AI til virksomheder
AI-systemer til virksomheder, valg ved indførelse, kundearbejdsgange og målbare resultater.
34 historier (17 artikler · 17 videoer)
Start her
Et par gode steder at begynde, før du går på opdagelse i hele oversigten.
11 min læsningUdform en plan for teamets indførelse af AI
En praktisk plan for indførelse af AI: Vælg afgrænsede anvendelser, inddrag berørte medarbejdere, fastlæg regler for data og beslutninger, træn med reelt arbejde, og mål effekten i forhold til en nulmåling.
Let øvet
9 min læsningAI-ROI og modenhed: sådan måler du en AI-indførelse, der faktisk virker
Indførelsen af AI bør ikke måles på, hvor mange der har prøvet ChatGPT. En praktisk model til måling af arbejdsgangens ROI, kvalitet, risiko, modenhed og skaleringsparathed.
Avanceret
9 min læsningByg eller køb AI-systemer: den praktiske beslutningsramme
Sammenlign køb, konfiguration, udvidelse, egenudvikling og selvhosting ud fra de samme krav og vetokriterier, den samme repræsentative prøve og den samme samlede omkostningsmodel.
AvanceretFlere i dette emne
9 min læsningDGX Spark: hvad det er, hvem det er til, og hvad der ændrede sig for lokale agenter
En nøgtern gennemgang af NVIDIA DGX Spark: NVIDIAs specifikationer for Grace Blackwell GB10, kohærent samlet hukommelse, klyngedannelse med ConnectX-7, og hvornår en lokal agentcomputer er et fornuftigt valg til privat AI.
Avanceret
12 min læsningFå Codex, Claude Code og Cursor til at arbejde som ét team via CLI
Brug AGENTS.md, CLAUDE.md, Cursor-regler og CLI'ernes udskriftstilstande, så Codex designer, Claude gennemgår, og Cursor implementerer uden en specialbygget orkestreringsplatform.
Avanceret
15 min læsningProjektledelse med flere AI-agenter i Linear: Claude, Cursor og Codex i én fælles backlog
Lad Claude Code, Cursor og Codex arbejde på det samme Linear-projekt som et rigtigt udviklingsteam: tag ejerskab over opgaver, registrér fremdrift, overdrag til gennemgang, ret fund og afslut opgaver uden at overskrive hinandens arbejde.
Avanceret
8 min læsningVærdighed i arbejdet, når maskiner kan udføre mere af det
En praktisk vurdering af jobomlægning for SMV-ledere: Undersøg medarbejderindflydelse, bevaret dømmekraft, udviklingsmuligheder, arbejdsbelastning, overvågning og klageadgang, før I erklærer en automatisering for en succes.
Let øvet
8 min læsningHvad du skal sige til dit team, når du automatiserer en del af deres arbejde
En praktisk rækkefølge for kommunikationen om automatiseringsprojekter: Hvad du skal sige, før beslutningen ligger fast, hvilke tilsagn der opbygger tillid, og hvilke løfter ledere ikke bør give.
Let øvet
32 minutterSådan bygger du menneskecentrerede AI-arbejdsgange i lokalisering med Shashi Bhushan
Crowdin. Shashi Bhushan starter med arbejdsgangskortlægning snarere end værktøjsvalg og dækker derefter kilde-tekstkvalitet, menneskelig gennemgang, AI-proofreading, glossary-tjek, produktteam-involvering, pilots og databeskyttelsesbegrænsninger. Det er næsten præcis den driftsmodel, artiklen anbefaler til estiske teams, der arbejder på tværs af estisk, engelsk, russisk, finsk og kundespecifik terminologi.
Let øvet
4 minutterVi præsenterer EmbeddingGemma: den førende open model til embeddings på enheden
Google for Developers. Videoen introducerer flersprogede tekstembeddings, der kan køre lokalt og understøtte semantisk søgning og RAG uden at sende hvert dokument til et hostet API. For estiske virksomheder er det et nyttigt teknisk komplement til artiklens mønster for intern videnssøgning: flersproget retrieval er kun værdifuld, når den også respekterer datalokalitet, tilladelser og kildeautoritet.
Let øvet
17 minutterConductor-CEO Charlie Holtz viser sin AI-kodemiljøopsætning
Y Combinator. En konkret senior-engineering-gennemgang frem for et panel: Holtz sammenligner Claude Code og Codex, orkestrerer flere coding agents parallelt og markerer "slop-free zones", hvor genereret kode ikke må lande uden review. Setuppet omsætter artiklens regler — repository-kontekst, små reviewbare patches, og at mennesket forbliver arkitekt, mens agenterne taster.
Avanceret
56 minutterAI-agenter i finans med HPE's CFO
CXOTalk. HPE CFO Marie Myers beskriver udrulning af agentisk AI (deres "Alfred"-platform) på tværs af en finance-organisation med 3.600 personer med den disciplin, artiklen argumenterer for: en direkte-kontra-indirekte ROI-ramme, stage gates, der afgør, om hvert use case fortsætter eller stopper, obligatoriske kvalitetskontroller med menneskelig kontrol i processen, og arbejdsgangsmetrics såsom en ugentlig review-proces, der mister omtrent 90 % af sin manuelle indsats. Adoption måles som ændret arbejde, ikke tool-logins.
Avanceret
41 minutterPrivat AI vs. cloud: sådan kan virksomhedsledere træffe smartere build-or-buy-beslutninger
World Wide Technology. Forbinder byg-eller-køb-valg med forretningsoutcomes, workload-placering, cloud-økonomi, datasouverænitet, sikkerhed, infrastrukturparathed og hybride driftsmodeller. Det gør den til en nyttig strategisk ledsager, når du skal beslutte, hvornår du skal købe et værktøj, udvide en platform, bygge et tyndt custom-lag eller eje mere af deployment-stakken.
Avanceret
10 min læsningFlersprogede AI-arbejdsgange til estiske virksomheder
En praktisk arbejdsgangsmodel til estiske virksomheder, der arbejder på estnisk, engelsk, russisk, finsk og andre kundesprog uden at miste tone, terminologi, databeskyttelse eller ansvar.
Let øvet
9 min læsningAI-native IDE'er og repository-bevidste udviklingsworkflows
Cursor, Copilot, Claude Code og repository-bevidste agenter ændrer kun softwarearbejdet, når teams sætter grænser. Et praktisk workflow for kodebasekontekst, planlægning, test, review, secrets og produktionssikkerhed.
Avanceret
9 min læsningEU AI Act for SMEs: a practical governance plan
The EU AI Act is not just a legal problem for large vendors. A practical SME plan for inventory, risk classification, human oversight, transparency, vendor records, and rollout discipline.
Avanceret
10 min læsningUdrulningsmønstre for privat AI: lokalt, i VPC, selvhostet eller hybrid
Privat AI er ikke én enkelt arkitektur. En praktisk sammenligning af lokale modeller, SaaS til virksomheder, VPC-udrulninger, selvhostet inferens og hybride mønstre for SMV'er, der prioriterer databeskyttelse og kontrol.
Avanceret
12 min læsningOptimer inferensomkostninger: cachelagring af prompts, styring af modelvalg og kontrol af output
Byg en sporingsbaseret omkostningsmodel for inferens, optimér de største målte omkostningsposter, og dokumentér, at hver ændring bevarer opgavekvaliteten.
Avanceret
10 min læsningEvalueringer for ikke-ingeniører: Se, om jeres AI-arbejdsgang bliver bedre eller dårligere
Evalueringer — systematisk måling af kvaliteten i AI-output — behandles normalt som et teknisk anliggende. Men alle teams med AI-arbejdsgange har brug for dem, og grundprincipperne kræver ingen kode. Sådan gør I.
Let øvet
12 min læsningDesign MCP-værktøjer, som LLM'er faktisk bruger korrekt
De fleste MCP-værktøjer, vi ser, er teknisk korrekte, men praktisk talt ubrugelige. LLM'er ignorerer dem, bruger dem forkert eller foretager unødvendige kald. Her er principperne for at designe værktøjer, som LLM'er tager naturligt i brug, med eksempler på almindelige fejl og løsninger.
Avanceret
12 min læsningObserverbarhed i LLM-applikationer: sporing, omkostninger, svartid og kvalitetsændringer
Udvid almindelig observerbarhed med flertrinsspor, henførbare omkostninger, prompt- og modelversioner, evaluerede kvalitetssignaler, databeskyttelseskontroller og advarsler baseret på arbejdsbelastningen.
Avanceret
12 min læsningVælg mellem prompting, RAG og finjustering (og hvornår de skal kombineres)
Prompting, RAG og finjustering er de tre store greb til at tilpasse LLM'er til dit problem. De passer hver især til nogle problemer og ikke til andre. Her er en ramme for valget, de realistiske omkostninger og de produktionsmønstre, hvor kombinationen virker bedst.
Avanceret
19 minutterEr det slutningen på RAG? Anthropics NYE prompt-caching
Prompt Engineering. Gennemgår Anthropics promptcaching op mod Geminis context caching med konkrete latenstid- og omkostningsreduktioner pr. use case (long-document chat, few-shot, multi-turn). Nedbrydningen af cache-write-tillæg kontra cache-read-rabat er præcis det, artiklen antager, når den taler om, hvornår caching betaler sig.
Avanceret
56 minutterBuild Hour: prompt-caching
OpenAI. OpenAIs egen Build Hour om promptcaching — 1024-token-tærsklen, kravet om prefix-stabilitet, stejle audio-caching-rabatter for realtime (tjek den aktuelle prisside for den præcise sats), time-to-first-token-effekter ved lange inputs. Nyttig, når du dimensionerer engineering-indsatsen for faktisk at ramme cachen pålideligt på dine produktionsprompts.
Avanceret
107 minutterHow to evaluate AI products | Hamel Husain & Shreya Shankar (Lenny's Podcast)
Lenny's Podcast. Samtalen med Husain og Shankar supplerer artiklens krav om en ansvarlig for kontrollen og en frekvens tilpasset ændringer, hændelser og observerede fejl. Vurdér tidsbehovet for din egen arbejdsgang.
Let øvet
3 minutterEvaluér prompts i Anthropic Console
Anthropic. En tre minutters Anthropic-gennemgang af at køre en rigtig eval inde i Workbench — auto-generering af realistiske testcases, bedømmelse af outputs, justering af prompten og genkørsel af samme suite side om side. Visningstallet ligger under den sædvanlige grænse, men til "hvordan gør jeg faktisk dette uden at skrive kode" er dette den klareste officielle demo og slotter pænt ind under den mere strategiske Husain/Shankar-samtale.
Let øvet
19 minutterBygning af mere effektive AI-agenter
Anthropic. Anthropic-ingeniører gennemgår, hvad de faktisk ændrede, da deres multi-agent-systemer misbrugte værktøjer — sammenlægning af endpoints, returnering af navne i stedet for IDs, leaning på MCP'er og Agent Skills i stedet for at proppe flere værktøjer ind i systemprompten. Mapper punkt-for-punkt til artiklens tjekliste for værktøjsbeskrivelser og return-shape-design.
Avanceret
29 minutterPrompting til agenter | Code med Claude
Anthropic. Hannah Moran og Jeremy Hadfield fra Applied AI gennemgår, hvordan man formulerer tool calls og agentprompts på en rigtig Pokemon-spillende agent — hvornår man skal skubbe adfærd ind i systemprompten kontra værktøjsbeskrivelsen, hvad modellen behøver at vide om hvert værktøjs forudsætninger. Nyttig umiddelbart efter, at du har skrevet din første MCP-server og opdager, at Claude kalder den på uventede måder.
Avanceret
9 minutterLangSmith på 10 minutter
LangChain. En guidet tour af en LLM-trace, project og dataset af LangChains medstifter — token-omkostning, latenstid, fejlrate, feedback-aggregering, drill-down i et enkelt retrieval-step-span. Det er den nærmeste visuelle analog til det, artiklen beskriver, når den taler om "hvert kald er et span", og hvorfor strukturerede traces slår print-logging.
Avanceret
154 minutterInstrumentering og evaluering af LLM'er
Hamel Husain. Hamel Husain, Eugene Yan, Brian Bischof, Harrison Chase og Shreya Shankar arbejder sig igennem tracing, loganalyse, LLM-as-judge og arbejdsgangen omkring at se på rigtige produktionsdata. Sid med den på samme måde, som du ville med en lang podcast — det er den bedste dybe behandling af artiklens tese "se på dine traces" på YouTube.
Avanceret
9 minutterRAG vs. fine-tuning
IBM Technology. Strammere fokus på de to teknikker, teams oftest forveksler. Går dybere ind i datafreshness, kildeattribution og inference-time-hastighedsargumentet for finjustering. Værd at se, hvis du specifikt forsøger at argumentere imod et unødvendigt fine-tune-projekt.
Avanceret
13 minutterRAG vs Fine-Tuning vs Prompt Engineering: Optimering af AI-modeller
IBM Technology. En klar whiteboard-gennemgang af alle tre teknikker med deres respektive omkostninger — retrieval-latenstid, træningscompute og catastrophic forgetting, grænserne for prompt-only-løsninger — og de kombinationer, der faktisk giver mening i produktion. Det afsluttende eksempel på et juridisk AI-system, der bruger alle tre, er næsten præcis artiklens "hvornår skal de kombineres"-argument.
Avanceret
8 minutterWharton-professor: 4 scenarier for AI's fremtid | Ethan Mollick for Big Think+
Big Think. Videoen giver på 8 minutter en kort version af Mollicks model med fire scenarier: statisk udvikling, lineær udvikling, eksponentiel udvikling og AGI. Den forklarer også hans begrundelse for at planlægge efter scenarie to eller tre frem for at satse alt på et yderpunkt. Modellen kan bruges til at tydeliggøre ledelsens antagelser, før teamets plan udformes.
Let øvet
60 minutterAlle ledere har brug for denne AI-strategi | Ethan Mollick forklarer
Sana. Mollick diskuterer i en time, hvordan AI kan ændre arbejdet i organisationer. Han udfordrer en tilgang, der kun handler om omkostningsbesparelser, og beskriver ændringer i organisationsformer og såkaldte "AI-native" teams. Videoen ligger under den sædvanlige grænse på 100k visninger, men der er næsten et 1:1-forhold mellem dens emner og artiklens fokus på arbejdsgange, kompetencer og organisatorisk risiko.
Let øvet