Magnus Friberg.

AI-konsult · MANDGIE AB · Stockholm

AI-konsult som bygger — och lämnar över ägandet till ert team.

De flesta AI-satsningar dör i glappet mellan en lovande demo och ett system som folk litar på varje dag. Det är i det glappet jag jobbar: jag bygger AI-agenter och LLM-automation inne i ert företag, tillsammans med era utvecklare och de som faktiskt ska använda systemet — och lämnar efter mig ett team som kan driva, utvärdera och bygga vidare på det vi byggt.

Berätta om ert arbetsflöde Se senaste resultaten

Vad jag bygger

Agenter som gör riktigt arbete i era riktiga system.

  • AI-agenter kopplade till er stack

    Agenter med verktygsanrop mot de system ni redan kör — CRM, datalager, mejl, interna API:er — som tar över manuell insamling, utkast och samordning. Byggda på OpenAI:s och Anthropics API:er, MCP och RAG där det förtjänar sin plats.

  • LLM-automation i befintliga arbetsflöden

    Inte ännu ett verktyg som teamet måste lära sig — automation inbäddad där arbetet redan sker, så att det kostar mindre att använda den än att låta bli.

  • Evals, skyddsräcken & övervakning

    Det som skiljer produktion från demo: en eval-svit byggd på era verkliga ärenden, tydliga gränser för vad systemet får göra, och övervakning som fångar avdrift innan användarna gör det.

  • Rådgivning & utbildning

    För team som bygger själva: granskning av agentarkitekturer och praktisk utbildning i evals, integrationsmönster och felmoder — det jag lärt mig av att skeppa LLM-system sedan 2018.

Senaste resultaten

Mätt i timmar, inte i magkänsla.

Ett affiliatenätverk — 4–5 timmar om dagen tillbaka, per key account manager

Key account managers la en stor del av varje arbetsdag på manuell data- och informationsinsamling i interna system, innan de kunde göra sitt egentliga jobb: ge partners rådgivning. Nu sköter en agent insamlingen. Varje account manager sparar 4–5 timmar om dagen. Läs hela fallstudien.

Ett tandvårdsföretag — en agent hela verksamheten kan fråga

En bolagsövergripande insiktsagent, förankrad i företagets egen data, som låter vem som helst — inte bara analytiker — fråga vad som händer i verksamheten och få ett rakt svar.

Kunderna är anonymiserade här; i ett samtal berättar jag gärna mer om båda uppdragen.

Så går ett uppdrag till

Veckor till produktion — sedan överlämning.

  1. Välj ett arbetsflöde som gör ont

    Inte "en AI-strategi" — ett konkret, mätbart arbetsflöde där timmar synligt går förlorade. Vi definierar vad framgång betyder i siffror innan något byggs.

  2. Bygg på plats, med ert team

    Jag implementerar sida vid sida med era utvecklare och de som ska använda systemet. Integrationsmönstren, eval-sviten och felmoderna lär sig ert team medan systemet byggs — inte via ett dokument efteråt.

  3. Lämna över ägandet

    Evals, övervakning och spelboken stannar hos er. Uppdraget är utformat så att ni inte behöver mig efteråt — vilket är precis därför kunder kommer tillbaka med nästa arbetsflöde.

Varför mig

Åtta år i produktion, tre olika stolar.

Jag har byggt och driftat AI-system som operatör i ett storbolag, som plattformsansvarig i ett scale-up och som grundare med egna pengar på spel:

  • Spotify (2018–2022): ledde teamet på fyra personer bakom den interna intentmodellen — transformer-NLP byggd på BERT bara månader efter releasen, fortfarande i produktion.
  • SeenThis (2022–2024): byggde dataplattformen från grunden — 10 000 händelser per sekund i realtid — plus ML-modellerna som prissättningen vilade på.
  • Saltfish (2024–2026): medgrundare & CTO för en AI-plattform för B2B-SaaS; tog in 730 000 dollar i pre-seed lett av Antler; exit via aktieförsäljning 2026.

Hela historien finns på startsidan, och jag skriver om vad produktion lär en i åtta år av NLP i produktion.

Börja här

Beskriv arbetsflödet. Jag säger ärligt om AI passar.

Ett mejl räcker — vad arbetet är, vem som gör det och ungefär hur mycket tid det slukar. Jag utgår från Stockholm och jobbar på plats. Jag läser och svarar på alla mejl själv.

magnus@mandgie.com

Eller nå mig på X: @mangefriberg