Nytt kontor → nytt digitalt arbetsrum.
Hur hittar jag rätt information? Vilken version gäller? Vem äger underlaget? Den digitala ytan behöver ordning och ansvar, precis som ett nytt kontor behöver fungerande arbetssätt.
00 → 01 / Min AI-bearbetning
Nu kommer AI
in i laget.
Nya kollegor. Nya arbetsrum. Samma behov av sammanhang.
Här bygger jag vidare på förmiddagens underlag och samtal. Texten är min tolkning och mina förslag till fortsatt arbete, inte en transkription av Fredrik Husbergs pass.
Så använder jag förberedelsen
What good looks like.
Innan jag börjar.
Amazon har ett arbetssätt som kallas working backwards. Inför en ny produkt eller tjänst skriver teamet en tänkt pressrelease och en FAQ innan det börjar bygga. Pressreleasen beskriver den önskade kundupplevelsen som om lösningen redan fanns: vilket problem den löser, för vem och varför det är värt att bry sig. Någon utanför projektet ska kunna förstå poängen. Amazons egen beskrivning ↗
FAQ:n utsätter idén för de svåra frågorna. Varför är detta bättre än alternativen? Vad måste fungera? Vad blir svårt eller dyrt? Dokumentet bearbetas tills idén håller, behöver ändras eller visar sig inte vara värd att bygga. Mer om PR/FAQ-processen ↗
Det ligger nära hur jag använder den här förberedelsen. Jag vill tidigt kunna måla upp ett lyckat resultat så tydligt att jag själv och andra förstår vad som har blivit bättre och varför. What good looks like. Då kan jag också upptäcka att något saknas, att berättelsen inte håller eller att jag borde göra något helt annat.
En övertygande berättelse behöver sedan möta verkligheten. Om den kräver att jag blundar för besvärliga frågor behöver jag förändra idén, upplägget eller ambitionsnivån. Ibland är det klokaste beslutet att avstå.
En möjlig framtida berättelse om den här dagen.
Medarbetarna i JATA Cargo tog sina värdeord med sig in i AI-arbetet. De använde sin erfarenhet för att förbättra ett verkligt arbetsmoment och forma en mer personlig kundupplevelse. De kunde visa vad som blev bättre, hur de kontrollerade det och vilket nästa steg de själva ville ta.
Det är en målbild att pröva, inte ett påstående om vad som redan har hänt. Det som faktiskt kommer fram under dagen ska få ändra min berättelse.
Word-underlaget: Lite bakgrund
Samma förändringsfråga.
Fler sorters arbetsrum.
Underlaget beskriver tre nya kontor och nio nya medarbetare. Det som fungerade när många hade arbetat länge på samma plats behöver fungera över fler gränser: orter, erfarenheter, vanor och relationer.
AI lägger till ytterligare en dimension. Ett digitalt arbetsrum kan vara ett gemensamt kunskapsunderlag, en AI-assistent i det dagliga arbetet eller en agent med en avgränsad uppgift. Här är min översättning av förmiddagens frågor:
Ny kollega → ny AI-förmåga.
Vilket jobb ska den hjälpa till med? Vad behöver den veta? Hur ser ett bra resultat ut? Tillgång till verktyget är början på introduktionen.
Erfarenhet i huvudet → erfarenhet i arbetet.
Vilka undantag upptäcker en erfaren speditör direkt? Vad behöver både en ny kollega och en AI få veta för att undvika det uppenbara misstaget?
Gemensam kultur → gemensam kvalitetsribba.
Vad lovar JATA Cargo kunden? Vad får förberedas självständigt och när behöver en person ta över? Värdeorden måste gå att känna igen i resultatet.
Fråga till rummet: Vad skulle ni aldrig lämna en ny kollega att lista ut ensam? Börja där när ni introducerar AI.
Word-underlaget: Min tanke/syfte med föreläsningen
Från osäkerhet till
ett eget första steg.
Förmiddagens underlag vill skapa trygghet, engagemang, ansvar och framtidstro. Mitt bidrag är att göra det möjligt att agera: upptäcka en uppgift, pröva ett annat arbetssätt och förstå om det blev bättre.
Jag behöver ge plats åt både nyfikenhet och tvekan. Osäkerhet inför AI kan handla om kvalitet, tid, yrkesstolthet eller vad som händer med det egna jobbet. Ett professionellt förhållningssätt rymmer konkreta invändningar. Jag vill göra dem möjliga att undersöka.
Den som kan arbetet har redan något viktigt att tillföra. Frågan är hur den kunskapen blir en del av samspelet med AI.
Förstå förändringen.
Vad kan förändras i min vardag, och vad behöver jag fortfarande kunna bedöma?
Pröva något avgränsat.
Vilket litet arbete kan jag förbättra och kontrollera redan idag?
Ta ansvar för resultatet.
Vad behöver jag lära AI, vad behöver jag kontrollera och vem fattar beslutet?
Gör lärandet gemensamt.
Vad upptäckte jag som en kollega på ett annat kontor också kan ha nytta av?
Word-underlaget: Att förändring skapar möjligheter
Karin slutade vänta.
När jag arbetade med chefsassistenter i Volvo Group använde Karin en närvarorapport från Teams. Hon kopierade namn ett i taget till ett Word-underlag. Hon prövade att ge Copilot hela rapporten och be om listan hon faktiskt behövde.
Det intressanta för mig är handlingsutrymmet. Hon kunde själv förändra ett arbetssätt hon levt med länge. När hon visade de andra kom nästa behov: en kollega ville ha en mottagarlista för Outlook. Upptäckten blev början på fler förbättringar.
Här finns en direkt koppling till JATA Cargo. En speditör känner igen friktionen i en distributionslista. En ekonom ser var avstämningen blir svår att följa. En ny kollega kan ställa den fråga som ingen längre tänker på. AI kan bli ett sätt att omsätta den iakttagelsen i något som går att prova.
Jag brukar prata om att fler av oss kan bli hackers: personer som undersöker hur något fungerar och hittar ett sätt att förbättra det. Karin behövde inte först bli programmerare.
Fredriks exempel finns redan i samtalet.
I planeringssamtalet berättade Fredrik Persson om fax som skickades till en terminal och sattes i en pärm, utan att någon längre frågade vad papperet var till för. Den historien ger mig en bra kontrollfråga: ska jag göra den här uppgiften snabbare med AI, förändra den eller sluta göra den?
Vad är er motsvarighet till Karins namnlista eller faxet i pärmen?
Word-underlaget: Att beteenden påverkar resultat
Det jag tillför
förändrar vad jag får.
Engagemang, samarbetsvilja och ansvarstagande kan bli väldigt konkreta i en AI-övning. Jag visar ett riktigt problem. Jag förklarar vad som spelar roll. Jag reagerar när något blir fel. Jag nöjer mig inte med ett prydligt svar om det inte går att använda.
När jag använder Kasparovs historia är min poäng samspelet mellan människa, maskin och arbetssätt. Det räcker inte att ställa en kunnig person bredvid ett bra verktyg och hoppas. Jag behöver ordna arbetet så att styrkorna kommer till nytta och svagheterna upptäcks.
Det är också ledarskap. Vilket uppdrag ger jag? Vilka underlag får användas? Vad får AI föreslå, förbereda eller genomföra? Vilka situationer kräver ett annat omdöme eller en mänsklig kontakt?
Mira gav oss ett väldigt konkret exempel.
I arbetet med vår övningsprototyp var försändelsen redan vald. Kunden skrev att godset inte hade kommit fram. Ändå frågade Mira vilken försändelse det gällde och började rada upp andra ärenden.
Det visade vad som saknades i samspelet. Hon behövde få rätt sammanhang, utgå från det öppna ärendet och skilja ”registrerad som levererad” från att kunden faktiskt hade fått sitt gods.
Det här är onboarding av en AI-kollega i praktiken. Jag behöver visa vad bra service betyder när verkligheten och systemets uppgifter inte stämmer överens. Och se till att det går att fortsätta med din speditör, med sammanhanget kvar.
Word-underlaget: Att vår kultur byggs varje dag
Kulturen märks
i nästa återkoppling.
Underlaget beskriver kultur som hur människor beter sig mot varandra i vardagen. Jag vill göra samma sak med AI-arbetet: titta på den faktiska handlingen. Vad gör jag när någon visar ett ofärdigt försök? När AI har fel? När en ny kollega hittar ett enklare arbetssätt?
Från mina år i det militära bär jag med mig betydelsen av att ge och ta emot återkoppling. Den tanken kom tillbaka i ett samtal med mitt AI-team. Jag var missnöjd med en förberedelse. I samtalet blev det tydligt att även mina egna obesvarade frågor och instruktioner spelade roll.
Min poäng är att jag behöver tåla användbar återkoppling också när den riktas mot mig. Vad observerade jag? Vad tolkade jag? Vad ändrar jag i nästa försök? Ett skarpt svar från AI är inte automatiskt ett klokt svar, men det kan ge mig något värt att undersöka.
En god lärandekultur gör det möjligt att säga ”det där blev inte rätt” och sedan hjälpa till att göra det bättre. Både människor och arbetsprocesser behöver få den chansen.
Håll isär: AI behöver få uppdrag, sammanhang och återkoppling. En människa behöver dessutom bli sedd, respekterad och få tillhöra. Metaforen hjälper mig att leda arbetet; den ersätter inte relationen till en människa.
Word-underlaget: Workshop · ladda om våra värdeord
Samma värdeord.
Fler sätt att visa dem.
Jag behåller ordningen från underlaget. För varje ord vill jag få fram ett beteende hos mig eller laget, ett krav på AI-arbetet och något kunden faktiskt kan märka.
Tillsammans.
Mitt och lagets beteende: Jag delar både det som fungerade och det som blev fel, så att nästa kontor slipper börja från noll.
I AI-arbetet: En överlämning innehåller ärendet, källorna, vad som har prövats och det som återstår.
Det kunden märker: Jag slipper dra hela historien en gång till när en annan person tar över.
Engagemang.
Mitt och lagets beteende: Jag ställer följdfrågan som visar att jag har förstått kundens situation.
I AI-arbetet: Assistenten arbetar med rätt ärende, förklarar vad förändringen betyder och hjälper till med ett relevant nästa steg.
Det kunden märker: Hjälpen handlar om min leverans. Någon tar ansvar för att föra frågan vidare.
Erfarenhet/Kunskap.
Mitt och lagets beteende: Jag sätter ord på de undantag och kontrollfrågor jag brukar ha i huvudet.
I AI-arbetet: Underlag och källor går att följa. Systemet skiljer det som är känt från det som behöver kontrolleras.
Det kunden märker: Jag får ett underbyggt besked och ett ärligt svar när något fortfarande är oklart.
Enkelt.
Mitt och lagets beteende: Jag tar reda på vad kunden behöver förstå eller göra, och gör nästa steg tydligt.
I AI-arbetet: Tekniken får hjälpa till att hantera komplexiteten bakom en begriplig förklaring. Jag testar flödet med någon som inte känner lösningen.
Det kunden märker: Jag förstår läget och vet vem jag ska prata med. Det behöver inte vara enkelt bakom kulisserna för att bli enkelt för mig.
Premium.
Mitt och lagets beteende: Jag håller ihop löftet genom hela kundens upplevelse, också när något går fel.
I AI-arbetet: Snabbhet och tillgänglighet får stöd av kunnande, tydliga begränsningar och en personlig väg vidare.
Det kunden märker: Jag blir förstådd, får relevant hjälp och vet att min speditör finns där. De fyra första värdeorden behöver tillsammans landa här.
En fråga att ta vidare från förmiddagen.
Välj ett värdeord ni har arbetat med. Beskriv en situation där det verkligen märks. Vad ska kunden uppleva? Vad gör en människa? Vad kan AI bidra med? Hur ser ni om det faktiskt fungerar?
Deltagarnas exempel finns nu i transkriptionen. Min AI-översättning är fortfarande en tolkning att pröva, inte ett beslut som grupperna har fattat.
Word-underlaget: Efter föreläsningen hoppas jag…
Mer förmåga.
Mer eget handlingsutrymme.
Ambitionen är större trygghet och en tydligare bild av den egna rollen. Det är något att fortsätta arbeta mot, inte ett uppmätt resultat av dagen.
Mina fyra jobb hjälper mig att bredda frågan om nytta. AI kan hjälpa mig att göra jobbet, förbättra hur jobbet görs, utveckla mig själv och utveckla laget. Om varje frigjord minut bara fylls med mer av samma arbete riskerar jag att missa möjligheten att bygga ny förmåga.
Det knyter an till hur jag arbetar med strategi, implementation och adoption: en riktning som är tydlig nog att vägleda, och utrymme för människorna nära arbetet att upptäcka vad som faktiskt hjälper. Jag brukar kalla det guided emergence. Erfarenheten från försöket ska påverka nästa beslut.
Göra jobbet.
Jag kan få fram ett användbart underlag och kontrollera det mot källan.
Förbättra arbetssättet.
Jag kan visa vilken förändring som gjorde uppgiften enklare eller resultatet bättre.
Utveckla mig själv.
Jag kan förklara vad jag behövde lära mig, fråga om eller bedöma.
Utveckla laget.
Jag kan lämna en instruktion och en lärdom som en kollega kan bygga vidare på.
Min kompass i AI-arbetet
Fyra principer att
komma tillbaka till.
Min tillämpning av principerna från Ethan Mollicks Co-Intelligence, formad genom arbete med människor och organisationer:
Bjud in AI i det du gör.
Börja undersöka var det kan bidra, också i tänkandet och förberedelsen. Välj medvetet vilket underlag och mandat du ger det.
Ta ansvar för samspelet.
Lägg ditt omdöme där det behövs: uppdrag, gränser, kvalitet och undantag. Graden av självständighet behöver följa vad lösningen faktiskt klarar.
Behandla AI som en människa, men glöm aldrig att det inte är det.
Ge sammanhang, prata naturligt och återkoppla tydligt. Ett varmt eller självsäkert svar behöver fortfarande stöd i verkligheten.
Det här är början på lärandet.
Jag brukar säga att dagens AI är den sämsta AI du någonsin kommer att ha. Använd det som en lärandehållning: spara det som inte fungerade och pröva igen när förutsättningarna har ändrats. Varje nytt verktyg behöver fortfarande visa vad det går för.
Landningen före övningarna.
Jag vill inte att ni ska bli experter på mina prompter. Jag vill att ni ska märka hur mycket er egen erfarenhet betyder när ni börjar arbeta med AI. Ta med förmiddagens värdeord. Nu ska de få göra ett jobb.
Om materialet och källorna
Material från JATA Cargos konferens i Malmö den 10 oktober 2026. Förmiddagens lästranskription är redigerad mot Klang och Wispr Flow. AI-sidorna är mitt lässtöd, med presentationen, ramverken och förmiddagens underlag som grund. Övningsprompterna är stöd för fortsatt arbete, inte dokumentation av att varje övning genomfördes eller lyckades.
Lovable-passet genomfördes inte. Övningarna finns kvar som frivillig fortsättning. Exempelpaketet till Copilot och Lovables påhittade övningsdata hör till olika uppgifter.
Utseendevalet sparas bara i din webbläsare. AI med stöd av JJ.