
Varför arbetsflödesdesign är viktigare än teknik vid införandet av AI

Domenico Gagliardi
Grundare av Kortix AI
Domenico Gagliardi är grundare av Kortix.ai, en plattform som samordnar AI-agenter och vänder upp och ner på den traditionella ledarskapsmodellen.
Domenico Gagliardi
Grundare av Kortix AI
Key Takeaways
AI-först-ledarskap handlar om att utforma system, inte fatta beslut: Domenico Gagliardi menar att moderna ledare måste gå från att vara beslutsfattare till att bli systemdesigners. I stället för att delegera uppgifter till människor utformar ledare arbetsflöden där AI-agenter hanterar cirka 80 % av genomförandet, medan människor fokuserar på omdöme, kreativitet och vision. Skyddsräcken är viktigare än godkännanden.
Verklig AI-transformation börjar med arbetsflöden, inte verktyg: De flesta organisationer misslyckas med AI eftersom de helt enkelt lägger till AI i föråldrade processer i stället för att tänka om kring hur arbetet utförs. Domenicos ramverk vänder på detta genom att börja med att kartlägga arbetsflöden, tydligt identifiera var mänskligt omdöme verkligen tillför värde, automatisera allt annat och kontinuerligt granska AI-agenter för att säkerställa tillit och begriplighet.
Beständiga, lärande agenter skapar en kumulativ fördel: Agenter som lär sig preferenser, sammanhang och resultat förbättras i varje cykel och överträffar så småningom sina skapare. Detta förflyttar AI från produktivitetsvinster till kumulativ intelligens och tvingar fram förändringar i organisationsdesign, prismodeller och till och med yrkestitlar.
I vår intervju delade Domenico med sig av ett ramverk för att se över alla arbetsflöden, samt varför införandet av AI och AI-kompetensen släpar efter i de flesta organisationer.
AI-fokuserat ledarskap
Jag är grundare av Kortix.ai. Jag har ägnat över 10 år åt att skala upp ingenjörsteam på AI/ML-startupföretag i och efter serie B och fortsatte att se samma problem: Företagen hade tekniken men använde fortfarande ledarskapsmodeller från tiden före AI.
Jag byggde Kortix för att bevisa ett annat arbetssätt – organisationer som samordnar AI-agenter i stället för att bara leda människor. Vi driver hela företaget på vår egen plattform, vilket innebär att jag testar AI-fokuserat ledarskap i produktion varje dag.

Domenicos tips
Jag var tvungen att släppa antagandet att fler människor = större kapacitet. Så är det inte. Inte längre. Vi arbetar med 70 % färre personer än jämförbara startupföretag eftersom vi bygger bättre agentarbetsflöden.
More Articles
Hur ledare går från beslutsfattare till systemdesigners
Som ledare har min roll förändrats från beslutsfattare till systemdesigner.
Jag delegerar inte längre uppgifter till människor. Jag utformar arbetsflöden där agenter hanterar 80 % av genomförandet och människor fokuserar på omdöme.
Det krävde att jag släppte antagandet att fler människor = större kapacitet. Så är det inte. Inte längre. Vi arbetar med 70 % färre personer än jämförbara startupföretag eftersom vi bygger bättre agentarbetsflöden.
Det krävde också att jag blev bekväm med att inte vara involverad i allt. Våra agenter fattar hundratals beslut varje dag utan mitt godkännande. Mitt jobb är att sätta ramar, inte att godkänna åtgärder.
Hur AI kan förstärka strategiskt tänkande för dagens ledare
AI på arbetsplatsen automatiserar inte bara rutinuppgifter, utan förstärker också det strategiska tänkandet.

Tidigare kunde jag ägna timmar åt att samla in data och komma fram till beslut mentalt utmattad. Nu hanterar AI de första 90 % (efterforskning, sammanställning och scenariomodellering) och tar mig fram till beslutspunkten med en känsla av att vara utvilad, efter att dessutom ha utforskat 10 gånger fler scenarier än tidigare.
Det mentala utrymme som AI skapar har frigjort en kreativitet som jag inte visste att jag hade. Jag brukade mäta mitt värde utifrån hur mycket jag kunde göra. Nu mäter jag det utifrån hur väl jag tänker.
Med andra ord har AI gjort mig mer mänsklig; den har inte gjort mig överflödig.

Domenicos tips
AI automatiserar inte bara rutinuppgifter – den förstärker det strategiska tänkandet.
Varför det förändrar allt att se AI som en medarbetare i stället för ett verktyg
Just nu finns det en stor skillnad i hur organisationer använder AI. De ser AI som ett verktyg i stället för som en medarbetare.
Därför kopplar de flesta företag ChatGPT till befintliga arbetsflöden och kallar det transformation, men människor utför fortfarande 90 % av arbetet.
Det verkliga löftet med AI är självständighet: agenter som genomför arbetsflöden från början till slut utan mänsklig inblandning. Därför använder vi följande ramverk:
- Kartlägg arbetsflödena först.
- Fråga var mänskligt omdöme tillför ett unikt värde.
- Automatisera allt annat.
- Se till att varje AI-beslut loggas och kan förklaras.
- Genomför agentgranskningar varje vecka för att bygga förtroende.
De företag som lyckas i framtiden kommer inte att ha de bästa verktygen – de kommer att ha de bästa agenterna.
Hur AI-agenter kan se över centrala arbetsflöden i verksamheten
Här är några exempel på arbetsflöden som vi framgångsrikt har sett över med AI i affärsstrategin:
- Rekrytering: Agenten granskar CV:n, poängsätter kandidater, utformar e-postmeddelanden och bokar intervjuer.
- Resultat: 3 timmar/roll → 15 minuter.
- Strategi: Jag formulerar en fråga. Agenten samlar in data, genererar 3–5 alternativ med för- och nackdelar och modellerar scenarier.
- Resultat: Jag fattar beslut med 10 gånger mer kontext på en tiondel av tiden.
- Organisationsdesign: Vi kartlägger arbetsflöden först och utformar sedan roller utifrån det som människor tillför på ett unikt sätt.
- Kundbearbetning: Agenten söker dagligen på LinkedIn efter målprofiler, kompletterar med företagsdata, poängsätter leads från 0 till 10 och utformar personliga meddelanden.
- Resultat: 2–3 timmar/dag → 20 minuter. Svarsfrekvensen ökade 4 gånger.
- Innehåll: Agenten övervakar trender, utformar innehåll i min stil, skapar plattformsspecifika variationer och schemalägger publiceringen.
- Resultat: publicering 2 gånger/vecka → 5 gånger/vecka, engagemanget ökade 3 gånger.
Varför beständigt minne är avgörande och problematiskt
Jag är särskilt entusiastisk över att bygga agentbaserade arbetsflöden med beständigt minne.
Reddit-agenten som jag byggde körs till exempel varje dag klockan 06.00. Den söker igenom fler än 15 subredditar efter nyckelord (AI-agenter, automatiseringsbehov, omnämnanden av konkurrenter), poängsätter inlägg från 0 till 10 utifrån relevans och avsikt, utformar autentiska svar och skickar mig en sammanfattning. Jag väljer vilka inlägg jag vill interagera med, och den minns vilka jag väljer. Den lär sig också mina tonpreferenser och följer vilka svar som fick engagemang.
Den första månaden redigerade jag 80 % av svaren. Men nu, efter sex månader, redigerar jag bara 5 %, och då främst av strategiska skäl. Täckningen ökade från 20–30 inlägg/dag till fler än 200. Svarens engagemang ökade 3 gånger.
Agenten skriver nu bättre än jag eftersom den har analyserat tusentals interaktioner. Det här är inte automatisering, utan intelligens som byggs på över tid. Varje uppgift gör den bättre på nästa. När man väl har upplevt AI som lär sig kan man inte gå tillbaka till AI som glömmer.
Trots den här specifika framgången är beständigt minne fortfarande under utveckling. Minnen och förståelse av kontext är viktiga utmaningar för AI inom lärande och utveckling i dag.
Här är det största misstaget som ledare gör när det gäller att införa AI: De behandlar det som ett teknikproblem i stället för ett ledarskapsproblem. Att införa AI handlar inte om verktyg. Det handlar om att tänka om kring hur arbetet utförs.

Misstaget som de flesta ledare gör när de inför AI
Här är det största misstaget som ledare gör när det gäller att införa AI: De behandlar det som ett teknikproblem i stället för ett ledarskapsproblem.
De köper ChatGPT-licenser, håller utbildningsworkshoppar, lägger till AI-funktioner och mäter användningsgrad – och undrar sedan varför ingenting förändras.
Att införa AI handlar inte om verktyg. Det handlar om att tänka om kring hur arbetet utförs. De verkliga frågorna är:
- Vilket arbete bör människor utföra jämfört med agenter?
- Hur utformar vi om arbetsflöden från grunden?
- Hur ser vår organisation ut när agenter hanterar 80 % av genomförandet?
Börja med arbetsflöden, inte verktyg. Utforma om i stället för att optimera. Och led genom att föregå med gott exempel. AI-transformation är en förändring av ledarskapet, inte ett teknikprojekt.
Börja med arbetsflöden, inte verktyg. Utforma om i stället för att optimera. Och led genom att föregå med gott exempel. AI-transformation är en förändring av ledarskapet, inte ett teknikprojekt.
Så bygger du verklig AI-kompetens: lär ut orkestrering, inte verktyg
Vi lär medarbetarna att orkestrera AI-system, inte bara använda verktyg.
Under den första veckan kartlägger alla sitt arbete som arbetsflöden (indata, beslutspunkter, utdata) och bygger sin första agent. Därefter genomför vi veckovisa agentgranskningar: Vad fungerade, vad misslyckades och hur kan det förbättras?
Vi utbildar människor i att identifiera var mänskligt omdöme är oersättligt. Sedan automatiseras allt annat. Och teamen delar sina agenter mellan olika funktioner.
De tre problemen som bromsar AI-användningen i de flesta organisationer
Trots allt detta ser jag tre vanliga problem med AI-användning:
- Tidig rädsla för att ”AI kommer att ersätta mig”. Detta löses genom att visa att de medarbetare som bygger de bästa agenterna blir befordrade.
- Överdrivet beroende av AI utan granskning. Detta löses med obligatoriska granskningar.
- Blindhet för arbetsflöden: Detta löses genom att coacha medarbetare kring varför de måste delta vid vissa punkter i arbetsflödet och hur de ska göra det.
AI-redo innebär att tänka i system, lita på men verifiera, och veta när man behöver ingripa.
Så går du från att köpa verktyg till att utforma AI-först-arbetsflöden
Här är vår centrala teknikstack:
- Kortix: Vår plattform kör alla arbetsflöden
- Claude/GPT-4: Vi dirigerar utifrån uppgiftens komplexitet
- Linear: Projektledning, integrerad med agenter som automatiskt prioriterar buggar
- Slack: Samarbetsnav för människor och AI
- Cursor: Utveckling — du kan tagga Cursor i Slack och göra ändringar i ditt kodförråd utan att röra tangentbordet
- GitHub: Standardarbetsflöde för utveckling
- Supabase: Serverdel
- Vercel: Driftsättning
- Resend: E-post
- PostHog: Analys med insikter som lyfts fram av agenter
Detta har förenklats kraftigt jämfört med där vi började. Vi tog bort Zapier, Make, Hubspot och Calendly och ersatte dem med egenutvecklade agenter.
Det är ett skifte i filosofi: Vi gick från ”köp verktyg” till ”bygg arbetsflöden”. Om det inte integreras med vårt agentekosystem ersätter vi det.
Så tvingar agentbaserade arbetsflöden fram strategiska kursändringar
I takt med att agentbaserade arbetsflöden ökar går vi från programvara som tjänst till agenter som tjänst. Ur ett praktiskt perspektiv innebär det att vår affärsmodell går från prissättning per användarplats till resultatbaserad prissättning, där du betalar per automatiserad uppgift i stället för per användare.

Vår strategi för marknadsintroduktion har förändrats från att sälja till chefer på mellannivå till att sälja till vd:ar och finansdirektörer. Eftersom vi konkurrerar med anställningar, inte med andra verktyg.
Vår produktstrategi har också förändrats, från att bygga funktioner till att bygga förkonfigurerade agenter för vanliga arbetsflöden.
Och när det gäller vårt värdeerbjudande har det förändrats från ”spara tid” till ”skala utan att anställa”. Vi säljer AI-infödd infrastruktur, inte AI som lagts ovanpå gammal programvara.
Så kommer AI att förändra traditionella roller fram till 2030
Den traditionella grundarrollen kommer att försvinna under de närmaste åren.
År 2030 kommer ”grundare som orkestrerar” att utforma flottor av AI-agenter i stället för att göra allt själva. En ensam grundare med över 100 agenter kommer att nå över 100 miljoner dollar i ARR.
Vi kommer att sluta anställa för genomförande — jobbtitlarna kommer att vara ”agentorkestrerare” och ”arbetsflödesarkitekt”. Agenter kommer i praktiken att vara medgrundare med specialiserad expertis som kan resonera, lära sig och förbättras.
Traditionell SaaS kommer att kollapsa. Företag kommer att sälja autonoma agenter, inte verktyg.
Organisationsscheman kommer att visa överlämningar i arbetsflöden mellan agenter och människor, inte rapporteringslinjer.
Ekonomin är oundviklig: Att anställa en medarbetare kostar över 100 000 dollar per år, medan det kostar 1 000–10 000 dollar per år att driftsätta en agent.
Företag som inte anpassar sig kommer att vara som Blockbuster år 2010.

Domenicos tips
Anställ personer utifrån omdöme och systemtänkande, inte genomförandeförmåga.
Vad ledare bör göra nu för att utforma AI-först-organisationer
Här är mina råd:
- Sluta optimera gamla arbetsflöden — utforma dem från grunden med ett AI-först-tänkande.
- Lita på systemet du har utformat, inte på enskilda AI-uppgifter.
- Anställ personer med gott omdöme och systemtänkande, inte bara förmåga att utföra uppgifter.
- Använd dina egna lösningar innan du rullar ut dem till teamen.
- Mät hävstångseffekt (resultat per system), inte produktivitet (resultat per person).
- Acceptera obehaget i att inte ”göra tillräckligt” — ditt värde ligger nu i omdöme, kreativitet och vision.
- Agera snabbt, men bygg förtroende genom transparens och iteration.
- Tänk i decennier, agera i dagar.
- Och vänta inte på tillstånd — börja med dina egna arbetsflöden, bevisa värdet och skala sedan upp.
Och jag vill säga följande: AI ersätter inte ledarskap — det förstärker det.
Följ med
Du kan följa Domenico Gagliardi på LinkedIn och X medan han fortsätter att förändra ledarskapets spelregler. Och ta en titt på Kortix.ai.
Fler expertintervjuer kommer på People Managing People!
Redo att tänka om kring AI-eran?
Gå med i People Managing People-communityn. Med kostnadsfria konton får du veckovisa insikter, praktiska ramverk och strategier från andra yrkesverksamma som hjälper dig att leda smartare, inte hårdare.



