Agentic commerce. Mänsklig insikt.
Jag hjälper varumärken och återförsäljare förstå hur AI påverkar vad kunder upptäcker, jämför och väljer, och vad som formar rekommendationen.
Tre ståndpunkter från det jag har skrivit och undersökt offentligt, med länk till varje källa.
Synlighet är början på frågan. Det som spelar roll affärsmässigt är vilka källor, produktfakta och erbjudanden som ledde svaret dit.
LinkedIn, 7 september 2026 ↗Fördjupning: AI-produktupptäckt →Butiken som en agent ser är den strukturerade informationen bakom sidan. En ny plattform hjälper inte om den informationen är ofullständig.
”The Invisible Storefront”, LinkedIn, 6 augusti 2026 ↗Fördjupning: Produktdata för AI →AI-svar varierar från körning till körning. Slutsatser kräver att samma fråga ställs många gånger, under dokumenterade villkor.
Hyper Agencys studie om AI-valkompasser, 2 september 2026 ↗Fördjupning: LLM-svarsstabilitet →Evenemang, studier och texter där jag har drivit frågan om hur AI rekommenderar produkter.
Samtal med varumärken och återförsäljare på IFA om hur AI-svar rekommenderar produkter, och varför synlighet ensam inte förklarar utfallet.
Läs inlägget på LinkedIn ↗En studie byggd på 60 000 API-anrop som visar stora skillnader i partisympatier mellan AI-byggda valkompasser. Bevakad av Resumé och Dagens Media.
Läs studien ↗Fördjupning: LLM-svarsstabilitet →Bevakning: Resumé ↗ · Dagens Media ↗
Varför paniken kring plattformsbyten missar poängen: AI-agenter läser produktdata, inte sidlayout.
Läs texten på LinkedIn ↗Fördjupning: Produktdata för AI →Höll sessioner på C2-eventet tillsammans med Mike Silver, under två veckor av möten i Nordamerika.
Läs inlägget på LinkedIn ↗Varje kapitel lade till en fråga som jag i dag ställer till AI: vem köper, vad säljs, och varför just den produkten.
Hur försäljning lärs ut i butik.
Hur butikskrav bärs vidare i ett distrikt.
Hur butiksled och konsumentverksamhet utvecklas över funktioner.
Hur en regional butiksorganisation leds i vardagen.
Hur ett produktbolag görs användbart genom partnerskap.
Hur kundprogram utvecklas över marknader.
Att ta de kommersiella frågorna till AI: vad som formar en rekommendation, och hur den mäts.
Tre rekommendationer från personer jag har arbetat med, i sin helhet och med länk till originalet.
Efter att ha jobba nära Fredrik i över tre år har jag sett hans förmåga att driva, leda och genomföra både affärs- och organisationsutveckling. Fredrik har en härlig kombination av starkt ledarskap och en fingertoppskänsla och spetskompetens när det kommer till retail och utvecklingen av retail som fenomen. Det som som kännetecknar Fredrik i allt detta är hans trygghet, ödmjukhet och engagemang i allt han gör. Grattis till dig som får jobba nära Fredrik!
Fredrik och jag har arbetat tillsammans under flertalet projekt rörande utvecklingen av 3s butikskedja med ca 70 butiker.
Fredrik är väldigt enkel att arbeta med och man vet att han alltid kommer leverera. Han har ofta många bollar i luften men som motpart känner man sig alltid trygg i Fredriks leveranser.
Fredrik besitter en bra strategisk höjd och lyfter ofta blicken från det operativa för att se hur arbetet fogar in i den övergripande strategiska planen.
Därtill besitter Fredrik en stor kunskap om Retail från flertalet branscher vilket har varit till stor nytta för 3.
Fredrik is a biz dev and client service pro for the digital age. His ability to marry data with superb client relations allows him to craft solutions truly tailored towards his clients needs. His commitment is unwavering across multiple timezones and geography. I learn from him everyday and it’s been an absolute pleasure growing client programs and accounts together!
Översatt från engelska
Fredrik är en affärsutvecklare och kundansvarig för den digitala tidsåldern. Hans förmåga att förena data med mycket starka kundrelationer gör att han kan utforma lösningar som verkligen är anpassade efter hans kunders behov. Hans engagemang är orubbligt över flera tidszoner och geografier. Jag lär mig av honom varje dag, och det har varit ett sant nöje att utveckla kundprogram och kundkonton tillsammans.
Guiderna, metoden, studien och verktygen jag använder för att resonera om agentic commerce.
En praktisk guide till besluten, informationen och överlämningarna bakom AI-assisterad handel. Börja med kundens uppgift. Följ den hela vägen till ett giltigt erbjudande.
02 / ÄMNESGUIDEUndersök hur kundens situation förändrar vilka produkter, varumärken och återförsäljare som kommer med i en AI-genererad kortlista.
03 / ÄMNESGUIDEKnyt ihop produktidentitet, verifierade egenskaper och aktuella affärsvillkor. Hitta glappen mellan en bra beskrivning och ett erbjudande som går att köpa.
04 / METODEtt tydligt arbetssätt för att testa AI-rekommendationer: klara definitioner, jämförbara förhållanden, upprepade observationer och öppna begränsningar.
05 / STUDIEEn läsning av Hyper Agencys publicerade valkompassstudie, med tydlig skillnad mellan rapporterade resultat och lärdomar för mätarbetet.
06 / INTERAKTIVTEn interaktiv förklaring av urval och lämplighet. Utforska hur budget, prioriteringar och säljarvillkor förändrar ett fiktivt köpbeslut.
07 / VERKTYGEn arbetschecklista för en marknad och produktkategori. Markera det ni kan styrka och ladda ned de öppna punkterna som en åtgärdsplan.
08 / PERSPEKTIVGör säljare, lokalt sortiment och leveransvillkor till en del av undersökningen. En produktrekommendation blir er möjlighet först när ett relevant erbjudande kopplas till den.
09 / PERSPEKTIVKnyt ihop originalspecifikationer, kundens användning och återförsäljarens representation. Hitta var betydelsefulla skillnader försvinner.
10 / FÄLTANTECKNINGAREgna perspektiv på AI-produktupptäckt, rekommendationsmätning och produktinformationen som binder ihop dem.
11 / REFERENSEn introduktion till ACP och UCP med fokus på beslut. Använd originalspecifikationerna för att undersöka förmågor, behörighet och ansvar för en viss integration.
12 / REFERENSBegripliga arbetsdefinitioner för samtalen mellan affär, marknad, produktinformation och utveckling.
FREDRIK KRIDAHL / STOCKHOLMRådgivning, en föreläsning eller en intervju om hur AI rekommenderar produkter. Berätta om marknaden, kategorin eller frågan.