AI för konsulter: så använder jag det i mitt eget jobb

Jag hjälper företag använda AI. Men hur använder jag det själv?

Det är en rimlig fråga. Om jag ska ge råd om AI borde jag väl praktisera vad jag predikar. Så här är en ärlig genomgång av min vardag. Vilka verktyg jag använder. Vilka jag testat och skippat. Och vad jag fortfarande gör manuellt.

Ingen hemlighet. Inga säljpitchar. Bara hur det faktiskt ser ut.

Varför jag berättar det här

Två skäl:

1. Transparens bygger förtroende. Om du funderar på att jobba med mig vill du förmodligen veta att jag faktiskt kan det jag pratar om.

2. Idéer du kan sno. Allt jag beskriver här kan du testa själv. Om något passar din situation, kör på.

Och ja, jag är medveten om ironin i att en AI-konsult skriver om hur han använder AI. Men just den transparensen är poängen.

Mina dagliga verktyg

Här är vad jag faktiskt använder varje dag, inte verktyg jag testat en gång och glömt.

Claude (flera varianter)

Claude.ai för konversationer, brainstorming, och snabba frågor. Den fria versionen räcker för mycket, men jag betalar för Pro för längre konversationer och mer användning.

Claude Desktop + MCP för arbete som involverar mina lokala filer. Jag har satt upp MCP-servrar för filsystem och sökning. Det låter mig säga saker som "läs igenom projektmappen och sammanfatta vad som finns" utan att kopiera in filer manuellt.

Claude Code för all utveckling. Jag använder det dagligen för maivor.ai och kundprojekt. Har skrivit om det här.

n8n för automation

n8n är min go-to för automation. Det är open source, kan hoostas själv (vilket jag gör), och integrerar med det mesta.

Exempel på vad jag automatiserat:

• Nya förfrågningar via hemsidan triggear notifikation + kalenderbokning
• Nyhetsbrevsprenumeranter synkas mellan system
• Veckosammanfattningar av relevant branschinfo

Jag har en guide om n8n om du vill komma igång.

Notion för struktur

Notion är min andra hjärna. Alla projekt, anteckningar, kundinfo, och idéer hamnar här. Det är inte ett AI-verktyg i sig, men kombinationen av struktur och Notions inbyggda AI-funktioner hjälper.

Jag experimenterar med att koppla Claude till min Notion via MCP, men det är fortfarande work in progress.

Övriga verktyg

• Perplexity för snabb research (ibland bättre än att googla)
• Granola för mötesanteckningar (transkriberar och sammanfattar automatiskt)
• Cursor för vissa kodprojekt (AI-editor baserad på VS Code)

Hur jag förbereder kundmöten

Före varje kundmöte gör jag research. Förr tog det kanske 30-60 minuter. Nu tar det 10-15.

Steg 1: Grundläggande research Jag ber Claude eller Perplexity sammanfatta kundens företag: vad de gör, senaste nyheter, branschkontext.

Steg 2: Specifika frågor Baserat på vad mötet handlar om förbereder jag relevanta frågor. Ofta ber jag Claude brainstorma: "Vad är vanliga utmaningar för företag i [bransch] när de vill [mål]?"

Steg 3: Tidigare kontext Om jag pratat med kunden förut kollar jag mina anteckningar i Notion. Ibland ber jag Claude sammanfatta långa konversationshistorik till nyckelpoäng.

Under mötet Granola transkriberar och sammanfattar automatiskt. Jag kan fokusera på samtalet istället för att föra anteckningar.

Efter mötet Jag går igenom Granolas sammanfattning, justerar om något saknas, och lägger till action items i Notion.

Så skriver jag förslag och rapporter

Det här är kanske där AI sparar mest tid.

Första utkast: Jag beskriver för Claude vad jag vill ha: typ av dokument, kund, syfte, vad vi kommit överens om. Claude skriver ett första utkast.

Jag styr strukturen: Jag accepterar aldrig första utkastet rakt av. Jag justerar struktur, ton, och innehåll. Ofta ber jag om omskrivningar: "den här delen är för vag" eller "lägg till mer konkretion om X".

Min röst: Det färdiga dokumentet ska låta som jag, inte som en AI. Det kräver redigering. Men det är snabbare att redigera ett utkast än att stirra på ett blankt dokument.

Vad jag INTE använder AI till

Lika viktigt som vad jag använder AI till är vad jag undviker.

Kundkommunikation direkt

Jag skickar aldrig AI-genererade mejl rakt ut till kunder. Alltid min röst, mina formuleringar, efter att jag gått igenom och justerat.

Strategiska beslut

AI kan ge input, men beslut tar jag själv. Vilken kund jag ska jobba med, hur jag prisar mina tjänster, var jag fokuserar min tid: det kräver mänskligt omdöme.

Känslig kunddata

Jag klistrar inte in kunders konfidentiella information i verktyg jag inte kontrollerar. Det finns undantag (anonymiserad data, samtycke), men defaulten är försiktighet.

Saker som kräver mänsklig relation

Svåra samtal, förhandling, att bygga förtroende: det går inte att automatisera. AI kan hjälpa mig förbereda, men själva interaktionen är mänsklig.

Kreativt tänkande om nya affärer

Idéer om vart jag vill ta Maivor, vilka tjänster jag ska erbjuda, hur jag positionerar mig: det tänker jag igenom själv. Ibland bollar jag med Claude, men det är mina beslut.

Resultatet

Vad har jag fått ut av det här?

Tid: Uppgifter som tog timmar tar nu minuter. Research, första utkast, sammanfattningar, kodning.

Kvalitet: Ibland bättre än vad jag producerat på egen hand, speciellt för saker jag inte är expert på.

Fokus: Mer tid för det som faktiskt kräver mänsklig expertis. Kundrelationer, strategiskt tänkande, kreativt arbete.

Men också:

Lärande: Jag förstår verktygen genom att använda dem dagligen. Det gör mig till en bättre rådgivare.

Ödmjukhet: AI är kraftfullt men inte magiskt. Jag har realistiska förväntningar som jag kan förmedla till kunder.

Vad jag håller på att lära mig

Några områden jag experimenterar med just nu:

• Mer sofistikerade MCP-uppsättningar (koppla Claude till fler system)
• AI-agenter för specifika repetitiva uppgifter
• Bättre promptmallar som jag kan återanvända
• Lokal körning av open source-modeller för känsligare uppgifter

Det är en ständig process. Verktygen förbättras. Mina arbetsflöden utvecklas.

TLDR

1. Dagliga verktyg: Claude (chat, desktop, code), n8n för automation, Notion för struktur.
2. Kundmöten: AI för research och förberedelse, mänskligt fokus under mötet.
3. Dokument: AI för första utkast, jag redigerar och gör det till mitt.
4. Gränser: Ingen direkt kundkommunikation utan redigering, inga strategiska beslut, ingen känslig data.
5. Resultat: Mer tid för det som faktiskt kräver mänskligt omdöme.

Det viktigaste jag lärt mig: AI är en multiplikator, inte en ersättare. Den förstärker det du redan är bra på. Den ersätter inte omdöme, relation, eller expertis.

Vill du lära dig mer om specifika verktyg jag nämner? Läs min guide om prompt engineering för att skriva bättre prompts, eller AI-agenter förklarade för att förstå vad agenter faktiskt kan göra. Om du vill bygga en egen assistent, kolla in bygg din egen AI-assistent med MCP.

Vanliga frågor

Vilka AI-verktyg borde jag börja med som konsult?

Börja med Claude eller ChatGPT för konversationer och första utkast. Lägg till ett verktyg för mötesanteckningar (som Granola). Det täcker mycket av vardagen. Bygg därifrån efter behov.

Hur mycket tid sparar AI egentligen?

Det varierar, men för research, första utkast och sammanfattningar sparar jag ofta 50-70% av tiden. Vissa uppgifter som tog timmar tar nu minuter. Men AI löser inte allt och kräver fortfarande granskning.

Märker kunder att jag använder AI?

Inte om du gör det rätt. Nyckeln är att alltid redigera och lägga till din röst. Om du bara kopierar AI-text märks det. AI är en startpunkt, inte en färdig produkt.

Är det okej att använda AI i kundarbete?

Ja, så länge du inte delar konfidentiell kunddata med verktyg du inte kontrollerar, och så länge slutresultatet håller kvalitet. Var transparent om dina processer om kunder frågar.

---

Funderar du på hur AI kan passa in i ditt konsultarbete eller företag? Kolla in vår AI-strategitjänst eller boka ett samtal så delar jag gärna mer specifikt utifrån din situation.