Kalkylblad och dataarbete

AI för kalkylblad: rensa, analysera och visualisera data

En praktisk guide till att använda AI med kalkylblad: skriva utkast till formler, granska stökiga data, skapa sammanfattningar och diagram samt verifiera varje resultat.

10 min läsning

Utvärderingar för icke-utvecklare: ta reda på om ditt AI-arbetsflöde blir bättre eller sämre

En praktisk introduktion till att utvärdera ett AI-arbetsflöde med representativa exempel, uttryckliga bedömningskriterier, kvalificerade etiketter, lanseringsregler och ett kalkylblad när det räcker.

Mellannivå

Mer i detta ämne

7 min läsning

Hushållsbudget i olika scenarier: räkna på vad som händer utan finansiell rådgivning

Bygg transparenta scenarier utifrån dina egna verifierade hushållssiffror — om du förlorar jobbet, hyran höjs eller familjen får barn — och se uträkningen tydligt. Inga investeringstips, ingen skuldstrategi, inga siffror som inte kommer från dina egna dokument.

6 min läsning

Hitta abonnemang som rullar vidare utan att exponera din bankhistorik

Granska en transaktionsexport som du har rensat lokalt efter återkommande debiteringar, utan att någonsin koppla ett AI-verktyg till bankkontot. Resultatet blir en lista över betalningsmottagare med tydligt angiven säkerhet och en uppsägningschecklista som du själv genomför.

56 minuter

AI-agenter inom ekonomi med HPE:s ekonomichef (CFO)

CXOTalk. HPE:s ekonomichef Marie Myers beskriver införandet av agentbaserad AI (företagets plattform ”Alfred”) i en ekonomiavdelning med 3 600 medarbetare och den disciplin som artikeln förespråkar: en modell för direkt kontra indirekt avkastning, beslutspunkter som avgör om varje användningsfall fortsätter eller stoppas, obligatoriska kvalitetskontroller med människan i processen och mått på arbetsflödesnivå, till exempel en veckovis granskningsprocess där det manuella arbetet minskade med omkring 90 %. Införandet mäts som förändrat arbete, inte som inloggningar i verktyget.

9 min läsning

AI-avkastning och mognad: så mäter du ett införande som faktiskt fungerar

AI-införande bör inte mätas efter hur många som har provat ChatGPT. Ett praktiskt ramverk för att mäta arbetsflödets avkastning, kvalitet, risk, mognad och beredskap för skalning.

13 min läsning

Strukturerade utdata och funktionsanrop: produktionsmönstren

Strukturerade utdata och funktionsanrop är bron från ”en LLM som genererar text” till ”ett system som utför arbete”. I produktion handlar de viktiga mönstren om scheman, felhantering, idempotens och kontrollerad degradering – inte bara JSON-läge.

18 minuter

Så förbättrar du dina Excel-kunskaper med ChatGPT

Leila Gharani. Videon är äldre, från början av 2023, men är fortfarande det tydligaste praktiska exemplet på hur man klistrar in en verklig Excel-fråga i ChatGPT, får tillbaka ett svar med SUMPRODUCT eller villkorsstyrd formatering och sedan fortsätter att arbeta med modellen när den första formeln inte riktigt passar. Modellen har blivit mycket bättre, men arbetsflödet för promptning som hon visar är detsamma som du använder i dag.

12 minuter

Excels nya AI-funktion är helt otrolig (Copilot-funktionen)

Leila Gharani. En livedemonstration av den nya funktionen `=COPILOT()` med samma slags ostrukturerade verkliga data som artikeln beskriver – anteckningar från skiftöverlämningar omvandlas till en strukturerad åtgärdstabell, fritextrecensioner märks efter sentiment och inkonsekventa jobbtitlar normaliseras mot en huvudlista. Hon är också tydlig med begränsningarna: använd inte funktionen till något som måste vara exakt, och lås resultaten som värden när du är klar.

107 minuter

Därför är AI-utvärderingar den hetaste nya färdigheten för produktutvecklare | Hamel Husain och Shreya Shankar

Lenny's Podcast. Hamel Husain och Shreya Shankar går igenom hela arbetsflödet för utvärderingar med en verklig AI-assistent för fastighetsförvaltning – granskar spårningar, kodar fel öppet och axialt, avgör när de ska sluta, bygger en LLM som bedömare och validerar den mot mänsklig bedömning. Det här är ett av få längre samtal som verkligen riktar sig till produktchefer och teamledare snarare än ML-utvecklare, och det tar upp samma rytm på ”30 minuter i veckan efter konfigureringen” som artikeln rekommenderar.

Mellannivå

3 minuter

Utvärdera prompter i Anthropic Console

Anthropic. En tre minuter lång genomgång från Anthropic av hur man kör en verklig utvärdering i Workbench – genererar automatiskt realistiska testfall, betygsätter resultat, finjusterar prompten och kör samma testsvit på nytt sida vid sida. Antalet visningar ligger under den vanliga gränsen, men för frågan ”hur gör jag faktiskt det här utan att skriva kod?” är det den tydligaste officiella demonstrationen och passar väl under det mer strategiska samtalet med Husain och Shankar.

Mellannivå

41 minuter

OpenAI DevDay 2024 | Strukturerade utdata för tillförlitliga applikationer

OpenAI. Går igenom `strict: true`, skillnaden mot det gamla JSON-läget, hantering av vägran och hur funktionsanrop kombineras med scheman för svarsformat. Den är användbar just för att den beskriver det avtal som API:et ger dig, vilket är grunden för artikelns produktionsmönster.

18 minuter

Pydantic är allt du behöver: Jason Liu

AI Engineer. Föredraget som utkristalliserade det moderna mönstret ”definiera en Pydantic-modell, ge den till LLM:en och låt valideringen sköta resten”, med konkreta exempel på nästlade objekt, validerare som upptäcker hallucinerade URL:er och Chain-of-Thought som ett typat fält. Se den innan du läser om artikelns avsnitt om validerare, så kommer du att känna igen varifrån reglerna för nya försök och vägran kommer.