LANDSKRONA ENERGI · AI FÖR CHEFER · 13 APRIL 2026
AI i praktiken
Från förståelse till handling
Om mig
Kort om mig
Magnus Gille
AI-praktiker · Magnus Gille Consulting
Bakgrund
Systemarkitekt och produktägare — Ericsson, Scania, Adage
Fokus
Praktisk AI — få det att funka, inte bara prata om det
I vardagen
Jag använder AI-verktyg intensivt varje dag — det här är erfarenhet från praktiken, inte teori
Kontakt
magnus@gille.ai · gille.ai
Inledande övning
Sträck upp handen
Innan vi sätter igång — hur ofta använder ni AI-verktyg i jobbet idag?
01
Aldrig
Har inte testat — eller öppnade det en gång och stängde det igen.
02
Då och då
Någon gång i månaden, när jag får en idé eller fastnar.
03
Varje vecka
En del av veckans rytm — några gånger i veckan.
04
Dagligen
Har det öppet varje dag — ett arbetsverktyg som vilket annat som helst.
Oavsett var ni landar — ni är i rätt rum.
Program
90 minuter — så här ser det ut
01
Punkten och lutningen
Utvecklingstakt, METR, GDPval, Jagged Frontier
~11 min
02
Så fungerar AI
Mental modell, grundbegrepp
~5 min
03
AI i praktiken
Prompting, fallgropar, hallucinationer
~7 min
Live-demo · driftrapporter, dashboard & HR-handbok · ~17 min
04
Verktyg och datasäkerhet
Copilot, Claude, datastyrning, PUB-avtal
~12 min
05
AI-agenter
Nästa steg, risker, mänsklig kontroll
~4 min
06
Praktiska åtgärder
AI och jobben, konkreta första steg, frågor till IT
~7 min
Takeaways + frågor och diskussion · ~12 min
01
Utvecklingstakt
Punkten
och lutningen
Det mesta av förvirringen kring AI kommer från att man tittar på var vi är istället för hur fort det går framåt.
Lutningen
"The majority of the ruff ruff is people who look at the current point and people who look at the current slope."
— Andrej Karpathy · Tidigare AI-chef på Tesla, medgrundare OpenAI · X, januari 2026
Punkten
"AI gör misstag. Den klarar inte det jag behöver. Det är överhypat."
→ Tittar på dagens begränsningar
Lutningen
"Förmågan fördubblas var fjärde månad. Det som är omöjligt idag kan vara rutin om ett år."
→ Tittar på förändringstakten
Lutningen
METR · Model Evaluation & Threat Research
Hur länge kan AI jobba på egen hand?
Ett oberoende labb som ger AI-agenter riktiga, öppna uppgifter — och mäter hur komplexa uppgifterna kan vara innan AI:n börjar misslyckas.
Måttet
Uppgiftshorisont — den längsta uppgiften (mätt i mänskliga arbetstimmar) där AI:n fortfarande klarar den 50 % av gångerna.
Varför det spelar roll
Träffsäkerhet säger om AI kan svara på en fråga. Uppgiftshorisonten säger om AI kan göra ett jobb — självständigt, från start till mål.
Resultatet
Horisonten har fördubblats var ~4:e månad sedan 2019. GPT-2 klarade sekunder. Dagens modeller klarar timmar.
Lutningen
Inget akademiskt prov.
AI mot en riktig expert — blint bedömt.
▸
Riktiga yrkesuppgifter — inga flervalsfrågor eller akademiska prov
▸
Mänskliga experter löser samma uppgifter parallellt
▸
Oberoende bedömare betygsätter blint — de vet inte vilket som är AI
▸
1 320 uppgifter från 44 riktiga yrken
▸
Varje uppgift: flera timmars expertarbete
▸
3 biljoner dollar i årliga löner representerade
Lutningen
GDPval · Vinstandel mot mänsklig expert (kronologiskt)
May 2024
GPT-4o
9.9%
12.3%
Mar 2025
Gemini 2.5 Pro
23.3%
25.5%
Apr 2025
o4-mini high
25.3%
27.8%
May 2025
GPT-5
34.8%
38.0%
Jun 2025
Grok 4
21.1%
24.3%
Aug 2025
Claude Opus 4.1
43.6%
47.6%
Sep 2025
Claude Sonnet 4.5
42.5%
50.3%
Nov 2025
Gemini 3 Pro
40.3%
53.5%
Nov 2025
Claude Opus 4.5
45.5%
59.6%
Dec 2025
GPT-5.2
49.7%
70.9%
1 320 uppgifter · 44 yrken · 3 biljoner dollar i löner
evals.openai.com/gdpval
Lutningen
Den taggiga gränsen — The Jagged Frontier
AI är övermänskligt smart på vissa saker, stendum på andra.
Ethan Mollick beskrev fenomenet i sin bloggpost "Centaurs and Cyborgs on the Jagged Frontier".
AI löser svåra problem, men missar ibland det uppenbara. Gränsen är taggig och oförutsägbar.
Ett färskt exempel
"Jag vill tvätta bilen. Biltvätten ligger 50 meter från huset — ska jag gå eller köra?" — AI rekommenderar ofta att gå. Den missar att du måste ha bilen vid tvätten.
02
Teknik
Så fungerar AI
Ni behöver inte kunna bygga den.
Ni behöver en mental modell som är bra nog för att använda den väl.
Så fungerar AI
Två faser: lärande och tänkande
Träning — modellen byggs
- Data: Enorma mängder text — böcker, webbsidor, kod, vetenskapliga artiklar. De ledande modellerna tränas på 10–15 biljoner tokens — motsvarande alla publicerade böcker i världen.
- Kostnad: Hundratals miljoner dollar. Tusentals specialchips som kör i flera månader.
- Resultat: En modell som har lärt sig statistiska mönster i språk. Inte "kunskap" i mänsklig mening — extremt sofistikerad mönsterigenkänning.
- Sker en gång (sedan finjustering, uppdateringar). Modellen ni pratar med är frusen.
Inferens — modellen används
- När ni skickar ett meddelande går texten till servrar som kör modellen.
- Modellen genererar svaret token för token — grovt sett ord för ord — baserat på sannolikheter.
- Varje svar är stokastiskt — samma fråga kan ge olika svar.
- Modellen har inget minne mellan samtal (om ni inte uttryckligen ger den det).
- Den kan inte slå upp saker — den kan bara resonera utifrån det som fanns i träningsdatan.
Så fungerar AI
Fyra begrepp värda att känna till
| Begrepp | Vad det betyder | Varför det spelar roll för er |
| Token |
Den minsta enheten modellen bearbetar — ungefär ¾ av ett svenskt ord |
Längre dokument kostar mer och kan slå i taket |
| Kontextfönster |
Hur mycket text modellen kan "se" samtidigt — dess arbetsminne. Claude: 200k tokens ≈ 600 sidor. Gemini: 2M tokens ≈ tusentals sidor — ett helt dokumentarkiv. |
Stora dokument kan behöva delas upp; kontexten påverkar kvaliteten |
| Hallucination |
När modellen genererar text som låter rätt men är påhittad. Inte en bugg — en grundläggande egenskap hos hur modellerna fungerar. |
Verifiera alltid fakta, källor och specifika siffror |
| Träningens slutdatum |
Modellen kan bara det som fanns i träningsdatan. Den kan inte skilja "jag vet inte" från "det har inte hänt än". |
Färska händelser är okända; modellen kan hitta på |
03
Prompting
AI i praktiken
Kvaliteten på svaret beror nästan uteslutande på kvaliteten i det ni matar in.
Prompting
Regel nr 1: Ge kontext
AI vet ingenting om er, ert bolag, er roll eller era begränsningar. Ju mer relevant kontext ni ger, desto bättre resultat. Berätta vem ni är, vad ni försöker uppnå, och vad svaret ska användas till.
Utan kontext
Skriv en bra sammanfattning av förra veckans driftrapporter. Ska vara lätt att läsa.
[bifogar fil]
Med kontext
Jag är elnätschef på Landskrona Energi. Skriv en sammanfattning på en A4 av förra veckans driftrapporter inför måndagens driftmöte. Bra betyder: lyft återkommande mönster, lista avvikelser som bör följas upp, och avsluta med en rekommendation. Lätt att läsa betyder: korta stycken med rubriker, går att ögna igenom på 2 minuter. Ton: saklig och direkt, ingen fluff.
[bifogar: driftjournal v6 · föregående vecka · mötesmall]
Användbar bild: Tänk på AI som en mycket kompetent ny kollega som vet ingenting om er organisation, er bransch eller er specifika situation. Brieffa den därefter.
Prompting
Fem tekniker som fungerar
01
Var konkret om vad som är "bra"
Visa ett exempel på det format ni vill ha. Konkreta exempel förbättrar svaret dramatiskt.
"Skriv en sammanfattning i tre meningar. Börja med slutsatsen, sedan stödet, avsluta med rekommendationen."
02
Hantera hallucinationer
Be den markera osäkerhet: "Om du inte är säker, säg det." Verifiera fakta, källor och siffror själv.
"Sammanfatta trenderna i materialet. Markera det du är osäker på med [OSÄKERT] så jag kan verifiera."
03
Specificera mottagaren
"Förklara för en ledningsgrupp utan teknisk bakgrund" är något helt annat än "skriv för en specialist".
"Förklara vad ett reläskydd är. Mottagare: en ny kundtjänstmedarbetare utan elbakgrund. Max 4 meningar."
04
"Intervjua mig"
Istället för att skriva den perfekta prompten: "Ställ frågor till mig en i taget tills du har tillräckligt för att skriva rapporten."
"Jag behöver skriva en rotorsaksanalys efter en driftstörning. Ställ frågor en i taget tills du har det du behöver."
Prompting
Hantera hallucinationer
Hallucination är inte en bugg som kommer att fixas — det är en grundläggande egenskap hos hur språkmodeller fungerar. De genererar text som låter rimlig. Rimligt ≠ sant.
- Be den markera osäkerhet: "Markera det du är osäker på med [OSÄKERT]"
- Be den ange källor — och verifiera dem sedan själv
- Använd ett nytt samtal för att granska sitt eget svar. I samma samtal tenderar modellen att försvara sitt resonemang — ett nytt samtal är mer kritiskt
- För faktapåståenden: verifiera alltid mot auktoritativa källor
Verifieringsprompt
Granska svaret jag klistrar in nedan. Peka ut alla faktapåståenden som kan vara fel eller som jag borde verifiera. Lista dem som: Påstående → Varför verifiera → Hur verifiera.
Regeln: Lita på AI för resonemang, struktur och syntes. Verifiera AI för fakta, siffror och källor.
Landskrona Energi
Var kan AI hjälpa er redan idag?
Ni driftsatte nyss Elektra — Sveriges största batterilager.
Ni är Sveriges 3:e mest attraktiva arbetsplats (2:a i energisektorn).
Ni är inte nya på att ta till er ny teknik.
AI är nästa lager.
Elnät
- Sammanfatta veckans driftrapporter inför måndagsmötet
- Hitta mönster i felanmälningar som återkommer
- Utkast till kundinformation vid driftstörning
- Bollplank vid rotorsaksanalys efter avbrott
- Snabbt ta fram underlag till rapporter mot Ei
Fjärrvärme
- Tolkningshjälp för termografidata från flygfoto
- Sammanställ larmhistorik från fjärrvärmecentraler
- Underlag till driftoptimering — Energiknuten
- Kundkommunikation vid planerat underhåll
- Rutinrapporter till styrelse och ägare
HR & stab
- Medarbetarhandboken som Q&A — svar på 10 sek
- Sammanfatta policyuppdateringar för chefer
- Utkast till rekryteringsannonser och intervjufrågor
- Strukturera anteckningar från medarbetarsamtal
- Översätta mellan svenska, engelska och andra språk
De flesta av dessa kan ni testa i Microsoft Copilot redan nu — om ni har rätt licens.
Live-demo
Live-demo — tre delar
Del 1 · ~6 min
Chatta med er data
Driftjournal + SCADA-larmlogg laddas in. Sammanfatta veckan, hitta T2-mönstret, fråga vad som borde ha följts upp.
01 · sammanfatta veckan
02 · hitta mönstret på T2
03 · vad borde följts upp?
04 · när AI har fel
Del 2 · ~4 min
Bygg något av datan
Samma CSV, ny instruktion: "bygg en enkel HTML-dashboard som visar veckans larmaktivitet." AI skriver koden. Vi öppnar resultatet i webbläsaren.
Poängen: samma verktyg som svarade på frågor kan också bygga mjukvara.
Del 3 · ~3 min
Medarbetarhandboken som Q&A
Byt till Claude. Ladda in medarbetarhandboken. Ställ Hannas frågor: "hur funkar lönesamtalet?", "vad gäller vid upprepad korttidsfrånvaro?"
01 · hur lång semester nyanställd?
02 · 8 sjukfrånvarotillfällen — vad gäller?
03 · kan drifttekniker jobba hemifrån?
Om datan: Påhittad vecka — driftjournal (löptext) + SCADA-larmlogg (CSV) + syntetisk medarbetarhandbok. Konstruerat för att illustrera. Inte en återgivning av verkliga händelser.
Live-demo
Live — vi kör nu
[ VÄXLA TILL SKÄRMDELNING ]
Del 1
Copilot · driftjournal + SCADA
sammanfatta veckan
hitta mönstret på T2
vad borde följts upp?
när AI har fel
→
Del 2
Copilot · bygg en dashboard
"bygg en HTML-dashboard
av den här larmloggen"
→ öppna i webbläsaren
→
Del 3
Claude · medarbetarhandbok
semester nyanställd?
8 sjukfrånvarotillfällen?
distansarbete drifttekniker?
Live-demo
Tråden genom demot
AI är en snabb läsare,
skribent och byggare.
Råmaterialet är er data. Beslutet är fortfarande ert.
04
Landskapet
Verktyg
och datasäkerhet
Det finns många verktyg — det rätta beror på användningsfallet, er datapolicy och vad ni redan betalar för.
Verktyg
De stora verktygen
Verktyg
Microsoft Copilot — där ni troligen börjar
Var det sitter
- Teams: Mötessammanfattningar, beslutspunkter, catch-up när ni missat ett möte
- Outlook: Utkast till svar, sammanfatta långa trådar, förbered möten
- Word: Skriv utkast, skriv om stycken, sammanfatta — direkt i dokumentet
- Excel: Analysera data, formler och diagram i naturligt språk
Så får ni ut mer av det
- Samma prompting-principer gäller — kontext är allt
- Koppla till er SharePoint/Teams-innehåll för kontextmedvetna svar
- Copilot kan köra på olika modeller under huven — ibland GPT, ibland andra
Praktisk startpunkt: Börja i Teams (mötesrecap) och Outlook (svarsutkast). Snabbaste vinsterna och lägst risk för hallucination — verktyget har tillgång till den verkliga kontexten.
Nästa steg: Copilot Studio — er organisations "custom GPT"
Med Microsoft Copilot Studio kan ni bygga egna AI-agenter utan kod: en elnät-assistent som känner till era rutiner, en HR-bot som svarar på frågor om medarbetarhandboken, en agent som hämtar data direkt från era interna system. Agenten deployas i Teams och ser ut som en kollega. Kräver Microsoft 365-licens med Copilot Studio-tillägg.
Styrning
Data & säkerhet
Den viktigaste frågan er IT- och dataskyddsansvariga kommer att ställa: vart tar vår data vägen?
Data & säkerhet
Gratis vs. Business vs. Enterprise
| Nivå |
Tränar på er data? |
Hantering |
Exempel på abonnemang |
| Gratis / privat |
Ja, som standard |
Samtal kan granskas av människor; används för träning |
Claude Free, ChatGPT Free, Gemini Free |
| Personligt betalt |
Ja, som standard — går att välja bort |
Samma privatvillkor; opt-out är per användare |
Claude Pro/Max, ChatGPT Plus, Copilot Pro |
| Business / Team |
Nej |
Kommersiella villkor; data används ej för träning; admin-kontroll |
Claude Team, ChatGPT Team, Copilot M365 |
| Enterprise / API |
Nej |
PUB-avtal tillgängligt; SSO; revisionsloggar; val av dataregion |
Claude Enterprise, ChatGPT Enterprise |
Kritiskt: Att betala för ett personligt abonnemang (t.ex. Claude Pro, ChatGPT Plus) skyddar inte automatiskt er data. Personliga abonnemang har privatvillkor. Business/Team-nivå är minimum för arbete med känslig eller konfidentiell information — och för ett kommunalt bolag som Landskrona Energi är det helt nödvändigt för driftdata och personuppgifter.
Data & säkerhet
Var hanteras er data?
Datans geografi
- De flesta stora AI-modeller kommer från amerikanska bolag. Data hanteras i amerikanska datacenter som standard.
- EU-datalagring finns — men vanligtvis bara på Enterprise-nivå, och oftast via molnplattformar (Azure OpenAI, AWS Bedrock, Google Vertex).
- GDPR gäller vid behandling av personuppgifter — även om leverantören är amerikansk.
- För ett kommunalt bolag: kontrollera om ett personuppgiftsbiträdesavtal (PUB) finns och krävs.
Praktisk fråga till er IT/dataskydd: "Har vi ett PUB-avtal med vår AI-leverantör? Var hanteras datan? Hur länge sparas den?"
Vad ni inte bör mata in — ännu
- Personuppgifter om kunder (namn, adresser, mätarnummer kopplat till person) — inte utan PUB-avtal på plats
- Kritisk infrastruktur-detaljer — specifika sårbarheter, säkerhetsrutiner, nätkartor
- Personalärenden — sjukintyg, disciplinfrågor, lönedata
- Upphandlingsunderlag innan avtal är tecknat
Tumregel: Om det inte skulle kunna skickas med ett vanligt mejl till en extern konsult, skicka det inte heller till en AI utan Business/Enterprise-avtal.
Data & säkerhet
Datakvalitet & styrning — en förutsättning
Styrningsfrågan
Frågan som stoppar de flesta AI-initiativ:
"Vet du vem som bestämmer huruvida ni får använda datamängd X i verktyg Y för att göra Z?"
Vem äger svaret? Vem får säga ja? Utan en tydlig datastyrningsstruktur kör varje AI-initiativ fast vid samma grind — oavsett hur bra tekniken är.
- Driftdata från SCADA — vem äger och vem bestämmer?
- Kunduppgifter — PUB-avtal på plats?
- Personaldata — separat beslutskedja
AI-redo data
Det goda nyheten: det finns ingen speciell "AI-beredskap".
AI-redo data är helt enkelt välstyrd, välstrukturerad, digitaliserad data — samma destination som den datakvalitets- och digitaliseringsresa er organisation redan påbörjat. AI gör den resan mer brådskande, inte annorlunda.
- Driftjournaler i digital text → direkt AI-input
- Larmloggar i strukturerat format → korskoppling möjlig
- Dokumenterade rutiner → AI kan svara på dem
- Institutional knowledge i folks huvuden → AI kan inte nå det
Den obekväma sanningen: De flesta organisationer är inte AI-redo — inte på grund av tekniken, utan på grund av datakvalitet, otydligt ägarskap och avsaknad av styrning. Börja med de frågorna.
05
Nästa steg
AI-agenter
Från fråga-svar till självständigt arbete i flera steg.
AI-agenter
Från chatt till agenter
Chatt (så ni troligen använder AI idag)
- Ni skickar ett meddelande → AI svarar → klart
- En interaktion i taget, ni styr varje steg
- AI:n kan bara producera text — inga verktyg
- Låg risk: ni granskar alltid svaret innan ni agerar
Agenter (dit utvecklingen går)
- Ni ger ett mål → AI planerar och genomför flera steg själv
- Använder verktyg: söker, skriver filer, skickar mejl, kör kod
- Kan jobba i minuter eller timmar i bakgrunden
Konkreta verktyg idag
Claude Cowork
· Anthropic
En delad arbetsyta där Claude jobbar som en kollega — läser flera dokument, håller tråden över tid.
Copilot Studio-agenter
· Microsoft
Bygg egna no-code agenter med era interna data, deploya i Teams. MS-ekvivalenten av "custom GPTs".
Claude Code
· Anthropic · demot
Kodnings-agent som kör i terminalen — läser filer, skriver kod, kör kommandon. Det ni såg i demot.
Principer när ni börjar: automatisera det triviala och reversibla innan det viktiga och irreversibla · börja med läsuppgifter · kräv loggning för konsekvensrika åtgärder · ha alltid en människa i loopen för allt som påverkar drift, kunder eller personal.
06
Ledarskap
Praktiska åtgärder
Tekniken är inte det svåra. Organisationen är det.
Praktiska åtgärder
AI och jobben — elefanten i rummet
Oron är verklig och den finns redan hos era medarbetare. Den försvinner inte för att ni inte pratar om den — den växer. Som chef är ni den som kan sätta tonen.
Vad som faktiskt händer
- Uppgifter flyttas, inte yrken. Delar av arbetet automatiseras — sammanfattningar, första utkast, rutinrapporter. Det som blir kvar är bedömning, ansvar, relationer.
- Tiden omfördelas. Mindre tid på dokumentation, mer tid på det som kräver erfarenhet. Det är inte mindre jobb — det är annat jobb.
- Nya förmågor blir värdefulla. Att kunna brieffa AI väl blir en del av yrkeskompetensen, som Excel blev på 90-talet.
Vad ni som chefer kan göra
- Prata om det innan någon frågar. Tystnad = rädsla. Säg högt hur ni ser på det.
- Var ärlig om det ni inte vet. "Jag vet inte exakt hur rollen ser ut om 3 år. Jag vet att vi lär oss tillsammans."
- Investera i era människor. Tid att lära sig, inte som belöning — som arbetsuppgift.
- Låt ingen bli lämnad bakom. Det är den snabbt lärande minoriteten som får ut värdet först. Motarbeta klyftan aktivt.
Poängen: Landskrona Energi är Sveriges 3:e mest attraktiva arbetsplats — det handlar om hur ni behandlar människor. AI-omställningen är nästa prov på exakt samma sak.
Praktiska åtgärder
Konkreta första steg
För er själva
- Använd det dagligen. Det finns ingen genväg till erfarenhet. Börja med enkla uppgifter utan hög insats.
- Bygg er egen mentala modell av vad AI kan och inte kan — förlita er inte på vad andra säger
- Dela det ni lär er med era medarbetare — visa beteendet ni vill se
För ert team
- Skapa tid och utrymme att experimentera — skyddat från prestationskrav
- Starta en delad kanal (Teams) där människor delar prompter och upptäckter
- Hitta er AI-entusiast — den mest engagerade personen i teamet — och ge den en roll
För Landskrona Energi
- Säkerställ att ni har rätt licensnivå — M365 Copilot (Business), inte privat ChatGPT
- Formulera en enkel AI-policy: vad får man mata in i AI, vad får man inte? Hellre en kort och tydlig policy nu än en perfekt om sex månader
- Koppla AI till verkliga verksamhetsproblem — driftrapporter, kundkommunikation, rapportering mot Ei
- Bemanna frågan: vem äger AI-användningen på Landskrona Energi? Utan ägare stannar det upp
- Bemöt oron om jobb direkt. Det är en omställning, inte en ersättning — men tystnad skapar rädsla
"Utmaningen är inte att bygga AI. Utmaningen är att bygga organisationer som kan använda AI."
Praktiska åtgärder
Sex frågor att ta med till er IT-chef imorgon
Mycket av det ni behöver för att komma igång ligger redan i er licens — eller är en administrativ knapptryckning bort. Här är frågorna som låser upp det.
01
"Har vi Microsoft 365 Copilot aktiverat — och för vilka licenser?"
Ligger redan i M365 Business Standard/Premium som tillägg. Oftast en inköpsfråga, inte en teknisk.
02
"Vilka SharePoint-sites och Teams-innehåll är Copilot-kopplade?"
Avgör vilka dokument Copilot kan "se". Fel åtkomst = dåliga svar eller läckage.
03
"Har vi ett personuppgiftsbiträdesavtal (PUB) med vår AI-leverantör?"
Utan PUB får ni inte behandla personuppgifter i verktyget. Gäller både kunder och medarbetare.
04
"Vem äger AI-frågan hos oss — operativt, inte formellt?"
Utan en operativ ägare stannar det upp. Ska vara en person som får tid avsatt, inte en bisyssla.
05
"Finns det en kort, levande AI-policy — eller väntar vi på den perfekta?"
En halvsida som säger "detta får ni, detta får ni inte, så här frågar ni" nu — bättre än en perfekt policy om sex månader.
06
"Har vi tittat på Copilot Studio — och vad skulle det kosta?"
Det är där ni kan bygga era egna agenter (elnät-assistent, HR-bot). Prissätts separat — bra att veta storleksordning.
Praktiska åtgärder
AI är kul — och enkelt att komma igång med
Tröskeln har aldrig varit lägre. Barn, nybörjare och erfarna proffs — alla kan börja idag.
Avslutning
Att ta med sig
Att ta med sig
Fyra saker att komma ihåg
→
Titta på lutningen, inte bara punkten. AI kommer att kunna mer om sex månader än idag. Beslut och strategier behöver ta hänsyn till utvecklingstakten — inte bara dagens begränsningar.
→
Kontext är allt när ni promptar. Den enskilt största förbättringen ni kan göra är att ge mer relevant bakgrund. Brieffa AI som en kompetent ny kollega.
→
Använd Business-nivå verktyg. Privata abonnemang ger inte tillräckligt dataskydd för arbete med konfidentiell information. För ett kommunalt bolag som Landskrona Energi är M365 Copilot (Business) minimum.
→
Tekniken är inte det svåra. Förändringsledning, datastyrning och tydligt ägarskap avgör om ni får ut värdet. Börja där.
Frågor & diskussion
Tack!