Data-podden

I detta avsnitt av data-podden diskuteras de komplexa kostnaderna för AI-inferens och hur dessa kostnader påverkar organisationer. Trots att token-kostnaderna för AI sjunker, ökar de totala kostnaderna för AI-applikationer. Diskussionen rör sig också mot hur dashboards, som tidigare var centrala för dataanalys, nu ifrågasätts och ersätts av mer interaktiva och dynamiska lösningar. I detta avsnitt diskuteras hur nya teknologier och AI förändrar analysmetoder och dashboards. Det betonas att dashboards inte kommer att försvinna helt, men att deras roll förändras. Användare kommer att interagera mer med AI-drivna system istället för traditionella dashboards. Analytikerns roll kommer att skifta mot mer strategiskt arbete och kunskapsdelning. Dessutom framhävs vikten av att bygga semantiska modeller för att stödja AI och förbättra datakvalitet. I detta avsnitt diskuteras vikten av konceptualisering och kommunikation i en komplex och digitaliserad värld. Med fokus på hur vi kan förstå och beskriva abstrakta affärsprocesser, betonas behovet av fler konceptualister som kan överbrygga klyftan mellan mänsklig förståelse och teknologisk implementering. Genom att utforska olika aspekter av konceptualisering, inklusive dess byggstenar och betydelse för framtiden, framhävs hur dessa färdigheter är avgörande för att navigera i dagens affärsmiljö.AI-inferens blir billigare, men dina agenter blir dyrarehttps://computersweden.se/article/4210838/ai-inferens-blir-billigare-men-dina-agenter-blir-dyrare.htmlThe Death of Dashboardshttps://medium.com/data-science-collective/the-death-of-dashboards-558ba0893926Organizations think, decide, remember, and act – but not by accident. They act as if they have a mind.https://brspublications.com/inside-the-mind-of-an-organization

I detta avsnitt av data-podden diskuteras hur AI och Power BI kan integreras för att förbättra analys och beslutsfattande. Fokus ligger på M365 Copilot och dess funktioner, vikten av User Defined Functions (UDF) samt hur företag kan anpassa sina licensmodeller för att möta framtida behov. Dessutom betonas vikten av ledarskap och disciplin i analysprocesser för att säkerställa att beslut baseras på korrekt och relevant data. I denna konversation diskuteras vikten av struktur och processer i AI-användning, hur man redovisar antaganden och validerar påståenden, samt betydelsen av governance och mätetal. Det betonas att människor, inte data, driver beslut och att analytikerns roll kommer att förändras i takt med att AI blir mer integrerat i beslutsprocesser. Strategier för datadriven analys och vikten av att ställa rätt frågor lyfts fram som centrala teman. I denna diskussion utforskas de utmaningar och möjligheter som företag står inför när de implementerar AI-strategier. Det framkommer att många företag har strategier som inte används effektivt, vilket leder till besvikelse bland anställda. Förtroendet för företagen minskar när anställda saboterar AI-strategier, och säkerhetsproblem uppstår när användningen av AI-verktyg inte styrs ordentligt. Trots att vissa anställda upplever ökad produktivitet, saknas ofta mätbara värden kopplade till dessa förbättringar.Power BI, M365 Copilot And The Importance Of DAX UDFshttps://blog.crossjoin.co.uk/2026/07/26/power-bi-m365-copilot-and-the-importance-of-dax-udfs/Don’t Let AI Make Bad Analytics Worsehttps://hbr.org/2026/07/dont-let-ai-make-bad-analytics-worseEnterprise AI adoption in 2026: Why 79% face challenges despite high investmenthttps://writer.com/blog/enterprise-ai-adoption-2026/https://www.randomforest.se/data-podden/

I detta avsnitt av data-podden diskuteras nyheter från Snowflake, inklusive deras Adaptive Compute-teknologi som förbättrar kostnadseffektiviteten. Vidare utforskas fusk inom forskningen och hur AI används för att identifiera förfalskade vetenskapliga artiklar. Avsnittet avslutas med en diskussion om hur AI kan användas inom konsumtionsvaruföretag för att förbättra kundinsikter. I detta avsnitt diskuteras hur företag som Novartis och Pepsi använder avancerade insikts- och analysverktyg för att effektivisera sina processer och spara kostnader. Novartis använder sitt insiktsystem Sherlock för att minska redundanta analyser och spara 29 miljoner dollar årligen. Pepsi har utvecklat Ask Ada, en plattform för marknadsundersökningar som minskar behovet av externa tjänster. Diskussionen berör också utmaningar med knowledge management och vikten av att integrera kundinsikter i företagets strategi och kultur.Snowflake Adaptive Compute: Improved Real-World Price-Performance, Available on AWS, Azure and GCPhttps://www.snowflake.com/en/blog/adaptive-compute-ga-azure-google-cloud/AI flags more than 250,000 suspicious cancer research papershttps://www.sciencedaily.com/releases/2026/07/260714225538.htmHow GenAI Can and Can’t Help Manage Customer Insightshttps://sloanreview.mit.edu/article/how-genai-can-and-cant-help-manage-customer-insights/https://www.randomforest.se/data-podden/

I detta avsnitt av data-podden diskuteras hur AI, särskilt Co-Pilot, kan användas för att förbättra beslutsfattande och effektivisera arbetsflöden inom programmering och utveckling. Fokus ligger på Copilot Code Reviews i Azure DevOps och vikten av att kodifiera beslutsfattande för att maximera AI:s potential. I detta avsnitt diskuteras hur man hanterar information och onboarding i organisationer, samt vikten av att ha en praktisk och interaktiv metod för lärande. Vidare utforskas stokastiska algoritmer och deras tillämpningar inom optimering och maskininlärning, med fokus på hur dessa metoder kan användas för att lösa komplexa problem.Copilot Code Reviews for Azure Reposhttps://devblogs.microsoft.com/devops/copilot-code-reviews-for-azure-repos/Teach Your AI How You Make Decisionshttps://hbr.org/2026/06/teach-your-ai-how-you-make-decisionsA Gentle Introduction to Stochastic Optimization Algorithmshttps://machinelearningmastery.com/stochastic-optimization-for-machine-learning/https://www.randomforest.se/data-podden/

I detta avsnitt av datapodden diskuteras AI:s påverkan på beslutsfattande och hur människor interagerar med AI-system. Det framhävs vikten av mänskligt omdöme och insyn i AI-beslut, samt en historisk översikt av processorkraftens utveckling från CPU till GPU, TPU och NPU. I detta avsnitt diskuterar vi framtiden för processorer och AI, med fokus på hur olika typer av processorer kommer att samverka. Vi dyker ner i historien om data warehousing, dess utveckling och de metodologiska skillnaderna mellan Inmon och Kimball. Avsnittet avslutas med reflektioner kring hur data warehousing har förändrats över tid och dess betydelse för dagens datalagring och analys.Employees Aren’t Questioning AI Advice Enoughhttps://hbr.org/2026/06/employees-arent-questioning-ai-advice-enoughCPU vs GPU vs TPU vs NPU: Architecture, History and How to Choose for Your Workloadhttps://studiocavan.com/blog/cpu-gpu-tpu-architecture/A Brief History of Data Warehousinghttps://goodstrat.com/2026/01/10/a-brief-history-of-data-warehousing-2026-01-07/https://www.randomforest.se/data-podden/

I detta avsnitt av data-podden diskuteras hur AI påverkar löner och arbetsmarknaden, med fokus på den ökande efterfrågan på AI-kompetens. Det framhävs att AI skapar en tudelning på arbetsmarknaden mellan professionaliserade och demokratiserade jobb. Vidare diskuteras utmaningar och missförstånd kring att chatta med data, samt filosofiska frågor kring AI:s intelligens och dess påverkan på framtida jobb. I detta avsnitt diskuteras John Searles kinesiska rummet och dess implikationer för AI och medvetande. Genom att utforska funktionalism, skillnader mellan stark och svag AI, samt etiska frågor kring ansvar och medvetande, belyser samtalet komplexiteten i att förstå intelligens och medvetande i maskiner.Undersökning: AI-kompetens ger klart högre lönhttps://computersweden.se/article/4186238/undersokning-ai-kompetens-ger-klart-hogre-lon.htmlSvaret på fyra viktiga frågor runt AI-chatta med din data (i sommarkåseri-format).https://www.linkedin.com/pulse/svaret-p%C3%A5-fyra-viktiga-fr%C3%A5gor-runt-chatta-med-din-data-daniel-hedblom-cjcqf/Arguing with the Chinese Roomhttps://philosophynow.org/issues/155/Arguing_with_the_Chinese_Roomhttps://www.randomforest.se/data-podden/

Cio:er hålls ansvariga för AI som de inte har kontroll överhttps://computersweden.se/article/4183967/enligt-en-studie-fran-ibm-halls-it-chefer-ansvariga-for-ai-som-de-inte-har-full-kontroll-over.htmlBlog HomeWhat Is the Kimball vs. Inmon Debate? The Architectural Disagreement That Still Shapes Data Warehouseshttps://tdwi.org/blogs/data-101/2026/05/architectural-disagreement-that-still-shapes-data-warehouses.aspxhttps://www.randomforest.se/data-podden/

Introducing Lakehouse//RT: Real-Time Performance on a Unified LakehouseIntroducing Lakehouse//RT: Real-Time Performance on a Unified Lakehouse | Databricks BlogIntroducing Genie ZeroOps: Put your data and AI operations on autopilothttps://www.databricks.com/blog/introducing-genie-zeroopsDatabricks Data + AI Summit: How Enterprises Can Scale AI Beyond Pilots and Productivity Gainshttps://biztechmagazine.com/article/2026/06/databricks-data-ai-summit-how-enterprises-can-scale-ai-beyond-pilots-and-productivity-gainshttps://www.randomforest.se/data-podden/