AI håller på att förändra världen snabbare än någon tidigare teknik, och för många organisationer har det blivit avgörande att förstå vad denna förändring innebär – inte bara tekniskt, utan strategiskt, operativt, juridiskt och kulturellt. Många företag och offentliga verksamheter befinner sig i ett läge där de vill ta nästa steg, men hindras av osäkerhet: vad är AI egentligen, hur fungerar modellerna på djupet, vilka möjligheter skapar de, vilka risker måste vi hantera och hur bygger man upp en strukturerad, ansvarstagande och hållbar AI-förmåga?
Denna kurs är skapad för att ge tydliga, praktiska och lättförståeliga svar på just dessa frågor – och för att ge deltagarna den trygghet och kompetens som krävs för att fatta kloka beslut i en tid av snabb teknologisk utveckling.
Under kursen bygger vi en solid grund i modern AI så att du verkligen förstår tekniken bakom, hur modeller tränas, varför de beter sig som de gör, när de fungerar utmärkt och när de fallerar. Istället för förenklade metaforer får du en djup men begriplig bild av språkmodeller, maskininlärning, resonemang, hallucinationer, kontextfönster, tokens och hela det ekosystem som formar dagens AI-landskap.
Detta är avgörande för alla som behöver bedöma affärsnytta, risk, kvalitet, kostnader och realismen i olika AI-initiativ. Kursen ger dig även den kunskap du behöver för att förstå hur AI kopplas till data, system, interna processer och automatisering. Du kommer att kunna föra kvalificerade samtal med både leverantörer och tekniska team – och fatta bättre beslut snabbare.
Samtidigt är AI inte bara en teknikfråga. Det är en ledningsfråga. En verksamhetsfråga. En fråga om risk, ansvar och styrning. Därför tar kursen dig också igenom det snabbt växande området AI-governance, där ramverk som NIST AI RMF och ISO/IEC 42001 börjar spela en central roll globalt. Du får förståelse för hur organisationer skapar ordning, transparens och ansvarstagande kring AI-initiativ, hur man arbetar systematiskt med risker, hur man bygger upp governance-strukturer och hur man ser till att AI-system är säkra, förklaringsbara, rättvisa och kontrollerbara.
Istället för att drunkna i abstrakta regelverk får du en konkret bild av hur modern AI-styrning ser ut i praktiken – och varför det är helt nödvändigt för att kunna skala AI från pilotprojekt till verkligt värde.
Allt detta knyts sedan ihop med hur AI faktiskt skapar nytta i verksamheter. Du lär dig hur man identifierar rätt användningsfall, undviker felinvesteringar, bedömer värde kontra insats, skapar mätbara mål, följer upp ROI och bygger en strategisk AI-roadmap som organisationen faktiskt kan genomföra. Många organisationer misslyckas inte på grund av tekniken – utan för att de saknar metodik och riktning.
Den här kursen ger dig bådadera. Du får en tydlig förståelse för hur organisationer går från experiment och hypade försök till hållbara, verkliga effekter som förbättrar arbetssätt, kvalitet, service och produktivitet.
Kursen är skapad för ledare, chefer, strateger, verksamhetsutvecklare, digitaliseringsansvariga, jurister, tekniska specialister och alla andra som behöver förstå AI tillräckligt bra för att kunna driva utvecklingen framåt. Inga tekniska förkunskaper behövs. Allt förklaras pedagogiskt, tydligt och med verkliga exempel. Målet är att du ska lämna kursen med en både bred och djup förståelse, förankrad i praktiska insikter som du kan omsätta direkt i din egen verksamhet.
Resultatet är en kurs som inte bara lär dig vad AI är – utan som ger dig förmågan att arbeta strategiskt och ansvarsfullt, navigera komplexiteten och stå stadigt i en tid där organisationer som saknar kompetens riskerar att hamna på efterkälken.
När kursen är avslutad har du en kunskap som gör att du tryggt kan leda, fatta beslut och bygga AI-förmåga på riktigt. Du kommer ha en gemensam vokabulär för att kommunicera internt och med leverantörer, en tydlig förståelse för risker och möjligheter, ett grepp om styrning och compliance, och en konkret känsla för vad som krävs för att skapa värde – inte bara experiment.
Det här är kursen för dig som vill förstå AI på riktigt. För dig som vill göra AI till en strategisk tillgång. Och för dig som vill ta din organisation in i framtiden med trygghet, professionalism och en klar riktning. När du investerar i den här utbildningen investerar du inte bara i kunskap – du investerar i förmågan att leda i en av de största teknologiska omställningarna någonsin.
Vem är kursen för?
Den här kursen är för dig som vill förstå och använda AI på ett smart och strategiskt sätt i din organisation. Den passar ledare, chefer, digitaliseringsansvariga, verksamhetsutvecklare, produktägare, affärsutvecklare, analytiker, jurister, IT-specialister och alla som behöver fatta beslut om AI – oavsett teknisk nivå. Du behöver inga förkunskaper; kursen ger både en solid grund och praktiska insikter så att du kan prata, planera och arbeta med AI på ett tryggt, professionellt och värdeskapande sätt.
Det här får du som deltagare:
- En klar och modern förståelse för hur dagens AI och språkmodeller fungerar.
- En överblick över vad AI kan användas till i praktiken och var tekniken har sina begränsningar.
- Kunskap om centrala begrepp som RAG, finjustering och function calling
- Insikt i hur AI kan integreras i processer, tjänster och system för att skapa verklig verksamhetsnytta.
- Förståelse för vanliga risker: juridiska, etiska, säkerhetsmässiga och affärsmässiga.
- Introduktion till ramverk som NIST AI RMF och ISO 42001 för trygg och ansvarstagande AI-användning.
- Stöd i hur du utvärderar kvalitet och pålitlighet i AI-lösningar och modeller.
- Metoder för att identifiera och prioritera rätt användningsfall i din verksamhet.
- Perspektiv på ROI och hur du skapar långsiktigt värde med AI, inte bara snabba vinster.
- Verktyg för att bygga en realistisk och genomförbar AI-roadmap som teamet kan samlas kring.
Kursprogrammet är beskrivet i detalj här nedan.
Kursprogram Dag 1
- Välkommen
- Kursmål och förväntningar
- Introduktion till AI
- AI:s historik, utveckling och trender
- Skillnaden mellan traditionell IT och AI
- Begreppen ANI, AGI, ASI och singularitet
- Intelligensexplosionen – hype eller verklig möjlighet
- AI, maskininlärning och djupinlärning
- Att bygga autonoma system ovanpå AI-modeller
- Vanliga användningsfall
- Parameterutläsning
- Från mänsklig text till strukturerad data
- Från strukturerad data till mänsklig text
- Summering
- Klassificering, textanalys och textgenerering
- Översättning
- Fråge- och svarslösningar (FAQ och kunskapsbotar)
- AI modelllandskap
- Vad är en grundmodell (foundation model)
- Olika typer av språkmodeller
- Bortom språkmodeller
- Traditionella maskininlärningsmodeller
- Multimodala modeller (text, bild, ljud, video)
- Världsmodeller
- Aktionsmodeller (fysisk AI, robotik)
- Färdiga lösningar byggda ovanpå AI modeller
- Hur tränas språkmodeller?
- Skillnaden mellan otränade och tränade modeller
- Träningsalgoritmer, modellparametrar och vikter
- Indata och utdata i språkmodeller
- Träningsdata, syntetisk data och modelldestillering
- Förträning, efterträning och finjustering
- Förstärkningsinlärning och resonerande modeller
- Systemprompter, modellstorlek, kostnader och kapabilitet
- Hur fungerar språkmodeller?
- Ord, tokens och vokabulär
- Innehållsfönstret – modellens minne
- Textgenerering med autoregressiva modeller
- Hallucinationer – varför AI ibland hittar på saker
- Parametrar som styr textgenerering: Temperatur, Top-K, Top-P
- Självsäkra eller osäkra modellprediktioner
- Promptning och kontext: Att styra AI
- Olika typer av prompter: användar-, utvecklar- och assistentprompt
- Exempelbaserad promptning: zero-shot, one-shot och few-shot
- Promptkedjor och resonemangssteg
- Minne i konversationer – buffert vs. summering
- Skillnaden mellan prompt och kontext
- Kontextoptimering för bättre resultat
Lunch
- Retrieval Augmented Generation (RAG)
- Problem som RAG löser för språkmodeller
- Användningsområden: chatbots, programutveckling, analys, utbildning m.m.
- När ska man använda RAG eller finjusterad modell?
- RAG-arkitektur i praktiken
- Informationssökning och hybridsök
- Nyckelordssökning, semantisk sökning och metadatafiltrering
- Embeddings och vektordatabaser
- Omrankning av sökresultat i stora dokumentmängder
- Chunking och olika chunkingstrategier:
- Fast storlek
- Överlappning
- Rekursiv delning
- AI-baserad chunking
- Kontextuell chunking
- Metadata och chunking
- Kunskapsgrafer och GraphRAG
- Verktyg, API-anrop och MCP
- Funktionsanrop och kodexekvering med AI
- AI som granskare och domare (AI-as-a-judge)
- MCP (Model Context Protocol) – standard för verktygsintegration
- Hur AI kopplas till företagsdata och interna system
- Strukturerad output
- Från mänsklig text till maskinläsbar data
- Hur AI kan generera data som programvara förstår
- Att bygga broar mellan mänsklig kommunikation och traditionella IT-system
- Autonoma AI-flöden automatiserar affärsprocesser
- Vad är AI-flöden, AI-agenter och multiagentlösningar
- Att bryta ner affärsprocesser i uppgifter
- Automatiserad reflektion och självgranskning
- Driftskostnader och effektivitet i autonoma system
- Att bygga automatiserade processer och system ovanpå språkmodeller
- Avslutning
- Sammanfattning av dagens viktigaste lärdomar
- Frågor, diskussion och nästa steg
Kursprogram Dag 2 (tillval)
- Välkommen
- Kursmål och förväntningar
- Risker
- Olika riskdimensioner
- Juridiska risker
- Dataskyddsrisker
- Etiska och varumärkesrisker
- Tekniska och säkerhetsrisker
- Affärsrisker
- Risknivåer och risktolernas
- Det strategiska värdet av riskhantering
- Ramverk för riskhantering
- NIST AI Risk Management Framework
- ISO/IEC 42001
- Olika riskdimensioner
- Affärsbehov och systemkrav
- Kravmognad
- Mätbara mål
- AI-uppgifter
- Systemkrav
- Modellval
- Utvärdering av system och modeller
- Uvärderingsstegen
- Kvantitativ funktionell utvärdering - precision, recall, F1
- Kvalitativ funktionell utvärdering
- Red Teaming: Hitta svagheter och säkerhetsrisker
- Driftövervakning
- Benchmarks och Leaderboards
- AI-transformation
- AI som förbättrare eller möjliggörare
- Från pilot till skala
- Värde, inte bara ROI
- Bygg eller köp?
- AI för att automatisera eller som beslutsstöd?
Lunch
- ROI visavi AI-mognad
- De tre ROI-komponenterna
- Vanliga ROI KPI'er för generativ AI
- Kontinuerlig ROI övervakning
- De 4 faserna för att nå bra ROI
- Från pilot till skala: ROI kurvan
- Balansera kortsiktigt värde med att bygga AI mognad
- Hur uppnår man uthållig AI-adaption?
- De 2 AI-transformationerna
- Bygg din strategiska roadmap
- Affärsvärde som bas i roadmappen
- Organisationens mognad och kapabilitet
- Prioriteringsmatrisen: Värde kontra ansträngning
- Objektiv utvärdering och jämförelse av idéer
- Bedöm varje idé med ett scorecard
- Skapa en portfölj med användningsfall
- Bygg en tidssekvenserad roadmap
- AI Canvas
- Att välja pilotprojekt
- Vilka pilotprojekt är redo att skala upp?
- Etik
- Etisk AI
- Ansvarsfull AI
- Transparent AI
- Övervakad AI
- Förklaringsbar AI
- Juridik
- AI-Act
- GDPR
- Avslutning
- Sammanfattning av dagens viktigaste lärdomar
- Frågor och diskussion
Var och hur hålls kursen?
Jag erbjuder kursen till grupper om max 25 deltagare per kurstillfälle. Kursen körs antingen online, vid mitt kontor på Science Park i Jönköping, eller i era lokaler.
Kursen körs även på andra orter (bl a i Stockholm) i regi av välrenommerade kursarrangörer. På dessa utbildningar kan enskilda medarbetare gå kursen tillsammans med andra deltagare från andra organisationer.



UTBILDNINGAR I DINA LOKALER
Vi kan arrangera kurser på plats i ditt företags lokaler, eller offentliga arrangemang av oberoende organisationer, t ex marknadsförings- eller näringslivsorganisationer, Handelskammaren, akademiska lärosäten, osv. Kontakta oss för mer information.
Nyckeln till Framgång med Marketing Automation
Ladda ner vår guide ”The secret formula to marketing automation success” och lär dig hur du får en konstant ström av varma leads och nya kunder från din webbplats. Integritetspolicy

Magnus Unemyr
Kursledare
Magnus är författare, föredragshållare och kursledare inom automatiserad marknadsföring, med speciellt fokus på artificiell intelligens.
Han har arbetat över 20 år i den globala programvaruindustrin, var medgrundare till ett internationellt programvaruföretag, och byggde upp ett återförsäljarnätverk som täckte över 50 länder.
Magnus har publicerat många populära böcker om internetmarknadsföring, marketing automation, artificiell intelligence och entreprenörsskap – inklusive Data-Driven Marketing with Artificial Intelligence och Mastering Online Marketing.