PROBLEMLÖSNING

PRINCIP

AI som tekniskt bollplank — inte som facit

Teknisk problemlösning handlar om att navigera osäkerhet: ofullständig information, motstridiga krav, oklara avvägningar. AI är ett bra bollplank i den processen — det kan snabbt generera alternativ, identifiera konsekvenser och utmana antaganden.

Men AI vet inte hur ditt system är byggt, vilket skalningsbehov ni har eller vilka politiska faktorer som påverkar beslutet. Den tekniska expertisen stannar hos dig.

AI GENERERAR ALTERNATIV OCH UTMANAR DITT TÄNKANDE
DU FATTAR DET SLUTLIGA TEKNISKA BESLUTET

ARKITEKTURVAL

Utforska och jämföra tekniska alternativ

När du ska välja mellan tekniska alternativ — databasteknik, kommunikationsmönster, ramverk, infrastrukturval — kan AI snabbt ge dig en strukturerad jämförelse.

Ge ett godkänt verktyg minsta nödvändiga underlag:

• Vad problemet är du försöker lösa
• De alternativ du överväger (eller be AI föreslå)
• Dina viktigaste krav och begränsningar
• Kontext om teamets kompetens och befintlig stack

Be AI jämföra alternativen på de dimensioner som spelar roll för dig: prestanda, underhållbarhet, ekosystem, inlärningskurva, kostnad. Be den explicit markera var den är osäker.

BE AI JÄMFÖRA — SEDAN BE DEN IDENTIFIERA EGNA OSÄKERHETER
DET GER DIG EN ÄRLIGARE BILD

ROTORSAKSANALYS

Systematisk analys av produktionsproblem

När något går fel i produktion behöver du snabbt förstå vad som hände och varför. AI kan hjälpa dig strukturera rotorsaksanalysen.

Ge AI:

• En tidslinje för incidenten: vad observerades, när
• Relevanta loggar, felmeddelanden och mätvärden
• Förändringar som gjorts nära incidenttidpunkten
• Systemets normala beteende som referens

Be AI systematiskt gå igenom möjliga orsaker — infrastruktur, kod, konfiguration, beroenden, datakvalitet — och ranka dem efter sannolikhet. Resultatet är en lista hypoteser att verifiera, inte en färdig förklaring.

KOPIERBAR PROMPT

Sortera loggar till verifierbara hypoteser

EXEMPEL

Så blir AI-analysen användbar

Svag prompt: Varför gick tjänsten ner?

Bättre prompt: Här är tidslinje, senaste deploy, larm, relevanta loggrader och normalvärden. Lista möjliga orsaker, visa vilket underlag som talar för och emot varje hypotes, och föreslå nästa verifiering.

Poängen är att göra AI till en strukturmotor. Den ska hjälpa dig sortera observationer, inte gissa rotorsak snabbare än du hinner kontrollera den.

KAPACITET OCH SKALNING

Beräkna och resonera om systembegränsningar

Back-of-the-envelope-beräkningar för kapacitetsplanering är ett bra användningsområde för AI. Beskriv systemet, förväntad last och de skalningsgränser du vill förstå, och be AI resonera igenom beräkningarna med dig.

Var noga med att specificera vad du vet med säkerhet vs. vad som är antaganden — AI kan inte skilja på dem om du inte berättar det. Be AI redovisa alla antaganden explicit så att du kan ifrågasätta de som inte stämmer.

BERÄKNINGARNA ÄR SÅ BRA SOM ANTAGANDENA
BED AI LISTA ALLA ANTAGANDEN EXPLICIT

DISCIPLIN OCH VERIFIERING

Översätt AI-hypotesen till ett riktigt ingenjörsbevis

• Mjukvara: reproducerbart test, loggkorrelation, diff, testsvit och mätning i rätt miljö.
• Mekanik: ritning, toleranskedja, materialdata, lastfall, mätning och vid behov beräkning eller simulering.
• El: schema, komponentdatablad, skydds- och felvillkor, mätosäkerhet och verifiering av behörig person.
• Process: mass- och energibalans, instrumentdata, driftfall, larmgränser och processägarens bedömning.

I säkerhetskritiska system ska AI inte ersätta ordinarie hazardanalys, oberoende verifiering, validering eller kontroll mot tillämplig standard. Spara indata, antaganden, versioner och godkännare så att slutsatsen går att återskapa.