Kalle Nilvér: När alla promptar måste vi bli ännu bättre

En potentiell kund ringde mig förra veckan. Han hade bett ChatGPT räkna ut klimatavtrycket för deras affär och undrade om vi kunde kolla siffrorna.

Siffrorna var lite fel och framförallt missade AI mycket denna gång - men riktningen är glasklar. Vi är på väg mot en värld där AI ofta träffar "tillräckligt rätt". Och när det händer förändras spelplanen för oss som bygger mjukvara.

För det går att vibe-koda ihop mycket i dag. Man kan få kundvärdet direkt från prompten eller kanske be AI snickra ihop en egen lösning för datainsamling så slipper du köpa en dyr webbtjänst som egentligen bara är ett excel-ark på webben.

Spelplanen förändras för oss som bygger mjukvara

De stora AI-aktörerna har varumärkena och pengarna och är redan idag den naturliga startplatsen för kunden att börja på. Så vad har vi andra?

Det leder till kärnan i många LLM-debatter: är LLM ett universellt användargränssnitt och en universell produkt, eller ett möjliggörande lager och API för många andra saker? Färre och färre människor tror på det första.

För vi har möjligheten att vara specifika. Att svara på riktiga frågor från riktiga kunder, där detaljerna faktiskt spelar roll. Vi kan välja nischer, kontexter och beslut där "tillräckligt rätt" fortfarande är fel.

I klimatarbete handlar det om just de där knäckfrågorna: vilken elmix gällde den där novemberkvällen? Var det economy eller premium economy på flygresan? Vilken leverantör i kedjan står för den tunga delen av Scope 3, och hur vet vi det? En generisk modell kan gissa. Men att stå för siffrorna - inför en revisor, en bank, en kund - kräver mer än en gissning.

Här är några saker jag tror blir vår verkliga affärsnytta:

1. Kontext och precision. AI kan summera världen, men verksamheter lever i detaljerna. Lokala regler, datakällor, rutiner i verkliga system. När vi bakar in just den kontexten - och håller den uppdaterad – blir "tillräckligt rätt" plötsligt inte tillräckligt.

2. Spårbarhet och ansvar. Kunder köper inte siffror, de köper trygghet. Vad bygger beräkningen på? Vilka antaganden? Går allt att återskapa? Att kunna säga “så här vet vi det” är ett värde som överlever nästa modellsläpp.

3. Relation och rytm. Att någon faktiskt svarar när det brinner. Att man förstår kundens processer, deras människor, deras deadline på fredag. Mjukvara som känns som en kollega - inte bara en skärm.

4. Åsikt och handling. Dashboards visar världen. Beslut förändrar den. Vårt jobb är att peka ut nästa bästa steg och våga ha en uppfattning: “Gör detta nu, av dessa skäl.” AI kan ge alternativ. Värde uppstår när någon tar ställning.

5. Tempo och lärloopar. Att leverera små förbättringar snabbt, gång på gång. AI gör oss snabbare - men rytmen med kunderna gör oss bättre. De som lär snabbast vinner, inte de som lanserar det mest glänsande demot.

Missförstå mig rätt: utvecklingen är fantastisk. Jag älskar att en kund kan komma med en AI-beräkning och be oss sanity-checka den. Det frigör tid till det verkliga jobbet: att minska utsläpp, förändra beteenden, hitta smartare arbetssätt. AI kan vara praktikanten som aldrig blir trött - men du behöver fortfarande en redaktör.

Så vad gör vi nu?

Vi står på tårna. Varje dag. Spelplanen kommer bara förändras fortare och fortare.

Vi väljer områden där vi kan vara besvärligt exakta. Vi bygger in spårbarhet som standard, inte som bilaga. Vi svarar på riktiga frågor från riktiga människor – snabbt, tydligt, och med ansvar. Vi använder AI överallt där det gör oss bättre, men låter relationen, kontexten och modet att rekommendera styra.

Vi står på tårna

Den potentiella kunden då? Vi gick igenom siffrorna tillsammans. Några antaganden behövde ändras. Några datakällor byttes ut. De fick inte bara ett svar - de fick en förklaring, en plan och en kontakt att ringa nästa gång det skaver.

AI kommer kunna räkna. Vårt värde är att stå för beräkningen.