Varför avancerade AI-användare kommer att springa ifrån alla andra

David Rice: De flesta anställda använder ungefär 1 % av allt som är möjligt med AI. Det beror inte på att de är lata. Det beror inte på att de saknar tillgång. Det beror på att ingen visar dem vad de skulle kunna göra och att de borde använda AI 5–10 gånger i timmen för att analysera allt de gör, sammanfatta sin dag och hitta brister i all sin logik.

Dagens gäst är Kevin Surace, vd för Appvance.ai, och han talar vid ungefär 40–50 företagsevenemang per år runt om i världen. När han ställer djupgående frågor om hur människor faktiskt använder AI räcker en eller två procent upp handen. Alla andra använder en liten Copilot för att rätta sina meningar och tänker: wow, titta på AI.

Samtidigt finns det en 23-åring på ett startupföretag i Silicon Valley som använder AI som om hen hade en doktorsexamen och 28 andra doktorer sittande bredvid sig för en cent i minuten. Och de där tio personerna motsvarar ungefär hundra av oss andra. Så här är vad Kevin vill att du ska förstå: det här handlar inte om ett kompetensgap. Varje år du inte lär dig den här tekniken börjar du halka lite längre efter, tills du en dag inte längre är relevant.

Det hände med persondatorn på 1980-talet. Det hände med internet. Det hände med Excel. Människor hoppade antingen på tåget eller fasades ut. Den här vågen rör sig mycket snabbare än alla de tidigare. I dag går vi därför igenom varför dina instruktioner till AI bör vara tre stycken och inte fem ord, hur du ska tänka strategiskt kring vad du vill säga i stället för att skriva ord för ord, varför dagens nivå är den sämsta den någonsin kommer att vara när det gäller den här tekniken och vad det innebär för ditt yrke, den identitetsförändring som sker i hela branscher och varför motstånd – för att citera Star Trek – är meningslöst.

Jag heter David Rice. Det här är People Managing People. Om du använde AI en gång förra veckan medan någon bredvid dig använder det tio gånger i timmen kommer det här samtalet att vara din sista varning. Nu kör vi.

Kevin, välkommen. Hur är läget i dag?

Kevin Surace: Jag är superglad över att vara här.

David Rice: Jag vill börja med det här. När vi pratade före sändningen nämnde du gapet som många upplever. De flesta anställda använder kanske 1 % av det som är möjligt med AI. Varför tror du att det är så, och vad kostar det att fortsätta i den takten?

Kevin Surace: Det är ett mycket intressant fenomen. Jag får tala vid stora företags- och branschevenemang 40–50 gånger om året, över hela världen. Det man ser är att väldigt få räcker upp handen när man börjar ställa djupgående frågor om hur de använder generativ AI. Det är kanske en eller två procent som räcker upp handen och säger: ja, jag gör det här.

Jag skriver agenter, jag gör det ena och det andra, men de flesta gör ingenting. De använder lite Copilot. Den hjälper dem att rätta några meningar och de säger: wow, AI. De har ingen aning om att man borde använda AI fem eller tio gånger i timmen för att analysera allt man gör, sammanfatta allt man gör och hitta brister i allt man gör.

Om jag skriver en presentation säger jag: hitta bristerna i det här. Sedan: vilka problem uppstår och hur kan jag göra det bättre? Kan du hjälpa mig att förbättra det? Kan du rita den här bilden? Kan du analysera det här kalkylbladet? Vad betyder kalkylbladet och vad betyder flik tre?

Med allt detta kan du fylla varje minut av varje dag. Det är som att ha en person med en doktorsexamen bredvid sig – någon med 28 doktorsexamina – och de kostar en cent i minuten eller en cent i timmen. Varför skulle jag inte vilja använda det? Varje timme, flera gånger i timmen. Jag tror att människor inte vet. Jag tror att många bara använder Copilot, vilket är en mycket enkel liten sak som hjälper dem på traven, och de utnyttjar inte alla modeller på det sätt som de skulle kunna.

Jag använder alla olika modeller, beroende på vad jag vill göra. Gemini är bättre på vissa saker än GPT 5.2, och den är bättre än Anthropic på vissa andra saker. Så man använder dem alla.

David Rice: Det är lite som att sätta mig i en fullt utrustad cockpit utan att jag har någon flygutbildning. Du förstår vad jag menar?

Kevin Surace: Det stämmer. En del av det intressanta är att jag kan ge demonstrationer på scenen. Jag visar saker som jag bokstavligen har gjort för deras företag. Jag säger: jag har inte ens någon konfidentiell information från ert företag, men låt mig visa vad jag kunde göra. Här är en helt ny produkt som jag tror skulle fungera bra, här är marknadens storlek, här är den totala adresserbara marknaden och här är hur jag vet det.

Då säger de: va? Vi skulle ha lagt 5 miljarder dollar på att ta reda på det. Jag lade fem minuter. Eller kanske tio. De har ingen aning om att de kan göra det med AI eftersom ingen har visat dem det tidigare. Ingen har utbildat dem i hur man gör. De flesta skriver in en instruktion på fem ord eller något liknande. Mina instruktioner är tre stycken och mycket genomtänkt strukturerade: vilka är min målgrupp, vad försöker jag göra, vem riktar jag mig till, vad försöker jag säga, varför försöker jag säga det och vilka åsikter har jag om ämnet?

Det är mycket som jag behöver lägga in för att få ut något värdefullt. Skriv inte bara ett stycke om X när du inte vet vad du gör. Du använder verktyget fel. Jag tror därför att människor behöver utbildning. De behöver bli bekväma med tekniken. De behöver tillgång till fler modeller och verktyg än bara Copilot. Då förändras allt.

Och om du arbetar på ett startupföretag i Silicon Valley gör du allt detta tio gånger mer. Det är vad du gör. De som lyssnar på det här säger: ja, självklart gör vi det, Kevin. Men om du arbetar på ett stort företag i Mellanvästern säger du kanske: jag fick Copilot och bad det om något i Word, och det rättade min mening. Wow. Det ersätter ungefär Grammarly.

Det finns alltså en uppdelning. Det är ett stort problem för stora företag eftersom startupföretag nu arbetar med tio gånger fler resultat per person. Tio personer motsvarar hundra eftersom de använder olika generativa AI-modeller och AI-verktyg för marknadsföring, försäljning, analys, granskning och som diskussionspartner. De använder det tio gånger i timmen, varje person. Om du använde AI en gång förra veckan är du färdig. Du kommer helt enkelt att bli utkonkurrerad.

David Rice: Det talas mycket om kompetensgap, men det känns också som ett självförtroendegap. Jag tror inte att människor undviker AI för att de inte ser potentialen. Jag tror bara att många inte vet var de ska börja. Tror du att en långsam start får en kumulativ effekt?

Kevin Surace: Ja. Du hamnar längre och längre efter, sedan börjar det bli pinsamt och du vet inte vad du ska göra. Till slut är du inte längre relevant. När händer det?

Persondatorn kom in i vissa människors karriärer under mitten eller slutet av 1980-talet. Om du sade att du inte ville ha en sådan sak på skrivbordet för varje år som gick hamnade du längre efter. Till slut kunde du inte längre delta i arbetet och behövde gå i pension. Det var hopplöst.

Sedan kom internet. Många sade att de inte behövde det på jobbet eller över huvud taget. Antingen hoppade man på tåget eller så gick man i pension. Samma sak hände med Excel. Excel kom in på ekonomiavdelningar i slutet av 1980-talet och början av 1990-talet. Vissa sade att det förändrade allt och att de skulle använda Excel till allt. Andra sade att de inte ville lära sig det, eftersom deras liggare och pennor fungerade bra. De gick i pension. Det fanns ingen annan väg ut.

När du inte lär dig de senaste teknikerna som är allmänt spridda är du på väg mot pensionen. Det är helt okej om det är vad du vill, men du måste veta vart du är på väg. Om du ska gå i pension om ett eller två år spelar det ingen roll. Det är som en läkare som inte vill använda den senaste medicintekniska utrustningen och säger att hen går i pension om två år. Du har rätt – du kommer säkert att gå i pension om två år.

Om du är 45 och tänker att du har 20 år kvar i branschen har du kanske inte det. Du kanske har tre år kvar. Ingen kommer att vilja anställa dig om du inte behärskar de här verktygen.

David Rice: Ett annat uttryck vi hör mycket nu är skugg-AI. Användningen finns överallt, och av goda skäl. Människor är frustrerade över företagsverktyg som ofta känns urvattnade eller långsamma att införa. Hur minskar vi gapet mellan vad människor behöver och vad de faktiskt får?

Kevin Surace: Företag behöver göra alla de stora modellerna tillgängliga. Inte för alla i hela organisationen, men i privata företagsversioner och företagskonton. Ge tillgång till de personer som behöver dem i vissa avdelningar.

Om någon säger att de behöver analysera videor ska den personen få tillgång till rätt modell. Företag behöver ha alla verktyg tillgängliga. Problemet är att någon säger att de vill använda mer AI och företaget svarar: vi gav dig Copilot. Den rättade din mening. Jag vill göra mer än så. Företaget säger att de inte tillåter något annat. Då går människor hem och gör det, eller så gör de det i smyg och blockeras på jobbet.

Om du vill lyckas måste du verkligen ge alla dina anställda möjligheter. Du har inget val.

Skugg-AI och skugg-IT är dåligt eftersom du inte kan spåra användningen. Människor använder tjänster utan konto eller betald åtkomst. Då är informationen offentlig och kan användas för att träna modeller. Det är inte bra. Företag försöker därför blockera IP-adresser och webbadresser för att hindra människor från att gå utanför de godkända systemen.

David Rice: Du är tydlig med att företag inte kommer att gå vidare med AI-agenter innan de har löst säkerhet och kontroll. Vad går förlorat om vi väntar för länge?

Kevin Surace: Företag arbetar redan med agenter på lämpliga platser. En del av problemet är att de har tillbringat tio år med att införa RPA – robotiserad processautomation. RPA är en sorts agent, men den styrs av regler. Den är inte AI-baserad utan regelbaserad. Beslut följer ett beslutsträd och systemet utför reglerna. Det fungerar mycket bra i förutsägbara situationer, och säkerheten är lättare att förstå.

Många arbetsflöden är redan automatiserade med RPA. Agenter är inget mirakel. Du kan automatisera ett arbetsflöde lite bättre med mer intelligens, men till vilket säkerhetspris och hur lång tid tar det att rätta alla fel?

Om du behöver behandla något inom försäkring som måste gå genom elva olika system kan RPA redan göra det. Den tar emot data, flyttar den mellan systemen, kontrollerar uppgifter, följer reglerna och återkommer med ett beslut. Du kan införa en agent, men du sparar kanske inga pengar. Du kan få bättre beslutsfattande med mindre mänsklig inblandning, men du kan också få ett dåligt beslut eftersom AI får fatta beslutet i stället för ett regelverk som du själv har skapat.

På skrivbordet kan agenter däremot bli intressanta för mycket unika arbetsflöden som bara några få personer använder och som företaget aldrig skulle ha automatiserat. Men ska du verkligen låta människor skriva sina egna agenter? Vilken säkerhetspåverkan får det när agenterna får åtkomst till de viktigaste systemen? Du vet kanske inte om det är agenten eller en angripare som utför handlingen.

David Rice: Kan användningen av agenter börja på ledningsnivå och sedan spridas därifrån?

Kevin Surace: Kanske, men det är också det första en angripare skulle vilja komma åt och ta över. RPA har redan använts mot de största och viktigaste processerna. Det fungerar, sparar pengar och ökar produktiviteten. Nu kommer en ny teknik som kan ta över. Visa mig besparingarna. De flesta saker som kunde automatiseras har redan automatiserats under det senaste årtiondet.

Om tio år kommer agenter att finnas överallt och vara mycket säkra. De kommer att ersätta RPA, eller så kommer RPA-företagen att omvandla sina produkter till smarta agenter. Startupföretag kommer att använda agenter till allt eftersom de är billigare än människor och inte har äldre teknik som redan har automatiserat processerna.

David Rice: Startupvärlden känns verkligen som rätt plats för experiment. Det är där vi lär oss och bygger upp förmågan.

Kevin Surace: Precis.

David Rice: Du har sagt att den verkliga superkraften inte främst är modellen, utan personen som vet vilken modell som passar vilket arbete. Hur lär man sig det?

Kevin Surace: Man lär sig genom att använda verktyget. Lägg en timme eller två på att förstå vad som fungerar bättre för olika uppgifter. Om du gör research kan du använda en modell som ger bra referenser. Om du analyserar video väljer du en annan. Om du skapar musik eller arbetar med video väljer du andra verktyg. Det beror på vad du försöker göra.

Om du inte tar dig tid att skaffa abonnemang och lära dig olika verktyg har du ett problem. Infografik kan visa någon annans uppfattning, men du vet inte hur verktyget fungerar förrän du själv använder det.

Om du är musiker och är van vid en digital ljudarbetsstation kan du börja förstå funktioner som separation av enskilda ljuddelar och export av MIDI. Om du aldrig har använt sådana verktyg kan du inte bara kliva in och börja. Du måste förstå instrument, ljuddelar och hur de manipuleras.

Samma sak gäller videoredigering. Om du aldrig har redigerat video kan du inte förvänta dig att skapa en film direkt. Men om du använder verktygen i dagar eller veckor börjar du förstå hur du förlänger en scen, lägger till undertexter och kombinerar olika delar.

Du måste lära dig alla dessa delar. Beroende på din karriär och vad du vill åstadkomma kan du bli en avancerad användare. Om du arbetar med marknadsföring finns det AI-verktyg för målgruppsanpassade e-postmeddelanden, LinkedIn-kampanjer och anpassat innehåll. Det är mycket kraftfullt.

Jag såg nyligen ett webbinarium om Zapier och andra verktyg samt agentiska arbetsflöden. Jag har inte använt allt själv, så jag har mycket att lära. Det finns alltid mer att lära sig. Fortsätt vara nyfiken.

David Rice: Att bygga ett globalt team borde inte innebära att man måste jonglera med fem olika system för HR, löner och IT. Deel samlar allt så att du kan anställa, introducera, betala och utrusta människor var som helst utan det vanliga kaoset. Oavsett om du anställer medarbetare i tio länder eller hanterar konsulter över flera tidszoner tar Deel hand om efterlevnad, förmåner och löner på ett ställe. Det innebär färre verktyg, mindre huvudvärk och mer tid för dina medarbetare.

Redo att se hur gränslös rekrytering faktiskt fungerar? Besök deel.com/pmp. Det är deel.com/pmp för att boka en demonstration. Deel – anställ, hantera och betala vem som helst, var som helst.

Det känns inte heller som teknisk trollerikonst. Om jag bygger ett ekosystem av verktyg handlar det mer om systemtänkande och omdöme kring vad som är bäst. Traditionellt har vi tränat människor att lösa väldefinierade problem, men värdet förskjuts mot vilka frågor man ställer.

Kevin Surace: Absolut. Du kan skriva agenter som hjälper dig att samordna verktygen. Du definierar arbetsflödet och skapar en agent som utför det automatiskt. Sådant kunde vi tidigare göra med skript i Windows och Mac, men nu är systemen mycket smartare.

De kan till exempel analysera vad som sades i en videoinspelning och automatiskt göra om en och en halv timmes video till 20 inlägg för sociala medier. De redigerar innehållet utifrån det som sades, även i den här podden.

David Rice: Ja, jag gör det hela tiden. Du gav ett bra exempel: det som tidigare tog McKinsey sex månader och miljontals dollar kan nu göras på en timme med AI. Men det handlar inte bara om verktygen. Det avgörande är hur man matar dem med information. Hur får du AI att tänka tillsammans med dig och inte bara åt dig?

Kevin Surace: Det viktigaste är långa, genomtänkta och tydliga instruktioner. Vem är min målgrupp? Vad tycker jag om ämnet? Vilka källor ska användas? Vilken ton och vilket perspektiv vill jag ha? Jag kan lägga tio minuter på att skriva flera stycken som instruktion.

Tänk på målgruppen, vilka indata du vill använda, materialets källor, din egen åsikt och ditt sätt att uttrycka dig. Med AI kan jag göra en komplex marknadsstudie på en timme som tidigare kostade fem miljoner dollar och tog månader.

Jag har gjort detta för företag som haft tiotusentals garantiärenden i Excel. Traditionell analys har svårt att hantera fritexten, men generativ AI kan läsa hela kalkylbladet och återkomma med rekommendationer om förändringar som kan införas i produktionen nästa dag.

Jag har också analyserat tusentals arbetsplatsolyckor och bett AI föreslå hur de kan minskas. På några minuter fick jag rekommendationer som kunde minska olyckorna betydligt. Man måste förstås kontrollera resultatet, men människor hade svårt att själva hitta samma mönster.

Det här är mycket kraftfulla verktyg om du vet hur du använder dem.

David Rice: Jag gillar det exemplet. Det visar både att AI är snabbt och att det inte är magi. Resultatet speglar kvaliteten på indata. Det är lätt att förväxla snabbhet med insikt, men du beskriver något djupare: att man skapar tillsammans med AI.

Kevin Surace: AI är en diskussionspartner som kan vara smartare än du, men det är fortfarande en diskussionspartner. Du ska ifrågasätta den och fråga varför. Jag säger ibland att den har fel. De bra modellerna svarar ofta att jag har rätt och omprövar svaret.

Jag frågar om mina rekommendationer och åsikter är giltiga. Jag kan be modellen analysera moraliska frågor och förklara olika perspektiv. Den kan beskriva vilka moraliska konsekvenser olika beslut kan få och hur olika grupper sannolikt skulle uppfatta dem.

Det betyder inte att maskinen ska fatta beslut åt dig. Du måste själv leva med konsekvenserna. Men AI kan hjälpa dig att förstå möjliga konsekvenser och perspektiv. Om jag arbetade i en myndighet skulle jag vilja fråga modellen hur ett beslut sannolikt skulle uppfattas och sedan diskutera svaret fram och tillbaka.

David Rice: Vi talade också om att kanske bara tre eller fyra modeller kommer att dominera när noggrannheten nått en viss nivå och skillnaderna blir osynliga för de flesta.

Kevin Surace: Skillnaderna är nästan osynliga redan nu. Om du inte vet att Gemini är bättre på en viss sak använder du kanske bara GPT 5.2 eller ChatGPT. Modellerna ligger inom några procent från varandra i många tester och är mycket bra på de flesta frågor.

Skillnaderna kommer därför att minska. Kostnaden kommer också att sjunka eftersom konkurrensen ökar. Om tio år borde kostnaderna vara kanske 5 % av dagens nivå. Beräkningskostnaderna kommer att minska med 90–95 %. Det här körs på kisel, och kostnaden för kisel fortsätter att halveras ungefär var 12–18:e månad.

David Rice: Vad betyder det för hur företag bygger och köper AI under 2026 och på längre sikt?

Kevin Surace: Förhoppningsvis bygger företagen inte sina egna generativa AI-modeller. De bör använda det som redan finns. Kostnaderna kommer att fortsätta sjunka, så förhandla avtalen klokt och följ utvecklingen noga.

David Rice: Många säger att den här tekniken är annorlunda.

Kevin Surace: Det sade man om varje teknisk våg. Internet var annorlunda, smarttelefonen var annorlunda och persondatorn var annorlunda. De var alla annorlunda eftersom de byggde vidare på tidigare teknik. Den här vågen bygger på internet, smarttelefoner och persondatorer, vilket gör att den kan nå miljarder människor snabbt.

Du vill inte missa den här vågen. Personen bredvid dig som använder AI fem gånger i timmen är tio gånger mer produktiv än du, vare sig du gillar det eller inte.

Musikbranschen går igenom samma sak. Först använde man penna och papper, sedan notprogram, digitala ljudarbetsstationer och digitala samplingar. Nu kan AI skapa gitarrdelar, arrangemang och hela låtar. Vissa säger att de aldrig kommer att använda tekniken eftersom den förstör kreativiteten. Andra säger att den gör dem mer kreativa.

Vinnarna använder den senaste tekniken. Om du skriver blogginlägg för marknadsföring och fortfarande producerar ett inlägg var tredje dag medan någon annan producerar ett års innehåll på en dag kommer du att bli utkonkurrerad. Ingen betalar dig längre för att skriva ord för ord. De betalar dig för att tänka strategiskt, formulera budskapet, redigera och publicera det.

Det tar kanske 15 minuter i stället för 15 timmar eller 15 dagar. Så har varje teknikförändring fungerat. Vi använder inte längre skrivmaskiner eller faxmaskiner bara för att någon är bra på dem.

David Rice: För mig är det du sade om musiker viktigt. Skillnaden är att det väcker en emotionell reaktion. Det är inte bara ett affärsinitiativ utan en identitetsförändring för människor och hela branscher. Det är naturligt att det uppstår motstånd.

Kevin Surace: Tekniken utvecklas snabbt eftersom den bygger på tidigare teknik, och alla har omedelbar tillgång via internet och wifi. På tre år har utvecklingen gått otroligt snabbt. När jag visar en AI-genererad video och någon säger att den nästan inte går att skilja från en riktig inspelning säger jag: i dag är det den sämsta versionen den någonsin kommer att vara.

Samma sak gäller musik. Jag skickade låtar till musiker och bad dem avgöra vilka som var skapade av människor och vilka som var skapade av AI. De kunde inte göra det. Då förstod de att dagens teknik bara kommer att bli bättre.

Du är inte körd. Lär dig att använda verktygen och använd din erfarenhet för att skapa något bättre än någon som saknar erfarenhet. Film kommer att skapas med digitala människor, riktiga människor, kameror och utan kameror. Det kommer fortfarande att finnas roller för människor, men kostnaden för filmproduktion kommer att sjunka dramatiskt.

David Rice: Kevin, tack för att du var med i dag. Jag uppskattar det och tyckte mycket om samtalet.

Kevin Surace: Det var roligt. Det är ett roligt ämne.

David Rice: Till alla lyssnare: om ni inte redan har gjort det, gå till peoplemanagingpeople.com/subscribe. Prenumerera på nyhetsbrevet och få uppdateringar om våra kommande evenemang, poddar och allt vi gör här, samt de senaste artiklarna.

Fram till nästa gång: lär dig bara hur du kan göra det du gör bättre.