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.

Creating AI-generated video has become easy, but making it actually look professional is still genuinely difficult.

In this week’s episode of Vad fan ska man ha AI till?, I sit down with Akmalidin Alimov, a former telecom engineer at Ericsson who now works full-time with commercial AI content and automated creative workflows. We discuss what it actually takes to deliver professional results and why a single prompt is rarely enough. It is about building complex pipelines where ideas, images, video, music, and different AI models work seamlessly together, and why he sometimes needs 27 iterations on a single clip before it actually feels human.

We break down the tools required to build scalable workflows in practice, exploring how platforms like Higgsfield, Magnific, Claude, and ChatGPT serve fundamentally different purposes. However, the conversation extends far beyond content production. Akmalidin’s company is a prime example of building an AI-native organization: they coded their own course platform using Claude Code and created an autonomous agent to manage their Meta Ads instead of outsourcing the work. This episode highlights the fundamental difference between merely playing with generative AI and actually building workflows that function in reality as repetitive specialist work becomes automated.

Perhaps the most important takeaway from our conversation is that the technology itself does not solve everything. Context matters far more than the specific model you use, and professional production still heavily relies on human creativity.

AI does not automatically know what feels natural or human. We still have to teach it.

Akmalidin Linkedin:

https://www.linkedin.com/in/akmalidinalimov/

AI-sök förändrar redan vilka företag som upptäcks av kunderna. Om din organisation fortfarande uteslutande optimerar för Google, är risken stor att ni är helt osynliga där de verkliga frågorna ställs. I veckans avsnitt sätter jag mig ner med Liam Karlsson och William Gyltman från bolaget Rankad för att bryta ner hur nästa generations sök faktiskt fungerar. Vi diskuterar varför traditionell SEO tappar mark och vad varumärken måste göra redan i dag för att ta plats i gränssnitt som ChatGPT, Gemini, Perplexity och Google AI Overviews.

Idén till Rankad föddes ur ett smärtsamt mönster: trafiken till deras tidigare e-handelsprojekt minskade trots att placeringarna på Google låg kvar, och de traditionella verktygen saknade förklaringar. När Liams mamma sedan frågade ChatGPT efter löparskor för ett väldigt specifikt behov – och fick en perfekt rekommendation – föll allt på plats. Vi går igenom hur dessa nya modeller värderar olika signaler och varför generiskt innehåll plötsligt skadar varumärket, när specificitet, förtroendesignaler och färska källor från plattformar som Reddit och YouTube väger tyngre.

Samtalet handlar också om den operativa grundarmentalitet som krävs för att bygga lösningar i en marknad som rör sig extremt snabbt. Liam och William delar med sig av insikterna från sin tid i Silicon Valley och diskuterar varför svenska entreprenörer ofta tänker för smått. De argumenterar för att seriösa företag behöver större mål, skarpare genomförande och betydligt mindre tålamod med mediokra ambitioner. Det här är ett avsnitt för dig som är entreprenör eller operativt ansvarig och vill förstå den nya spelplanen innan konkurrenterna hinner ikapp.

www.rankad.ai

William LinkedIn:

https://www.linkedin.com/in/williamgyltman/

Liam LinkedIn:

https://www.linkedin.com/in/liamkarlsson/

Many companies still dismiss robotics as pure science fiction. In this week's episode, I sit down with Long Hei Roy Lim to discuss what the reality actually looks like. His company, temi Robots, has already sold over 14,000 units across 33 countries, building AI-driven automation solutions that are currently transforming everything from healthcare to retail. The focus is entirely on open platforms where robots are adapted to help humans work smarter, rather than replacing them.

We break down concrete use cases from the operational reality and look at how their ecosystem allows companies to tailor solutions to their specific needs. We discuss telemedicine in Spain and the U.S. where patient wait times have been cut from hours to minutes, AI-driven inspection systems in manufacturing, and autonomous guides in European supermarkets. A central insight is how accessible the technology has become today; we are talking about lightweight, adaptable robots costing just a few thousand euros that are fundamentally redrawing the landscape across multiple industries.

The strategic crossroad is clear: ignoring this development means deliberately stagnating. The global market is growing rapidly, and the real differentiator lies in how we implement and build systems that work alongside employees. The conversation boils down to the importance of digital collaboration—using intelligent hardware to scale human potential and build lasting competitive advantages. This is an episode for those of you who want to understand how AI and robotics are actually creating measurable value today.

Roy Linkedin:

https://www.linkedin.com/in/limlonghei

Temi Robots website:

https://www.robotemi.com/

Most e-commerce brands are currently stuck with rigid chatbots that frustrate customers rather than create actual value. In this week’s episode, I sit down with Victor Maae Jensen from Diverge to discuss how the next generation of AI-driven customer service actually works in production. We break down how to move from reactive responses to building proactive agents capable of operating across business systems, handling everything from order management to personalized recommendations.

We dive deep into a concrete case where Victor's team rebuilt the customer service architecture for the retail giant Boost. Dealing with a highly complex inventory of over 900,000 products, they managed to build and deploy the platform in just eight days. The result was an escalation rate of only 0.9 percent, in an industry where the average typically sits between 10 and 40 percent. We also discuss the strategic crossroad of knowing when to build your own AI infrastructure for full control versus when to rely on off-the-shelf SaaS solutions.

The most important takeaway from our conversation is that the primary purpose of AI in customer support is not to automate away the workforce. It is about redefining the entire experience and equipping the team with the right tools to build stronger customer relationships at a fraction of the historical cost. This is an episode for those of you driving e-commerce or tech development who want to understand how intelligent system architecture creates a genuine competitive advantage.

Victor LinkedIn:

https://www.linkedin.com/in/victormaaejensen/

Diverge:

https://askdiverge.ai/

There is a constant discussion about the potential of AI, but far too little about the actual architecture behind a successful implementation. In this week’s episode, I sit down with Konrad Jelen, who works with Kolomolo and StackRails, to break down exactly what it takes to integrate AI into large, complex organizations.

With decades of operational experience in data science and business automation, Konrad shares concrete frameworks for moving from isolated experiments to measurable business impact. We review real-world cases from Swedish enterprise companies in telecom and finance, where the right system architecture has reduced manual work by over 90 percent and identified anomalies with 98 percent accuracy. The focus is entirely on building systems that genuinely optimize the business and automate processes at scale.

A major part of the conversation revolves around security, governance, and control. Rolling out AI in production requires a robust infrastructure. Konrad shares insights into how organizations can develop, monitor, and govern AI solutions at scale with full compliance, as well as the technical requirements for making it happen.

This is an episode for those of you who drive AI initiatives or lead data science teams and want to stop guessing. It provides a concrete blueprint of how leading companies actually build and scale their systems in production.

Links and resources from the episode:

• StackRails platform: https://stackrails.ai/

• Groundrails (The open-source grounding solution): https://github.com/stellarshenson/groundrails

  Konrad LinkedIn:

  https://www.linkedin.com/in/konradjelen/

  
  

De flesta bolag misslyckas totalt när de försöker använda AI för att bygga relationer.

Det blir kallt. Det blir opersonligt. Det skadar varumärket.

I veckans avsnitt sätter jag mig med Kevin Östlin, vd och medgrundare av Andsend.

Han exekverar på ett helt annat sätt.

Andsend har byggt en plattform som använder AI för att förstärka mänskliga relationer, inte ersätta dem.

Vi pratar om varför den traditionella säljprocessen är utdaterad och hur du automatiserar bort det repetitiva skräpet för att frigöra tid till det som faktiskt stänger affärer. Det mänskliga mötet.

I avsnittet bryter vi ner mekaniken:

Hur du underhåller hundratals aktiva relationer och förblir "top of mind" utan manuellt slitage.

Hur AI identifierar exakt rätt kontakter, formulerar personliga meddelanden och väcker kalla leads till liv.

Varför mänsklig översyn fortfarande är avgörande för konvertering.

Extrem exekvering: hur teamet skalade från 20 till 100 produktreleaser i veckan.

Hur du använder AI som din egen relationsexpert för att driva tillväxt i B2B.

Många tror att automation gör affärer kallare.

De har fel.

Rätt använd AI gör att du kan bygga djupare och mer meningsfulla relationer. Snabbare, smartare och med en bråkdel av ansträngningen.

Oavsett om du är grundare, säljare eller bygger nätverk – om du vill skala dina relationer utan att förlora den mänskliga touchen, är det här avsnittet din playbook.

Kevin Linkedin:

https://www.linkedin.com/in/kevinostlin/

Andsend

Www.andsend.com