OPTIMA – En handbok i effektivisering och automatisering för växande företag
Läs mer →
Lars Diethelm
APPENDIX D: VANLIGA API:ER OCH INTEGRATIONER
Utvecklingen inom AI Automationsområdet går så snabbt att alla system vi beskriver nedan inte måste vara aktuella framöver. Så se listan nedan som en ögonblicksbild som förändras när teknik-tåget rusar fram.
Affärssystem
Fortnox:
· API-dokumentation: https://developer.fortnox.se/
· Integration: RESTful API för fakturor, kunder, leverantörer
· AI-användning: Automatisk fakturahantering, kundanalys
· Kostnad:
Läs mer →
APPENDIX C: ROI-KALKYLATORER
Mall 1: Grundläggande ROI-kalkyl för AI-automation
Nuvarande process:
· Process namn: _________________
· Antal personer involverade: _____
· Genomsnittlig tid per uppgift: _____ timmar
· Antal uppgifter per månad: _____
· Timpris (inkl. overhead): _____ kr
Månadskostnad = Personer × Tid/uppgift × Uppgifter/månad × Timpris Nuvarande månadskostnad: _______ kr
Kvalitetskostnader:
· Felfrekvens nuvarande process: _____%
· Genomsnittlig kost
Läs mer →
APPENDIX B: CHECKLISTOR FÖR VARJE OPTIMA-FAS
Fas 1: Insikt & nuläge
[ ] OPTIMA-canvas genomförd
[ ] AI-dimensioner kartlagda
[ ] Flaskhalsar identifierade
[ ] Befintlig datalandskap dokumenterat
[ ] Team-workshop genomförd
Fas 2: Målbild & prioritering
[ ] Målbildsworkshop genomförd
[ ] AI-möjligheter prioriterade enligt matris
[ ] Framgångsmått definierade
[ ] Första projekt valt och resurser allokerade
[ ] Tidsplan satt
Fas 3: Förberedelse & kunskap
[ ] Systemintegration planerad
[ ] Data förberedd och städad
[ ] GDPR-an
Läs mer →
APPENDIX A: TEKNISK ORDLISTA FÖR ICKE-TEKNIKER
AI-Instruera: Syftar på hur du i praktiken får en färdigtränad AI att lösa dina uppgifter genom kontext, exempel och tydliga instruktioner. Detta kallas ibland ”prompt engineering”.
AI-Träning: Syftar på den grundläggande process där AI-modellen (t.ex. en LLM) lärs upp av AI-labbet genom att dess interna parametrar justeras baserat på
Läs mer →
KAPITEL 19: ER ROADMAP FRAMÅT
Vi har kommit långt tillsammans.
Från första förvirringen om vad AI egentligen är, genom konkreta exempel på automatisering, till visioner om framtida AI-agenter. Från teori till praktik, från möjligheter till implementation.
Nu står ni inför den viktigaste frågan av alla: Vad gör ni härnäst?
För det räcker inte att förstå
Läs mer →
KAPITEL 18: FRÅN AUTOMATION TILL AI-AGENTER
Det här kapitlet är en framtidsspaning. Många av de tekniker och användningsområden som beskrivs är under utveckling eller föremål för forskning. Vi belyser potentiella riktningar och möjligheter snarare än beprövad verklighet. Samtidigt förändrar sig AI verkligheten så snabbt att många av de saker vi tror kommer i framtiden med stor
Läs mer →
KAPITEL 17: VANLIGA FALLGROPAR OCH HUR NI UNDVIKER DEM
"Vi har spenderat sex månader och 800 000 kronor på AI-automation," sa Vd:n med trötthet i rösten. "Systemet fungerar tekniskt sett perfekt. Men vi använder det inte. Folk har hittat sätt att kringgå det, och nu är vi tillbaka till gamla rutiner."
Det här är
Läs mer →
KAPITEL 16: ORGANISATIONSFÖRÄNDRING
Från rädsla till entusiasm
"Vi är inte redo för AI än," sa personalchefen på ett medelstort byggföretag. "Folk är redan stressade. De kommer tro att vi försöker ersätta dem."
Det är en av de vanligaste invändningarna jag hör när företag ska implementera AI-automation. Och jag förstår
Läs mer →
KAPITEL 15: EKONOMI OCH ROI FÖR AI-AUTOMATION
"Jag vet att AI kan hjälpa oss," sa Vd:n för ett medelstort logistikföretag. "Men hur vet jag att det är värt pengarna? Våra tidigare IT-investeringar har varit... låt oss säga dyra lärdomar."
Det är kanske den viktigaste frågan du kan ställa om AI-automation. Inte "
Läs mer →