Resurser
Källorna bakom hur vi arbetar
Våra påståenden ska inte vila bara på vårt eget ord. Här är människorna vi har lärt oss av. Var och en har en rad med våra egna ord, och en länk där det finns en. Alla källor är på engelska.
Samma modell, olika svar
Varje AI-upplägg har tre delar: appen, modellen och kontexten. Här är det kontexten som ändrar svaret.
De tre delarna →-
Tim O'Reilly, grundare av O'Reilly Media · Intervju i AAIF Live · 2026
När AI:n fick frågan om ett överbelastat team borde anställa, svarade den ja. Med en annan expertis som grund gav samma fråga ett annat svar: organisera om teamet.
-
Julie Zhuo, Sundial.ai · You Cannot Mandate an AI Transformation · The Looking Glass · 2026-09-01
Siffrorna är hennes egna, för hennes egen produkt. Samma frågor gav ett resultat på drygt 80 procent, sedan 98 procent när den saknade kontexten lades till.
-
Sean Goedecke · LLMs Reward Expertise · seangoedecke.com · 2026-07-24
Alla pratar med samma modell, men Goedecke menar att kunskap om området är den viktigaste färdigheten när man skriver promptar.
-
Zach Davis, Randy Shoup, James Wickett med flera · Agentic AI and Code Reviews · IT Revolution, Enterprise Technology Leadership Journal · 2026
Författarna menar att agenter behöver tidigare fall, till exempel varför ett liknande upplägg har avvisats förut, och inte bara regler.
-
Ash Maurya · Building High-Converting Landing Pages with AI, Part 1 (Strategy) · direktsändning på LEANSpark · 2026-05-28
Maurya använde samma prompt varje gång, och sidan fick ett mycket högre betyg när han lade till sitt varumärke, intervjuer och kundomdömen.
Det som aldrig skrevs ner
Det mesta av det en organisation vet har aldrig skrivits ner. Vi kallar det dark context.
Vad är dark context →-
K. Sudhir, Yale School of Management · Design Agentic Systems Around the Implicit Rules That Govern Your Company · Harvard Business Review · 2026-06-19
Sudhir menar att en agent bara kan ställas in med ett företags skrivna regler, inte med dess oskrivna omdöme.
Hans frågor för varje roll: Vad lägger människor märke till som inte finns i datan? Vad bryr de sig om utöver arbetsbeskrivningen? När saktar de ner?
-
Dearstyne med flera, Microsoft Research och University of Notre Dame · Revealing the Dark Matter · ICSE 2026, New Ideas and Emerging Results · 2026
När teamet byggde en agent för programvarutestning fann de att en del av ingenjörernas expertis aldrig hade satts i ord alls.
-
Thinking Machines, delad av Mira Murati · The Future Worth Building Is Human · Thinking Machines blogg · 2026-07-10
Essän menar att användbar kunskap är tyst, lokal och bärs av dem som har skaffat den. Därför får en enda central modell svårt att föra samman den.
-
Qadri, Denton med flera, Google Research och Google DeepMind · Working with Agentic Teammates · arXiv · 2026-09-24
I den här intervjustudien berättade personer i 11 team att en agent missförstod deras oskrivna regler. Den störde arbetet och slösade deras tid.
-
Robin Teigland · Organizational Blindsight · LinkedIn · 2026-10-18
Teigland menar att arbetet flödar genom informella nätverk som ledare inte ser, så de kommer också att missa hur AI förändrar dem.
Varför människor delar, och varför ett rum
Människor delar det de vet när de själva väljer det, inte när de blir tillsagda. Därför arbetar vi i ett rum.
Varför ett rum →-
Margit Osterloh och Bruno S. Frey, University of Zurich · Motivation, Knowledge Transfer, and Organizational Forms · Organization Science · 2000
Tyst kunskap rör sig när människor vill dela den, inte genom avtal, order eller pris. I deras exempel skrev ett företag ner sin kunskap åt externa leverantörer, och sedan kunde konkurrenterna kopiera den.
-
Matt Beane · The Skill Code · HarperCollins · 2024
Färdigheter går från expert till novis i gemensamt arbete, och Beane visar hur intelligenta verktyg lyfter ut novisen ur det arbetet.
-
Donald A. Schön · The Reflective Practitioner · Basic Books · 1983
Schön visar att yrkesfolk vet mer än de kan säga, och blir medvetna om det genom att sätta ord på det för andra.
Att hålla det aktuellt
Nedskrivet betyder inte uppdaterat. Därför kommer vår genomgång tillbaka varje månad.
Genomgången →-
Karri Saarinen, vd för Linear · Retire the Word Context · X · 2026-11-04
Saarinen menar att kontext är att veta vilka delar som spelar roll, och att en gammal, tydlig förklaring kan vilseleda mer än en som saknas.
-
Joao Wenzel, operativ chef på Citadel Securities · Your Company Has No Model of Itself · föredrag på AI Engineer NYC · 2026-10-14
Wenzels team för en månatlig beskrivning av sina projekt där varje uppgift har ett datum och åldras.
-
Tobi Lütke, vd för Shopify · Learning on the Shop Floor · X · 2026-05-09
Människor såg Shopifys kodagent arbeta i öppna kanaler och skrev ner vad den borde ha vetat, och den blev bättre.
-
Stewart Brand · i The Ezra Klein Show, om sin bok Maintenance: Of Everything, Part One · 2026-04-24
Brand menar att man bara verkligen äger det man vet hur man håller igång.
Vems kunskap är det?
Vem äger det ett företag vet? Vårt svar: ni bestämmer vad som kommer med och vad som förblir ert.
Det som förblir mörkt →-
Tim O'Reilly · samma intervju, som ovan
O'Reilly menar att mänsklig expertis har tränat modellerna, och att AI-ekonomin fortfarande behöver regler för vem som får betalt för den.
-
Satya Nadella, styrelseordförande och vd för Microsoft · The Reverse Information Paradox · X · 2026-07-12
Nadella menar att ett företag betalar för AI två gånger: med pengar, och med den kunskap det måste avslöja för att AI:n ska bli användbar.
-
Raffi Krikorian, teknikchef på Mozilla · Can AI Keep a Secret? · Owners, Not Renters · 2026-09-02
Krikorian tolkar tidiga amerikanska domar som att en affärshemlighet som byggs upp i en chattbot för konsumenter kan förlora sitt skydd.
Varför en person kommer långt och teamet inte gör det
Ofta kommer en person långt med AI medan resten av teamet väntar.
En person har fått det att fungera →-
Boris Cherny, Claude Code på Anthropic · Steps of AI Adoption · X · 2026-07-16
Chernys steg för hur AI tas i bruk lägger gränsen i varje steg hos människorna och organisationen, inte hos modellen.
-
Benedict Evans · The Widening AI Perception Gap · Threads · 2026-07-23
Evans menar att glappet i AI-användning mellan techbranschen och alla andra växer, eftersom de flesta människor och företag inte snabbt bygger om sitt sätt att arbeta.
-
Benedict Evans · AI, Tools and Transformation · ben-evans.com · 2026-09-03
Evans menar att det svåra inte är att göra ett verktyg, utan att veta att man behöver ett och vad det ska göra.
-
Cassie Kozyrkov · The AI ROI Metric Trap · LinkedIn · 2026-05-19
Kozyrkov menar att AI hamnar i arbete som är lätt att mäta, och att företag säger upp de människor som bär på oskriven kontext.
Där vi kan ha fel
De här källorna går emot delar av vår syn, och vi behåller dem eftersom en oprövad syn är värd lite.
-
Vas, vd för Varick · AI Adoption Is a Myth · X · 2026-08-07
Vas menar att hos varje kund blir några få personer flitiga AI-användare och de flesta inte, och ingen utrullning ändrar den fördelningen.
Vi drar slutsatsen att vårt arbete inte får hänga på att varje person blir en flitig användare.
-
Bridgewater AIA Labs med Thinking Machines Lab · Learning to Replicate Expert Judgment in Financial Tasks · Thinking Machines · 2026-06-30
Promptar skrivna av experter lyfte träffsäkerheten till runt 75 procent och fastnade sedan under de 80 procent som investerarna kräver, eftersom de bedömningar som betyder mest ofta är de svåraste att förklara. Deras svar var att träna en modell på experternas egna märkningar.
Vi drar slutsatsen att ord har gränser, och att ett rum inte kommer att sätta ord på allt.
-
Lin Qiao, vd för Fireworks AI · Owning vs. Renting Intelligence · X · 2026-06-15
Qiao menar att ett företag bör äga en modell som är anpassad efter dess eget arbete, eftersom kontroll väger tyngre än kostnad. Det är en leverantörs argument: hennes företag säljer träning och drift av öppna modeller.
Vi drar slutsatsen att kontexten kanske inte är den enda del som ett företag kan äga.
Känner ni igen ert team i någon av de här?
Boka ett samtal och berätta var ni står.