Dag 1: Utvecklarrollens transformation och affärsnära behovsförståelse
Förmiddag: Så förändras utvecklarrollen i AI-skiftet
Syfte: Skapa en tydlig förståelse för varför utvecklarrollen förändras, vilka delar av det traditionella utvecklararbetet som tappar värde, och vilka förmågor som blir centrala framåt.
Eftermiddag: Att vara utvecklare i en AI-driven verklighet
Syfte: Svara på vad utvecklare bör tar större ansvar för när mer kan automatiseras? Hur säkerställer vi, utöver hastighet, värde i det vi bygger? Vad innebär det att vara en skicklig utvecklare idag?
Innehåll:
- Organisationen i förändring – värdeströmmar och nya behov
- Hur ser våra värdeströmmar ut – och var skapas verkligt värde?
- Vad blir viktigare när kod blir enklare att producera?
- Vilka nya behov uppstår i organisationen?
- Min nya roll – ansvar, förhållningssätt och proaktivitet
- Utvecklarhantverket behöver bli tydligare, bredare och mer ansvarstagande.
- Hur ser proaktivitet ut i praktiken i en AI-driven miljö?
- Hur samverkar jag med rätt personer för att skapa värde?
- Vad behöver jag göra mer av?
- Att driva fram resultat
- Workshop som arbetssätt
- Vad kännetecknar en workshop som faktiskt leder till resultat?
- Hur man sätter man en tydlig ram och inriktning
- Hur man landar i konkreta nästa steg
- Hur man lyssnar efter kvalitetsattribut i luddiga kund- och verksamhetssamtal
- Processkartläggning av kollegors arbetsflöden för att hitta friktion, felkällor och automationsmöjligheter
Efter passet ska deltagaren kunna:
- En tydligare bild av hur din roll förändras i en AI-driven verklighet
- Konkret förståelse för vilket ansvar som ökar – och varför
- Nya sätt att arbeta mer proaktivt och värdeskapande
- En praktisk modell för att leda workshops som ger resultat
Dag 2 Från affärsbehov till lösning och leveransorganisation
Förmiddag: Från affärsbehov till AI-ready: välj rätt lösning för rätt problem
Syfte: Tillhandahålla ett ramverk för att avgöra vilken typ av lösning som passar ett givet problem och vilka AI-lösningar som finns att tillgå.
Innehåll:
- Hur man bryter ner affärsbehov till arbetsflöden, beslutspunkter och databehov
- När traditionell automation, vanlig systemutveckling, AI eller en kombination? Hur väljer man rätt väg?
- Strategiska lösningsval off-the-shelf SaaS, model via API, RAG och embeddings eller är det svårare än så (fine-tuning, egna modeller)
- Vad är agentisk upplägg och hur kan de användas
- Från demo och prototyp till verkligt verksamhetsvärde
- Utvecklarens ansvar att designa AI-lösningar som fungerar i organisationens verklighet
Efter passet ska deltagaren kunna:
- resonera om vilken typ av lösningsmönster som passar olika problem
- skilja mellan hype, prototypvärde och faktisk affärsnytta
- koppla AI-val till värdeströmmar, processer och målbild
Eftermiddag: Att leverera i den nya verkligheten – samarbete, coaching och verksamhetsbehov
Syfte: Fördjupa de organisatoriska konsekvenserna och ge deltagarna konkreta modeller för hur teamarbete, roller och samarbetsformer förändras när AI blir en del av leveransen.
Innehåll:
- Att balansera autonomi med organisatorisk samordning
- Utvecklaren som orkestratör mellan verktyg, modeller, system och verksamhetsbehov
- Hur man hjälper kollegor att identifiera automationsmöjligheter
- Hur man fungerar som bollplank i AI-stödd problemlösning
- Hur man bygger relationer och förtroende så att skugg-IT, egna prototyper och rogue AI-lösningar kommer upp till ytan
- Workshopformat för att fånga idéer från verksamheten och omvandla dem till säkrare lösningsupplägg
- Coaching-skills för utvecklare: att lyssna, ställa rätt frågor och hjälpa andra växa snarare än lösa deras problem åt dem
- Utvecklaren som intern coach, möjliggörare och brygga mellan snabb innovation och teknisk hållbarhet
Efter passet ska deltagaren kunna:
- beskriva hur teamdynamik och roller förändras i AI-stödd utveckling
- identifiera hur AI-idéer från verksamheten kan fångas upp och struktureras
- använda grundläggande coaching-principer i sin roll som teknisk möjliggörare
- förstå hur orkestrering och relationsbyggande blir en del av teknisk leverans
Dag 3: Agentisk utveckling, quality assurance (QA) och säker orkestrering
Förmiddag: QA i en värld av agenter, review loops och mänskliga grindar
Syfte: Ge deltagarna en konkret förståelse för hur agentiska arbetssätt förändrar utveckling, kvalitetssäkring och ansvarsfördelning
Innehåll:
- Vad agentisk utveckling är och hur det skiljer sig från vanlig AI-assistans
- Från code completion till kedjor av generering, test, självgranskning och förbättring
- Att översätta kvalitetsattribut och KPI:er till kravspecifikation
- Hur promptarbetet kopplas till testbarhet, förvaltning och långsiktig förståelse
- AI mot AI: generering, granskning och verifiering
- Human-in-the-loop design patterns
- QA-checklista för AI-genererad kod
- Flödesskiss för automatiserad granskning med definierade mänskliga grindar
- Teamminne, spårbarhet och reproducerbarhet
- Promptarkiv och promptloggar som stöd för förvaltning och generationsskiften
- Hur man dokumenterar krav, antaganden och AI-beslut
Efter passet ska deltagaren kunna:
- beskriva hur QA förändras i en agentisk setup
- förstå samspelet mellan automatiserad granskning och mänskligt omdöme
- använda enkla modeller för människa–agent-samspel i kvalitetssäkring
- översätta övergripande kvalitetskrav till tydligare tekniska och funktionella krav
Eftermiddag: Orkestrering, lösningscoaching och utvecklaren som intern möjliggörare
Syfte: Flytta fokus från enskild kodproduktion till hur utvecklare kan möjliggöra säker och värdeskapande AI-användning i hela organisationen.
Innehåll:
- Utvecklaren som orkestratör mellan verktyg, modeller, system och verksamhetsbehov
- Integrationslagret: API:er, MCP och dataflöden
Efter passet ska deltagaren kunna:
- beskriva utvecklarens roll som intern möjliggörare av AI-värde
- identifiera hur AI-idéer från verksamheten kan fångas upp och struktureras
- förstå hur orkestrering och relationsbyggande blir en del av teknisk leverans
Dag 4: Säkerhet, förvaltning och hållbar produktion
Förmiddag: Bygg säkert från början: systemsäkerhet och behörighet, intellectual property och säkra utvecklingsmiljöer
Syfte: Ge deltagarna en tydlig förståelse för riskerna i AI-driven utveckling och vad som krävs för att arbeta säkert med modeller, agenter och externa tjänster.
Innehåll:
- Säkerhet i det som byggs och i själva utvecklingsprocessen
- Risker med externa MCP-servrar, agentverktyg och osäkra ramverk
- Flödesskiss för automatiserad granskning och definierade mänskliga grindar
- Sandboxing, minsta privilegium, Zero-Trust och isolerade miljöer
- Lokala modeller kontra molntjänster
- Datahantering, behörigheter och kontroll över känslig information
- IP-risker, loggning och skydd av organisationens kunskap
- Säkerhetstänk från prototyp till produktion
- Samspel mellan utvecklare, AI enablement, tech lead, säkerhetsfunktion och ledning
Efter passet ska deltagaren kunna:
- identifiera centrala säkerhetsrisker i AI-stödd utveckling
- förstå varför säkra utvecklingsmiljöer är avgörande
- resonera om leverantörsval, datakontroll och IP-risker
Eftermiddag: Förvaltning när lösningen ska finnas kvar men modeller och verktyg byts ut
Syfte: Avsluta kursen med ett långsiktigt perspektiv: hur utvecklar man lösningar som går att förstå, återskapa, förvalta och förbättra när modeller, verktyg och team förändras?
Innehåll:
- Förvaltning i en miljö där modeller och verktyg förändras snabbt
- Hur AI-genererad kod påverkar läsbarhet, underhållbarhet och teknisk skuld
- Hur kravspec, test, promptloggar och dokumentation kan användas för att återskapa funktionalitet
- Hur man bevarar domänlogik över tid
- När det är bättre att bygga om än att förlänga livslängden på svårförståelig lösning
- Avslutande övning: ta fram en strategi för att återskapa funktionalitet utan att tappa verksamhetslogik, kvalitet eller spårbarhet
Efter passet ska deltagaren kunna:
- förstå vad hållbar förvaltning innebär i AI-driven utveckling
- resonera om hur team kan minska sårbarhet vid modell- och verktygsbyten
- använda dokumentation, tester och promptloggar som stöd för långsiktig teknisk hållbarhet