AI-utvecklingen i Sverige. Hur ser verkligheten ut? Niklas Silfverström (# 231)

AI-utvecklingen i Sverige. Hur ser verkligheten ut? Niklas Silfverström (# 231)

Effekten gästas av Niklas Silfverström från Klang för att prata med Jonas om AI-utvecklingen i Sverige.

Niklas ser att AI mognar, men Sverige har utmaningar. Många AI-modeller fungerar sämre på svenska än engelska, och vi är väldigt beroende av amerikansk teknik och infrastruktur.

Ett stort problem är oklara regler, särskilt när det gäller känslig information inom till exempel socialtjänst och vård. Potentialen att spara tid och resurser är stor, men bristen på tydliga nationella riktlinjer bromsar utvecklingen eftersom varje organisation måste göra egna utredningar.

Tekniskt sett har öppen källkod blivit ett starkt alternativ till de stora tech-jättarna, vilket ger fler valmöjligheter men också en komplexare ”djungel” att navigera i.

Niklas råd för att komma framåt är att välja partners långsiktigt, våga börja testa och använda AI för att förstå potentialen, samt att titta bortom de största leverantörerna då det finns många bra nischade aktörer.

En vanlig diskussion är hur AI bäst integreras i befintliga arbetssätt, gärna så att tekniken anpassar sig till användaren.

Det finns stor potential, men tydligare regler behövs för att snabba på utvecklingen i Sverige. Lyssna på hela samtalet i Effekten.

Niklas Silfverström, Jonas Jaani (21:54)

Videoversion av avsnittet: https://youtu.be/5h3xKKNPHXI Länkar / mer information:

Om Niklas

Niklas är VD och medgrundare för Klang.ai. Han är programmerare som jobbat med startups och AI-bolag senaste 15 åren. Har även startat North Link som specialiserar sig på bildanalys samt startat och sålt ett SaaS bolag inom svensk fordonsindustri.

Klang.ai: https://klang.ai/ , https://www.linkedin.com/company/klang-ai

Niklas Silfverström: https://www.linkedin.com/in/niklassilfverstrom

Alla avsnitt av digitaliseringens podcast Effekten

Prenumerera:

Apple Podcasts

Spotify:

https://open.spotify.com/show/5Z49zvPOisoSwhwojtUoCm

Är du vår nästa gäst? Maila oss på info(a)effekten(punkt)se

Avsnitt(243)

AI-agenter för utvecklare. William Sundqvist (# 237)

AI-agenter för utvecklare. William Sundqvist (# 237)

Generativ AI och chattbottar som ChatGPT har förändrat hur vi interagerar med teknik. Men vad är nästa steg? I det här avsnittet av podden gästas Jonas Jaani av William Sundqvist, Lead Developer och Projektledare på Sogeti, för att djupdyka i ett av de hetaste ämnena i IT-branschen just nu: AI-agenter. William, som har experimenterat intensivt med tekniken, delar med sig av sina praktiska erfarenheter och misstag. Från att bygga en ”super-agent” som ”gick bananas” till att skapa en hel ”farm” av specialiserade AI-agenter som samarbetar för att bygga och testa kod. Vad är en AI-agent? Många blandar ihop AI-agenter med vanliga chattbottar. William bryter ner utvecklingen i tre tydliga steg: Steg 1: Large Language Models (LLM) Detta är vad de flesta använder idag (t.ex. ChatGPT). Du ställer en fråga, och modellen ger dig ett svar baserat på sin träningsdata. Steg 2: AI Workflow Här börjar AI:n kopplas till specifika verktyg. Du kan be den att ”kolla min kalender” och den kan interagera med kalender-API:t för att ge dig ett svar. Steg 3: AI-agenter (Nästa nivå) En agent har tillgång till en hel uppsättning verktyg (kalender, väder, kartor, filsystem etc.). Den stora skillnaden är autonomi. Du ger agenten ett mål (t.ex. ”Planera min resa till Umeå”) och den kan självständigt planera och utföra en serie uppgifter: kolla din kalender för ledig tid, kolla vädret i Umeå, hitta en resväg på kartan och sedan presentera en färdig plan. Att bygga en ”Vibe-Coding”-plattform Williams mest ambitiösa projekt är att bygga en ”vibe-coding”-plattform, där en användare bara behöver skriva en idé för en hemsida, och plattformen ska automatiskt generera, testa och hosta den färdiga applikationen. Första försöket: ”Super-agenten” som gick bananas Williams första instinkt var att skapa en enda, kraftfull ”super-agent” och ge den en enorm lista med instruktioner: ”Du ska vara projektledare, utvecklare och testare. Du ska skriva filer, läsa filer, köra tester…” Resultatet? Totalförvirring. ”När den börjar läsa filer så tappar den bort lite av sitt minne,” förklarar William. ”Den har en viss kontext den kan få plats med i huvudet… sen börjar de spåra ur, gå bananas.” Agenten hade för många instruktioner och för mycket ansvar. Den tappade bort sitt slutmål så fort den började arbeta med specifika uppgifter. Lösningen: En ”farm” av specialiserade agenter Istället för en allsmäktig agent delade William upp ansvaret i en ”farm” av flera små, specialiserade agenter som samarbetar: Projektledaren (Orchestrator): Denna agent tar emot användarens ursprungliga idé (t.ex. ”Jag vill ha en andningsövnings-app”). Dess enda jobb är att bryta ner idén till en tydlig plan och agera mellanhand. Utvecklaren: Projektledaren skickar planen till utvecklar-agenten, vars enda fokus är att läsa och skriva kod och komponenter. När den är klar, rapporterar den tillbaka till projektledaren. Testaren: Projektledaren tar sedan koden från utvecklaren och skickar den till testar-agenten. Testaren kör koden, letar efter buggar och rapporterar felen. Denna cykel (PM -> Utvecklare -> PM -> Testare -> PM -> Utvecklare…) fortsätter automatiskt tills testaren godkänner applikationen och projektledaren kan presentera den färdiga produkten för användaren. Resultatet: Funktionellt, men inte perfekt Så, fungerade det? William berättar om ”andnings-appen” som agenterna byggde. Det positiva: Agenterna lyckades skapa en fungerande hemsida med en cirkel som expanderade och krympte, precis som instruktionerna sa. Det negativa: Animationen var alldeles för snabb. ”Det blir kaos om man försöker andas ikapp med det där,” skrattar William. Slutsatsen är att agenterna kan bygga det du ber om rent tekniskt, men de saknar ännu den finess och mänskliga förståelse (i detta fall, UX-design) som krävs för en polerad slutprodukt. Jobbet förflyttas från att skriva kod till att granska och förfina den kod agenterna producerar. De tre bästa tipsen för utvecklare som vill börja med AI-agenter William delar med sig av sina viktigaste lärdomar: Fler (små) agenter är bättre än en (stor). Dela upp ansvaret. En agent som bara ska testa kod är mycket mer pålitlig än en ”super-agent” som ska göra allt. Låt dina verktyg ge feedback. En smart insikt från William: Han programmerade sina verktyg att skicka tillbaka ett ”tips” till agenten efter att det använts. ”OK, filen är skriven. Kom ihåg att du nu borde skicka detta till testaren.” Detta hjälper agenten att hålla sig på rätt spår utan att överbelasta dess huvudinstruktioner. Bara testa och utforska (det är billigare än du tror). Lek och experimentera. William rekommenderar att använda plattformar som Azure AI Foundry, där man kan sätta upp och köra många agenter till en mycket lägre kostnad än att använda standard-API:er som ChatGPT Plus för varje enskild uppgift. Från kod till komplexa processer Det finns fler exempel från flygindustrin där en ”händelse” (som ett försenat flyg) kan trigga en hel farm av AI-agenter att automatiskt: Meddela cateringfirman att pausa matlastningen. Omboka tankbilen. Skicka ut meddelanden till passagerare. Till och med förutse framtida förseningar och proaktivt föreslå innovationer. AI-agenter är inte längre bara science fiction. De är ett kraftfullt nytt sätt att bygga autonoma system, och som William visar, är det upp till utvecklare att börja experimentera och definiera hur de bäst kan användas. Vill du se Williams agent-farm i praktiken? En kompletterande video kommer att visa arkitekturen och de fascinerande (och ibland komiska) loggfilerna från när agenterna ”pratar” och ”bråkar” med varandra för att lösa en uppgift. https://youtu.be/NzS1q9sGOP8 Willian Sundqvist, Jonas Jaani (23:47) Videoversion av poddavsnittet: https://youtu.be/R_nX0C8sV_c Alla avsnitt av digitaliseringens podcast Effekten Prenumerera: Apple Podcasts Spotify: https://open.spotify.com/show/5Z49zvPOisoSwhwojtUoCm Är du vår nästa gäst? Maila oss på info(a)effekten(punkt)se

16 Nov 23min

Data Storytelling enligt Ted Solomon: Så får du andra att lyssna (# 236)

Data Storytelling enligt Ted Solomon: Så får du andra att lyssna (# 236)

Har ni massor av data, briljanta analytiker och ändå en känsla av att insikterna inte når fram? Du är inte ensam. I en tid där ”datadrivet” är ledordet på allas läppar, glömmer vi ofta den viktigaste komponenten: kommunikationen. Att ha data är en sak. Att få en organisation att agera på den är något helt annat. I poddavsnitt 236 gästas Jonas Jaani av Ted Solomon från Ctrl Digital, vi pratar om just detta – data storytelling. Ted delar med sig av en konkret strategi för att omvandla komplexa analyser till övertygande berättelser som leder till faktisk förändring. Vad är Data Storytelling (och varför är det så svårt)? När experter gräver fram insikterna går det inte alltid samman med det skillset som krävs för att kommunicera dem. ”Jag har varit i organisationer där det finns hur skarpa människor som helst… Men de har liksom fastnat i deras terminaler, i deras burkar som aldrig kommer ut i organisationen. För att det krävs ett annat skillset.” Data storytelling är alltså bron mellan två olika världar: den tekniska analysen och den mänskliga kommunikationen. Börja inte med grafen – börja med affären Hur gör man då? Teds första poäng är att en bra databerättelse börjar långt innan du ens öppnat Excel eller ditt BI-verktyg. Den börjar med förarbetet. ”En berättelse måste ha ett syfte. Den måste ha lite kontext… så handlar det om att förstå först och främst vad är businessen?” För att ta ett konkret exempel från e-handeln: tillväxt är oftast en funktion av två saker: Tillväxt = Antal kunder x genomsnittligt köp per kund Dessa kan i sin tur brytas ner i mindre ”spakar” som trafik, konverteringsgrad, snittordervärde och köpfrekvens. Detta KPI-träd är dock inte berättelsen. Det är kartan. Berättelsen börjar när du ser vad som avviker. Var ”blöder” ni? Varför tappar ni kunder efter första köpet? Den frågeställningen blir kärnan i din analys och din story. Aristoteles och AI: Teds 4-stegsmodell för en effektiv databerättelse När du väl har din kärnfråga guidar Ted oss genom en tydlig struktur i fyra steg. Förarbetet: Hitta kärnfråganSom nämnt ovan: Förstå affären, identifiera era ”spakar” (KPI:er) och lokalisera var det största problemet eller möjligheten finns. Detta ger dig syftet. Inledningen: Fånga publikenBörja inte med hur du gjorde analysen. Börja med varför. Ge kontext. Hur stort är problemet? Vad händer om vi inte löser det? Kvantifiera det gärna i kronor och ören. Detta skapar en intresseväckare och visar varför din analys är avgörande. Analysen: Kombinera Logos och PatosNu kommer vi till själva analysen. Här refererar Ted till Aristoteles gamla lära om retorik: Etos, Patos och Logos. Logos (Logik): Det här är dina siffror, dina grafer, den logiska kedjan som bevisar din poäng. Etos (Trovärdighet): Du bygger trovärdighet genom att vara transparent med dina metoder och avgränsningar. Patos (Känsla): Det här är nyckeln! Komplettera din kvantitativa data med kvalitativ. Istället för att bara säga ”vi tappar 20% av kunderna” – visa ett exempel. ”Det här är Anna. Hon köpte sin första produkt… varför kommer hon inte tillbaka?” Kanske har ni ett citat från kundtjänst som förklarar hennes frustration. Det gör siffrorna levande. Slutet: Konkreta åtgärder (den viktigaste delen!)Det vanligaste misstaget analytiker gör? De slutar efter analysen. De har förklarat problemet och känner sig klara. Men publiken lämnas med ett ”Jaha?”. Den viktigaste delen är slutet. Knyt ihop säcken, summera insikterna och – viktigast av allt – kom med tydliga rekommendationer och nästa steg. Vad föreslår du att ni ska göra? Och (bonuspoäng!) vad är den förväntade effekten (business impact) om ni genomför åtgärderna? Svaren blir billigare, men frågorna blir dyrare I en tid av AI, blir detta viktigare än någonsin. Ted är tydlig med att AI är ett fantastiskt verktyg, men det ersätter inte det kritiska tänkandet. ”AI är all ära… men man kan inte abdikera sitt eget kritiska tänkande. Det är vi som förstår affären, det är vi som tar beslut på affären.” Hans slutsats är skarp: AI kommer göra att svaren blir billigare. Men frågorna – att veta vad man ska fråga, baserat på en djup affärsförståelse – det är det som blir dyrt och värdefullt. Data storytelling är inte bara en ”soft skill” – det är den avgörande förmågan som omvandlar data till beslut, och beslut till värde. Ted Solomon, Jonas Jaani (23:46) Videoversion av avsnittet: https://youtu.be/Mdo29xBmccw Länkar / mer information: Om Ted & Ctrl Digital Ted Solomon är vd och grundare av Ctrl Digital, med bakgrund som digital analytiker. Hans fokus ligger på strategier för datainsamling och aktivering av förstapartsdata. Tidigare har han haft ledande roller inom analys på företag som Klarna och Entercard, och har hjälpt organisationer som Scandic Hotels, Hemtex och Rocker att utveckla sina datastrategier. Ctrl Digital är en specialistbyrå inom digital analys och teknisk mätning. Byrån hjälper företag att samla in, strukturera och aktivera data för att skapa bättre affärsresultat. Alla avsnitt av digitaliseringens podcast Effekten Prenumerera: Apple Podcasts Spotify: https://open.spotify.com/show/5Z49zvPOisoSwhwojtUoCm Är du vår nästa gäst? Maila oss på info(a)effekten(punkt)se

20 Okt 23min

Vad är Vibe coding? Miguel förklarar framtidens kodning (# 235)

Vad är Vibe coding? Miguel förklarar framtidens kodning (# 235)

”Hypen är här, viben är här.” Jonas Jaani intervjuar och kommenterar detta avsnitt av Effekten. Ämnet är vibecoding, ett begrepp som susar genom branschen just nu. För att reda ut vad det egentligen innebär gästas podden av Miguel Sjunnesson Exposito från Sogeti, som delar med sig av sina närmast revolutionerande upplevelser. Och det blir snabbt tydligt att vibecoding är mer än bara ett nytt verktyg – det är en känsla, ett ”mindshift”. ”Jag känner mig som Professor Balthazar” Så vad är vibecoding? För Miguel, med sin bakgrund som kodare, handlar det om att använda sin intuition för att lösa problem på ett helt nytt sätt. ”Jag nyttjar min intuition och jag får skapa glädje,” förklarar Miguel. ”Jag känner mig faktiskt som professor Baltasar när jag vibecodar.” I praktiken innebär det att han skriver en prompt, en önskan om vad som ska skapas och låter AI:n generera koden. Han går inte in och ändrar i själva koden, utan fortsätter istället att prompta. ”Jag pratar med min polare, helt enkelt,” säger han. Jonas Jaani flikar in med sin egen ”wow”-upplevelse: att kunna få upp en hel minisajt, med både kod och innehåll, på bara tio minuter. Från noll till expert på en timme Det är när Miguel berättar om sina konkreta projekt som kraften i vibecoding verkligen blir tydlig. Han beskriver hur en kollega ville förstå bildanalys, ett ämne Miguel själv inte hade någon erfarenhet av. Med hjälp av GitHub Copilot (som han kallar ”polaren Per”) i Visual Studio Code lyckades han på en timme göra följande: Installera hela den nödvändiga virtuella miljön. Skapa ett program som identifierade alla 26 ansikten på Svenska damlandslagets lagfoto (tog 1,5 minut). Analysera en film och räkna antalet människor och fordon i realtid. Aktivera sin webbkamera för att identifiera ett ansikte och avgöra om personen var glad eller ledsen, samt gissa åldern. ”Hjärnan, det bara sprutar i hjärnan. Man vill bara göra mer och mer grejer,” skrattar Miguel. ”Det där hade tagit lång tid för mig… Jag tror inte ens jag hade kommit dit.” Dessutom kunde han be ”polaren Per” att förklara koden i detalj och lägga in kommentarer – på svenska. Han fick en senior expert i ämnet bredvid sig, omedelbart. En hel dataplattform före middagen Om exemplet med bildanalys var imponerande, är nästa projekt nästan svindlande. Miguel fick i uppdrag att testa att bygga en end-to-end dataplattform för fordonsdata med Microsoft Fabric. Han kände till begrepp som ”Data Lake” och ”IoT Hub”, men var långt ifrån expert. Genom att prompta sig fram byggde han, steg för steg: En fordonsdatasimulator i .NET. Kopplingen som skickade datat till en IoT-hubb. Hela datalake-strukturen (där AI:n förklarade ”medaljong-arkitekturen” från brons till guld). Rapporter i Power BI som visade datat. Total tid för att få upp en fungerande prototyp: sju timmar. ”Det hade tagit mig flera veckor,” konstaterar Miguel. Är det bara ”fort och fel”? Här lyfter Jonas en viktig invändning: Blev det inte bara ”fort och fel”? Hur är det med kvalitet, säkerhet och förvaltning? Miguel är noga med att poängtera skillnaden mellan en prototyp och en färdig produkt. ”Jag är ju väldigt medveten om att den här lösningen… inte är hållbar i det skicket. För det krävs ju så många, många fler lager,” säger han. Men det är inte poängen. Värdet ligger i att kraftigt accelerera fasen från idé till prototyp. Man kan snabbt validera koncept, lära sig nya domäner och sedan ta in experterna för att granska och kvalitetssäkra. Det ”demokratiserar kodningen”. Koden som genererades inom hans expertområde (.NET) bedömde han var ”minst lika bra, kanske till och med bättre” än vad han själv hade skrivit. Uppmaningen: ”Experimentera!” Så, var lämnar detta oss? Utvecklingen går i en rasande takt. Verktygen som finns idag är ljusår från vad som fanns för bara ett år sedan. Miguels viktigaste råd till alla – oavsett om du är utvecklare, projektledare, testare eller UX-designer – är glasklart: ”Vi måste experimentera. Det är vårt jobb. Vi måste våga misslyckas. Det finns inget annat sätt att lära sig nya saker… Vi måste sätta igång.” Han tillägger också att detta inte bara gäller kod. Han använder själv verktygen för att bolla mötesupplägg eller, som han nämner på slutet, få hjälp med en av utvecklarnas minst uppskattade uppgifter: att skapa dokumentation och tekniska lösningsspecifikationer. Vi befinner oss i en utforskande fas. En sak är säker: framtiden stavas samarbete, och vår nya kollega är en AI. Miguel Sjunnesson Exposito, Jonas Jaani (23:11) Videoversion av avsnittet: https://youtu.be/SIZ_JOa5h6M Länkar / mer information: Alla avsnitt av digitaliseringens podcast Effekten Prenumerera: Apple Podcasts Spotify: https://open.spotify.com/show/5Z49zvPOisoSwhwojtUoCm Är du vår nästa gäst? Maila oss på info(a)effekten(punkt)se

22 Sep 23min

Datadriven hållbarhet och ESG. Johan Säwensten (# 234)

Datadriven hållbarhet och ESG. Johan Säwensten (# 234)

Vi gästas av Johan Säwensten, Sverigechef på Position Green, för ett samtal om ESG (Environmental, Social, and Governance) och framtidens hållbarhetsrapportering. Avsnittet belyser en avgörande förflyttning: från idealistiska eldsjälar till datadriven affärsstrategi. Vad är ESG, egentligen? Johan Säwensten, med 15 års erfarenhet i branschen, inleder med att bryta ner det komplexa begreppet ESG. Han förklarar det som ett skifte från Milton Friedmans klassiska idé om att ”the business of business is doing business” till en modern syn där företag måste ta ansvar för sin bredare påverkan, på allt från medarbetare och lokalsamhälle till globala utsläpp. Det handlar om att se bortom den finansiella rapporten och förstå hela sitt avtryck. Från passion till press och compliance Utvecklingen inom hållbarhet har varit dramatisk. Johan beskriver resan från att vd:ar agerade utifrån dåligt samvete efter samtal med sina barn, till dagens verklighet där ESG drivs av: Marknadskrav: Kunder och investerare ställer högre krav. Affärsmöjligheter: Företag som Polestar och Electrolux använder proaktivt hållbarhetsarbete för att vinna marknadsandelar och till och med påverka lagstiftning. Regleringar: EU har de senaste åren skapat ett starkt tryck genom nya lagkrav, även om man just nu ser en viss osäkerhet och tillbakadragning i regleringstakten. ”What gets measured gets managed” – Digitaliseringens nyckelroll En central punkt i samtalet är hur digitaliseringen blivit en förutsättning för modernt hållbarhetsarbete. Borta är tiden då tex en ensam miljöingenjör manuellt sammanställde data i Excel. Idag växer en helt ny bransch av ”affärssystem för hållbarhet” fram. Farhågan finns om att rapporteringen nästan blivit viktigare än själva hållbarhetsarbetet. Johan håller med om att det varit en tendens under de senaste årens intensiva regleringsfokus, men ser nu en återgång till att använda data för att faktiskt förbättra verksamheten, inte bara för att fylla i rapporter. Insamling av data, från energiförbrukning och utsläpp från tjänsteresor till sjukfrånvaro och könsfördelning blir grunden för att kunna sätta mätbara mål och se trender. AI som den nya hållbarhetskollegan Framtiden för ESG-rapportering är smartare och mer effektiv. Johan Säwensten berättar hur AI och LLMs (Large Language Models) redan nu används för att: Automatisera datainsamling genom intelligenta agenter. Skapa första utkast av komplexa hållbarhetsrapporter, vilket kan spara upp till 70% av arbetstiden. Agera som en kunskapsbank, där medarbetare kan ställa ”dumma frågor” och snabbt få stöd i ett komplext ämne. Johans checklista för att lyckas med ESG-arbetet För organisationer som vill ta sitt hållbarhetsarbete till nästa nivå, delar Johan med sig av några konkreta tips: Säkra förankring i ledningen: Utan stöd från styrelse och ledningsgrupp blir arbetet tungrott. Var datadriven: Använd data för att ”skära igenom fluffet” och visa svart på vitt vilken påverkan ni har och vilka resultat era insatser ger. Koppla till affärsstrategin: Hållbarhet får inte vara en separat ö. Det måste integreras i kärnaffären för att vara långsiktigt hållbart – både ekonomiskt och miljömässigt. Addera storytelling: Komplettera den hårda datan med ett högre syfte. Berätta varför ni gör detta. Det engagerar både medarbetare och kunder. Vill du veta mer om hur ditt företag kan gå från manuell hantering till ett datadrivet och strategiskt hållbarhetsarbete? Lyssna på hela avsnittet med Johan Säwensten i podcasten Effekten, direkt i din poddspelare eller på effekten.se! Johan Säwensten , Jonas Jaani (21:57) Videoversion av avsnittet: https://youtu.be/IABnQ007UK4 Länkar / mer information: Om Position GreenPosition Green är ett internationellt SaaS-bolag inom hållbarhetstech som erbjuder en komplett lösning för företag som vill ta sitt hållbarhetsarbete till nästa nivå. Med avancerad tech och djup hållbarhetsexpertis gör Position Green det möjligt för företag att inte bara uppfylla ökande regelkrav som till exempel CSRD, utan också omvandla ESG-data till affärsnytta och konkurrensfördelar. Bolaget fungerar som en one stop shop för hållbarhetsarbete, där en användarvänlig och kraftfull plattform kombineras med strategisk expertrådgivning och utbildning. Resultatet är ett verktyg som förenklar regelefterlevnad och stärker affären. Position Green grundades i Malmö 2015 och har idag närvaro i Norden, Europa och USA. Deras populära SaaS-plattform används av fler än 800 företag inom olika branscher – från börsnoterade koncerner till snabbväxande scaleups. Läs mer på hemsidan: www.positiongreen.com Sustainable Edge – Position Greens egen hållbarhetspodd https://miljo-utveckling.se/darfor-halkar-svenska-foretag-efter-i-hallbarhetsarbetet/ Ny rapport: Så få svenska chefer får bonus för att klara klimatmålen https://www.impactloop.se/artikel/ny-rapport-sa-manga-chefer-far-bonus-for-att-klara-klimatmalen Skandalomsusade bolag ofta bra på hållbarhetsredovisninghttps://www.di.se/hallbart-naringsliv/skandalomsusade-bolag-ofta-bra-pa-hallbarhetsredovisning Alla avsnitt av digitaliseringens podcast Effekten Prenumerera: Apple Podcasts Spotify: https://open.spotify.com/show/5Z49zvPOisoSwhwojtUoCm Är du vår nästa gäst? Maila oss på info(a)effekten(punkt)se

17 Aug 21min

E-postmarknadsföring. Sam Jahanfar (# 233)

E-postmarknadsföring. Sam Jahanfar (# 233)

E-postmarknadsföring – en ohotad kanal som aldrig dör ut I det här avsnittet av podden får vi lära oss mer om e-postmarknadsföring från experten Sam Jahanfar från Rule . Han menar att e-post är en fantastisk kanal för företag som behöver kommunicera med en större kundbas, och att den har funnits med ända sedan internets begynnelse. Även om det har pratats mycket om att e-post skulle dö ut de senaste åren, så är det en kanal som aldrig kommer att försvinna. Tvärtom, den är otroligt prisvärd och lätt att använda. Som företag äger du ditt eget kundregister och kan kommunicera direkt med dina kunder, vilket ger dig stor kontroll. Samtidigt poängterar Sam att det är viktigt att vara relevant och respektera mottagarnas integritet. Efter GDPR-lagstiftningen är det inte längre acceptabelt att bara spamma ut mejl till köpta adresslistor. Nu måste du ha ett tydligt samtycke från dina mottagare. Ett intressant perspektiv som lyfts är att e-postleverantörer som RU också har ett ansvar att utbilda sina kunder att jobba mer med att öka engagemanget i sin kundbas, snarare än att bara skicka ut slentrianmejl. Genom att hjälpa kunderna att kommunicera på mottagarnas villkor kan de bidra till att höja kvaliteten i hela e-postbranschen. Avslutningsvis ger Sam några konkreta tips för att lyckas med e-postmarknadsföring: Våga vara personlig och berätta om dig själv, istället för att bara skicka ut reklamblad Testa och mät kontinuerligt – gör små snabba förbättringar istället för att vänta på den stora planen Utgå alltid från din målgrupp, inte från dig själv Sammanfattningsvis lär vi oss att e-post är en ohotad kanal som fortfarande har stor potential, men att det gäller att jobba smart och fokusera på relevans och engagemang. Med rätt strategi kan e-postmarknadsföring bli en riktigt effektiv del av din marknadsföring. Sam Jahanfar, Jonas Jaani (23:50) Videoversion av avsnittet: https://youtu.be/hH8ISy_YQU8?si=Fu96rDXFlBhApBqw Länkar / mer information: Sam Jahanfar är VD och medgrundare på MarTech-bolaget Rule, grundat 2007 i Stockholm. Rule har utvecklat en plattform för e-postmarknadsföring, marketing automation och SMS-kommunikation, och hjälper över 3000 företag globalt att skapa personliga och effektiva kommunikationslösningar.https://www.rule.se/ mer om epostmarknadsföring: https://www.rule.se/rule-free-toolkbook-1/ och https://www.rule.se/e-postmarknadsforing/ Alla avsnitt av digitaliseringens podcast Effekten Prenumerera: Apple Podcasts Spotify: https://open.spotify.com/show/5Z49zvPOisoSwhwojtUoCm Är du vår nästa gäst? Maila oss på info(a)effekten(punkt)se

25 Juni 23min

Är din organisation en maskin eller en trädgård? Klas Fjärstedt (# 232)

Är din organisation en maskin eller en trädgård? Klas Fjärstedt (# 232)

Känns det som att era IT-projekt ständigt kämpar i motvind, eller att förändringsinitiativ sällan landar som tänkt? Jonas Jaani gästas av Klas Fjärstedt som lanserar en tankeväckande metafor: se din organisation som en levande trädgård istället för en stelbent maskin. Vad innebär det i praktiken? I avsnittet utforskas: Varför vi kanske måste ”lära oss att köra långsamt” för att egentligen gå snabbt. Nackdelarna med att sträva efter full kontroll och fördelarna med ett iterativt, utforskande arbetssätt (tänk agilt, men med fokus på varför). Konkreta exempel på projekt som gått snett (ja, Skolplattformen och Millennium nämns) och vad man kunde gjort annorlunda. Vikten av att ständigt återkomma till ”varför?” innan man dyker ner i ”hur?”. Praktiska råd för att lyckas med förändring, från kommunikation till att våga börja i det lilla. Klas delar också med sig av insikter från sin bok ”Tänka Göra-Effekten – Utveckla din organisation för nya resultat”. Nyfiken på hur du kan sluta försöka kontrollera en maskin och istället börja odla framgång i din organisationsträdgård? Missa inte detta avsnitt av Effekten! Klas Fjärstedt, Jonas Jaani (25:18) Videoversion av avsnittet: https://youtu.be/guF2UUXaTn0 Länkar / mer information: Om Klas Klas Fjärstedt är en uppskattad föreläsare och förändringsledare, som genom åren har utbildat tusentals personer i agilt arbetssätt, ledarskap och kommunikation. Han har mångårig praktisk erfarenhet som konsult och anställd – både som ledare och chef. Med en kreativ, jordnära och lösningsorienterad inställning vill Klas inte bara hjälpa till att hitta nya sätt att samarbeta på utan också inspirera till nya tankesätt. Boksajt: https://www.tänkagöraeffekten.se/ Smakprov på boken: https://www.smakprov.se/smakprov/visa/9789198908558/partner/smakprov/ Teamwork-triangeln med workshopsmateial: https://www.tänkagöraeffekten.se/teamwork-triangeln/ Blogg: https://www.klas.one/blogg/ Samlade bloggposter på temat metaforer: https://www.klas.one/category/metaforer/ Fördjupad bloggpost på temat linje eller cirkel: https://www.klas.one/2024/05/21/linje-eller-cirkel-oordning-bland-metaforerna-skapar-forvirring-i-forandringen/ Boktips: https://www.klas.one/boktips/ Youtube-kanal:https://www.youtube.com/@KlasFj%C3%A4rstedt/videos Föreläsningar: https://www.youtube.com/playlist?list=PLlXOAOrOXAgIAIwyc-gkgZFBMcE4noHkk Köpa boken: https://www.bokus.com/bok/9789198908558/tanka-gora-effekten-utveckla-din-organisation-for-nya-resultat/ ”If you want to change the world, you have to change the metaphor.“– Joseph Campbell Prenumerera: Alla avsnitt av digitaliseringens podcast Effekten Apple Podcasts Spotify: https://open.spotify.com/show/5Z49zvPOisoSwhwojtUoCm Är du vår nästa gäst? Maila oss på info(a)effekten(punkt)se

29 Maj 25min

AI-assistenter och e-handel. Joakim Bissmark (# 230)

AI-assistenter och e-handel. Joakim Bissmark (# 230)

AI och e-handel: Hur assistenter och agenter formar framtidens shopping. E-handeln genomgår en snabb förändring, där AI-assistenter och AI-agenter blir allt mer framträdande. I detta avsnitt av podcasten Effekten samtalar Jonas Jaani med Joakim Bissmark från Granditude om hur dessa teknologier påverkar både kunder och e-handlare. AI-assistenter – kundens digitala hjälpreda AI-assistenter blir allt vanligare i e-handelssajter och hjälper kunder genom att: Besvara frågor i realtid Ge produktrekommendationer baserat på kundens behov Guida kunder genom köpprocessen Genom att finnas till hands dygnet runt förbättrar dessa assistenter kundupplevelsen och gör det enklare att hitta rätt produkter. AI-agenter – nästa steg i automatisering Medan AI-assistenter främst fungerar som vägledare, tar AI-agenter det ett steg längre. De kan: Bevaka lagerstatus och meddela kunder när en produkt finns tillgänglig Skräddarsy produktförslag baserat på tidigare köp och beteenden Hantera delar av köpprocessen och ge proaktiva rekommendationer Genom att automatisera mer avancerade uppgifter bidrar AI-agenter till en smidigare och mer personlig shoppingupplevelse. Framtiden för AI inom e-handel AI kommer att bli ännu mer integrerat i e-handelns alla steg. Framtidens AI-assistenter kan inte bara vägleda kunder utan också slutföra köp och anpassa hela shoppingupplevelsen efter individuella behov. För företag som vill ta steget mot AI i sin e-handel är rådet tydligt: Våga testa och experimentera. Samtidigt är det viktigt att AI-lösningarna anpassas efter varumärkets röst och målgrupp för att skapa en naturlig och förtroendeingivande interaktion. Joakim Bissmark, Jonas Jaani (25:09) Videoversion av avsnittet: https://youtu.be/FzVI_Agmc10 Länkar / mer information: AI agenter för ehandel generellt: https://www.granditude.com/ai-agent-ecommerce Här beskriver Granditude deras senaste tillskott av AI-produkter, en möjlighet att låta en AI-Agent föreslå ett specialpris till en besökare baserat på vad just den besökaren är intresserad av: https://www.granditude.com/ai-deals Alla avsnitt av digitaliseringens podcast Effekten Prenumerera: Apple Podcasts Spotify: https://open.spotify.com/show/5Z49zvPOisoSwhwojtUoCm Är du vår nästa gäst? Maila oss på info(a)effekten(punkt)se

11 Mars 25min

Populärt inom Business & ekonomi

badfluence
framgangspodden
varvet
rss-svart-marknad
uppgang-och-fall
rss-jossan-nina
svd-tech-brief
rss-borsens-finest
dynastin
bathina-en-podcast
24fragor
fill-or-kill
lastbilspodden
affarsvarlden
rss-inga-dumma-fragor-om-pengar
tabberaset
avanzapodden
kvalitetsaktiepodden
borsmorgon
rss-kort-lang-analyspodden-fran-di