Så mäter du faktiskt AI:s affärspåverkan

Galen Low: Är det ens möjligt att kvantifiera vilken påverkan AI har på en organisation?

Michael Domanic: Om du förbättrar en del av säljprocessen vill du mäta hur mycket den förändringen faktiskt förbättrade processen. Vilket resultat uppnådde den? Sålde vi mer? Uppnådde vi ett intäktsmål som ett resultat av att vi införde lösningen i verksamheten?

Samma sak gäller inom marknadsföring. Vi förbättrar många processer inom marknadsföring. Okej, bra. Om vi till exempel sparar tid på att skapa marknadsföringskampanjer, hur många fler kampanjer kan vi skapa och vilket värde har de ytterligare kampanjerna? Jag tror att det är där man behöver bli lite mer fokuserad på att mäta värde.

Galen Low: Vilka organisatoriska tankesätt och beteenden behöver förändras längs vägen för att hålla jämna steg med AI-förändringsresan?

Michael Domanic: Alla måste känna sig bekväma med att vi alla kommer att befinna oss i ett förändrings- och inlärningsläge under överskådlig framtid. En sak vi vet är att takten i spridningen av nya möjligheter inte kommer att avta. Den kommer att fortsätta öka, och vi måste vara mycket anpassningsbara till alla dessa förändringar och framsteg.

Galen Low: Du har precis publicerat en artikel om dina förutsägelser för AI under 2026. En sak du också antog var att UX-forskare och designers kommer att bli några av de viktigaste personerna på företag under 2026. Kan du förklara vad du menar med det?

Michael Domanic: Ja, alltså …

Galen Low: Välkomna till podden The Digital Project Manager – programmet som hjälper leveransansvariga att arbeta smartare, leverera smidigare och leda sina team med självförtroende i AI:s tidsålder. Jag heter Galen, och varje vecka går vi igenom strategier från verkligheten, framväxande trender, beprövade ramverk och ibland en krigshistoria från projektens frontlinjer. Oavsett om du leder stora förändringsprojekt, hanterar AI-arbetsflöden eller bara försöker hålla kaoset under kontroll är du på rätt plats. Då sätter vi igång.

I dag talar vi om att slå hål på falska antaganden om AI i företagskulturen och ge den en systemåterställning, så att vi bättre kan förstå hur AI påverkar kärnverksamheten – inte bara fåfängemått. Vi kommer att gå igenom rätt och fel sätt att mäta AI:s påverkan, hur en organisations syn på AI behöver förändras i takt med att AI-mognaden ökar, samt några förutsägelser om hur AI kommer att påverka affärstrender under 2026.

Med mig i dag har jag Michael Domanic, AI-chef på UserTesting.

Michael har som mål att driva organisationsövergripande förändring med AI för att frigöra meningsfullt affärsvärde. Det gör han genom ett nära samarbete med tvärfunktionella ledare för att integrera AI i centrala arbetsflöden, främja en innovationskultur och skala upp AI-kunskapen i organisationen med ett pragmatiskt och effektorienterat arbetssätt.

Michael, tack för att du är med mig i dag.

Michael Domanic: Tack, Galen. Jag uppskattar verkligen inbjudan att vara med i dag.

Galen Low: Jag ser fram emot det här samtalet eftersom vi hade några väldigt intressanta förberedande samtal inför det. Och jag vet att vi förmodligen kommer att svänga fram och tillbaka mellan olika delar av ämnet, men eftersom jag är projektledare har jag skissat upp en plan för i dag.

Till att börja med ville jag få din spontana syn på en stor och besvärlig fråga. Därefter vill jag zooma ut och tala om tre saker. Först ville jag prata om hur ni har implementerat AI och mätt AI:s påverkan på UserTesting, samt varför ni valt att arbeta på det sättet.

Sedan vill jag utforska vart kaninhålet leder när en organisation mognar under sin AI-resa – vilka tankesätt, beteenden och värderingar som behöver förändras eller kanske helt överges för att organisationen ska fortsätta vara framgångsrik. Slutligen vill jag gå igenom några av dina förutsägelser om hur AI kommer att påverka våra arbetsliv och sättet vi gör affärer på under 2026.

Hur låter det?

Michael Domanic: Det låter bra. Låt oss svänga lite fram och tillbaka.

Galen Low: Då gör vi det. Jag tänkte börja med en stor och besvärlig fråga och ge den lite sammanhang. Som jag ser det vill de flesta företag kunna mäta hur framgångsrik deras AI-implementering är.

Den där ständigt svårfångade avkastningen på AI som går bortom det binära – om man lyckas eller misslyckas. Men åsikterna verkar vara delade. Vissa jag talar med säger att AI inte ens behöver mätas eftersom det uppenbart skapar förbättringar. Andra säger att organisationer måste ta fram helt nya AI-relaterade mått och mäta dem noggrant.

Så min stora fråga är: är det ens möjligt att kvantifiera vilken påverkan AI har på en organisation, eller är det i nuläget ett slags fåfängt projekt för de flesta organisationer att tänka på sin förändring på det sättet?

Michael Domanic: Ja, det är en bra fråga, och den debatteras ofta intensivt, särskilt av personer som jag som driver AI-arbete i organisationer.

Det finns ett synsätt som säger att man inte ska bry sig om att mäta avkastningen på AI eftersom det är så tidigt. Det borde dessutom vara en självklar grundförutsättning för de flesta organisationer. Man mäter inte avkastningen på elektricitet. Man mäter inte avkastningen på e-post. Så varför skulle man mäta avkastningen på det här?

Min syn är lite annorlunda. Jag förstår resonemanget och håller med om delar av det. Vi har en ekonomichef och en styrelse. Vi spenderar mycket pengar på vår AI-förändring. Vi måste kunna visa någon form av avkastning på de investeringarna.

I stället för att försöka ta fram ett övergripande tal och säga att detta är avkastningen på AI för hela organisationen tittar vi varje kvartal på våra tio mest betydelsefulla AI-implementeringar och mäter dem. Vi mäter avkastningen på investeringarna i dessa implementeringar.

Om någon i organisationen till exempel skapar en GPT som ska hjälpa till med en kritisk del av säljprocessen mäter vi den. Vi mäter resultatet, inte nödvändigtvis den sparade tiden. När människor mäter avkastning tenderar de ofta att fokusera för mycket på tidsbesparingar. Tidsbesparing är inte ett resultat, utan en fördel. Resultatet är egentligen vad man uppnådde genom att införa AI-lösningen i den delen av verksamheten.

Om du förbättrar en del av säljprocessen vill du mäta hur mycket den faktiskt förbättrade processen. Vilket resultat uppnådde den? Sålde vi mer? Uppnådde vi ett intäktsmål genom att införa lösningen i verksamheten? Samma sak gäller inom marknadsföring. Om vi till exempel sparar tid när vi skapar marknadsföringskampanjer, hur många fler kampanjer kan vi skapa och vilket värde har dessa ytterligare kampanjer? Det är där man behöver fokusera mer på att mäta värde.

Galen Low: Jag gillar den noggrannheten – att man inte nödvändigtvis går så långt ner att man räknar sparade timmar, men inte heller går ur vägen för att skapa helt nya mått och ett nytt sätt att tänka kring verksamheten.

I slutändan handlar det om resultatet. Och du har rätt i att vi inte mäter e-postens effektivitet i dag. På något sätt är detta nytt och omvälvande, men om ett decennium kommer det på något sätt att vara helt odramatiskt.

Michael Domanic: Jag håller med. Jag tror att det finns två olika typer av saker att mäta. Det finns det jag kallar mjuk avkastning och så finns det hård avkastning. Det jag beskrev är den hårda avkastningen – det som faktiskt går att mäta. Vi kan säga att vi bokade 64 procent fler upptäcktsmöten det här kvartalet tack vare AI-lösningen.

Vi vet vilket värde ett upptäcktsmöte har. Det är en kritisk del av säljprocessen i ett SaaS-företag. Men sedan finns det mjuka mått eller mjuka värden. Vi är en AI-aktiverad arbetsstyrka. Vi vet att människor vill arbeta i AI-aktiverade organisationer, och att det skapar värde och hjälper oss att rekrytera bättre talanger. Det är svårare att mäta, men vi vet att det är viktigt.

Galen Low: Jag gillar det. Det har kommit upp i många samtal på sistone. För att attrahera rätt talanger måste vi tänka på det här sättet. Människor vill arbeta i organisationer som är progressiva, som leder utvecklingen och ligger i framkant av det moderna näringslivet.

Michael Domanic: Absolut. Ett råd jag ger till alla som befinner sig i en intervjuprocess med ett företag är att ställa frågan: Berätta om er AI-förändring. Berätta hur AI-aktiverade ni är. Mitt råd till företag är att ni måste ha ett riktigt bra svar på den frågan om ni vill attrahera de bästa talangerna.

Galen Low: Jag skulle gärna fördjupa mig i det, eftersom det är ett helt annat avsnitt – intervjuprocessen, jobbsökandet och organisationens varumärke. Det är ett bra tips, eftersom jag vet att många organisationer tror att de har en solid AI-strategi men kanske inte kan svara kortfattat på den frågan under en intervju.

Jag undrar om vi kan zooma ut lite. UserTesting är en plattform som många av mina projektteam har använt. Jag har alltid sett den som en intelligent plattform med fokus på att skapa användarupplevelser med stor påverkan, baserat på insikter från verkligheten.

Det jag tycker är intressant med dig är att du har en lång historia med organisationen. Du började i en roll inom kundframgång och arbetade dig sedan vidare till AI-strategi innan du blev vice vd och chef för strategi inom generativ AI, vilket är fantastiskt.

Grattis. Av alla dessa skäl vill jag gärna höra dina tankar om AI, hur man mäter dess påverkan på en organisation och hur man förändrar organisationskulturen. Men som en grundläggande nivåjustering: kan du ge några exempel på hur teamet på UserTesting använder AI i sitt arbete i dag?

Michael Domanic: AI spelar en stor roll i nästan allt vi gör nu eftersom vi har passerat adoptionskurvan och implementerar AI överallt där vi tror att det kan skapa värde, vilket är på de flesta områden.

Vi är ett SaaS-företag. För att lyckas måste vi växa intäkterna, behålla våra kunder och öka vår produkthastighet.

I vår produkt bör ingenjörer använda verktyg som Codex, Copilot och Cursor. De hjälper till att förstärka processen, skapa större effektivitet och högre noggrannhet i koden. Designers i produktteamet använder verktyg för snabb prototypframtagning och arbetar med så kallad känslekodning. De skapar prototyper mycket snabbare, så att vi kan öka produkthastigheten.

Vi vill skapa bättre produkter och skapa dem snabbare. Hela produktteamet är därför involverat. På marknadssidan använder säljteamet anpassade GPT:er för att förbättra delar av säljprocessen. Våra SDR:er har en serie GPT:er som hjälper dem att rikta sig mot mer relevanta prospekt, ha bättre samtal med dem och väcka intresse för ett samtal eller upptäcktsmöte.

Marknadsteamet använder AI för att skapa bättre kampanjer och skapa dem snabbare, skriva och redigera texter samt skapa bilder. Så ja, AI används i hela verksamheten.

Galen Low: SaaS verkar vara ett så bra användningsområde för detta. Produkthastighet spelar stor roll och konkurrensen är intensiv i alla SaaS-segment.

Dessutom är inträdesbarriärerna mycket lägre av alla skäl du nyss beskrev. Man behöver inte längre ett helt ingenjörsteam på hundra personer eller femtio gränssnittsdesigners och produktägare med två decenniers erfarenhet. Avståndet minskar, men konkurrenterna kan också komma ikapp mycket snabbare och allting rör sig extremt fort.

Michael Domanic: Vi är mycket medvetna om att inträdesbarriärerna till SaaS snabbt sjunker. Därför måste vi vara bättre på allt vi gör.

Oavsett om du är ett SaaS-företag eller nästan vilket annat företag som helst finns det tre sätt att använda AI i en professionell miljö. För det första använder vi AI som en praktikant. Det är ett värdefullt användningsområde där AI kan hjälpa till att sammanfatta dokument och göra efterforskningar.

För det andra använder vi AI som en assistent. Det handlar om mer generativa uppgifter. Marknadsteamet använder AI för att skapa texter, e-postmeddelanden och inlägg på LinkedIn.

De två första användningsområdena är mycket värdefulla, men inget kommer i närheten av värdet i det tredje användningsområdet: att använda AI som en tankepartner.

AI är mycket bra på att ge strategiska insikter i det man försöker göra i verksamheten. Jag vill att alla använder AI för de två första användningsområdena, men framför allt vill jag att de har strategiska samtal med AI-verktyget för att förbättra sin strategi och sitt sätt att hantera företagets stora utmaningar.

Galen Low: Jag gillar verkligen det. Det gör mig nyfiken på din roll. Vi har talat om hur man mäter AI:s påverkan, men din roll är bokstavligen att vägleda organisationens förändring genom AI.

Hur involverad är du? Övervakar du alla team, eller handlar det mer om coachning mer sällan? Hur planterar du dessa frön och får människor att aktivera dessa tankesätt kring hur AI ska användas och hur man ska tänka kritiskt om AI – inte bara låta verktyget utföra arbetet och sedan kopiera och klistra in resultatet, utan faktiskt ifrågasätta det som kommer tillbaka och förbättra det med sitt eget mänskliga omdöme?

Michael Domanic: Det är mycket att ta in. När det gäller förväntningarna på att förändra en organisation med AI vet vi att vi måste ge alla verktyg, utbildning och stöd för att lyckas. Vi är omkring 750–800 personer, så jag kan inte vara överallt samtidigt eller ha dessa samtal med varje team varje vecka.

Jag försöker fokusera på det som betyder mest för organisationen. Utöver de tre områdena finns det många värdefulla saker att göra. En viktig del är att se över organisationen och hitta de personer som redan experimenterar och engagerar sig. De kommer att bli ert kompetenscentrum.

Vi har ett kompetenscentrum på UserTesting med omkring två dussin tvärfunktionella personer från HR, försäljning, marknadsföring, produktutveckling och teknik. Vi ger dem i uppdrag att vara AI-experter i sina team.

De tar på sig uppdraget att förbli djupt involverade, försöka förstå den ständiga förändringen inom AI och identifiera de mest meningsfulla AI-implementeringarna för sin roll. De talar med personer i samma och närliggande roller och försöker förstå detta tillsammans. Det har varit en stor del av vår adoptions- och förändringsresa.

Galen Low: Jag gillar det arbetssättet. Många jag talar med känner att AI trycks ner i organisationen med mycket lite vägledning. Det här verkar skapa rätt balans. Du kan inte vara överallt, men en praktikgemenskap kan hjälpa till.

Experterna inom varje område bör utbildas i AI, men de bör också fatta besluten om var det största värdet finns och hur det ska införas.

Michael Domanic: Jag vet tillräckligt för att kunna vara farlig inom de flesta delar av verksamheten, men jag är inte expert på nästan någon funktion. De som arbetar med sakerna varje dag är experterna. När vi talar om AI:s möjligheter är det de som kan översätta vad dessa möjligheter betyder för deras roller och för personer i närliggande roller.

Galen Low: Bilden jag får i huvudet är människor som får ett uppdrag, räcker upp handen och ges mandat. Har du mött motsatsen? Vilket motstånd eller vilka falska antaganden om AI har du stött på när du har underlättat verksamhetens förändring, och hur har du hanterat det?

Michael Domanic: Det finns samvetsvägrare i alla organisationer som kanske inte känner sig övertygade. Jag försöker ha ett öppet och respektfullt förhållningssätt till dem. Det finns inget hårt krav på att alla måste använda AI, men jag anser att man hamnar i ett underläge om man vägrar experimentera och förändra sitt arbetssätt.

Samtidigt finns det legitima farhågor. Utvecklingen går mycket snabbt och det kan finnas miljömässiga konsekvenser som vi kanske inte vill ställa oss bakom. Jag vill faktiskt få med samvetsvägrarna i samtalet, eftersom de ofta tänker mer eftertänksamt än resten av oss kring vad allt detta innebär. Jag värdesätter det perspektivet.

Galen Low: Det är en bra poäng. Samvetsvägrare är personer som tänker djupt, omprövar saker utifrån sina moraliska värderingar, sitt välbefinnande och sin försörjning. De representerar risk och tänker på risker. Ibland behöver någon bromsa och ifrågasätta i stället för att ta allt för givet.

Michael Domanic: De flesta som inte använder eller inför AI tillhör enligt min mening två grupper. Den ena gruppen är helt enkelt inte tillräckligt intresserad för att fundera över hur arbetssättet borde förändras. Den andra gruppen använder inte AI eftersom de tänker mycket noggrant kring det. Det är den gruppen jag verkligen vill lägga tid på, eftersom deras perspektiv är mycket informativt.

Galen Low: Det låter på sätt och vis som användartestning. Använder ni er egen produkt för att testa nya AI-arbetssätt?

Michael Domanic: Ja, ganska ofta. Min resa på UserTesting började för sju år sedan. För tio år sedan byggde jag AI-lösningar och testade dem inne i UserTesting. Det var den första AI-hypecykeln. Nu är vi i hypecykel 2.0, som är mycket större.

Jag använder ständigt vår plattform för att samla in återkoppling om organisationen och det vi gör. Det kan handla om vår halvårsvisa undersökning av AI-kompetens, där vi frågar hur människor känner inför AI och vilket stöd de behöver i sin egen förändring.

Vi tittar på hur människor använder AI inom olika områden och frågar vilka verktyg de vill använda men ännu inte har tillgång till. Det är mycket informativt och hjälper mig att förbättra det stöd vi ger i hela företaget.

Vi har byggt en stark kultur kring anpassade GPT:er på UserTesting. Vi har nu skapat nästan tusen stycken och är omkring 750 personer. Många är experiment, men flera används av stora delar av organisationen.

När en GPT används av en stor målgrupp testar vi den i UserTesting med en intern testgrupp. Vi ser till att den är intuitiv och faktiskt löser problemet den är avsedd att lösa. Ingen ska behöva vara avancerad promptingenjör för att använda den. Vi använder alltså vår plattform för att samla in återkoppling på de AI-lösningar vi erbjuder våra medarbetare.

Galen Low: Det är en fantastisk metod. Jag ser mycket fascination kring pilotprojekt och experiment, men mindre samtal om optimering, återkoppling och hur man förbättrar något tillsammans med användarna.

För att mogna som organisation måste vissa GPT:er få utvecklas över tid utifrån användarnas återkoppling. Jag tycker också om det du berättar om kulturen. Ni tvingar inte människor att använda AI-verktyg, utan ger dem möjlighet att fatta egna beslut och uppmuntrar dem att utforska verktygen på ett genuint sätt.

Jag gillar också att era mått, både för dig själv och för teamen, bygger på centrala affärsmått. Ni mäter inte nödvändigtvis AI isolerat utan hur AI faktiskt påverkar verksamheten.

Samtidigt är inget statiskt. Förändring innebär inte att stå stilla. Organisationer går igenom flera faser när de når en djupare AI-mognad. Vilka organisatoriska tankesätt och beteenden behöver förändras för att hålla jämna steg med AI-resan, även om organisationen precis har lärt sig något i den föregående fasen?

Michael Domanic: Alla måste känna sig bekväma med att vi kommer att befinna oss i ett förändrings- och inlärningsläge under överskådlig framtid. Det kan vara de kommande fem eller tio åren. Ingen vet riktigt hur länge, men det kommer att pågå länge.

Tänk på alla framsteg som gjorts inom AI under de senaste tre åren. Föreställ dig nu att alla dessa framsteg stannade i dag och att vi gick in i framtiden med enbart de möjligheter som byggts under de senaste tre åren. Det skulle ta oss minst tio år att förstå hur allt detta kommer att påverka våra organisationer.

Men takten i spridningen av nya möjligheter kommer inte att stanna. Den kommer att fortsätta öka, och vi måste vara mycket anpassningsbara till alla förändringar och framsteg. Mitt råd till alla organisationer är därför att börja känna sig bekväma med att snabbt vara mycket anpassningsbara till denna förändring.

Galen Low: Det är både skrämmande och imponerande. Många organisationer tänker att AI-förändringen är som att hoppa över en flod. Men egentligen kliver de ut i ett hav som aldrig tar slut.

Michael Domanic: Det är där den här förändringen skiljer sig från många tidigare förändringar. Tidigare kunde man se något stort som man behövde anpassa sig till och tänka att det kanske skulle ta några år, men att det fanns något på andra sidan. När det gäller spridningen av generativ AI, och kanske artificiell generell intelligens och artificiell superintelligens längre fram, har de senaste tre årens förändring förmodligen inte ens skrapat på ytan av det vi kommer att hantera under de kommande tio åren.

Galen Low: Det är verkligen omvälvande.

Michael Domanic: Det låter dystert och lite skrämmande, men det är verkligheten. Vi måste vänja oss vid den.

Galen Low: Och där finns kärnan: att acceptera att det som ligger framför oss är omfattande. Det är inte något vi börjar och sedan avslutar. Det är ett nytt sätt att tänka, och om vi kan omfamna det kommer vi att klara oss bättre än om vi antar att det är tillfälligt.

Michael Domanic: Ja.

Galen Low: Kan jag återvända snabbt till måtten och mätningarna? Du sade att ni just nu kopplar allt till den centrala verksamheten. Kommer det att förändras när organisationen går in i en framtida fas? Kommer ni att mäta på ett annat sätt när ni förstår djupet i förändringen och börjar utveckla verksamheten bortom den nuvarande kärnmodellen?

Michael Domanic: Kommer det att förändras? Ja. Hur det kommer att förändras är mer oklart. När vi går in i 2026 och tittar på de senaste arton månaderna av vår formella förändring har vi i huvudsak mätt två saker.

Det första är användning – användningen av AI i organisationen. Det är delvis ett fåfängemått, men det är avgörande. Man kan inte förändras om man inte använder verktygen. Vi behöver följa det. Just nu ligger vi på full AI-användning. Våra veckovisa och dagliga aktiva användare av AI-verktyg är nästan hundra procent.

Det andra är hur AI påverkar affärsresultaten. Det kommer vi definitivt att fortsätta mäta, men vi kommer sannolikt att lägga mindre vikt vid användningsmåtten.

Vi går nu in i fas två, som kommer att handla om autonoma AI-agenter och om att föra in dem i affärsprocesser i hela organisationen. När vi börjar införa detta formellt behöver vi fokusera mycket mer på hur det påverkar processer och arbetsflöden.

Jag vet ännu inte exakt hur det kommer att se ut, men jag har en idé. Det kommer förmodligen att återknyta till mätning av affärsresultat, men kanske på ett annat sätt. Vi kommer att fortsätta förfina detta.

Galen Low: Jag gillar det. Du talade tidigare om den mjuka sidan – kulturen. Jag tycker om hur ni närmar er användningen av verktyg. Den är inte obligatorisk, men ni följer om människor använder dem. Nu går ni in i fas två och frågar om ni använder agenter. Företag måste själva hitta svaren för sin specifika verksamhet.

Jag vill byta perspektiv och avsluta med framtiden. Du har nyligen publicerat en artikel som jag uppskattade, om dina förutsägelser för AI under 2026. Bland annat nämnde du att roller som din egen snart kommer att vara en självklarhet i medelstora och stora företag, och att AI-agenter kommer att arbeta tyst i bakgrunden.

Du nämnde strategier för tiden efter artificiell generell intelligens som cirkulerar bland företagsledningarna. Du förutspådde också att UX-forskare och designers kommer att bli några av de viktigaste personerna på företag under 2026. Vad menar du med det?

Michael Domanic: Vi talade tidigare om hur inträdesbarriärerna för att skapa produkter snabbt sjunker. Det har aldrig varit enklare att skapa trådramar och prototyper i stor skala eller till och med starta ett nytt företag.

Företag använder nu verktyg som hjälper dem att öka produkthastigheten. Men något som fortfarande är otroligt svårt är att skapa produkter som människor faktiskt vill använda.

Där kommer designers och UX-forskare in. De blir experterna i rummet som hjälper verksamheten att förstå vilka av alla känslekodningsverktyg och nya produkter som faktiskt kommer att tilltala kunderna.

UX-designers och UX-forskare har alltid spelat en mycket viktig roll, särskilt för SaaS-företag som vårt. Men efterfrågan på att skapa produkter snabbare kommer att öka. Det är inte lättare i dag än för tre år sedan att skapa produkter som verkligen tilltalar kunderna. UX-personer kommer därför att vara mycket efterfrågade experter.

Om du lanserar tio gånger fler funktioner nästa år än förra året, men funktionerna inte tilltalar kunderna, har du inte påverkat resultatet alls. Du har inte ökat produkthastigheten på ett meningsfullt sätt.

Galen Low: Det finns så mycket i det. Jag har en särskild plats i hjärtat för bra användarupplevelsedesign, eftersom jag kommer från en bakgrund inom människocentrerad design.

Michael Domanic: Vi har samma särskilda plats.

Galen Low: Det du nämnde i början är verkligen viktigt. Vissa kanske tänker: vänta, du sade att trådramar, kodning och utveckling av upplevelser blir enklare. Varför skulle en UX-person vara värdefull? Är inte det hela deras jobb?

Och där ligger problemet. Det är egentligen inte det jobbet handlar om. Jobbet handlar om att skapa något som tilltalar användarna. Jag tänker också på er interna förändring, inte bara den externa produkten. Ni har användare som möter den digitala teknik ni har byggt.

De är användare nu, inte bara anställda som använder ett internt verktyg. Alla har erfarenhet av interna verktyg som ingen bryr sig om eftersom de är interna. Man står ut med ett fruktansvärt hopplockat affärssystem för att kunna driva verksamheten, men ingen tänker på att förbättra det.

Utmaningen är att få människor att börja använda verktygen och sedan gradvis förbättra dem. Det räcker inte att säga att man har skapat sina anpassade GPT:er. Man måste skapa en upplevelse som människor faktiskt använder och tycker är värdefull, så att kulturen stärks, verksamheten blir sundare och organisationen kan attrahera talanger som gör ett bra arbete.

Michael Domanic: Jag håller helt med.

Galen Low: Jag bygger vidare på det du sade. Jag tyckte verkligen om artikeln och kommer att lägga en länk till den i anteckningarna. Vi skulle kunna gå igenom varje punkt, men det finns så mycket att packa upp. Det får kanske bli ett samtal en annan gång.

Michael Domanic: När jag tänker på det jag skrev i artikeln tror jag att din publik särskilt kommer att känna igen UX-delen. Men gör er också redo för skräpets undergång, för den kommer. Jag förutspår en massiv minskning av användningen av sociala medier mot slutet av 2026.

Människor kommer att tröttna på allt skräp och inte längre veta vad de tittar på. UX spelar också en roll här. Om du driver ett socialt medieföretag måste du tänka strategiskt på vad detta betyder för verksamheten och vilken upplevelse du vill erbjuda användarna.

Vi försöker alla undvika skräpets undergång, men den kommer.

Galen Low: Vi sliter ut våra kanaler så snabbt i dag. Ta min inkorg – glöm det. E-post är en kanal vi knappt använder längre eftersom det mesta jag får är skräppost. Det blir intressant att se vad som ersätter den eller hur vi anpassar oss.

Michael Domanic: Verkligen.

Galen Low: Michael, det här har varit fantastiskt. Jag uppskattar det verkligen. Bara för skojs skull, har du någon fråga du vill ställa till mig?

Michael Domanic: Vilka är dina förutsägelser för AI under 2026?

Galen Low: På en mycket övergripande nivå, och kanske ur ett optimistiskt perspektiv, tror jag att vissa myter – särskilt skrämselretoriken – kommer att börja försvinna.

Den kommer att bli irrelevant. När människor faktiskt använder AI och förstår vad det kan användas till, vad det är bra på och vad det inte är bra på, kommer mycket av hypen att avta. Folk kommer att säga: okej, jag kan inte längre göra AI till ett spöke.

Det är en sak. Tekniken är inte nödvändigtvis god eller ond. Jag hoppas att mindre faktabaserade påståenden om AI, förändring och organisationers påverkan på verksamheten börjar försvinna ur samtalet. Kanske kommer mer AI-skräp att dyka upp, men den människodrivna skrämselretorik som kommer från okunskap borde minska.

Michael Domanic: Intressant. Så vi kommer alla att sluta läsa personer som Gary Marcus, som är AI-domedagsprofeter?

Galen Low: Det kommer förmodligen fortfarande att finnas domedagsprofeter. Jag hoppas bara att de blir färre. Michael, jag uppskattar verkligen samtalet. Om man vill veta mer om dig och UserTesting, var kan man göra det?

Michael Domanic: Du kan följa mig på LinkedIn. Jag publicerar mycket om AI där om du vill följa med på resan. Om du arbetar på ett företag som vill få återkoppling på något ni gör kan ni kontakta UserTesting. Det kan vara ert AI-förändringsprogram, produkterna ni skapar eller skräpet ni skapar. Vad det än är kan vi hjälpa er att få återkoppling.

Galen Low: Jag gillar verkligen de tre användningsområdena. Fantastiskt. Michael, tack igen. Jag uppskattar det verkligen.

Michael Domanic: Tack, Galen. Det var trevligt att prata med dig.

Galen Low: Det var allt för dagens avsnitt av podden The Digital Project Manager. Om du uppskattade samtalet, prenumerera där du lyssnar. Om du vill ha ännu fler praktiska insikter, som fallstudier och handböcker, kan du gå till thedigitalprojectmanager.com.

Tills nästa gång – tack för att du lyssnade.