Fredrik Heintz (Professor LiU, WASP & AI-kommissionen): Hemligheten bakom Sveriges AI-framtid

\[00:00:00\] **Johan:** Fredrik Heintz välkommen.

\[00:00:01\] **Fredrik:** Tack så mycket.

\[00:00:01\] **Johan:** För de som inte känner till dig, du har ju en väldigt spännande och fascinerande livsbana och hamnat någonstans mitt i epicentret av den stora AI-diskussionen. Kan inte du berätta, vad gör du och varför känns det viktigt?

\[00:00:14\] **Fredrik:** Jag är professor i datavetenskap vid Linköpings universitet och forskar just på AI och autonoma system och har gjort det nu i 25 år ungefär.

Så det är spännande och jag har väl alltid varit intresserad av den här typen av frågor så för mig är ganska naturligt att hamna här och att det är mer fascinerande hur resten av allmänheten har kommit. Det handlar inte så mycket om att komma ikapp, det handlar mer om att det finns ett större, bredare generellt intresse för frågorna.

\[00:00:45\] **Johan:** Ja, verkligen och personer blir ju påverkade på ett helt annat sätt nu i tiden. Vad var det du kollade över de här 25 åren? Vad var det i sin lindel Vad enda i relation till vad det är idag? Kanske en helt omöjlig fråga att svara på. Vad är sin linda? Men vad trodde man att det här fältet skulle möjliggöra för mänskligheten när du började komma in i det?

\[00:01:07\] **Fredrik:** Jag tror egentligen att målsättning har alltid varit ungefär detsamma Det är väl mer just hur långt man har kommit och vad man faktiskt kan göra. Vi höll ju på med obemannat flyg för 25 år sedan. Så vi hade ju helt obemannade helikoptrar som kunde utföra olika former av räddningsuppdrag på egen hand för 20 år sedan.

Så det låg ju väldigt långt fram när det gäller just det här med autonomi och självflygande system och så vidare. Men då hade vi ju inte det här med språkmodeller och just det här med naturligt språk var ju någonting som de allra flesta trodde låg betydligt längre fram. Så det kanske snarare är det, vad är det man trodde skulle bli?

Tack Stort eller som skulle liksom få slå igenom och kontra vad som faktiskt gjorde det.

\[00:01:57\] **Johan:** Ja, verkligen.

\[00:01:57\] **Fredrik:** Och jag kan ju tycka egentligen att det som jag tror jag tror att en del att folk kanske inte riktigt föresåg det här med de här språkmodellerna är ju egentligen att tekniken är så otroligt enkel.

\[00:02:08\] **Johan:** Ska inte berätta lite om det då för en

publik som inte är tekniker?

\[00:02:12\] **Fredrik:** I och med att egentligen det som en språkmodell lär sig en sannolikhetsfördelning från sekvenser av ord till vad är den mest troliga nästa ordet. Och så bara tränar man upp det på stora mängder text genom att man låter de här modellerna då prediktera vad blir nästa ord.

Eftersom du har texten så kan den ju då jämföra, blir det rätt eller fel? Och så kan den på så sätt liksom träna upp sig själv att generera rätt ord vid rätt tillfälle. Och då kan du ju bara mata in egentligen godtycklig text. Du behöver ju som inte annotera det med förhand eller liknande utan du bara slänger in vad du har.

Och sen så blir det ändå Tillräckligt bra och att det som verkar vara den stora skillnaden är just det här med skala att man måste göra dem stora att man tar de första GPT-modellerna har funnits sedan 2019 kom ju GPT 1.0 och så att det var just när man skalade upp dem var ju en sak att då blir de liksom signifikant bättre det andra var ju när man lade till att inte bara lära sig en generisk modell över hur språket eller så här, språket är den texten där man har tränat på att fungera utan att få den här fine-tuning och liknande mot vad människor vill ha så just där man började med instruction fine-tuning det var ju det som egentligen var en av tilläggen då till chat-GPT jämfört med de vanliga GPT-modellerna och att tack vare att man då modifierade modellerna att bli mer som vi ville ha dem så blev det liksom Mycket mer användbart än vad det var tidigare.

\[00:03:45\] **Johan:** Ja, verkligen. Om man hade förstått hur man skulle designa arkitekturen för 25 år sedan hade man kunnat bygga det då? Eller har det funnits en annan rent compute-fråga som har stått i vägen?

\[00:03:58\] **Fredrik:** Ja

Egentligen fanns väldigt mycket, bortsett från Transformers-arkitekturen, 2016 kom väl den, så den har ju funnits ett antal år innan man byggde språkmodellerna.

Och sen om man nu tar de här neurala nätverken som är grunden för alla de här språkmodellerna och så vidare, så de började man ju göra redan på 40-talet Då studerade man mänskliga neuroner och så gjorde man enkla matematiska modeller så de första artificiella neurala nätverken gjorde man på 50-talet och sen i mitten på 80-talet så kom man på den här med backpropagation och gradient descent, det som är samma metod som man använder idag för att träna dem och Jan de Kuhn de gjorde de här convolutional neural networks som används då för bildigenkänning runt 1990 och sen 1994 kunde man då bevisa att ett neuralt nätverk är en universal approximator det vill säga att det kan approximera vilken matematisk funktion som helst så då visste man att det går ju att approximera Vad som helst så länge de är tillräckligt stora och du har tillräckligt mycket träningsdata och så vidare.

Och sen var det 2006 så började man använda GPU-er. Och när man började använda GPU-er så kunde du skala upp det. Du kunde göra större nätverk. Och sen så kom ju också det här med att det fanns mer digital data.

\[00:05:19\] **Johan:** Ja

precis utan det så måste det ju nästan inte ha gått.

\[00:05:22\] **Fredrik:** Ja, och man slog ju igenom egentligen, det som slog igenom var ju 2011-2012 där med AlexNet.

Det var ju egentligen också att Feifei Li byggde upp den här ImageNet-databasen över olika bilder och liksom vad är det för objekt? Så det var ju det man...

\[00:05:38\] **Johan:** Det är de här

CAPTCHA-grejerna där vissa människor har varit med och tränat och sådär eller?

\[00:05:43\] **Fredrik:** CAPTCHA är något annat, det kommer från Carnegie Mellon University, men det hon gjorde var att skapa en stor databas med just bilder där man då hade sagt vad det finns för objekt i bilden.

Sen så kan man ju använda de här CAPTCHAs egentligen för att generera träningsdata senare, men det är lite annat. Och det är säkert samma person som kom på CAPTCHA som nu startade Duolingo, det är liksom samma person bakom dem, men det är en annan story. Men man började då med det här med bildigenkänning och att man hade då liksom årliga tävlingar och sen, jag tror det var 2012, så kunde man på ett bräd minska felet med 25% så man gjorde ett jättehopp bara med att använda den här typen av teknik då.

Och sen därefter så började man med mer med tal och så vidare och sen så kom språk lite senare.

\[00:06:36\] **Johan:** Kan du förklara, för om man tar matematik, här över sommaren eller precis innan sommaren så vann ju någon av de här modellerna MatOlympics helt plötsligt från att knappt kunna addera 3 plus 3. Kan du förklara vad som har hänt?

Du skruvar lite på det också.

\[00:06:53\] **Fredrik:** Nej men det där håller jag inte riktigt med

om. Men det de gjorde var då att de löste fyra av sex uppgifter på den här internationella matematik-olympiaden och att det var då tillräckligt mycket för att få en guldmedalj. Sen är det ju inte, jag vet inte hur många som fick det men det är liksom 10-15 personer och sånt som når den högsta nivån.

Och det gjorde de då. Men man hade ju redan gjort det redan förra året och då hade man väl... Tre av sexen och sånt där men det som behöver stå sig är grejen att de här uppgifterna är ju inte det är inte en linjär skala utan det är liksom stora steg så att lösa de två enklaste ja det är det det gör de flesta liksom sen har du liksom två mellanuppgifter och de är väl helt lösa och sen har du liksom de svåra uppgifterna som är riktigt svåra och att det var väl då att den faktiskt hade löst

\[00:07:48\] **Johan:** men vad är det som har hänt

som har gjort att de har blivit så vansinnigt mycket bättre på just matematik här på CNR

\[00:07:54\] **Fredrik:** det man har gjort är ju att Man har ju lagt till det man då kallar för reasoning, jag kanske inte riktigt håller med om begreppet generellt sett så här, men det man gör är ju att om du har en klassisk språk, om man säger så, så genererar det det mest troliga nästa ordet.

Men det man kan göra här är att man kan nu generera många möjliga fortsättningar och sen så kan man ju analysera dem och slå samman dem eller välja den som det genererar flest gånger. Då kan man generera mycket på till bättre svar helt enkelt. Så det är ju liksom en av de här Utökningarna som har gjorts på sistone det andra är ju att just matematik är ju förhållandevis tacksamt att träna för att du kan jämföra med någonting så att det är enkelt att avgöra om det blir rätt eller fel vilket gör att du kan använda reinforcement learning from verified rewards det vill säga att du kan generera ett svar och sen så kan du verifiera om det är rätt eller inte och så kan du återigen förbättra det, och samma sak med programmering där kan du också generera programmen och se funkar de eller inte, och därmed så kan du snabbare förbättra dem

\[00:09:09\] **Johan:** Har det här någonting naturligt att göra med att modeller kommer hallucinera mindre i framtiden?

För jag tänker, om man tänker publiken till den här podden så i väldigt hög utsträckning så bryr de sig inte om math olympiads. Men däremot så är det ganska frustrerande att man inte riktigt känner att jag fullt ut kan lita på de svaren jag får. Och framförallt om det kanske är fakta svar eller vad det nu kan vara för någonting.

Finns det liksom en bleed over effekt här eller är det här två fundamentalt helt olika frågor som inte har med varandra att göra?

\[00:09:35\] **Fredrik:** Ja

Jag skulle nu säga att det är ändå olika frågor och att det som är begränsningen på de här modellerna är att de har ju ingen förståelse eller liksom ingen uppskattning för sin egen oförmåga.

Nej. Det vill säga att de kan inte uppskatta är det här ett troligt eller ett otroligt svar eller hur säker är jag på det? Mm. Och att det är ju liksom en fundamental begränsning i hur den här typen av teknik funkar. Och att det tror jag liksom är svårt att göra någonting åt med tekniken i sig. Mm. Sen finns det ju massor med forskning och liksom utveckling på det man kallar för uncertainty quantification att faktiskt kunna kvantificera hur osäker är jag.

Och om kan göra det. Ja då kan du ju börja liksom veta, det här vet jag inte eller det här är jag osäker på och det här är jag säker på och då kommer ju troligtvis, förhoppningsvis åtminstone den här typen av oönskade hallucineringar minska men samtidigt så är ju liksom, jag är ju inte så förtjust i begreppet hallucinationer för att jag tror det handlar ju också om att vara liksom nyskapande eller liksom hitta nya saker och man bara genererar saker som är kända och liksom bara säger det som alla redan vet.

Då tillför man ju inte heller så mycket.

\[00:10:47\] **Johan:** På ett väldigt så här praktiskt plan... Jag hade föredragit om jag kunde dra, för det finns ju något som heter temperatur i de här modellerna, som om du jobbar med dem via API-er, du kan styra där låg temperatur är att den hittar på, eller är mindre kreativ själv, så som jag har fått det i alla fall, och hög temperatur så är den mer kreativ.

I det vanliga chat-interfacet hade jag väldigt gärna kunnat få styra det, för det är ju ganska enkelt att se att i vissa uppgifter så hade det varit kanske bra om du är väldigt kreativ, medan i andra uppgifter så vill jag inte alls att det ska vara det, men det är väl kanske någonting som kommer.

\[00:11:19\] **Fredrik:** Jag tror det är en generell sak det här, att beroende på kontexten så är det mer eller mindre lämpligt att vara kreativ om du nu har medicinsk rådgivning även om jag inte skulle rekommendera det, så där vill man ju inte att den ska hitta på saker, men om du nu har just brainstorming eller kreativt skrivande eller någonting så är precis tvärtom.

Det är väl en annan sån här... Utmaning eller begränsning just det här med kontextförståelse. Att avgöra, är jag nu i en kontext? Är det okej? Men det är lite som folk som skämtar vid helt fel tillfälle. Ja, exakt. Det blir bara jättefel. Och det är lite samma sak här att de har ingen känsla för när det lämpar sig att...

\[00:12:05\] **Johan:** Säg att jag lägger till den

kontexten i mitt själva chattfönster. Nu vill jag att du ska ha hög kreativitet. Kommer det att ha en påverkan? Förstår den den kontexten då, eller?

\[00:12:16\] **Fredrik:** Det vågar jag inte riktigt svara med. Men jag skulle säga så här, att det verkar förbluffande... Det fungerar förbluffande väl att faktiskt styra det via de här systemprompterna.

Och det är ju lite fascinerande egentligen att du programmerar modellen genom att bara berätta hur den ska bete sig. Och att det funkar. Det tycker jag är lite fascinerande.

\[00:12:40\] **Johan:** Det är klart att det är fascinerande men jag tänker det är fascinerande i sig att du tycker det är fascinerande vad är det som gör att du tycker att just det är så fascinerande

\[00:12:48\] **Fredrik:** men jag tror du går tillbaka till den här första frågan men vad är förvånande och det är väl just att så pass enkla modeller det är ju inga krångliga modeller rent tekniskt sett att det kan få ett så pass sofistikerat och användbart funktion det är lite det jag tycker och just det här att du faktiskt kan styra dem genom att berätta för dem hur du vill att de ska bete sig

För två år sedan kom jag i kontakt med ett bolag som heter Coeli. Det här kommer efter många års hårt slit och en viss upparbetad portfölj. Coeli är ett investeringsbolag och är också en sponsor till den här podden. Det som jag tyckte var himla intressant när jag träffade Coeli för första gången är att det finns en logik där professionella investerare får tillgång både till investeringsmöjligheter men framförallt investeringsprocesser som...

Institutionella investerare använder för att få bättre avkastning än vad vi som privatpersoner kan få. Coeli är on a mission att vid sidan av alla deras institutionella investerare också möjliggöra det här för oss som privatpersoner. Så om du sitter i samma sitt som jag gör, det vill säga att jag är Extremt mån om att den portfölj som jag har upparbetat faktiskt växer på absolut bästa sätt så tycker jag att Koeli är ett superintressant nästa steg.

Gå på koeli.com och tack till Koeli för att ni sponsrar den här podden.

\[00:14:19\] **Johan:** men det är väl en intressant övergång just till nästa stora område så att på en teknisk nivå så är det det är klart att det är tekniskt komplext men i sammanhanget då är det inte en av de största utmaningarna men Om man går över då och pratar om faktiskt samhällsimpact för det här.

Du sitter ju väldigt i epicentret av hur vi som Sverige anammar AI-tekniken Du kanske kan beskriva ditt uppdrag lite bredare för du sitter ju på, du är mer än bara professor så att säga.

\[00:14:51\] **Fredrik:** Ja precis, ett antal uppdrag. Men jag är ju suttit med i då svenska AI-kommissionen som regeringen utsåg för att då ta fram en färdplan för hur vi i Sverige ska arbeta med AI för att då säkra välfärden och säkerställa att vi är globalt konkurrenskraftiga.

Och att det uppdraget fick vi ju var det, december 24 var det väl? Nej förlåt, 23. Och som vi levererade då i november förra året. Och att vi levererade ju vår rapport ett halvt Drygt ett halvår tidigare så egentligen skulle det vara till sommaren i år. Men vi valde liksom att det här är så viktigt och det går så fort så vi kan liksom inte vänta vi måste...

Vi måste komma igång, eller inte komma igång vi måste komma vidare snarare så därför såg vi till att få rapporten klar på halva tiden och att vår övergripande är ju ändå just det här med att Utveckling går fort och att på sätt och vis blir det ju senare du börjar desto dyrare och svårare blir det.

För att då har de andra hunnit längre och att det är svårt att direkt hoppa till rätt plats vilket gör att du behöver tid för att jobba upp förståelse och jobba upp både den tekniska och den organisatoriska kompetensen för att hantera det på ett bra sätt. Så därför tycker vi viktigt att man måste göra saker.

Men, och här blir det väl lite kluvet att å ena sidan så upplever jag ju att regeringen är ju väldigt positiv. Man gav ju uppdraget och man mottog ju det väldigt positivt Samtidigt så händer det ju inte jättemycket och inte jättefort. Nej. Även det kommer liksom Steg framåt hela tiden som det här med att Försäkringskassan och Skatteverket fick ju ett uppdrag att jobba med det vi kallar för en AI-verkstad.

Hur ska vi bygga upp den här organisatoriska förmågan att kunna experimentera och pröva oss fram om man har tillsatt ett AI-kansli på regeringskansliet och man tar ju steg framåt men ibland blir det lite jobbigt med tanke på hur snabbt det går på andra ställen.

\[00:17:04\] **Johan:** Ja, verkligen. Tekniken går ju dundersnabbt fram.

Det måste ju vara en rätt intressant politisk fråga att driva, för jag tänker folkopinionen runt AI är väl ganska massivt negativ och känner en hotbild kring att de kommer att ta våra jobb och sådär.

\[00:17:19\] **Fredrik:** Eller? Jag tror ju nu att den är ganska blandad, men det finns väl liksom en utmaning att det kanske är snarare tvärtom att det inte är en politiskt laddad Fråga.

\[00:17:31\] **Johan:** Utveckla.

\[00:17:31\] **Fredrik:** Det vill säga att man inte du vinner inte val på den frågan. Nej. Vilket då gör ju att det är inte särskilt viktigt från ett rent från det politiska perspektivet. Nej. Och det kanske är min egen erfarenhet också. Prata med politiker under många år liksom att när man pratar med dem enskilt så så har man liksom en typ av dialog och sen när de pratar mer offentligt så blir det en annan typ av dialog.

Ja. Så att, och det blir väl just det beroende på vad det är för målgrupp. Men jag kan ju tycka att det som jag tycker är märkligt är att man inte ser att det här faktiskt är en Snarare att se AI som den egna politiska frågan så blir det, om ni nu har politisk agenda, ni vill uppnå någon, hur minskar arbetslösheten eller ökar konkurrenskraft eller ökar välfärd Alla de frågorna är ju sådana frågor där AI skulle kunna hjälpa till.

Det vill säga man ser det som att vårt politiska mål är att, men för att nå dit så. Kan vi dra nytta av det? Och då har man ju faktiskt pekat ut nu lite från regeringens håll att man har gett uppdrag till myndigheter och så vidare att titta på just den aspekten.

\[00:18:41\] **Johan:** Ja, det är ju en ödesfråga. Både om man tänker konkurrenskraft i världen, men även om man lägger in andra saker som befolkningspyramider och vad har vi för alternativ, precis som du är ute

efter.

\[00:18:53\] **Fredrik:** Ja, det där med just demografifrågan är ju extremt intressant med tanke på att det blir just det här med åldrande befolkning, fler som behöver stöd och att mängden i yrkesför ålder minskar och att det finns ju studier från SKR och liknande som visar just det här att Det finns helt enkelt inte tillräckligt mycket människor för att fylla alla platserna i offentlig sektor.

Vilket gör att offentlig sektor måste hitta nya sätt att jobba. Det är helt ohållbart att göra som man gör idag. Men jag tror det där blir utmaningen att det är ingen som kommer tycka det är bra. Åtminstone inte i övergångsperioden. I short term, nej precis. Och att därmed så blir det liksom, det blir inte populärt att göra den typen av ändringar.

Nej verkligen. Och så att jag tror det här måste ju nästan bli att folk måste inse att det inte går med nuvarande arbetssätt och så. Då tvingas det fram. Ja,

\[00:19:55\] **Johan:** det liknar ju till något vis pensionsreformer eller någonting att det här är liksom en fråga som, ja, it's just tough, men nu måste vi göra det och så får man nästan göra det blocköverskridande och liksom det här är inte på det viset en valfråga utan det här är någonting som vi måste enas kring.

\[00:20:12\] **Fredrik:** Ja, nej men jag håller ju med och det handlar ju ändå trots allt om att tänka långsiktigt och att då blir det ju också troligtvis mycket bättre i slutändan liksom att man inte bara gör någon kortsittig liten sak. För det var ju en annan sån här viktig poäng vi försökte göra i AI-kommissionens rapport, det vill säga att vi hade ju väldigt många förslag 75 olika förslag och att det blir ju väldigt lätt ja vilka tre ska vi göra liksom?

Mm Och att hela poängen är att du måste faktiskt göra fler för det handlar om att lyfta hela systemet snarare än att bara lyfta en del. Och jag tycker det är en bra liknelse för det vad jag pratade med Karolinskas innovationsdirektör för ett antal år sedan. Och han sa att forskarna kan komma på en jättesmart lösning för en del i vårdkedjan.

Och så just den biten blir otroligt mycket mer effektiv. Men då flyttas bara flaskhalsen lite grann. Det har ingen effekt på... Det totala genomströmningen av patienter eller kvaliteten i vården. Det har ingen effekt. Men däremot skulle du lyfta hela kedjan bara någon enstaka procent så skulle du få otrolig effekt.

\[00:21:21\] **Johan:** För de som inte har läst ert gemensamma förslag utan att gå igenom alla 75 punkter Jag misstänker att det finns ett tematiskt antal områden som också har precis som du är inne på lite ömsesidiga beroenden och sådär. Vad är logiken bakom förslaget?

\[00:21:36\] **Fredrik:** Egentligen så försöker vi bygga underifrån att vi behöver energiförsörjning för att kunna få det här.

Vi behöver kommunikation, vi måste ha uppkoppling att kunna bygga telekomsystem och datakommunikation. Vi behöver beräkningskapacitet. Allt det där är förutsättningar. Samma sak med kunskap och kompetens. Vi behöver utveckla och öka kompetensen. En annan sån sak är att AI är ett område som ligger... Man måste ligga nära forskningsfronten för att kunna få tillgång till det senaste och att kvaliteten på det senaste är så otroligt mycket bättre än det som är näst senast vilket gör att man måste ligga nära forskningsfronten för att riktigt kunna ta nytta av det.

Vilket gör att forskning och utveckling blir en väldigt viktig aspekt också. Och sen så hade vi det här med offentlig sektor. Att offentlig sektor måste bli en drivande del i det hela. Att näringslivet kommer troligtvis göra det de behöver göra för att fortsätta vara konkurrenskraftiga men offentlig sektor är ju faktiskt regeringens ansvar och att därmed så blir det en väldigt viktig, för det kan ju också bli en drivkraft.

Till exempel det här att kunna bli en kompetent beställare Vilket då gör ju att du... Då finns det en marknad för bolag att ta fram bra lösningar för att det finns någon som kan köpa det och kan göra det till stor skala så att det också är med hur kan vi innovera tillsammans offentlig sektor tillsammans med näringsliv.

Och sen så tog vi upp det här med internationalisering att det är ju också att det blir väldigt svårt för något enskilt land att göra det själv samtidigt som vi då har en geopolitisk utmanande situation så att man kan ju inte heller helt förlita sig och det gäller att hitta den här balansen mellan vad är det vi ska göra själva och vad är det vi ska ta hjälp av andra eller bygga vidare från vad andra gör.

Och sen slutligen och kanske egentligen det viktigaste är ju det här med styrning och ledning att det finns en jättestor vilja så det var ju som en av jag hade ju sådana här kommissioner hade ju ett stort antal möten med många olika organisationer och individer och så vidare och det är som att i stort sett alla vill ju göra saker men man känner vi kan inte göra det här på egen hand, vi vet inte vad vi borde göra eller vad vi får göra, det behövs någon som liksom verkligen Pekar och säger, men hit ska vi det här ska vi göra, gör det.

Och att det är lite det som saknas det här tydliga ledarskapet och peka ut riktningen och se till att det blir gjort.

\[00:24:16\] **Johan:** Men jag tycker det sista där är ju jättefascinerande, för liksom det är ganska lätt att låta tekniken också vara styrande i den frågan, men alltså jag tänker att väldigt mycket av det här är ju verkligen en politisk fråga i, liksom hur vill vi att den här tekniken faktiskt kommer människor till tillgång på något vis och jag har i fall inte sett någon så här framträdande politisk figur som faktiskt målar upp den positiva bilden av, det är hit vi vill.

Och så här ser arbete ut då, och så här liksom är de positiva konsekvenserna för dig som arbetstagare liksom.

\[00:24:49\] **Fredrik:** Ja men det är väl en generell iakttagelse just det, att det skulle behövas mer positiva visioner från en politiskt håll. Och att... Det har du verkligen med om. Och jag tror också just det här att det visar just att jag tror för det första just att man, om man ser det här som en teknikfråga då tror jag man kommer misslyckas.

För det är inte huvudsakligen en teknikfråga. Utan det handlar snarare om en verksamhetsutveckling och organisationsutveckling. Som att hur organiserar vi samhället om man nu pratar från regeringshåll eller hur ska man organisera sitt företag eller sin myndighet eller vad det nu kan vara så att man faktiskt kan dra nytta av det.

Och

jag tror att där har vi dagens organisation är optimerade för hur vi brukar göra saker. Och att där tror jag det kommer krävas ganska stora förändringar i hur vi organiserar våra verksamheter.

\[00:25:41\] **Johan:** Ja, hur vi tänker på det. Jag tycker den poängen är supergenerisk. Min vardag och verklighet är ju mer privat näringsliv.

Och det är väl den ekvilt kanske största misstaget många Beställare gör, om man tänker att beställare blir vd eller något sånt där, man får i halsen från styrelsen att ni måste ha en AI-agenda och sen så delegerar man det som ett teknikprojekt och helt missar, för min upplevelse är precis som din, att det är nästan en väldigt liten del så är det här en teknikfråga egentligen, det handlar om på vilket sätt förändras genuint våra kunders beteende vad får det för konsekvens för hela vårt bolags affärsberättigande vad Skulle vi kunna göra nu som vi fundamentalt aldrig skulle kunna göra förut med den här nya tekniken.

Och istället så delegerar man det otroligt snabbt till någon IT-person som liksom på en ingenjörsvis försöker efter bästa förmåga göra någonting intressant med den här tekniken och så blir det någon liten pilot som sedan inte påverkar världen överhuvudtaget. Och sedan så läggs det ner och så blir det stora rubriker om att 95% av bolagspiloter går åt helskotta som vi läste

om här över sommaren.

\[00:26:45\] **Fredrik:** Nej men det där med pilotkyrkogården känner vi ju till sedan tidigare och utmaningen är väl liksom att ett, man kanske väljer pilotprojekt där man redan vet hur man ska göra det. Vilket då gör ju att ja, det kunde göra samma sak som vi redan kunde göra. Och att då har ni inte fått någon nytta av det.

Alternativt att man har ingen plan för hur man ska införa det här i liksom skarp verksamhet. Och har du inte förberett för att det ska integreras i den dagliga verksamheten så kommer du liksom inte... Funkar i slutändan heller. Så det är ju alltid min rekommendation Välj ett område som idag är ett problem, men där existerande arbetssätt eller metoder inte funkar.

Så att om ni verkligen skulle lösa det, ni skulle direkt få nytta av det.

\[00:27:32\] **Johan:** För det finns ju lite olika sätt att angripa. Om man kommer in i en organisation som säger, ja vi vill göra det här och det finns en viss budget, men vi vet inte riktigt var vi ska börja någonstans. Antingen kan man göra det Jag ser, det finns ju en förkärlek att angripa det här problemet som ingen har löst förut det absolut svåraste.

Jag kan nog känna en viss risk runt att göra så för att det är så hög sannolikhet att vi kommer inte hamna mitt i prick på första försöket och så kommer vi få ett bevis på att det här funkar inte och så lägger vi ner det. Så det är liksom ett lite farligt projekt av den anledningen. Samtidigt som du är inne på att effektivisera en process med 10% som redan är ganska optimerad, ja men det kommer ju kanske inte leda till någon wow-känsla heller.

Men är det det som hade varit din rekommendation om du fick kartblansch och kommer in i en ledningsgrupp för ett mellanstort bolag? Är det grabbat tag i de här grejerna som ni aldrig har fått till förut?

\[00:28:27\] **Fredrik:** Jag menar just att det handlar ju om att förstå var, det gäller att hitta en match mellan vad tekniken kan göra och vad behovet i företaget är.

Och jag tror ibland så börjar man snarare från någon slags önsket Tänkande, och då blir det inte heller bra, eller så blir det precis som du säger att man tar någonting som redan är extremt optimerat jag tycker det är ett kul sånt exempel om man tar Ericsson de bygger ju liksom telekom-system och de är ju extremt optimerade, manuellt optimerade under väldigt, väldigt lång tid så att tro att AI snabbt skulle förbättra det med 10% det är inte rimligt, men däremot så ska man kunna när vi bygger nästa system istället för att det tar, jag har ingen aning, 10 år innan vi får det här få till allting, så kanske det nu tar ett år istället, eller ett halvår eller vi kan faktiskt bygga tio individualiserade system istället för att bara ha ett för att vi kan optimera det på ett helt annat sätt och jag tror, där blir det ju då den stora vinsten när man gör det nästa gång eller vill bygga flera liknande system men jag tror också att det handlar om det här med att Men vår erfarenhet är att man ofta har ett önsketänkande att man tror att det blir en slags magi, att det ska vara ett svängdigt torgspö och sen så funkar det.

Och tvärtom funkar det ju inte riktigt så, utan ofta blir det som första greppet att analysera vad man har för data. Ofta blir det ju väldigt mycket att gå in och se, men för det första, vad har man? Och så säger man, vi har massor med jättebra data. Och så bara, nej det har ni inte alls. Det är jättedålig kvalitet och det är inte alls konsistent och det är nästan bara att slänga det och börja om från början.

Så att en annan sån strategi kan ju vara just att titta, men var har vi faktiskt bra data som är relevant för det ni vill ha? För det kan ju vara det att, jag vet inte om jag har ett bra exempel, men just att Vi vill öka försäljningen här, men om du inte har någon data som visar hur försäljningen påverkas av olika saker, hur ska du då kunna få fram det?

Det måste ju finnas data kopplat till det specifika man vill förbättra.

\[00:30:47\] **Johan:** Är det en sanning tror du? För min upplevelse är att det är rätt många processförbättringar där du egentligen inte är jätteberoende av data överhuvudtaget. Alltså det kommer ganska långt med bara LLM-erna, out of the box och med custom prompt.

\[00:31:02\] **Fredrik:** Jag tror det beror på, men där blir ju utmaningen du måste ju då kunna avgöra om det som produceras är tillräckligt bra eller inte. Det vill säga att behöver någon form av utvärdering. Jag tror just utvärdering är generellt sett väldigt svårt. Och att då kunna bedöma... Är den här prompten bättre än den andra eller är det här flödet bättre än något annat och då måste du ju ändå ha någonting att kunna jämföra det mot och att där blir det väl oftast en utmaning och jag tror också att det som blir lösningen blir ju oftast att bygga någon form av återkopplingsloop så att du får återkoppling om du nu får en kunder eller får en anställd eller vad du nu får din återkoppling ifrån men på något sätt kunna så snabbt som möjligt få förståelse för går det åt rätt håll eller inte och att sen kunna liksom skruva och förbättra

\[00:32:00\] **Johan:** Vad tror du kommer vara utvecklingen runt, om man tar lite grann i folkmun i mina kretsar, ledarskapskretsar så det senaste året har ju handlat mycket om att folk bygger upp sina egna custom-GPT-er för att göra specifika arbetsuppgifter och sen så har det blivit väldigt stort nu att börja precis öppna luckan runt mer, liksom, authentic flow så att de olika agenterna ska kunna prata med varandra och i viss mån bli autonoma.

Min upplevelse är att det är Har kommit jätte jätte jättekort i någon form av faktisk implementering. Hur stort kommer det att bli? Är det den stora grejen tror du? Eller är det bara ytterligare en station på vägen till någonting annat?

\[00:32:40\] **Fredrik:** Jag tror ju den här agentiska AN tror jag ändå är. För det som är skillnaden, för mitt perspektiv är det som att om du har en chatbot, den är ju mer passiv.

Det vill säga att det är någon som måste driva den själv. Men med de agentiska systemen så får de ju ändå en slags egen förmåga att agera. Och att det gör ju att behovet av micromanagement minskar. Eller snarare det går från micromanagement till att delegera en lite större uppgift och sen rapportera tillbaka eller be om hjälp när det behövs.

Vilket är ju då närmare hur vi vanligtvis jobbar med kompetenta medarbetare. Så jag tror ju att den typen av system är ju helt klart mer användbar Bara och... Kan tas betydligt längre.

\[00:33:28\] **Johan:** Samtidigt i alla fall min upplevelse har varit att. När du bara har en passiv chattpot att snacka med. Så är du en naturlig kvalitetskontrollant hela tiden.

Och när du ska gå över i agentiska flöden. Så inser du vad otroligt svårt det är. Att bygga kvalitetskontroller längs med vägen. Och där är det precis. Jag antar att det kommer mer naturligt för ingenjörsjärnor. Hur man ska se på den typen av problem. För mig i alla fall så blev det ganska tydligt mycket svårare.

Och det som jag har tyckt har varit så fascinerande med den här tekniken. Är det som du var inne på lite grann i början. Hur shit. Just kind of works. Det är väldigt fascinerande. Och så helt plötsligt så fastnar man hela tiden i att, ah, nu blev det något fel här. Det blir liksom väldigt markant tekniskt blir det svårare helt plötsligt.

\[00:34:19\] **Fredrik:** Jag tror det visar på två saker. Det ena är just det som jag var inne på tidigare, att det här med att avgöra om det är rätt eller fel eller bra eller dåligt, det jättesvårt. Och att i det första skedet när du hade med en interface, det var ju du. Du var filtret och att du hade bra koll på vad du ville få ut av det.

Och det här med Kunde du liksom avgöra det nu ska du ju snälla automatisera det

\[00:34:41\] **Johan:** exakt och förklara min beslutsprocess det är antagligen det som man faller ner till som det svåra så

\[00:34:47\] **Fredrik:** det är inte så förvånande för mig sen den andra biten tror jag är att just det här med att steget från att allting bara funkar till att oj, nu måste jag göra någonting själv det är såhär i svårighetsgrad vad det måste kunna blir väldigt stort och det upplever jag det är liksom en utmaning det är en sak att använda tekniken, särskilt om du bara använder ett chat-interface eller liknande, det kan ju vem som helst göra medan sen, okej nu skulle jag väl utveckla någonting själv, det blir snabbt väldigt svårt och det är ju liksom en utmaning också och från vårt perspektiv vi vill ju De som faktiskt kan bygga system, inte bara använda dem.

Och därmed så blir det ju en utmaning hur man då ska designa utbildningar och så vidare för att kunna lära ut den typen av förmåga.

\[00:35:36\] **Johan:** Ja, verkligen. Hur stor andel av populationen kommer egentligen behöva ta ställning till hur man bygger de här sakerna? Jag har funderat mycket på det här. Hur kommer egentligen AI möta personer som jobbar som hårfrissörer eller på konsum eller på en kundtjänstavdelning?

Är det bara att helt plötsligt så blir alla mina appar bara så mycket smartare? Eller kommer vi alla på något vis behöva ta ställning till att vi faktiskt kommer behöva bli builders på ett eller annat sätt?

\[00:36:06\] **Fredrik:** Jag tror som en aspekt det blir ju hur... Individuellt blir det här? Det vill säga att om du är en av hundra medarbetare då kommer det bli något standardiserat.

Och då har du troligtvis mindre möjlighet att påverka dig själv. Och att då blir det snarare bara en del i det här flödet. Men du skulle också kunna tänka sig att om det nu blir att man minskar antalet personer som gör varje enskild uppgift så att man kan gå från att man var tio tidigare till att man är två.

Då blir det mycket större möjligheter att faktiskt individualisera det och kanske din roll blir egentligen att bygga flödena Det vill säga att det blir inte att utföra uppgiften utan att se till att de här processerna finns och fungerar och att du kontinuerligt anpassar och förbättrar dem. Och att då blir det ju snarare att alla blir någon slags builders.

\[00:36:58\] **Johan:** Ja eller ledare

på något vis. Det blir en väldig förskjutning i hållemera.

\[00:37:02\] **Fredrik:** Så att det är ju liksom, det beror ju väldigt mycket på hur det går så att säga. Men sen tror jag också här att idag finns det egentligen ingen ursäkt att inte till exempel programmera egna lösningar om du skulle behöva det för att det går ju förhållandevis enkelt för de flesta faktiskt skapa egna appar eller egna programmera egna lösningar.

Och att jag tror när vi har kommit över det steget att nej det var ju inte så. Konstigt, det kanske är lite som att från början så var det liksom att du var tvungen särskilt för att publicera saker på internet sen blir det liksom att alla kunde ju producera och idag producerar ju alla innehåll på något sätt och att det blir liksom samma sak där att alla bygger sina egna lösningar och så istället för att man visar upp vad man har gjort så visar man upp vad man har byggt för någonting

\[00:37:53\] **Johan:** Ja

exakt och jag tror att ligger jättemycket i det och det är väl egentligen två trender som möts det ena är ju att produkter som Loveable eller vad det nu kan vara, Cloud Code eller något sånt där gör det överhuvudtaget möjligt för en icke-programmerare att utföra vissa programmeringsuppgifter så den liksom kommer från det ena hållet och från det andra hållet kommer, men jag måste också som icke-programmerare sätta mig i skolbänken och försöka vara nyfiken på det här området för att det formar oss ganska mycket

\[00:38:18\] **Fredrik:** Ja och att jag tror just det här med att verktygen finns där att Tillräckligt snabbt och tillräckligt enkelt bygga något som användbart.

Och att det är det som egentligen i slutändan avgör det. Om man tar sig tiden eller inte. Om man inte är särskilt intresserad.

\[00:38:35\] **Johan:** Om du spolar fram vandret och liksom kikar, vad ska vi ta? Ser 15 år in i framtiden. Vad är arbete då?

\[00:38:45\] **Fredrik:** Alltså jag tror ju, jag vet inte om jag tror att var så stor skillnad egentligen.

Alltså jag menar på sätt och vis att det är ju bara att gå tillbaks liksom Om vi går tillbaka till hundra år så vad vi gör och hur vi gör det är ju väldigt annorlunda men konceptet jobb är ju inte så annorlunda i sig jag misstänker om du satt i ett kontor för hundra år sedan eller sitter i ett kontor idag visst du har andra verktyg men det är säkert inte så väsensskilt annars så att jag menar, vi vet inte jag tror jag tror vi kanske överskattar just, samtidigt som vi underskattar hastigheten i hur mycket snabbare och bättre den här typen verktyg blir så kanske vi också överskattar egentligen Konsekvenser.

Att på något sätt det blir det blir kanske mindre skillnad egentligen än vad man hade kunnat tro.

\[00:39:51\] **Johan:** Samtidigt så finns det ju väldigt många ganska alarmistiska röster som vi kan peka på att allting kommer robotiseras och varför skulle vi inte gå den vägen och humanoid robots kommer göra att saker som yrken som man tänker helt naturligt är helt oerfjärbara om det är oavsett asfaltsläggare eller liksom vårdbiträden och så kommer humanoid robots och vad är kvar för oss människor att göra på något vis?

\[00:40:20\] **Fredrik:** Och

jag tror ju som att för det första så håller jag med i avseendet att jag tror att alla jobb eller nästan alla jobb kommer ju påverkas. Kanske de man inte tror kommer att påverkas. Så på så sätt tror jag ju att mängden jobb som påverkas är väldigt stor. Men Jag tror egentligen att i slutändan tror jag att det väldigt få jobb som kommer bli helt automatiserade.

\[00:40:47\] **Johan:** Vad är det som kommer göra att, för det kommer antagligen inte finnas en teknisk anledning att inte fortsätta automatisera, eller? Vad är det som sker att man inte fortsätter bara automatisera? Vi har ju slagit in på den vägen för 150 år sedan.

\[00:41:02\] **Fredrik:** Och

ändå har vi ju inte gjort allt. Att ta det här med tillverkningsindustri, att industrirobot är ju otroligt bra på att upprepa saker om och om igen.

Men när du ska ändra någonting blir det en stor insats. Så att har du en verksamhet som kräver stor flexibilitet, är det fortfarande en fördel att ha människor. Och att även om flexibiliteten kommer öka så blir ju frågan, Når man hela vägen eller inte? Och... Det återstår ju att se. Men samtidigt kan vi ju se att allt det som produktiviteten går upp så blir det ju också att mängden timmar vi jobbar minskar, eller åtminstone nominellt.

Nu går ju länder mot 35 timmars arbetsvecka. Så där finns det ju väldigt tydligt att det blir färre timmar per person och vecka. Och att vi helt enkelt kompenserar det med automatisering eller effektivisering. Så att den trenden kan vi mycket väl tänka sig. Det kanske blir att man jobbar 20 timmar eller något sånt Den typen av förändring kan vi mycket väl tänka mig.

Och då kommer jag fråga sig finns det någon slags tipping point? Liksom att, ja men... Om jag nu bara jobbar åtta timmar så är det så lite jag inte bryr mig. Då kan jag lika gärna låta bli. Eller blir det liksom att det blir för mycket ledigt. Minnen 20 timmar vill jag inte göra. Jag vill ändå kanske jobba någon timme varje dag.

När jag är rätt nöjd med att kunna göra. 20 timmar per dag räcker det liksom.

\[00:42:43\] **Johan:** Jag tror att finns, om man blir lite filosofisk i diskussionen, jag tror att det är otroligt mänskligt att vilja sträva för någonting som man tycker är viktigt. Så jag tror att det finns en inneboende längtan hos människor att Jobba Sen kanske inte alla som jag ska precis säga man jobbar med just nu.

Men liksom att sträva tror jag är väldigt mänskligt så på något vis att vilja jobba tror jag kommer kvarstå.

\[00:43:05\] **Fredrik:** Fast det är väl också en kulturfråga att liksom går man tillbaka till flera hundra år så var det ju som Det var ju fult att behöva jobba det fina var ju de som inte behövde jobba och att jag tror att där handlar snarare mer om någon slags eliten nu väljer att göra blir någon slags trendsättare och då blir frågan trendigt att jag jobbar mycket är det det som folk kommer sträva efter eller är det att tvärtom att den som jobbar minst är den som man ser upp mest till eller är det någon annan form av självförverkligande och självklart tror jag helt klart på det här med att vi strävar efter saker vi vill uppnå saker och att egentligen tror jag att våra möjligheter har ju aldrig varit större att göra det vi vill så att jag är inte särskilt orolig egentligen är jag nog mindre orolig på sikt på längre sikt än på kort sikt

\[00:44:08\] **Johan:** Själva omställningsperioden?

\[00:44:09\] **Fredrik:** Ja, jag tror omställningen är mycket svårare än när vi väl har hittat en nytt steady state.

\[00:44:16\] **Johan:** Hur lång är

omställningsperioden, tror du?

\[00:44:19\] **Fredrik:** Ja, och där kan det finnas en utmaning med just att teknikutvecklingen är snabb. Det kan ju behövas en väldigt Snabb omställning. Alternativt att eftersom samhället inte hinner ställa om så blir det negativa konsekvenser.

Jag tänker på det här med instegsjobb som ett exempel på det. Där man ser från amerikansk arbetsmarknadsstatistik att det verkar som att instegsjobben har kraftigt minskat om det nu var i år och förra året. Och att man då skulle kunna tänka sig att företagen med den personalen man har just nu så kan du öka din produktivitet utan att anställa nya och så kompletterar man de anställda man har med automatisering och så tar det liksom några år innan man har fått ut maximalt av den arbetsstyrka man har innan man behöver anställa igen.

Och att då blir det kanske ett gap på något år där det blir väldigt svårt att få de här instegsjobben och sen så Förhoppningsvis återhämta sig igen och vi såg väl samma sak efter finanskraschen att det var de som tog examen precis de åren de hade ju väldigt svårt att få jobb och sen när det återhämtade sig så valde man att hellre ta nyutexaminerad än någon som hade varit arbetslös i två år.

\[00:45:40\] **Johan:** Så

det blir en generation i kanske men det blir några årskullar som blir ganska tilltuffsade.

\[00:45:47\] **Fredrik:** Det

skulle då kunna bli en konsekvens just att om man då misslyckas med den här omställningen att det blir några årskullar som råkar illa ut för att de inte ja, de är de är kvar vid det gamla och inte riktigt tagit steget och de får inte det hjälp eller stöttning som de skulle kunna behöva och därmed så hamnar i kläm så att säga.

\[00:46:07\] **Johan:** Vad

tror du är för råd till dem? För det är ju de som utexamineras nu i väldigt hög utsträckning så jag tänker att du träffar en del av de här studenterna.

\[00:46:13\] **Fredrik:** Ja. Egentligen så undrar jag om det är Åtminstone från svensk perspektiv så om det är de nyutexaminerade som är utmaningar, jag kan tänka mig att det kanske snarare är de som vi ser ju redan en viss åldersdiskriminering liksom att om du blir av med jobbet efter 50 så är det svårt att få ett nytt Där ser vi en typisk sån sak att du har erfarenhet men vi anser inte att din erfarenhet kompenserar för nyare kunskap.

Så frågan är om det där flyttas ner att om du säger att ta något som är under 30 då tror vi att du kan ta till dig det du behöver men är du över 40 så då blir det som att då väljer vi hellre jobb.

\[00:47:02\] **Johan:** Jag tycker att de här omställningsprogrammen är intressanta för de utgår lite grann från en logik av att du har ett sätt av skill som samhället säger vi behöver inte dem längre och så ska vi klä på det med ett nytt sätt av skill som vi tycker är bättre.

Ja. På något vis så tror jag att vi måste ta ställning också till att det är ju inte en enskild omutbildning när tekniken förändras så snabbt, när det liksom helt plötsligt kommer, utan det är alla svårt ansvar, även om jag har ett jobb idag, det är mitt ansvar också att investera tid varje vecka för att hålla mig uppdaterad.

\[00:47:34\] **Fredrik:** Nej men jag har det helt med och där tycker jag ibland en del av de här diskussionerna går lite snett när man ser att det är arbetsgivaren och att man kollar på den svenska modellen eller systemet är ju att staten tar ansvar för utbildning och sen när det går klart till en utbildning om du är gymnasial eller eftergymnasial utbildning så är det arbetsgivarens ansvar att se till att du är kompetensutvecklad och att det är liksom, Kanske företagen inte riktigt alltid lever upp till det längre och att man då snarare byter ut personalen och försöker anställa ny.

Och att då använder man ju argumentet just att det är en sån stor transformation så vi kan inte ta ansvar för den. Där behöver staten gå in och hjälpa till. Och att då blir det lätt att det måste göras på arbetstid. Och jag tror snarare att man måste hitta någon form av där man bidrar båda två. Kanske är det som att om jag gör en timme på fritiden så kanske en timme på jobbet att jobba med det här eller något liknande.

Så att tro att man kan göra allting inom företagens regi tror jag blir lite snävt.

\[00:48:37\] **Johan:** Det

är nästan ännu mer tycker jag än en kulturfråga som reflekterar över vem ser ansvaret för din framtid på något vis. Jag träffar ju supermycket chefer som jag tror... Jag skulle ha väldigt svårt att se framför mig en chef som skulle säga nej till en individ som kom och sa precis det du säger.

Jag kommer lägga två timmar på fritiden för att upskilla mig inom AI. Jag vill kunna lägga tre timmar av min arbetstid på det här. Jag tror att alla chefer skulle hurra och se ett värde av det och vilken självdriftig person självklart. Så jag tror liksom inte det sitter fast där. Jag tror det sitter fast.

Du håller inte med?

\[00:49:15\] **Fredrik:** Jag vet inte helt övertygad. Men vi har ju jobbat mycket med att ta fram uppdragsutbildningar och skräddarsy utbildningar för företag och så vidare. Och det här är väl min erfarenhet Om man pratar med högsta ledningen så är de superpositiva. Självklart ska vi upskilla vårt företag och vi ska vara med här.

Men sen kommer ner i organisationen. Men nu behöver liksom Lisa eller Kalle här vara ledig en dag. Vi har ju här projektet som ska levereras. Då blir det väldigt svårt att... Prioriterade och att jag upplever just att det är snarare högre upp i organisationen så ser man värdet, man kanske ser värdet längre ner också men där blir det liksom, vi har så pass mycket att göra redan nu och vi måste leverera och på sätt och vis blir det ju att ju mer framgångsrikt företaget är desto svårare blir det att frigöra den här tiden

\[00:50:08\] **Johan:** Jo, beroende på så jag

\[00:50:12\] **Fredrik:** upplever att just man har svårare att hantera den här vi vet att det är långsiktigt fördelaktigt men vi väljer ändå att uppnå de här kortsiktiga målen

\[00:50:21\] **Johan:** Men det där är ju ganska smackdäbbande middel av den världen jag kommer ifrån.

För jag kommer liksom från strategivärlden och där har det ju exakt samma slitning hela tiden. Att det finns saker som vi borde göra idag som har en pay-off-horisont på kanske två, tre år. Och som innan dess bara känns som en kostnad och kanske bara är en kostnad. Men problemet är att om vi inte gör det så är vi inte så relevanta om två, tre år.

Så den slitningen finns ju hela tiden. Jag kommer ihåg lite anekdotiskt, jag jobbade med en stor bankkoncern De hade en kundtjänstavdelning där vi bad dem att frigöra 10% för att jobba med strategiska aktiviteter och så vidare. Vi har inga 10%. Vi svarar i telefon. Det är liksom bemanning här. Och till slut så blir det så här ja, men literally era strategifrågor handlar om hur kan vi minska antalet samtal som kommer in här genom att göra bättre vad det nu var för någonting liksom wikis på hemsidan så kunder kan hjälpa sig själva i högre utsträckning.

Där blir det till slut bara ett beslut Vad ska vi ha för bolag? Är vi konstant upptagna med att vi inte hinner med vår vardag? Ja, men det blir lite tafflack där kan jag nästan tycka i köret i marken då. Vad

är

alternativet?

\[00:51:38\] **Fredrik:** Jo jag tror det är typiskt där man fastnar lite. Man kommer liksom inte vidare.

\[00:51:42\] **Johan:** Men är det

sentimentet där du upplever att ett snittbolag är hypotetiskt sett ja, bra, men vi har inte tiden?

\[00:51:49\] **Fredrik:** Från högsta ledningen säger man ja, vi vill göra det här men sen den som faktiskt ska frigöra den enskilda personalen eller ibland kan det även vara en budgetfråga så blir det mycket svårare

\[00:52:02\] **Johan:** Finns det andra

dynamiker som gömmer sig där?

Jag tänker någonting som jag tror det här är en rengissning och jag har ingen forskningsdata på det men jag tror att finns en ganska stor rädsla i stora populationer som underförstått känner, vill jag verkligen vara med och automatisera bort mig själv? Är det det jag vill driva här? Vad finns det mer för dynamiker som stökar med det här?

\[00:52:28\] **Fredrik:** Jag

tror det handlar väldigt mycket om att man man kanske det blir inte till personligt det fanns ju en ganska känt fall i en man automatiserade beslutsfattning inom Trelleborgs vad heter det Att avgöra om man behövde försörjningsstöd eller inte. Och att då blev det just att man i Treborgs var det just att man hade att vi hade handläggarna handlade inte med man hade alldeles för långa handläggningstider och då då automatiserar vi själva att bedöma ansökningar man uppfyller, de här kraven det är ju ganska väldefinierat vad vilka krav man måste uppfylla för att få försörjningsstöd.

Och så implementerar man det då för att då skulle frigöra tid för det För handläggarna. Och sen så blev det liksom lyckat lokalt och då försökte man liksom flytta det till andra kommuner och att då blev det liksom att de slog bak ut och att då vet jag liksom att några forskare som oss som studerade just en kommun och frågade, men då gick de dit och frågade men vad gör du på jobbet då?

Ja, jag sitter och väntar på Migrationsverket ska svara i telefon så jag kan avgöra om de har ett uppehållstillstånd eller ett arbetstillstånd eller inte Tycker du det är kul bara? Nej, det tycker jag inte Men om vi automatiserar det, skulle det vara bra då? Ja, det skulle vara bra Och just att då är du liksom med i processen och liksom, ja men det här är någonting som jag skulle vilja bli av med så att jag kan lägga tiden på annat Ja då upplevs det som positivt Men om det någon som bara Trycker på det, nu ska ni använda här då ser man det mer som ett hot.

Så jag tror det handlar väldigt mycket om att involvera personalen och att de upplever att det här faktiskt är en meningsfull förbättring som gör det bättre för mig snarare än att det är någon annan i organisationen som ska tjäna på det.

\[00:54:13\] **Johan:** Jag tycker det är fascinerande för att man jag tror man har en förkärlek att vilja handla hela AI-frågan som att det här är någonting Totalt nytt som vi aldrig har sett förut.

Och så kommer det ner, för det du pratar om, det är helt vanligt traditionellt change management. Så, det här har vi hållit på med i 40 år liksom. Och så missar man att det sitter fast på de helt gamla vanliga

grejerna.

\[00:54:35\] **Fredrik:** Men jag tror det kommer tillbaka till det vi var inne på tidigare när man ser det som en teknikfråga.

Exakt. Och det är inte det som är det viktiga. Nej. Det är ju en del i det hela såklart, men i slutändan så handlar det om att få medarbetarna att kunna effektivt använda det här nya verktygen. Ja. Och då blir den typen change management viktig. Men jag tror det finns några skillnader och det är väl just liksom att AI går ju mer horisontellt än vertikalt Exakt Det vill säga att det blir svårt att liksom lösa problemet bara inom någon del av företaget utan oftast behöver det kanske just den med data.

Ja. Du behöver data från jag har ingen aning om marknadsavdelningen för att utvecklingsavdelningen ska fatta rätt beslut och att den typen av Tvärsgående kopplingar kan ju saknas. Jo, verkligen. Och det kan också vara då just att då blir det som att marknadsföringsavdelningen måste helt plötsligt göra jobb åt utvecklande.

Som inte är vana med, varför ska vi lägga tid på det? Det har ju inte vi någon nytta av. Nej. Det är någon annan som har nytta av det.

\[00:55:37\] **Johan:** Ja verkligen.

\[00:55:37\] **Fredrik:** Och då blir det återigen de här utmaningarna inom organisationen.

\[00:55:43\] **Johan:** Och ytterligare ett bevis på att det går inte att delegera det här som en teknisk fråga, för då fastnar du.

Är det här... Ja måste du lyfta upp det på högsta

\[00:55:50\] **Fredrik:** nivå för att det är bara där du har översikten. Och det är exakt samma sak som anledningen till att vi i AI-kommissionen sa att det här måste då vara en taskforce på regeringskansliet och helst direkt under statsministern Inte för att det är statsministern själv som ska göra det, utan för att det kommer involvera väldigt många olika departement och liknande Och att du måste få till den här samordningen.

Och att du kan inte bara delegera ett departement För att de kan inte lösa det på egen hand utan man måste hjälpas åt.

\[00:56:22\] **Johan:** Vad

har Sverige för förutsättningar att lyckas med det här i kontexten av Europa och i kontexten av världen?

\[00:56:28\] **Fredrik:** Så jag tror liksom att vår stora fördel är ju ändå kompetens och trots allt ligger vi ju väldigt högt på innovationsrankningar.

Vi

\[00:56:37\] **Johan:** hoppade upp lite igen här såg. Vi var ju nere här ett tag och så nu senast. Ja vi kommer tillbaka. Nej men vi tillbaka högre upp.

\[00:56:45\] **Fredrik:** Ja vad trevligt.

Det känner jag inte till. Men jag tror som överlag har vi nog en bra inställning. Och jag tror ju också att det här att vi har liksom ett, vad säger jag, med det här med, vad säger jag.

Välfärdssystem så att jag tror man vågar kanske liksom ta lite risker eller göra saker på ett annat sätt. Och det tror jag liksom är till vår fördel. Sen liksom utmaningen är väl just att vi har en tendens att ta lång tid på att fatta beslut och vi vill liksom att det ska vara helt rätt innan vi gör någonting överhuvudtaget.

\[00:57:20\] **Johan:** Hur

mycket är det en svensk grej Hur mycket är det en europeisk grej? För det kan man ju ändå konstatera att Europa och USA och Kina approcherar det området väldigt olika.

\[00:57:29\] **Fredrik:** Det finns säkert stora likheter men jag tror också just att det handlar om någon slags det här är så viktigt så vi vill inte att det ska gå fel men det man missar tror jag är just det här att För det första tror jag att är mer eller mindre omöjligt.

Jag är rätt från första gången. Hur gärna man vill och hur mycket man förarbetar tror jag är väldigt svårt. Det andra är väl just att när utvecklingen går så fort så måste dina beslutsprocesser hålla samma takt. Och där tror jag att vi har en jätteutmaning. Det vill säga att vi är vana vid att göra långa omfattande utredningar innan vi fattar beslut.

Och om då utredningen tog ett år men på det året har förutsättningarna ändrat så mycket så att det spelar ingen roll hur bra utredningen var för den är ändå irrelevant. Och om man då gör en ny utredning då kommer det aldrig någon som kommer till beslut.

\[00:58:25\] **Johan:** Exakt analys per analys.

\[00:58:27\] **Fredrik:** Och jag tror det är det vi hamnar i i många fall.

Det vill säga att det underlaget vi tog fram förra året gäller ju inte längre så nu måste vi ta fram ett nytt Och så kommer man aldrig till beslut. Och där tror jag att länder som Kina har en otrolig fördel. För att även om folk inte alltid håller med så kanske ändå majoriteten tycker att det blir bra.

Och sen så är man beredd att göra det ändå. Och så händer det någonting. Medan här så ska alla komma till lag. Ingen ska vara negativt Och få någon som helst inte få en del av förbättringen. Och då blir problemet så svårt så att man inte kan lösa det. Så det är väl också en sån här sak. Det finns en massa spännande konkreta exempel.

Som det här med järnvägsfrågan. Tydligt sånt exempel som man har diskuterat under, jag har ingen aning, 40 år. Och man bara byter beslut hela tiden. Och det blir liksom aldrig någon järnväg byggd.

\[00:59:24\] **Johan:** Nu måste det finnas en jättejobbig paradox att hantera för just det offentliga. I att många av de offentliga besluten är ju lite mer av naturen Och det.

Det får gärna inte bli fel här, oavsett om det är en dom i en domstol eller en bedömning på ett sjukhus eller något sånt där. Samtidigt som för att lyckas med de här grejerna, du var inne på det, för att driva innovation, du måste acceptera att vissa gånger blir det bra och vissa gånger blir det inte bra.

Det här måste ju vara ganska svårt kulturellt att ta sig an om man är en myndighetschef exempelvis.

\[00:59:58\] **Fredrik:** Jo, det finns ju helt klart en sån myndighetsperspektiv men jag tror också det handlar lite om att jag tror vi har fått väldigt förvaltande organisationer Det vill säga att min uppgift här som myndighetschef är att förvalta det är inte att utveckla och jag tycker ändå att när man såg när det blev pandemi och så vidare helt plötsligt kunde man göra saker det gick ju att göra alldeles utmärkt förändringar över dagen det gick, för att då fanns det ett krav på att du skulle förändra dig och du hade inget val, och då gör man det och jag tror att det är lite det som är kanske utmaningen att på något sätt det är lite för bra, vi har det lite för bekvämt det blir bara, men nu ska vi hålla kvar den här nivån och vi är ganska nöjda med det vi behöver inte göra så mycket mer och det tror jag är farligt inte för att inte för att det inte är tillräckligt bra utan för att jag tror att genom att andra flyttar sig framåt väldigt snabbt så kan vi ju relativt sett Halkar väldigt långt efter.

Och särskilt om vi har, som vi är en exportberoende nation, vilket då gör att om våra bolag inte är globalt konkurrenskraftiga, så kommer skatteintäkterna väldigt snabbt försvinna. Och har vi inga skatteintäkter blir det ingen välfärd. Så att vi är liksom helt beroende av att faktiskt fortsätta utveckla den här typen av konkurrenskraftiga företag.

Och det är därför som vi är för frihandel och liknande, för vi är beroende av det. Så att det är väl liksom det som jag ser risken. Att genom att vi blir för långsamma så kommer andra kunna dra nytta av den här teknikens möjligheter.

\[01:01:45\] **Johan:** Inom privat näringsliv så i praktiken så om du gör någonting så bygger du ju på amerikanska modeller nästan uteslutande.

Hur långt bort är det innan vi kan bygga på bra svenska modeller eller åtminstone bra europeiska modeller?

\[01:01:59\] **Fredrik:** Jag skulle säga att det handlar ju om en vilja och hittills har ju viljan inte riktigt funnits.

\[01:02:04\] **Johan:** Jag

sitter ju i det här literally och också är med och bestämmer vilka modeller vi ska bygga på och problemet är ju väldigt mycket vad du var inne på tidigare att bara den förra eller den förra modellen är så pass avsevärt mycket sämre än den bästa kommersiella modellen från OpenAI eller från Google-dramen AI eller vad det nu är.

\[01:02:21\] **Fredrik:** Jag menar inte att det var företagen som skulle välja europeiska alternativ för jag håller helt med om att det saknas bra europeiska alternativ, jag menar det är mer en vilja från Europa, vill vi utveckla alternativ eller inte och att hittills har vi ju inte, uppenbarligen inte velat.

\[01:02:38\] **Johan:** Men vad innebär

de här nya superdatorerna, ni får en i Linköping om jag förstår saken rätt?

\[01:02:42\] **Fredrik:** Vi

får väl flera, men det där är ju liksom en förutsättning Det vill säga att... I grund och botten så handlar det ju om att du behöver beräkningskapacitet, du behöver datatillgång och du behöver liksom... Kompetens att faktiskt kunna kombinera de här två på ett bra sätt och bygga bra modeller. Och att nu när liksom beräkningskapacitetssidan kraftigt förbättras så blir ju nästa stora utmaning datasidan.

Och att där har vi en stor utmaning från ett europeiskt perspektiv.

\[01:03:17\] **Johan:** där

kan jag typ ingenting om. Jag tänker att data är data, det är samma data som finns på internet oavsett var du är någonstans. Eller...

\[01:03:27\] **Fredrik:** Obekvämt Nej, nej nej Det handlar väl om Vad man, både vad man Anser att man får göra Och vad företag vågar göra Okej Det vill säga, bara för att datan finns tillgänglig Så är det ju inte helt säkert Att du fram och gör vad du vill med den

\[01:03:47\] **Johan:** Nej,

även om, men det här ju intressant För samtidigt, alla de amerikanska konkurrenterna Har ju redan gjort ett val där På något sätt, och sen så får vi se vad copyrightdomar Till slut kommer utömma

\[01:03:57\] **Fredrik:** Men

Men det finns väldigt mycket att ta upp här, men i Europa så har vi ju de här text- och datamining exceptions, så finns det ju liksom lagar som avgör vad man får göra med text- och datamining.

Och att där för forskningssyfte så finns det ju liksom explicita undantag där får man göra saker, men för kommersiella syften så är det ju liksom andra saker som gäller. Och att i Europa som har ju varit väldigt tydlig från politiskt håll liksom att man Vi ska liksom stå upp för copyright och så vidare.

Men problemet blir ju då att det finns inget enkelt, liksom det är inte så att du kan förhandla med en motpart och så hitta lösning och så ja men nu kommer vi överens om någonting och så gör vi det. Utan liksom det är ju tusentals aktörer. Och att det där med att vi är väldigt svårt, det är ju en utmaning på att ha dialogen, även om man har utgångspunkten, låt oss hitta en lösning.

Men jag tror liksom att det amerikanska sättet är väl mer att vi skriver avtal med de stora och sen Så använder vi allt och så hoppas vi att vi klarar det eller så får vi ta det i domstol och man ser det kanske mer som en kostnad vi får väl budgetera några miljarder här för det och så budgeterar man för det och så kör man vidare medan liksom vi ska ju inte vi ska aldrig komma i ett sånt fall att vi överhuvudtaget ska hamna i domstol

\[01:05:24\] **Johan:** Vad

innebär det här i en praktisk?

Är det liksom att vi har 3% av mängden data tillgänglig för att träna på i relation till en amerikansk konkurrent?

Du

behöver inte komma med den

exakta

procenttiffran men vad är typ storleksordningen?

\[01:05:38\] **Fredrik:** Jag skulle

säga att vi gör det nästan omöjligt för oss det är min känsla i vår strävan att göra allting rätt så gör vi det mer eller mindre omöjligt, det är väl min känsla och att just det att även om någon skulle göra det så kanske inte man skulle våga Använda dem på samma sätt.

Så att jag tror att data egentligen är ett större problem än beräkningskapacitet. Men sen tror jag också att en annan utmaning är ju att antagligen om vi skulle bygga en jättebra modell vilket jag tror vi har förmågan att göra, så jag tror vi skulle kunna göra det om Jättesvårt att satsa på det men sen behöver du liksom någon bolag som kan liksom skala upp och liksom leverera den och att här kommer vi till att utmana att det är väldigt kapitalintensiva verksamheter och liksom nu pratar man ju inte om miljarder längre utan nu snarare triljoner trillions biljarder eller biljoner kanske biljoner liksom trillion dollar investments liksom är det är ju inte mer på kartan när det gäller den typen av investeringar

\[01:06:51\] **Johan:** Vad säger Europa på det?

De har ju de här jättefonderna som ju ska driva olika typer av omställningsprojekt

\[01:06:58\] **Fredrik:** Alltså som jag förstår utmaningen är att man fastnar i att nej Man får inte göra fel och så blir det snarare att man inte investerar i någonting för när vi har ställt så höga krav

\[01:07:08\] **Johan:** för det hade ju sett som en naturlig då alternativ modell för Europa att ska vi ha en compliant modell så finns det inte en rimlig chans för ett kommersiellt projekt runt det här och vi har en helt annan kapitalmarknad i Europa än vad de har i USA också så bara mängden vem är det som skulle investera triljoner i någon AI-startup i Europa

\[01:07:33\] **Fredrik:** och där verkar det vara en skillnad är just att i Europa så är huvudsaken i pensionssparande och att där vill man egentligen inte ta någon risk för det måste ju hålla sig under lång tid medan den amerikanska marknaden kanske är mer venture capitalist som de vill bara maximera sin chans att göra en väldigt stor vinst sen gör det ingenting om det är bara en av tio som lyckas får du tusen gånger utdelning på den så är du nöjd Och att det blir väldigt olika investeringsmönster så att där finns ju liksom en utmaning så jag skulle ju gärna se att vi faktiskt gick tillsammans och utvecklade europeiska modeller och har ju förespråkat det under en längre tid och ser ju jättegärna att vi gör det, om vi inte kan göra det i Europa kan vi göra det i Sverige eller Norden kanske att liksom hjälpas åt där det tror jag ju som skulle vara en lösning.

Nu har ju Schweiz släppt en modell Apertus som de har utvecklat som då är liksom compliant Har du testat den? Jag har testat den, det blir ganska roligt på svenska

\[01:08:40\] **Johan:** För nästa fråga är ju helt

omöjlig att svara på, men hur bra är den

i relation till andra kommersiella modeller?

\[01:08:47\] **Fredrik:** Det är det som vi sa, det går ju inte att jämföra det är ju det som är utmaningen och jag tror att här blir det också en skillnad att det som jag ganska ganska säker på att de är Kommersiella lösningar är att de har ju lagt miljontals man-timmar på att fixa massa småsaker här och där.

Så att man skulle mycket väl kunna tänka sig att grundmodellen av jämförbar storlek är kanske inte jättestor skillnad. Jag vill säga att de kanske är 20% bättre eller lite bättre, men sen har det gjorts otroligt mycket på förbättringar manuellt och då här plötsligt blir det 200% skillnad. Och jag tror återigen att Vi är inte beredda att investera den typen av resurser och då blir det inte tillräckligt bra.

\[01:09:39\] **Johan:** Jag kan tycka det är lite liksom ledsamt. Jag är liksom produktchef på ett svenskt ägt teknikbolag. Jag skulle ju jättegärna vilja bygga på europeisk avgiftsteknik. Jag skulle vara fin med att det var liksom 20% sämre till och med. Och 20% dyrare. Men liksom det är inte ens i närheten av att vara i det scenariot.

Och slut så blir man ju såhär, nej men jag kan liksom inte ta ett aktivt korkat beslut här. Och då tvingas jag in i att bygga på amerikanska modeller.

\[01:10:08\] **Fredrik:** Ja nej jag köper det argumentet helt och hållet. Och jag tror liksom att, där har vi väl liksom att... Jag brukar ibland säga att utmaningar är skala och hastighet.

Vi har varit inne lite på hastigheten tidigare, men här kommer vi in på skalan. Jag tror inte det handlar om kompetens vi skulle kunna göra, men vi har inte förmågan att göra saker på den skalan. Där finns det mer fundamentala risker i förhållande till att vi inte klarar av att göra saker i stor skala.

Och om det nu blir skalning som blir... Ja, precis. Då ligger vi ju i riset till. Och om vi nu kollar som säger, Kina är väl nästan det allra bästa exemplet på skalning att dels är de så otroligt många men också att de faktiskt är bra på att skala och bra på att gå från, nu har vi ett intressant koncept till att hitta kommersiellt gångbara fungerande lösningar och att få ut det på marknaden.

Det är de ju liksom exceptionellt bra på och att det tror jag är ju en jätte risk för oss.

\[01:11:23\] **Johan:** Kan

man lära sig någonting av, jag tänker, det de gjorde med DeepSeek för jag förstod så är det ändå en markant mer kostnadseffektiv Väg till en fungerande modell.

\[01:11:32\] **Fredrik:** Det svårt

avgöra. Det är ju så det har presenterats och lanserats.

Men det är ju oklart om de hade köpt massa Nvidia-datorer i förväg som de hade sen tidigare. Så det är väl lite oklart. Men det som jag tycker det visar är att det är fortfarande möjligt att komma in på marknaden och Komma fram med en ny lösning som får stort genomslag och att vad jag förstår så bygger ju det kinesiska ekosystemet till väldigt hög grad nu vidare på deras modeller så att lite som du var inne på tidigare att om vi väl bara lyckas producera någonting som är tillräckligt bra med deep-seq-motvarande då finns det liksom en stor chans att det ganska snabbt ersätter alternativen just för att de här andra värdena eller de andra vinsterna är ändå någonting som vi är beredda att premiera och satsa på så att det gör ju bara saken ännu mer ska vi säga, sorglig att man inte klarar av att göra det

\[01:12:36\] **Johan:** Ja, verkligen Hur mycket pengar skulle det krävas Vad skulle en sån här satsning kosta?

Säg att europeiska politiker gick ihop och sa att fast det kan, vi

gör

det

\[01:12:46\] **Fredrik:** Nej men vi har ju tidigare sagt mer som att Man kanske behöver satsa i storutståndningen åtminstone en miljard euro per år. Och så gör man det i tio år. Då skulle man nog kunna komma väldigt långt. Men jag tror egentligen att på någon nivå så finns pengarna.

Så det är inte som om man kollar på offentliga investeringar i forskning och utveckling så ligger Europa jättebra till. Utmaningen är ju att istället för att vi satsar, tar man någon slags EUs forskningsprogram så är det tusentals duktiga forskare som alla får en liten del och som gör bra saker var och en för sig.

Medan i USA så lägger man typ 10 miljarder dollar på ett bolag. Och jag tror det är där skillnaden blir för att om du har ett bolag med den typen av budget så kan du väldigt snabbt fatta beslut och du kan väldigt snabbt få saker gjorda, medan vi måste, vi skulle kunna göra det men då måste jag samarbeta med 20 andra och komma överens med dem och det blir massor med overhead så att vi får ju egentligen på något sätt ut mindre av det vi investerar så att jag skulle säga att det handlar mycket mer om att vi behöver få liksom vad ska vi säga, men det handlar om skalning, att istället för att vi blir lätt fragmenterade så måste vi kompaktera och liksom fokusera, så att jag tror att skulle vi sätta samman liksom de hundra bästa på området i Europa, ge dem en miljard euro i budget per år i tio år då tror jag att vi skulle kunna göra det

\[01:14:30\] **Johan:** Vad är sannolikheten att det händer?

\[01:14:32\] **Fredrik:** Jag höll på att säga noll men ja.

\[01:14:34\] **Johan:** Till

slut blir ju kostnaden av att inte göra det så pass dyrt att det kanske är värt att göra det.

\[01:14:41\] **Fredrik:** Men jag tror utmaningen här är frågan är vem som tar kostnaden. Det väl det som är lite grejen. Jag tror problemet blir att om jag ska nu vara, ingen aning, von der Leyen eller någon som nu ska säga men vi gör det här och jag twistar liksom armarna på alla regeringscheferna här så att de går med på det.

Och om det sedan inte lyckas då är det ju som kört. Och det är väl lite det som är att det blir ja, alla ser värdet om man lyckas men alla ser också att sannolikheten till lyckas är kanske inte tillräckligt stor för att vi ska våga göra det.

\[01:15:16\] **Johan:** Samtidigt har vi ju liksom vi har CERN och vi har en del rymdsamarbeten så det finns ju ändå någon typ av blueprint att gå efter.

\[01:15:24\] **Fredrik:** Nej men vi har ju argumenterat att CERN får AI. Och just en miljard euro per år men det är den typen av budget som behövs. Och just det att man har och för det är ju också just vad jag trodde behövs en centraliserad plats. Sen betyder ju inte att alla måste jobba där heltid men ändå att man måste vara fysiskt tillsammans och jobba tillsammans under koncentrerade former.

Och sen tror jag inte, du behöver inte göra det i tio år det kan räcka med att nu gör jag det här i två år jobba där och sen så åka hem till mitt var jag är någon annanstans. För att annars kommer du dränera alla universitet och företag så vidare. Nej men man just måste få den här koncentrationen av både Kapital och kompetens på samma plats och sen behöver det troligtvis kanske inte vara jättelång tid men det måste liksom vara en intensiv och fokuserad satsning

\[01:16:21\] **Johan:** För

att börja avrunda lite grann vad är en fråga verkligen från vänster här vilken del av tekniken fascinerar dig mest just nu?

\[01:16:32\] **Fredrik:** Nej men det som vi är intresserade av är det vi kallar för AI for science. Hur ska vi kunna använda de här modellerna i vetenskap för att accelerera forskningen? Och jag tror det finns en del utmaningar Vi var inne på det här hallucinationer. Det är inte acceptabelt i ett forskningssammanhang. Utan jag vill ju faktiskt kunna ha steg för steg argumentation eller ännu hellre bevis för att det här jag lägger fram är välgrundat.

Vi ser också det här med multimodalitet. Vi håller på mycket med materialvetenskap. Du måste få in olika andra typer av data, mikroskopbilder eller kristallstrukturer och allt möjligt som du då också vill kunna analysera i de här AI-modellerna. Så det handlar både om att få dem mer... Principiella liksom kunna resonera på first principles och kunna hantera flera modaliteter.

Sen en tredje sak det är ju det här med kausalitet. Att dagens maskininlärningsmetod är ju huvudsakligen korrelationsbaserade. Men det vi inte ser i forskningen är ju kausala samband. Så där finns ju en jättestor brist eller utmaning. Och sen det fjärde är ju att de här modellerna är ju inte grundade i den fysiska verkligheten utan de är grundade i text.

Vilket gör att de har ju egentligen ingen större förståelse för den fysiska omvärlden när man pratar med världsmodeller och liknande Så det är också en sak som hänger ihop. Men egentligen, det vi vill göra är bygga vetenskapligt väl grundade modeller som kan användas för att accelerera forskning och utveckling.

\[01:18:09\] **Johan:** Hur stor Effekt kommer det här ha? Tror du? Och jag förstår att det här är en väldig mellan tummen och pekfingret gissning och kanske svår att kvantifiera med ord. Men liksom, att bota cancer är tio år bort som konsekvens av det här. Vad kommer det här få för effekt?

\[01:18:26\] **Fredrik:** Det handlar ju verkligen om två saker.

Det ena är skälet till att Accelerera utvecklingen med det andra som är kanske mer intressant är att möjliggöra helt nya saker. Och där tycker jag det där med Alphafold är ju ett konkret sånt

\[01:18:40\] **Johan:** exempel. Är någon kartläggare i The Human Genome eller?

\[01:18:43\] **Fredrik:** Nej det är ju Google DeepMinds det här proteinvikningssystemet som de fick Nobelpriset i kemi för förra året.

Det vill säga att man tar en sekvens av proteiner och så kan man då generera 3D-strukturen. Och det här var då ett problem som tidigare krävde en doktorand att jobba ett par år för varje enskild protein. Och nu kan du göra på ett par minuter. Vilket då gör att nu kan du utforska miljontals proteiner och analysera hur de skulle binda olika läkemedel eller hur de skulle reagera och så vidare.

Vilket gör att man möjliggör helt ny forskning som man inte kunde göra tidigare. Och tar man då materialvetenskap som det är vi framförallt jobbar med så är det ju att, men där handlar det om att man synteserar Tiotals material, det är väldigt små mängder och om man då kunde göra precis som man gjorde med Alphafold, här plötsligt kan du ju ha miljontals material som du då kan börja studera och analysera och producera så att jag tror det är som genom att man Man möjliggör en uppskalning så öppnar det upp helt nya möjligheter och just det här med material är ju väldigt fascinerande, hur man kan skrädda sy material för olika tillämpningar och att ju bättre vi kan göra det desto mer nytta får vi och det här med energieffektivitet, det liksom minska utsläpp det handlar om att återvinna saker bara en sån sak kan vi transformera material istället för att vi måste hela tiden tillföra nya så att det som vi kan ha verkligen är med cirkulär ekonomi genom att det är samma material som vi bara återanvänder med helt nya former och vi kan liksom hitta transformationer mellan olika material eller liknande så skulle vi verkligen kunna inte bara utveckla forskningen men också kraftigt minska miljöpåverkan

\[01:20:37\] **Johan:** Spännande framtid minst sagt.

Tack så jättemycket för att du kom hit idag. Det känns som att jag avbröt dig här. Det är inget

\[01:20:44\] **Fredrik:** sådant. Nej det är ju kul. Det händer ju väldigt mycket och det här är ju ett område så vill man vara med så finns det ju alla möjligheter att faktiskt vara med och påverka utvecklingen och utveckla saker själv, inte bara använda det.

Det är självklart ett bra första steg men att faktiskt vara med och driva utvecklingen i den riktning man vill ha. Och det är också apropå det här med risker och liknande, att det är ju lätt att bara säga, men tänk om man gjorde, men... Gör någonting själv. Jag tycker ju att jag behöver vara inne lite i vem jag ska i Europa göra.

Vi har ju inte pratat om det här med reglering och liknande men jag kan ju tycka ibland att vi har väldigt mycket fokus på reglering. Jag skulle hellre säga att istället för att vi ska genom reglering tvinga andra att anpassa hur de utvecklar det. Tänk om vi kunde utveckla de systemen vi vill ha med de värderingar och de egenskaper vi eftersträvar.

Så det blir mer en positiv kraft att visa resten av världen. Kolla, det går att göra. Kolla här så bra det är. Så tror jag vi skulle få mycket större genomslag.

\[01:21:49\] **Johan:** Ja, vi har ju en historik av att utveckla institutioner som vi sedan exporterar värden över på gott ont.

\[01:21:57\] **Fredrik:** Så jag skulle säga mer innovation och mer utveckling här, både i Sverige och Europa.

\[01:22:02\] **Johan:** Ja, och tröskan har ju aldrig varit så låg egentligen för entreprenörer att sätta igång.

\[01:22:06\] **Fredrik:** Så, just do it.

\[01:22:08\] **Johan:** Just do it. Det blir en bra slutkläm. Tack så jättemycket för att du kom

\[01:22:10\] **Fredrik:** Tack så mycket.

\[01:22:11\] **Johan:** Och där var vi i slutet av dagens avsnitt Det är lika fascinerande för mig hur många av er som hänger kvar hela vägen till slutet. Om du tyckte det här avsnittet var intressant så får du jättegärna dela den till någon i ditt nätverk som du tror kan ha värde av det. Och vill du följa oss lite närmare så...

Gå över till vår nya hemsida thinkroompodcast.com. Vi har också ett nyhetsbrev där vi kommer fortsätta publicera de insikter som jag får längst med den här resan. Vi finns numera på alla sociala plattformar så ge oss en följ där du tycker att du vill få ditt content. Och så bygger vi den här plattformen tillsammans Tack så jättemycket.