Transkribering: Så guidar AI Sweden i förändringen som krävs pga AI, Per Clingweld berättar. (AI-avsnitt 12)

Detta är en maskinell transkribering (KB-Whisper) av avsnittet som publicerades 2025-11-16. Fel kan förekomma.

Lyssna på avsnittet: AI 12: Så guidar AI Sweden i förändringen som krävs pga AI, Per Clingweld berättar.

Transkribering

Idag har vi med oss Per Klingveld från AI Sweden. – Välkommen till podden, Per. Tack, superkul att vara här. Vem är Per? Per är en 37-årig herre som bor strax nordöst om Stockholm. Och småbarnsåren just nu, 6 och 8 år gamla är barnen. Jag har varit gift sen 10 år, så då kan ni tänka er vilken typ av fas i livet jag befinner mig i samtidigt som efterfrågan på mina tjänster och det jag kan är högre än nånsin, skulle jag säga.

Vilket är superkul. Det får man leva med och göra det bästa av. Du lyssnar på Projektledarpodden. En podd för dig som gillar att leda projekt och vill lära dig mer av andra om projektledning. Jag följer dig på LinkedIn. Du skriver väldigt mycket där, väldigt tongivande.

Så du har alla de här tankarna och hur blev det så? Hur kom du dit? Jag började nog skriva lite mer aktivt För ett år sedan, på just tema Balansen mellan effektivitet och äkthet i en AI-värld… Det var på uppmaning av en vän till mig, en amerikan. Han sa: Jag hade haft förmånen att bygga startups – så kallade AI first startups. Men även, under ungefär ett och ett halvt år fått vara inne och hjälpa VD:ar i mitt nätverk lite under radarn, att komma igång med sin AI-resa som organisation och bolag.

Jag hade mycket observationer och berättelser att dela med mig av. Det var det han kommenterade: Nu räcker det. Sluta vara så svensk. Ut och prata om det. Jag insåg ganska snabbt att det kommer att vara svårt för mig att fungera om jag inte hittar en metod för det. Jag hade förmånen att vara väl bevandrad i olika typer av generativa AI-verktyg.

Så jag tänkte att jag sätter ett experiment för mig själv. Jag ska skriva varje inlägg med AI utan att jag själv skulle tänka att det är AI som har skrivit det. Apropå balansen mellan effektivitet och äkthet. Så då gjorde jag det i tre månader och fick nästan en miljon visningar på innehållet. Ett till två inlägg i veckan. Sen avslöjade jag att jag hade gjort det och allt jag hade lärt mig.

Min logik i det hela är att jag hellre lägger tiden i kommentarsfälten och skapar en debatt och ett samtal som har tystats lite. Dels för att det har hänt så mycket i världen och folk är så stressade. Men också för att jag tror att det behövs. Vi svenskar har blivit bra på att hålla tyst men jag tror att vi behöver bli bättre på att uttrycka vad vi tänker och känner för det är det enda sättet att förflytta projektet Sverige framåt. Du är rätt rak i dina kommentarer också. Ja, i alla fall i öppningsreplik för att jag tycker att det behövs.

Ibland så behöver man få emotionella En nationell trigger för att man ska orka och bry sig om att läsa nånting. Sen kan man i samma inlägg retoriskt fånga upp och förklara och visa att man har koll på det här eller har koll på det för att uttrycka sig. Och sen avrunda med vad är det jag egentligen vill säga med det här. Även om det börjar rakt och provokativt så handlar det om att det inte bara ska försvinna i ett brus av alla möjliga typer av material. bygga upp all den här kunskapen som du onekligen har och som man ser på LinkedIn, som är djup?

Bra fråga, Mattias. Jag har varit väldigt nyfiken sen jag var liten. Pappa är lågstadielärare och mamma är arbetsterapeut. Så det här med hur tekniken kan hjälpa människor och hur vi kan hitta en glädje i att lära och röra oss framåt har varit nåt som har format mig sen barnsben. Det är nog det enkla svaret och grunden till att jag håller mig ajour. Sen har jag aldrig sett jobb som jobb, utan för mig har jobb alltid varit lärande.

Så handlar det bara om att hitta den här balanspunkten mellan: Vad tycker du är kul? Vilket område vill du växa inom? Och vad är marknaden beredd att betala för? I dag jobbar du för AI Sweden. Och du har en roll där som Change Agent. Kan du inte berätta lite om AI Sweden och din roll.

AI Sweden är, för er som inte vet det, Sveriges nationella center för tillämpad AI. Vi är en icke-vinstdrivande profession, väldigt brett finansierad. Det är för att hålla oss så neutrala som det bara går. Och vi är en plattform där offentlig sektor akademi och näringslivet samarbetar, helt enkelt. i projekt som annars hade varit svårt att föra framåt. Det som vi är extra bra på utöver projektledningen och koordineringen är att förstå oss på både forskningen och tillämpningen och spridningen av kunskap och lärdomar inom just AI-resan som organisationer behöver ta sig igenom och som många just nu kämpar med.

Antingen att navigera i över huvud taget för hur man kommer i gång eller att ta sig från ett första steg till ett andra. I min roll som förändringsledare är jag ute och hjälper våra partnerorganisationer. Vi har väl strax över 180 av dem just nu. De står för ungefär hälften av våra intäkter. De lutar ju sig inåt i det här för att vara med i kunskapsutvecklingen och ta del av sånt som kanske inte går att få tag på i böcker, i media eller i NC Podcasts. Då är jag ute och hjälper ledningsgrupper och styrelser av olika slag och ibland också hela personalgrupper.

Att ta de första stapplande stegen från två olika perspektiv. Det ena är systemperspektivet, eller det systematiska perspektivet som handlar om att göra självskattningar och nulägesanalyser och få en gemensam bild av hur det står till och sen ta sig vidare därifrån med olika verktyg och mallar. Det andra är att hjälpa individen att låsa upp och förstå, vem är jag mitt i det här teknologiskiftet som vi befinner oss i just nu? Och se sina blinda fläckar och tillsammans med sina kollegor ta sig över viktiga starttrösklar för att underifrån och upp i en organisation lyckas bygga en kultur och en förändringsvilja och förändringsglädje som förflyttar organisationen framåt.

Och hur kan det låta då när en ledningsgrupp tar första kontakten med dig eller med er, och vem är det? Är det affärsutvecklaren? Är det utvecklaren eller är det vd? Jättebra fråga. Det beror på organisation, storlek på bolag och bransch. Men det brukar vara antingen nån som av vd eller generaldirektör har fått uppdraget att höra av sig, eller så är det vd eller generaldirektör själv.

Vi har ganska tydliga processer numera. Det är extremt högt tryck. Framför allt har vi märkt under 2024-2025 att organisationer vill vara med. Vi hade inte klarat det om vi inte hade strukturerade processer för hur vi hanterar det. Direkt när man hör av sig i ett formulär på vår sida och väljer vilken kategori och vilket segment man tillhör så hamnar man i ett flöde där vi tar väl hand om dig. Du får reda på allt du behöver för att kunna fatta ett beslut.

Om man väljer att gå med som partner så finns det ett smörgåsbord av möjligheter. Då har man en partneransvarig, 20 stycken totalt just nu inom organisationen, som äger. den relationen och planerar ett år i taget. Vad av det här smörgåsbordet har möjligheter som AI Sweden erbjuder? Vill du ta del av det, hur kopplar du det mot dina strategiska mål och hur kan vi hjälpa dig som är kontaktperson eller ansvarig i din organisation för den här förändringsresan att lyckas med ditt jobb? Vem som helst kan gå in och registrera sig som har en organisation eller ett företag i Sverige.

Ja, du behöver ha en organisation som är registrerad i Sverige. Sen finns det kategorier för alla. Även om vi har valt att fokusera på de allra största organisationerna i Sverige de 500-700 största inom olika sektorer för att det är där vi kan göra det som är vårt uppdrag. Det handlar om att accelerera användningen av AI i Sverige för vår konkurrenskrafts skull och för alla medborgares skull i slutet av dagen. Vi fokar där vi tror att vi gör störst skillnad effekterna och spridningen kan bli så stor som möjligt. Här i podden när vi pratar AI så gör vi väldigt ofta utifrån generativa AI och vi pratar väldigt ofta chattkapten, Cloud, Copilot och den typen av, vad skulle vi säga, tjänstemanna-AI.

När ni pratar AI, vad tänker ni då? Bra att du är tydlig med det. Det som du pratar om nu är som du säger generativ AI och det är En typ av teknik som, matematisk innovation kopplat till nåt som heter Transformers. Det var ett gäng från Date Mind och Toronto University som runt 2015, om jag inte missminner mig, lyckades med den innovationen. Men redan innan det, och fram till idag har du den mer traditionella maskininlärningen kallad smal AI eller traditionell AI som handlar om att optimera utifrån data i ett visst flöde. Vi måste både optimera och bli bättre och bättre på att lösa ett problem av sig självt.

Den typen av teknik använder vi i dag jättemycket utan att vi tänker på det. Den finns i Google maps, till exempel. Du har att bara gå in och söka och googla. Du har TNI, eller autocomplete när du skriver meddelanden. Du har ansiktsigenkänning, du har alla sociala medier och rekommendationsalgoritmer i Netflix och Spotify. Vi använder AI hela tiden. i dag utan att vi tänker på det.

Men det blev ju ett begrepp som hamnade i folkmun när generativ AI kom och i synnerhet när många av oss testade ChatGPT första gången våren 2023. De är ju uppe nu, om du tittar på ChatGPT så är de uppe i 800 miljoner användare på veckobasis. Så det är inte konstigt att det har blivit det vi pratar om och som det pratas om här i podden också. Men det är viktigt att inte fastna där och tänka att det här är För då blir man lätt besviken också. Det tror jag många lyssnare kan känna igen sig i. Man har stora förhoppningar, men faller lätt på antingen att man inte har tillgång till rätt typ av sån teknik på jobbet, kanske.

Och bli besviken utifrån det eller känna att man inte haft tid eller ork att lära sig kommunicera och använda och maximera de här tjänsterna på rätt sätt. Så det är viktigt att förstå att AI är så mycket större. Det är en så kallad generell teknik eller general purpose technology på engelska. Det bästa man kan efterlikna med där och hur det har påverkat samhället är… Internet är väl det som är närmast i tid. Som kom 1983 från början.

Men det dröjde fram till idag i princip innan det är nåt som genomsyrar allt i våra verksamheter och i vårt samhälle. Går man ännu längre tillbaka i tiden så är det ångmaskinens intågande och industriella revolutionen som det ledde till. Och 200 år efter ångmaskinen kom elektriciteten. och allt det som det ledde till i det samhälle och den välfärd vi lever i i dag. AI är inte generativ AI. Generativ AI är bara en liten bit i det men det är så påtagligt för oss, för många av oss får superkrafter helt plötsligt. Vi kan laga mat, som vi inte kunde förut.

Vi kan träna på ett hållbart sätt. Vi har en samtalsterapeut vi kan prata med, som vi inte hade förut. Vi får en dejtingcoach som kan hjälpa oss att lyckas bättre. i våra intima relationer. Sökningar är lättare och lättare att ta till sig. Lärande för gymnasieelever och högstadie elever är så mycket lättare. Plötsligt har vi nåt som lär känna oss som individer.

Det känns superhäftigt. Men det är viktigt att komma ihåg att det är inte… När jag pratar om AI och vi på AI i Sweden om AI så är generativ AI bara en liten bit, även om det ofta är det som gör att det har kommit upp på ledningsnivå, konstigt nog och att folk faktiskt hör av sig och vill börja lära sig. Vad handlar det här om? Jag har en stor organisation som är industri och en av de 500 största företagen som tar kontakt med EIS Sweden. Hur är den första…

Jag antar att ni inventerar på nåt sätt? Vad är status nu? Hur går det till, det där första stegen? Det här, och det tror jag många lyssnare känner till, är en klassisk förändringsledning. Hur förändrar man nånting i en organisation? Ofta börjar det med att ett gäng experimenterar lite på olika håll.

Det är lätt att tänka att: bra, nu är vi igång. Men det är sällan det leder nån vart i en organisationsförflyttning. Så första steget blir att göra en självskattning. Där har vi valt att använda en metod och modell från ett tyskt forskningsinstitut som heter Applyed AI. Det har vi haft med oss från början. De hade kommit långt redan när vi startade 2018-2019 på initiativ av Sveriges dåvarande bostads och digitaliseringsminister Peter Eriksson.

Så vi har använt det ramverket. Nu börjar vi utmana det lite för att de… Det är drivet av tyska ingenjörer och ganska tungt tekniskt och inte helt har hängt med i det generativa och agentiska AI-eran. Men i alla fall, det är en självskattningsmodell där man svarar på 109 frågor. inom tio olika områden. Det här ligger sen till grund för olika respondentgrupper och ligger till grund för en halvdags workshop där man tittar på gapen mellan respondentgrupperna och de frågor där det för många vet ej, till exempel. Och börja gräva i de blinda fläckar som finns och de missförstånd eller stora gap som finns i en organisation.

Den där gemensamma bilden, som alla projektledare vet, är otroligt viktig för att man ska veta Vilken ände börjar vi i? Vad utgår vi ifrån? Innan du kör igång ett projekt har du hela scoping-fasen där du ska definiera allting och göra förarbetet. Det är precis på samma sätt här. Den där gemensamma bilden blir startpunkten för den systematiska förändringen. Efter man har gjort det så tar man sig in i drömma-fasen.

Från att skatta till att drömma. Där handlar det om att måla upp en vision och en ambition och förklara hur det kopplar till de övergripande målen och uppdraget för Organisationen som man befinner sig på. När vi väl har gjort den övningen då kan det komma in i att planera och sen genomföra oss och skala det som funkar. Och när du skalar det som funkar då är du redo att göra en ny skattning för att se hur långt vi har kommit inom de här tio olika områdena. Så klassisk change management där många i dag experimenterar och så hoppar man över det strategiska och börjar skala det som funkar.

Det har vi lärt av historien i alla typer av förändringar. Det är sällan det lyckas och blir bestående och bra. Men det är intressant, för när man lär sig förändringsledning så pratar man alltid om att man ska sätta upp det här framtidsläget titta på nuläget och hitta gapet. Och efter det så gör man planen. Vi vet också var felen brukar ligga att man börjar springa innan man egentligen vet vart man ska. Men i det här fallet så vet vi inte vart vi ska.

Berätta mer! Jag tänker på AI när man kommer in på ett företag och så ser vi alla möjligheter som finns. Och en del av de möjligheterna är troliga möjligheter i framtiden. Eller sätter man så kort perspektiv på det så att vi bara ser sådant? Det här skulle vi kunna genomföra med dagens teknik. Ja, precis.

Jag skulle säga att det är en av våra huvudutmaningar just nu. Det i kombination med att vi är ganska bekväma av oss i Sverige och har en självbild av oss att vi är ett Väldigt innovativt land och att vi ligger i framkant. Det i kombination med att vi lyssnat mycket på såna som Max Tegmark en ingenjör som jobbar på MIT och fått sommarprata två gånger på temat. Och att vi i Norden egentligen är de länder i världen som är mest varsamma med den personliga integriteten. Därför har GDPR och nu också EU:s AI-act, som den heter slagit hårt mot oss och blivit som en liten…

En blöt filt eller blöt matta nästan. Som gjort att många antingen inte… Att man hållit sig borta från det och använt osäkerheten och okunskapen för att man ska inte börja agera, behöva agera, behöva lära sig. Eller, och ska jag säga, så har det vuxit upp nåt som kallas för shadow usage: Att medarbetare, ändå, börjar använda generativa AI-verktyg på olika sätt. Det som är viktigt att tänka på som ledare när man inte vet det behöver man vara modig. Man behöver vara visionär och man behöver vara duktig på att möjliggöra.

Det innebär att man inte alltid vet exakt vart man ska. Men det finns otroligt bra verktyg i dag, såna som vi har och som andra har som kan hjälpa en att skapa den tydlighet man behöver. Det är inte rocket science på samma sätt som när När elgeneratorerna kom in i fabrikerna och ersatte ångmaskinen är det klart att de flesta bara ersatte ångmaskinen med en generator och lät allt flyta på som vanligt. De som kom ut som vinnare från den eran är de som insåg att man kan göra om layouten på hela fabriken. Du kan separera det som är farligt, det som låter mycket och det som är logistiskt problematiskt och sätta i andra delar av fabriken eller nya byggnader bara för att du kan förflytta kraften. via en kabel till en ny plats.

Det är samma sak här. När elektriciteten kom hade man levt i 200 år i den verklighetsbild som ångmaskinen hade lett världen och samhället in i. Det är lite samma sak nu, även om hela interneteran har gått snabbare. Hela den molnmjukvaruvärld vi lever i där allt är uppkopplat och den verklighet och hur våra arbets flöden ser ut i dag. Det är egentligen inte en sanning. Det är bara en layout på fabriken utifrån hur det ser ut just nu.

Så vilka kommer vara de 0,1 % som vågar tänka om hela den layouten? Det kommer vara de som går vinnande ur det här stora teknologiskiftet. Det intressanta, det jag läste om teknikskiftena det är att de som hoppar på för tidigt får väldigt stora kostnader. De som hoppar på mitt på hajpen brukar klara sig rätt bra och de som hoppar på efter, de finns inte med. Nej. Det är nog mer pålästa nej i den typen av studier.

Men mitt masterprogram på industriell ekonomi handlade om teknologiskiften just då. Varför flödar kapital i vissa riktningar då och vad händer med olika organisationer? Redan då, när jag läste den mastern på Chalmerstad, 2013-2015 så var det tydligt att livslängden på Fortune 500 hade gått från 50 år under efterkrigstiden till 15 år. Utifrån det du sa nu så tror jag att den sanningen skulle kunna vara ännu större. Vi får väl se när vi tittar tillbaka i historien vad som hände och vilka som kom ut som vinnare. Men det bästa vi kan göra just nu är att lära av tidigare liknande skiften.

Det man behöver förstå är att AI är hajpat absolut just nu, i alla fall vissa delar av AI. I grund och botten är det en teknologi som har inverkan på allt. Och det kommer inte att förändras. Det kommer att skapa en ny typ av samhälle. Antingen åker man bara med och hoppas att man överlever eller så är man med och utformar det och ser till att ta en förarsätesplats. Det är upp till varje organisation och ledarskapet att avgöra riktning.

Allt handlar om risk. Det finns en risk i att göra fel. Det är mycket så som vi har sett på risk i Sverige. Titta på ekonomisk risk eller PR-risk, som de två reella riskerna. GDPR leder till fem procents bot utifrån fem procent av omsättningen i värsta fall, och EU AII-AKT leder till sju procent. Men det man ofta missar i de här riskmatriserna som det inte pratas lika mycket om, är risken att inte agera.

Och just nu är den större för många organisationer, att man inte överlever. i längden, än att du skulle åka på en bot och det skulle driva omkull ditt bolag. Och var ska man börja då? Vi har en förändringsresa. Vi börjar med att titta på nuläget. Vi får hjälp med att titta på framtidsläge. Och sen har vi ett gap där och det inser vi är gapet är enormt.

Ska vi ta de lågt hängande frukterna först eller ska vi börja omorganisera hela företaget? Var brukar ni hamna? Jättebra fråga. Den här självskattningen brukar ge en bra bild inom 10 olika områden. Där ser man de största gapen och det blir naturligt att känna var man bör börja som organisation. Därför är den övningen så otroligt bra att göra, när man inte vet och när det känns osäkert.

Sen har vi mallar och så för att kunna ta fram en tydlig AI-vision. Sen handlar det om att få ihop den med sitt övergripande uppdrag och mål. Parallellt med ambition och vision är det viktigt att identifiera två till tre tillämpningsområden eller användningsfall, som vi kallar det för. Use cases, där man kan räkna hem en return on investment, en återbetalning på den investering man har gjort. Man har ett nuläge och sen en ambition och vision då handlar det om att hitta de här små projekten, kan vi väl kalla det för som du kan förankra den här resan i och börja i.

För du kan inte börja med allt, det är ju väldigt svårt. Sen handlar det om att förstå det som är det stora kompetenslyftet som behöver göras, vilka förmågor har vi som organisation? För att kunna jobba mot den här visionen och ambitionen och förverkliga de här tre, två till tre projekten inom olika användningsfall för AI. Och där har du saker som Som data, säkerhet, kultur, organisation, samarbetspartners och ett gäng olika förmågor som är grunden för att lyckas. Det är ofta det vi springer förbi. Man tänker att det löser sig i projektet.

Men det spelar ingen roll ifall projekten lyckas lösa sig för om inte hela organisationen förflyttar sig in i de här resursområdena och de här förmågorna, de kommer ändå inte… AI-transformationen eller AI-resan blir så effektfull och bra som det blir annars. Då kanske det blir att projekten springer på, men organisationen är någon annanstans. Det finns det många exempel på, där man kommer långt i att experimentera med till exempel generativ AI, eller att data och IT-avdelningen kommer jättelångt med att städa och samla, städa och annotera sin data.

Det spelar ingen roll ifall de nio andra områdena är steg 1 och 5. Det blir tydligt när vi gör den här typen av skattningar. För att organisationen ska klassas som att den har tagit sig vidare till steg 2. Då behöver alla tio områden i snitt mellan alla respondentgrupper ha tagit sig över gränsen mellan steg 1 och 2. Även om en är på steg 5, det kommer inte hjälpa organisationen. Nog om det, nu blir jag passionerad här.

Men så är det när man pratar om saker. vill höra en. Jag tänker på alla Lean-konsulter som fanns för 20 år sedan. Det är dags att gräva upp dem igen. Det här är verkligen Lean och så har vi ett verktyg här också som är jättestarkt. Det är bara att knacka på dörren. Har du några goda exempel, du behöver inte nämna företag, men har du några goda exempel där man har tagit de här stegen och det här har fungerat?

Vi börjar få partnerorganisationer som har varit med i några år och de som man kan En annan som har lyckats komma framåt är till exempel Skatteverket inom det offentliga. Tack vare att de har gått igenom en enorm resa själva med transaktionsdata, bank och finans generellt är ju ett område som hållit på med AI långt innan generativ AI kom. Det har varit nånting som gör att organisationerna funkar mycket bättre. Det blir färre fel och man får snabbare svar som kund eller medborgare. De är ett exempel som… Det ledde till att de och Försäkringskassan fick 30 miljoner var av regeringen nu för att etablera en AI-verkstad som andra i offentlig sektor kan ta del av och lära av.

Det är ett eller två exempel från offentlig sektor. Inom privat sektor finns det vissa organisationer som syns mer än andra. Utan att säga om de är partner eller inte så tycker jag att Scania och Vattenfall, till exempel, två av våra större bolag Puffar på, inte för att det inte finns motstånd men man har lyckats skapa nån form av rörelse internt. Både det systematiska, top-down och bottom-up-förändringsresa som jag tror gör att de både syns och hörs allt mer. Och det är jätteviktigt att vi får såna exempel som vi andra kan titta på och luta oss emot.

Det är väl det om man tittar på stora organisationer. Sen är det lätt att fastna i det här Det har kommit många undersökningar, framför allt runt årsskiftet. Det är väldigt dyrt för oss i Norden just nu att vi inte har agerat så mycket och att vi har så låg användning på veckobasis. Det här var reflektioner utifrån data man samlade in och undersökningar som gjordes hösten 2024. Det är inte hela sanningen. Det har hänt mycket.

Vi är lite försiktigare i början, lite mer ingenjörsaktiga här i Norden utifrån samhällskontraktet vi har. Det är högförtroende ekonomier. Nu har det börjat ta fart, och det händer allt mer för oss. Även om man målar upp en bild av att det är kostsamt att ligga efter och man känner sig frustrerad över att vi inte har kommit så långt som organisation så har vi några av de mest snabbväxande bolagen i världen just nu inom AI i Sverige. Både inom att ta anteckningar utifrån sjukvården för våra journaler. Det finns ett bolag som heter Tandem Health.

Du har Legora… som är ett av de två största i världen inom juridik. Du har Loveable, som värderades till 18 miljarder efter åtta månader från lanseringen här i somras. Det möjliggörs för vem som helst att skapa en app eller webbsida bara genom att skriva några ord på vanlig svenska. Och du har fler som poppar upp hela tiden, inom tekniskt avancerade segment. Så det är viktigt att komma ihåg att även om vi kan känna Och frustrerade över att vi lever i ett samhälle där vi är försiktiga till en början och inte vill vara bättre eller sämre än nån annan.

Och man blir stressad av det som händer i Kina eller USA och hur de tar sig andra. Då ska vi komma ihåg vad som har byggt vårt samhälle över tid. Vi ser ju de sakerna samtidigt nu. Vi ser både ansvarsfulla tillämpningen av AI som pågår i större organisationer och i den förflyttningen. Vi vill inte rulla ut saker för snabbt för att… Det handlar inte bara om rädsla utan att vi vill ta hand om det sociala, ekologiska och ekonomiska runt oss och fortsätta bygga vidare på det samhälle vi byggt till vad det är i dag.

Samtidigt har vi styrkan i att vi lever i den typen av samhälle vi gör när man ser den här typen av innovationer som totalt exploderar och blir jättestora på kort tid. Om man behöver lite uppmuntran och nånting att känna sig inspirerad av då kan man titta på de här startupsen som… uppstartsbolagen som springer så att det står härliga till. Och för dem är inte Sverige huvudmarknad så klart, till en början. Men nu när flera av dem rör sig in i Enterprise-världen och säkerhet och hållbarhet kommer i kapp, då vaknar vi också till liv som köpare här i Sverige.

Din relation till projektledning, hur är den? Det är klart att det är extra kul att vara med här. Jag har fyra yngre syskon och vill säga att min närmsta bror Jag är mer av en hårdrankad projektledare än vad jag är både i person och i förmågor och arbetslivserfarenhet. Men jag är byggnadsingenjör i grunden och arkitekt. Mitt första riktiga jobb var på Skanska i USA där jag jobbade med kommersiell fastighetsutveckling. Och det är ju projektledning…

Det är därifrån många hävdar att projektledningsmetodiken Teknikerna kommer från byggbranschen, där det är så komplext och så mycket pengar. Det är så viktigt att saker görs i en viss ordning för att det ska bli bra och fungera, hela den branschen. Så det är min första kontakt på riktigt med projektledning som område. Mitt första jobb på mjukvarubolag blev… När jag kom hem från USA från Skanska tog jag jobb på ett software-servicebolag. som heter Entura Projects. Och det var där jag lärde mig allt om projektmodeller och projektportföljhantering.

Jag hamnade i Marknad och kommunikation och byggde upp det från start. Så då fick jag sätta mig in i hela skrået, som hela den här podcasten representerar. Det var ju härligt nördigt att få grotta in sig i allt som har att göra med projekthantering och projektledning. Framför allt utifrån min passion för att driva förändring och innovation. Det var den här typen av modeller som möjliggjorde det ofta på PMO, Project Management Office, på större organisationer. Sen kan jag inte låta bli att de första organisationerna som jag har byggt på riktigt, som har varit organisationer är såna som är byggda på Lean och inte minst Leans Startup-metodiker.

Den har jag även fått nöjet att jobba med som projektledare eller affärsutvecklingsansvarig på byråer i Sverige som jobbar med att bygga Minimum Viable Products alltså första välfungerande produkter i produktion i kritiska processer för stora och medelstora bolag. Det var första gången jag på riktigt utgick från Almegas… Det var så skönt att kunna luta sig på Almegas agila projektavtal i grunden och kunna teckna det här lilla… överenskommelsen ovanpå det affärsmässigt. Det var första gången som jag på riktigt förstod hur agil projekthantering är uppbyggd och fungerar och varför det fungerar så bra.

Så det är väl min relation till projektledning och projekthantering, med lite olika nyanser och smaker. Och då kommer givetvis följdfrågan. Då borde du kunna säga hur vår roll kommer förändras i framtiden med hjälp av AI. Ja, nej det positiva med en sån Nån typ av fråga är att ingen kan säga vad som är rätt eller fel om framtiden. Så jag får väl göra ett försök. Jag tror att det mänskliga i våra roller det vill säga förmågan att känna in intressen, agendor, personligheter… det kommer bli en av de viktigaste förmågorna att bibehålla och vidareutveckla som projektledare.

Medan jag tror och hoppas att mycket av det administrativa och… uppföljningsarbetet. Och det jobbiga och frustrerande i mycket av det, även om man kan tycka att vissa delar är kul är att det, om inte automatiseras, att vi förstärks i vår kognitiva förmåga så att vi klarar av att hantera mängder av information och se fel som inte hade setts av människor. För det är det projektledningen handlar om i grund och botten att minimera risker, att säkerställa att man når värde så snart som möjligt, men också att minimera riskerna risken att det fallerar, att projektet misslyckas. Jag hoppas att AI kommer sköta mycket av analysen och det administrativa åt oss så att vi kan fokusera mer på att öka samarbetsförmågan och kanske också att se varandra som människor i den processen.

Jag har alltid haft svårt att tänka mig hur datainsamling ska gå till i projekt men sen kom CoPilot och du började förstå att datainsamling är inte bara en tid eller liknande utan vad som skrivs i protokoll, anteckningar och liknande. Den helheten är otrolig. Där finns nog mycket att grotta i. Ja, verkligen. Om man ska börja med nån ände så kan man börja titta på det som jag har sett förändra organisationen mest. Om man ska prata om reellt värde, nåt som är enkelt att implementera.

Framför allt om man är i mindre bolag eller branscher som inte är reglerade. eller kan röra sig inom trygga och slutna system? Då är det ju diktering, transkribering, inspelning och diktering av möten och samtal. Och att automatisera förberedelser och uppföljning inför såna samtal. Att logga det i system och översätta det från ostrukturerad till strukturerad data där det behövs för att projektledningssystemen ska kunna göra sitt jobb i det skede vi befinner oss i dag. Medan i framtiden kanske vi inte ens behöver hålla på och plugga in nåt överhuvudtaget i alla formulärfält överallt.

Och klicka på skicka eller spara. Då kanske det räcker med att vi pratar med vår projektledningsagent som sköter allt bakom kulisserna i våra databaser. Det är svårt att tänka sig i dag när man pratar med den generativa AI som finns och får de svar man får ibland. Men jag ser ju det också, hur det fungerar och hur transkribering, till exempel, att göra saker ting sökbart kunna följa ett möte som man inte är med på. Det ger förändringar som gör att det kanske bara är de som är med på mötena som behöver vara där. För de andra kan se det här i alla fall.

Man behöver inte sitta med på ett möte längre bara för att om någonting sägs. Här får du lite grann om omstrukturering av fabrikslokalen. Hur vårt arbetssätt ändras redan nu på de företag som infört det här. Har du sett liknande saker? Jag har ingen observation som jag kan dela just inom projektledning. Jag satt häromdagen själv och ett av de startups som jag stöttar strategiskt fortfarande.

Och så skulle jag titta på… Då hade ett av de analysverktyg som det här bolaget använder släppt en så kallad MCP-server. Model Context Protocol-server. Det är ett ganska nytt fenomen som kom som nåt som blev standard väldigt fort men kom vid årsskiftet ungefär 2024/2025. Jag var superexalterad. Det var en typ av analys som jag inte hade haft kunskapen om eller mentala orken att genomföra.

Och hitta var jag får ihop all den data. Om man kallar mig projektledare eller nån som hjälper till med inriktning hur man ska ta sig till marknaden helt enkelt, och få ut den här produkten. Då kopplar jag upp mig, i det här fallet via CLAWD men det hade kunnat vara ChatGPT eller nån av de andra, mot den analysen. Verktygets server, MCP-server och en server för webbanalys och webbtrafik. Så kunde jag bara prata med de databaserna. Och det var helt otroligt vilka insikter man fick.

Jag som är senior inom det området kunde lägga på och se att nu har den analyserat datan rätt, men de har haft fler antaganden som vi utgått ifrån kring vad vi vill försöka åstadkomma här. Då kunde jag ge den den korrektionen och säga: Har du ens läst i det här dokumentet som jag gav dig kring vad vi satt för strategisk inriktning? Åh nej, förlåt det hade jag missat. Då gjorde ni det. Då svarade den som vissa av de här brukar göra: Det är briljant! Varför utgick jag från de här antagandena som är det generella inom den här branschen eller området av mjukvara?

Det var fascinerande, för den hade tolkat datan rätt. För att läsa data som är strukturerad från system med tydliga annoteringar av vilken typ av data det är. Det var inga problem alls för den. Men det var i översättningen av vad det innebär och de globala antaganden som den hade om vad den ska göra med datan, som problemet låg. Så det är ett tydligt exempel. Det är en typ av analys som jag inte ens vet om jag hade kunnat eller orkat göra annars.

Och den i sin tur leder nu till enorma tidsbesparingar och energibesparingar Och framför allt att vi drar ner risken i de beslut som vi fattar. Ett annat sånt exempel från ett mindre bolag är en liknande typ av serverserver, produktanalys där den tittar på hur en mjukvara används. Sen hade det här bolaget transkriberat alla sina användar-onboardings och intervjuer. Det kan man ju korrelera mot en projektledares vardag också om man tänker alla typer av möten. Du har ett system med kvantitativ output och sen kvalitativ input. Eller output som du får i en servermapp med transkriberade filer.

Eller bara i videomöten som är inspelade. På samma sätt kan du chatta med den datan eller bygga ett enkelt automatiserat flöde. Där den tar den kvantitativa datan och den kvalitativa och skriver helt nya features. Du behöver inte ens mellanlagret längre. Utvecklare, designer och product manager. I och för sig, det är en typ av product manager som sitter bakom spakarna.

Då får du färdiga features utifrån kvantitativ och kvalitativ feedback som du kan få ut i produkten på en gång. Det där är väldigt häftigt och jag hoppas att den typen av exempel kan skapa idéer hos människor nu. Och det är min uppmaning till många där ute: Det här har skett bara nu i år, den här typen av enkelhet att prata med hela system via en chatt. Så om du inte utforskat det så vill jag uppmuntra alla projektledare och andra som lyssnar på den här podden att testa vad som är möjligt med de system som du sitter med. Och ibland kanske du behöver ta ett samtal med IT och säkerhet och compliance innan du gör det, eller för att det är låst.

Men ge inte upp, för insikterna du kan få och besluten du kan fatta är på en helt annan nivå jämfört med vad vi människor har kunnat göra tidigare. Erik: Jag tycker det är lite roligt med Excel, som inte fanns för ett antal år sen. Och sen i dag Jag kan nog bara räkna med att Excel alltid kommer att finnas. Excel är bara ett gränssnitt mot den här datan. Vi kan se vad som händer om vi står här om tio år igen. Hur stort Excel egentligen är då, om det verkligen finns eller om vi kommunicerar på ett annat sätt med den data vi har.

Excel är ett bra exempel tycker jag. Det är nåt som har funnits länge nu. Och det finns fortfarande Excel-kurser. Det är inte ens en teknik men det är ett verktyg, precis som ett Copilot-verktyg. Det är klart att det har utvecklats över tid, men mycket i grundtekniken är densamma. Det är helt sjukt om man tänker efter.

Att inte bolag har bättre säkerställt och kompetensutvecklat individer i hur man använder det. Bara för några månader sen såg jag hur nån använde Excel för att göra tabeller och färgmarkera. Jag som är ingenjör, eller så går man fram… Man använder i alla fall Lite avancerat i en projektledning. Tabeller kan du ju göra i Word. Varför gör du det i Excel?

Det är ju så enkelt att göra tabeller i Excel. Jag menar inte att dumförklara, men det är bara ett tydligt exempel på hur man helt har missat kraften i ett verktyg som vi har haft i 30 år. På samma sätt tror jag att vi kommer se, om fem år, att många fortfarande använder de AI-verktyg som finns tillgängliga för många. på samma sätt som den första prompten som skrev i januari 2023. Vi kan se vissa tv-program som lyfter fram att inte AI går att lita på när man ska söka efter vilken påve som är nu levande. Så ser man hur de skriver den prompten och då tänker man att här skulle de behöva 20 minuters promptkunskap.

Då skulle de få 100 procent rätt från alla AI-verktyg. Verkligen. Vi ska vara tacksamma Tacksamma för det som har hänt nu på senare tid att de försöker tolka och förstå vad de vill åstadkomma. ChatGymT ligger väldigt långt fram. Det enda de har att tävla på är användar gränssnittet och användarmöjligheten jämfört med Copilot och Gemini från Google som redan har alla organisationer och kunder. Det häftiga är att man ser hur de labbar med hur man kan hjälpa individen att inte göra de här felen.

Det finns idag, men de kom först förra hösten. hösten 24 så kom de första resonemangsmodellerna. Om man ska förenkla det hela så kan man säga att från att vara dummare än 90-98 procent av världens befolkning så har de här modellerna gått nu. Det gör plötsligt att man kan ge två månadsrapporter, avstämningsrapporter i ett projekt till en sån här resonemangsmodell. månad 9 och 10, och skriver en avvikelserapport åt mig. Du behöver inte promta nåt mer än så. Resonemangsmodellen tänker i några minuter. Den svarar inte på en gång, som de traditionella språkmodellerna gör.

Den tänker i några minuter, och du kan följa… Om du trycker på resoning eller resonerar-ikonen så kan du följa hur den tänker i olika steg. Och så spottar den ur sig, inte bara en avvikelserapport som är korrekt i många fall utan den kan också utläsas ur datan, utan någon övrig kontext. Vad är det för typ av bransch? Vad är det för typ av projekt? Vad är det som det har budgeterats för?

Vad betyder de här olika raderna? Jag kommer ihåg att jag gjorde det här specifikt med en ekonomiavdelning på ett av Sveriges största installationsteknikföretag. Det blev eld och lågor när vi insåg att detta fungerade. Vi testade först i GBT, eller GBT-4 som det heter, och sen testade vi i Clord som är en annan modell, och så testade vi O1 i forsknings förhandsgranskningsläget för ett år sen. Den som är den första resonemangsmodellen. Och det funkade!

Det blev rätt på en gång! Och inte nog med att det blev rätt på en gång. Den kunde också ta fram grafer som var korrekta för att visa hur det här projektet gått över tid gentemot budget och slutmålen som man satte upp och hur det skulle takta månad för månad. Den hade också i slutet, insåg vi, lagt in rekommendationer för hur projektet kunde förbättras. Inte bara i hur man estimerar och budgeterar, och hur utfallen blir i förhållande till det utan också i hur man kan förbättra kommunikationen mellan kund och leverantör. Det här var ju sånt som man bara drömt om att göra, men eftersom den här typen av uppgift tog en arbetsdag från henne varje månad så är det klart att det aldrig fick utrymme i vardagen.

Man tog sig aldrig över den tröskeln. Det är också ett inspirerande exempel som jag vill skicka med till alla projektledare som är intresserade av det här området. Testa en sån enkel sak som en avvikelserapport mellan två månader. Det viktiga är att veta när du testar det testar olika metoder eller prompter för att få fram en avvikelserapport att du vet hur slutresultatet ska se ut. Hur god kvalitet i slutresultatet ska se ut. Det är det bästa sättet att lära sig, för modellerna utvecklas hela tiden att ha ett sånt tydligt exempel som du testar var tredje månad.

Även om det inte funkar i dag kan jag nästan garantera att det kommer funka i framtiden. för jag och Daniel när vi har våra kurser att de kursexemplen vi hade för ett år sedan de är bara att kasta bort, för det klarar resonemangsmodellen idag. De problemen som var jätteproblem förr och kraschade, alltihopa. Det löser en. Jaha, den här datan är lite korrupt. Jag fixar det. Tidigare var det ett problem man kunde stöta på och så fick man städa datan.

Så de är helt fantastiska. För alla som lyssnar nu och som inte riktigt känner att man kommer igång med AI. De kanske har ett privat kött-GPT-konto men bolag 500 personer, var ska de börja? Ja, innan jag kom till AI Sweden så hade jag jobbat mycket med AI i praktiken. För individen. Så, ett av de huvudtips som jag kommit fram till är att det kanske inte alltid är det klokaste att börja vid datorn.

Varför är det så? Jo, varje gång som vi, framför allt de av oss som bär mer ansvar på olika sätt i projektorganisationer, varje gång vi tar upp datorskärmen så ligger vi alltid efter. Det är väldigt svårt att förändra sitt beteende när man alltid ligger efter. Då behöver du veta att jag lägger den här energin och tiden nu och jag får den här outputen då. Utan tiden och möjligheten att förändra ditt beteende och att lära dig att interagera och maximera värdet av de här nya, framför allt generativa AI-teknikerna som är det som har hamnat i många av våra händer.

Det är just att använda det du har i dina händer, det vill säga telefonen. Och kanske dessutom prova att prata med rösten genom att använda diktafonsfunktionen som finns Inbyggd i CoPilot, ChatGPT eller Gemini. Eller att använda röstläget där du kopplar in dina hörlurar och löser alla världens problem samtidigt som du är på promenad i skogen. Det är ett stort tips. Börja inte forcera dig själv i datorn. Prova att prata när du är “on the go”. Det är när du är i förflyttning, sitter på en buss eller är hemma i soffan efter att ha nattat barnen och är helt slut.

Ja, sitter på toaletten för vissa kanske. Det är där du har möjlighet att ro i sinne att faktiskt förändra sättet som saker och ting är kopplat i din hjärna. Ett annat är att nu när många av oss, både i Copilot och ChatGPT har tillgång till GPT-5-modellen. Det är inte en helt ny språkmodell, som kanske vissa tror. Det är routern bakom kulisserna som väljer vilken modell den ska använda beroende på vad den får för input. från användaren. Så det du kan göra för att aktivera de högre IQ-modellerna som är väldigt dyra att köra, det är att du säger tänk djupare och analysera noggrant.

Kanske till och med mitt jobb hänger på det. Då kommer du se att det kommer upp en liten resonerare eller resonator på engelska och då vet du att, bra, nu har den dragit igång sin höga IQ-modell som faktiskt tänker igenom saker innan svarar. Det minimerar risken. att det blir fel, och du märker i svaren att du får en högre strategisk höjd i hur den presenterar saker och ting. Det är några tips som jag hoppas kan hjälpa på vägen. Och sen som sagt, med exemplet med avvikelserapporter. Hitta ett tydligt exempel i nåt som tar mycket tid varje månad eller en viss typ av process.

Avgränsa den och definiera vad som är underlag för datainput. Vad är det för typ av data jag har i den här uppgiften? Hur ser God kvalitet ut i data. Alltså i formatet och den som ska motta det här. Sen testar du och ser på den här typen av uppgifter om du kan nå samma typ av kvalitet eller högre genom att använda de här AI-verktygen som är tillgängliga. Där finns det ju kraftfulla saker i dag, som att du kan använda en projektfunktion där du skapar mappar med en unik kontext.

Som gör att du inte behöver skriva långa prompt varje gång. bygga en lokal kontext kring ett projekt som gör att den fattar vad det handlar om på en gång och får det snabbare. Eller för den sakens skull bygga AI-assistenter – kallade GPT:er i ChatGPT:s värld eller agenter i Microsoft i CoPilot-världen och GEMs i Google-världen som blir specialiserade på att lösa en viss typ av uppgift till exempel att skriva en avvikelserapport mellan två månader. Du specialiserar en mapp eller en AI-assistent på ett visst område. De matas med det som gör att de presterar bra och når hög kvalitet på så kort tid som möjligt det är att de har så mycket kontextuell förståelse som möjligt av det vi vill försöka åstadkomma.

Så det är mitt största tips: Träna på att bygga kontexter snarare än att träna på att skriva långa promptes. Börja i den änden, så kommer du märka att du rör dig vidare fort. Då är det kanske så enkelt som att du i exemplet igen avvikelserapport mellan två månader bara släpper in De nya två månaderna och ut kommer avvikelserapporten. Du behöver inte ge en enda instruktion för att den har all kontext den behöver. Så det är några förslag på ändar som man kan börja i. Har du några andra tips till en projektledare eller några andra tips som du vill ge innan vi avslutar?

Jag vill avsluta med att säga, nåt som vi pratar allt mer om på AI Sweden att AI och den här typen av teknologiskifte som vi befinner oss i just nu det handlar inte om teknik, utan det handlar om om människa. Och människa i det här fallet, i våra organisationer där går allt tillbaka till ledarskap, den kultur man bygger. Så jag tror att vi behöver bryta barriärer av rädsla och av tystnad och av otransparens. Och hitta sätt att länka ihop HR med IT med juridik. Att få dem att samarbeta och tänka: “‘Det här är ett gemensamt projekt.’” Det här är inte tre skrån som ska hållas i en kammare bevakad.’ Om vi kan hitta en modell, projektledningsmodell som funkade.

Alla de här tre får gehör för alla sina delar och får med sin kompetens i hur den modellen är designad och hur det projektet utvecklas. Då tror jag vi kommer ta oss snabbare framåt, som Sverige AB. Jag brukar alltid ställa frågan om du har misslyckats med nånting i projektsammanhang som andra kan lära sig av som du vill dela med dig av. Det har du inte fått förbereda dig på men jag tänker att du kanske kommer på nånting. Jag var VD på ett riskkapitalfinansierat mjukvarubolag för några år sen. Då följde jag ett ramverk i en bok som heter The advantage.

Det var fascinerande att se hur bra det gick att följa det ramverket för hur man bygger tydlighet i en organisation som vi pratade om tidigare. I vårt försnack sa vi att det behövs mer än nånsin i den värld vi lever i. Och det behövs särskilt när man bygger en startup. Jag underskattade lite, men sen tänkte jag att när man väl har ramverket på plats så borde ju saker sköta sig självt. Det hade att göra med min ledarskapsstil, att jag ville vara… “the servant leader” när det väl satt på plats och säkerställt att det är en otrolig tydlighet i saker och ting.

Att det bara ska rulla på, att människor ska utvecklas och må bra. Det tror jag att många kan känna igen sig i, speciellt de som jobbar i agila projekt eller i trygga miljöer. Men det som hände efter ett tag var att folk började började skrika efter större tydlighet. De ville ha det här amerikanska VD-skapet. Och det gick helt emot det jag trodde på och hela den modell jag hade försökt bygga upp. Men jag lät det gå lite för långt, helt enkelt.

Utifrån en filosofi som jag trodde på när det gäller hur man bygger upp ett projekt eller i det här fallet en organisation som ska bli välfungerande. Det tror jag att jag vill skicka med, att min lärdom därifrån var att våga Se kritiskt på dig själv och kanske gör en övning kontinuerligt där du ser dina blinda fläckar. Bara för att du tänker att en modell är i linje med dina värderingar så innebär inte det att det är det organisationen behöver just precis då. Jättebra, tack. Om man vill ha fler lärdomar och vill följa dig eller ha kontakt med dig, hur gör man då?

Ni hittar mig både på ESWEDENS hemsida men så klart kan ni också leta upp mig på LinkedIn och följa mig där om ni vill. var med och debattera och skriva era tankar så ärligt ni bara kan i de samtal som jag försöker skapa kring just hur navigerar vi mellan att vara effektiv och äkta i en AI-värld. Vad bra. Jag lägger en länk i anteckningar till det här avsnittet. Idag har vi fått lära oss jättemycket om AI Sweden. Att det är mer än bara generativ AI, hur de här Bolagen och organisationerna kan få hjälp av AS Sweden och många andra tankar. Stort tack för att du tog dig tiden att vara med i Projektledarpodden, Per.

Tack, Mattias. Tack för att du har lyssnat på Projektledarpodden. Hör gärna av dig till oss med idéer, tips och förbättringsförslag. Det gör du enklast via mejl på lyssnare@Projektledarpodden.se eller via det sociala nätverk du föredrar.