Alla pratar om AI – men hur skapar man faktiskt värde med tekniken? På Process&Underhåll 2025 tar Nordaxon ner AI från hypen till verkligheten. Genom exempel från svenska industriföretag visar de hur AI kan lösa vardagliga utmaningar och öppna nya möjligheter.
Berätta, vem är ni?
– Vi kommer från Nordaxon – ett bolag grundat 2018 med en tydlig vision: att skapa AI-tjänster som är lokalt förankrade, kommersiellt gångbara och samhällsnyttiga. Med bas i Malmö och en stark kundkrets i Öresundsregionen har vi nu även börjat rikta blicken mot Västra Götalandsregionen och dess starka industriella marknad. Melina är grundare, majoritetsägare och vd, med två examina från Lunds universitet , Magister i Data samt Kandidatexamen i Företagsekonomi. Axlar dagligen flera roller – från AI-projektledare och teamledare till sälj och marknad. Filip är ML-ingenjör och delägare, examinerad i Teknisk Fysik vid LTH, som ansvarar för teknisk styrning, arkitektur och hands-on-arbete i våra kundprojekt.
Vad kommer deltagarna ta del av under er programpunkt?
– Vår presentation kommer att fokusera på hur AI kan ta steget från hype till att skapa verkligt värde i praktiken. Genom exempel på hur olika datatyper – som tidsserier, text och bilder – kan användas visar vi på lösningar som prediktivt underhåll, textsummering och bildklassificering. Vi kommer att belysa även de olika vägar företag kan gå för att implementera AI, från egenutvecklade modeller på proprietär data till att använda färdiga API:er och förtränade modeller. En central del är vikten av en strukturerad process – från problemdefinition och datainsamling till drift och underhåll med MLOps. Målet är att inspirera och ge en konkret bild av hur AI kan tillämpas i verksamheter för att driva innovation och skapa långsiktigt värde.
Ni ska presentera verkliga kundcase – vad är det mest oväntade sätt ni har sett AI skapa värde i en organisation?
– Ett av de mer oväntade – eller kanske lite ”funky” – exemplen är ett projekt för gummifabriken National i Halmstad. Fabriken använde äldre maskiner som saknade digitala gränssnitt för att läsa av inställningar och mätvärden, vilket tvingade personalen att manuellt anteckna siffror direkt från displayerna – både tidskrävande och felbenäget. Genom att installera en IP-kamera kopplad till en industriell dator (Nvidia Jetson Orin) kunde vi analysera videoströmmen med datorseende och omvandla den till tidsseriedata. Lösningen gav fabriken automatiserad övervakning som både sparar tid och möjliggör datadriven analys, bättre underhåll och effektivare produktionsflöden.
Många företag tycker det är svårt att veta var de ska börja med AI – vad är ert bästa tips för att komma igång?
– Vårt råd är enkelt: mindre snack, mer handling. Många organisationer fastnar i långa strategidiskussioner kring AI, men det viktigaste steget är att faktiskt börja implementera lösningar som skapar värde. Saknas kompetensen internt bör man inte tveka att ta in extern expertis. Ett bra första steg är att arrangera en strukturerad workshop där man tillsammans identifierar och prioriterar potentiella AI-case. Genom att fokusera på ”low-hanging fruits” – alltså de projekt som förväntas ge störst värde med minst komplexitet – får man en konkret start och kan snabbt bygga erfarenhet för vidare satsningar.
Melina - vad tycker du är den vanligaste missuppfattningen kring AI?
– Att AI är lika med ChatGPT. AI är dock mycket bredare än så, och under vår presentation ser vi fram emot att visa på den mångfald av tillämpningar som finns bortom språkmodellerna.
Filip - vilken AI-metod eller teknik tycker du är mest underskattad just nu?
– Det är ingen riktig AI-metod, men att bygga riktigt bra system för att inspektera och evaluera AI-modeller skulle jag säga är bland det mest underskattade idag. Speciellt när det gäller lite mer subjektiva tillämpningar som språkmodeller. Det är relativt enkelt att slänga upp ett system som genererar något som output, men att utvärdera det som skapas faktiskt är bra och värdeskapande kan vara en svår och iterativ process. Men jag skulle nog hävda att det är det allra viktigaste i ett system, för det är här vi både skapar vår intuition för systemet och definierar vad vi optimerar för. Detta är även ett område där det av erfarenhet lönar sig att verkligen grotta ner sig och skräddarsy sina egna verktyg, det blir oftast mycket bättre än med generella off-the-shelf lösningar.
Pest eller kolera med Nordaxon
- Bara få använda AI-modeller som är tio år gamla – eller alltid vara betatestare för helt oprövade AI-lösningar?
Filip: Bara få använda AI-modeller som är tio år gamla - Det finns sjukt mycket bra och beprövade metoder som ofta glöms bort i dagens hype.
Melina: Jag instämmer. Det finns mycket gammalt som fungerar riktigt bra – och samtidigt väldigt mycket nytt som faktiskt är skräp.
- En AI som alltid ger korrekta svar men tar evigheter på sig – eller en AI som svarar direkt men ibland hittar på?
Filip: En AI som svarar direkt men ibland hittar på - Om vi pratar om språkmodeller som ChatGPT så är det på ett sätt här vi är idag. Ett sätt som detta ibland är en feature och inte en bugg för mig är att det kan få en att komma igång. Ibland genererar jag kod med AI mest bara för att jag vet att jag kommer hitta något som jag tycker är dåligt och då får jag en spark i baken för att komma igång och göra det bättre själv.
Melina: För mig beror det på sammanhanget. Om det handlar om AI-system som påverkar människors välmående föredrar jag alltid korrekta svar, även om det tar tid. I andra fall kan jag acceptera att modellen hittar på, så länge det finns referenser som gör att man själv kan upptäcka hallucinationerna.
- Att alla möten leds av en AI-röst utan känsla – eller att aldrig mer få använda AI i jobbet?
Filip: Att alla möten leds av en AI-röst utan känsla - Måste tyvärr ta detta som AI-konsult, men det tar emot!
Melina: Hehe, jag instämmer med Filip på den här. AI är här för att stanna – med både styrkor och brister, på gott och ont.
Process&Underhåll 2025 arrangeras av Verkstädernas systertidningar U&D och Process. Mer info om Process&Underhåll 2025 finns här.
BREAKING