattande forskning som följt över 30 000 personer under två decennier. Resultaten visar ett tydligt samband mellan att hjälpa andra och att hålla hjärnan skarp långt upp i åldrarna. Att vara den som ställer upp kan faktiskt minska risken för kognitiv försämring med upp till 20 %.

I avsnittet går vi igenom:

• Den "kognitiva reserven": Vad det är och hur du bygger upp den.

• Formellt vs. Informellt stöd: Varför barnpassning och grannhjälp räknas lika mycket som organiserat volontärarbete.

• Den magiska tidsgränsen: Varför 2–4 timmar i veckan verkar vara den optimala nivån för hälsoeffekter.

• Social interaktion: Hur mötet med andra fungerar som gympa för hjärncellerna.

Lyssna på veckans avsnitt för att förstå varför din insats för andra är en win-win – för samhället och för ditt eget huvud.

Länkar & Resurser:

Studien leddes av forskare från University of Texas at Austin (bland annat huvudförfattaren Sae Hwang Han) i samarbete med University of Massachusetts Boston. Resultaten publicerades i den vetenskapliga tidskriften Social Science & Medicine.Länk till pressmeddelandet från universitetet:Helping Others Shown To Slow Cognitive Decline (University of Texas at Austin) https://cns.utexas.edu/news/research/helping-others-shown-slow-cognitive-decline