ChatGPT Skills: när AI går från att svara på frågor till att faktiskt utföra jobbet

Jag säger en mening till ChatGPT. Sedan läser den ett mejl, skapar ett digitalt möte, skickar en kalenderinbjudan, blockerar min jobbkalender och uppdaterar familjekalendern.

Och innan något händer får jag kontrollera och godkänna allt.

Det här är ett ganska enkelt exempel från min egen vardag, men för mig visar det varför Skills i ChatGPT är betydligt mer intressant än ännu en ny AI-funktion att lära sig.

För nu börjar vi kunna lära AI inte bara vad den ska svara, utan hur ett faktiskt arbetsflöde ska utföras.

Mitt något brokiga digitala ekosystem

Jag driver AI Olle vid sidan av mitt vanliga arbete. Det är ett relativt litet bolag och jag har medvetet försökt hålla både kostnader och IT-miljö på en rimlig nivå.

Det innebär bland annat att jag inte har byggt upp någon stor Microsoft 365-miljö bara för AI Olle.

Min e-post finns hos Zoho. Jag använder Google för vissa saker. Min vanliga jobbkalender ligger i Outlook. Och hemma använder familjen en delad Google-kalender.

Smidigt?

Nja. 😇

Billigt och fullt fungerande?

Absolut.

Problemet uppstår när något så enkelt som att boka ett digitalt kundmöte plötsligt kräver flera små steg i olika system.

Jag behöver kanske läsa kundens senaste mejl, skapa ett videomöte, kopiera länken, skapa kalenderinbjudan, kontrollera jobbkalendern och meddela familjen att jag är upptagen.

Inget av stegen är svårt.

Men tillsammans är de precis den där typen av små administrativa moment som äter tid under en arbetsvecka.

Sådant tycker jag är perfekt att låta AI hjälpa till med.

En mening till ChatGPT startar hela arbetsflödet

Jag har därför byggt en Skill i ChatGPT som beskriver exakt hur jag vill att den här typen av mötesbokning ska gå till.

Jag kan till exempel skriva:

Läs mejlet från David i min AI Olle-mail för kontext och boka ett digitalt möte med honom imorgon klockan 16.00–16.30.

Sedan följer ChatGPT arbetsrutinen jag har definierat.

1️⃣ 📧 Läs mejlet

Via ett insticksprogram får ChatGPT tillgång till min Zoho-mail och kan hitta mejlet från David.

Det betyder att jag inte behöver börja med att själv sammanfatta vem personen är, vilket företag han representerar eller vad mötet gäller.

AI:n kan läsa sammanhanget själv.

2️⃣ 🎥 Skapa videomötet

Nästa steg är att skapa ett Google Meet-möte och hämta länken till videomötet.

Ingen deltagare bjuds in därifrån. Google används bara för själva videomötet. Jag vill ju att inbjudan ska se ut att komma ifrån min aiolle.se adress!

3️⃣ 📅 Skicka kundinbjudan

Därefter går arbetsflödet vidare till Zoho Calendar.

Där skapas den riktiga kalenderbokningen med rätt rubrik, tid, beskrivning och Google Meet-länken.

David får alltså en helt vanlig kalenderinbjudan som han kan tacka ja eller nej till.

4️⃣ 💼 Blockera jobbkalendern

Eftersom jag också har ett vanligt jobb behöver samma tid blockeras i min Outlook-kalender.

Annars finns risken att någon bokar in mig på ett annat möte samtidigt.

Det vore… mindre optimalt.

5️⃣ 👨‍👩‍👧 Uppdatera familjekalendern

Slutligen läggs tiden även in i familjens kalender.

Där behöver det inte stå några kunduppgifter. Det räcker exempelvis med att jag är upptagen med AI Olle eller håller en AI-föreläsning.

Fem små administrativa moment har alltså blivit en enda instruktion.

Men vad är egentligen en Skill?

Här tycker jag att det lätt blir onödigt tekniskt.

En Skill kan förenklat beskrivas som en återanvändbar arbetsinstruktion för AI.

Den kan tala om:

• när ett visst arbetssätt ska användas
• vilka steg som ska genomföras
• i vilken ordning de ska göras
• vilka verktyg som ska användas
• vilken information som behöver kontrolleras
• när AI:n ska fråga användaren
• vad som kräver mänskligt godkännande

Jag brukar tänka så här:

Insticksprogrammen är händerna. Skillen är arbetsinstruktionen.

Ett insticksprogram kan ge ChatGPT möjlighet att exempelvis läsa e-post, arbeta med kalendern eller komma åt information i ett annat system.

Men bara för att AI:n kan använda ett verktyg betyder det inte att den automatiskt vet hur jag vill att jobbet ska utföras.

Det är där Skillen kommer in.

Den beskriver mitt arbetssätt.

Och jag vill fortfarande ha kontrollen

En viktig del i mitt eget arbetsflöde är att ChatGPT inte bara ska dra iväg och börja skicka kundinbjudningar.

Innan något skapas eller skickas vill jag få en sammanfattning av vad den tänker göra.

Vem ska bjudas in?

Vilken tid?

Vad ska mötet heta?

Vilka kalendrar kommer att påverkas?

Först när jag godkänner genomförs arbetsflödet.

Det är en princip jag tror är viktig när företag börjar använda mer agentliknande AI.

Målet behöver inte vara maximal autonomi.

Målet är att automatisera rätt saker och behålla människan där människan faktiskt tillför värde.

✅ AI:n kan göra grovjobbet.

✅ AI:n kan hålla ordning på stegen.

✅ AI:n kan flytta information mellan systemen.

Men jag kan fortfarande fatta beslutet.

Skills är större än bara ChatGPT

En annan anledning till att jag tycker att företag bör börja förstå Skills är att detta inte bara handlar om en isolerad funktion i ChatGPT.

Anthropic, företaget bakom Claude, publicerade Agent Skills som en öppen standard för att göra sådana färdigheter mer portabla mellan olika AI-plattformar. :contentReference[oaicite:1]{index=1}

Även Microsoft stödjer Agent Skills och samma grundidé med bland annat SKILL.md-filer i delar av sitt Copilot- och agentekosystem. :contentReference[oaicite:2]{index=2}

Det betyder däremot inte att exakt samma arbetsflöde fungerar identiskt överallt.

Det är en viktig skillnad.

Vilka system AI:n faktiskt kan arbeta med beror fortfarande på vilka integrationer, insticksprogram och andra verktyg som finns tillgängliga i respektive plattform.

Mitt Zoho-Google-Outlook-exempel är alltså framför allt ett ChatGPT-case.

Men principen är större än ChatGPT.

Börja inte med Skillen. Börja med arbetsflödet.

Här tror jag också att företag lätt kan börja i fel ände.

Man hör talas om Skills och tänker:

Vad kan vi bygga för Skills?

Jag skulle hellre börja med en annan fråga:

Vilka återkommande arbetsuppgifter hos oss består idag av flera små manuella steg?

Det kan exempelvis vara:

📩 Kundförfrågan
E-post → CRM → ansvarig person → uppgift → uppföljningsmejl.

📝 Kundmöte
Anteckningar → sammanfattning → CRM → aktiviteter → kunduppföljning.

📊 Rapportering
Samla underlag → kontrollera information → skapa rapport → spara på rätt plats → meddela projektgruppen.

📅 Bokningar
Kontrollera kalender → hitta tid → skapa möte → boka resurs → informera berörda.

📁 Dokumenthantering
Ta emot fil → tolka innehåll → döpa om → kategorisera → spara → registrera.

Det är ofta inte de stora spektakulära processerna som är bäst att börja med.

Det är de små sakerna som någon gör om och om igen.

Det här tror jag blir viktigt för små och medelstora företag

För ett mindre företag finns sällan tid eller pengar att automatisera precis allt.

Men just därför tycker jag att den här utvecklingen är spännande.

Tidigare har avancerad automation ofta inneburit integrationsprojekt, konsulter, specialbyggd kod och ganska mycket teknik.

Det behövs fortfarande i många situationer.

Men tröskeln för att testa en idé har blivit betydligt lägre.

Ett företag kan börja med att dokumentera hur en medarbetare faktiskt utför en återkommande uppgift:

1. Vad startar processen?
2. Vilken information behövs?
3. Vilka system används?
4. Vilka beslut måste fattas?
5. Vad kan AI:n göra?
6. Vad måste en människa godkänna?

Det är egentligen ganska vanlig verksamhetsutveckling.

Skillnaden är att vi nu kan börja ge delar av den arbetsinstruktionen direkt till AI:n.

💡 Och det är där jag tror den stora möjligheten finns.

Inte i ännu smartare chattande.

Utan i att få AI att förstå hur arbetet faktiskt går till.

Från promptutbildning till arbetsflöden

Det här påverkar också hur jag själv tänker kring AI-utbildningar.

För några år sedan handlade mycket om att lära sig skriva bättre promptar.

Det är fortfarande viktigt.

Men jag tror att nästa steg för många företag handlar mer om att kartlägga arbetssätt.

Vad gör vi varje dag?

Vilka steg är repetitiva?

Var kopierar vi information manuellt?

Var byter vi mellan tre olika system för att lösa en ganska enkel uppgift?

Och vilka av dessa flöden skulle vi kunna lära AI:n?

Där börjar generativ AI gå från att vara en smart assistent vid sidan av arbetet till att bli en del av själva arbetsprocessen.

Det tycker jag är betydligt mer spännande.

Key Takeaway

Skills handlar i grunden inte om att göra AI mer imponerande. De handlar om att göra återkommande arbetssätt återanvändbara.

Börja därför inte med frågan vilken Skill ni ska bygga. Börja med att hitta en uppgift som idag kräver fem små manuella steg i flera olika system.

Kan AI:n göra fyra av dem och låta människan godkänna det femte?

Då har ni sannolikt hittat ett väldigt bra ställe att börja testa.

Vill du veta mer?

Jag hjälper företag att göra AI begripligt, praktiskt och användbart genom utbildningar, workshops och konkreta AI-case.

Vill ni gå från att bara använda ChatGPT för frågor och texter till att börja titta på Skills, insticksprogram och riktiga arbetsflöden, kontakta gärna mig på AI Olle.

Det behöver inte börja med ett stort AI-projekt.

Ofta räcker det långt att börja med en enda irriterande arbetsuppgift som ni gör om och om igen. 😁