Det enklaste sättet att bygga en AI-mentor är att skriva en systemtext. Ge modellen ett namn, ett par adjektiv, och be den vara varm och nyfiken. Det fungerar tekniskt. Men det känns inte som en person — det känns som en chatbot som försöker låtsas vara en person.
Vi ville göra något annat.
Idén: börja med en riktig människa
Tanken var enkel i teorin. Istället för att designa en mentorpersona från grunden, skulle vi intervjua en verklig coach — en med lång erfarenhet och en tydlig stil — och använda det samtalet som grunden för AI:n. Inte transkribera intervjun och mata in den. Utan förstå hur den personen faktiskt tänker, vad de tror på, hur de rör sig i ett samtal. Och sedan försöka återskapa det.
Paul är en av de första riktiga coacherna bakom Din Mentor. Han har arbetat med teknikledare och organisationer i 25 år. Han är inte en livscoach med ett Instagram-konto. Han är någon som suttit med chefer och grundare i verkliga kriser och lärt sig, med åren, vad som faktiskt hjälper.
Intervjun
Vi bad Paul att svara på tio frågor — inte om coachingteori, utan om hur han faktiskt fungerar. Hur beskriver du ditt sätt att kommunicera? Vad tror du om hur människor förändras? Vad gör du när någon fastnar? Vad undviker du alltid?
Det som kom fram var oväntat specifikt. Paul pratade om hur han medvetet bromsar in i ett samtal — hur han väntar längre än vad som känns bekvämt innan han svarar, för att ge den andra personen utrymme att nå sina egna ord. Han pratade om att han aldrig diagnostiserar — att han hellre ställer en fråga som öppnar något än gör en observation som stänger.
"People leave energised, not drained." Det var en mening i Pauls svar som fastnade. Det är inte ett mål han sätter upp — det är något han märkt som ett mönster i sin praktik. Det säger mer om hans approach än tio sidor teori.
Han pratade om vad han tror att folk mest behöver höra men sällan får: att vara snällare mot sig själva. Inte som tillstånd att ge upp, utan som den form av självkännedom som krävs för att faktiskt röra sig framåt. Och han pratade om hur han håller det — varsamt, utan att säga det direkt, genom att ställa frågor som bjuder in personen att nå det själva.
Från person till persona
Intervjun gav oss material för att göra två saker. Det första var ett tekniskt dokument — en instruktion till AI-modellen om hur Paul kommunicerar, vad han gör när någon fastnar, vilka frågor han återkommer till, vad han aktivt undviker. Det dokumentet är grunden för hur Paul-AI:n beter sig i varje konversation.
Det andra var svårare: att förstå varför. En bra systemtext kan beskriva vad en coach gör. Det som gör en AI-persona trovärdig är om den också förstår varför — om det finns en sammanhängande syn på människor och förändring bakom beteendet. Annars genererar modellen rätt typ av svar i de enkla situationerna men faller igenom i de svåra.
Pauls filosofi, som vi förstår den: de flesta människor fastnar inte för att de saknar information. De fastnar för att de är investerade i sin nuvarande bild av situationen — och den investeringen sker på identitetsnivå, inte åsiktsnivå. Det är därför de inte reframear naturligt. Det känns okänt och på något plan hotfullt.
Arbetet är att hitta flexibiliteten i deras tänkande och försiktigt leda dem mot nya möjligheter — subtilt nog att personen inte känner att det händer.
Vad vi testade
Innan Paul gick live körde vi konversationer — inte mot riktiga användare, utan med oss själva. Vi tog scenarios vi kände igen: en grundare som inte kan börja sälja, en chef som undviker ett svårt samtal, en person som vet vad de behöver göra men inte gör det. Vi körde dem mot Paul-AI:n och läste svaren kritiskt.
Det vi letade efter: håller rösten? Ger den rätt frågor — inte de uppenbara frågorna, utan de som öppnar något? Och viktigast av allt: låter det som en person, eller låter det som en chatbot som försöker vara en person?
Vi justerade. Ibland var AI:n för snabb med en observation som Paul skulle ha hållit längre. Ibland ställde den en sluten fråga — en ja/nej-fråga — när en riktig coach alltid öppnar. Vi lade till regler. Vi tog bort regler. Vi körde det igen.
Arbetet fortsätter
Vi läser riktiga konversationer. Vi noterar när något inte stämmer — när svaret är tekniskt korrekt men inte riktigt träffar. Vi förbättrar systemtexten. Det är ett kontinuerligt arbete, inte ett engångsprojekt.
Det är vad vi menar med att mentorerna är baserade på riktiga coacher. Inte att de är identiska med den personen — det är de inte. Men grunden är inte ett abstakt persona-dokument. Det är ett verkligt försök att förstå hur en kompetent, erfaren människa faktiskt fungerar i ett samtal, och att återskapa det tillräckligt troget för att vara genuint användbart.
Paul är en. Maja och Erik är nästa.
En sak vi bestämde oss för att inte göra
Det var frestande att låta Paul coacha på svenska. Tekniskt sett är det inga problem — modellen klarar det. Och det skulle ge fler potentiella användare tillgång till hans approach.
Men vi bestämde oss för att inte göra det. Pauls röst är djupt engelsk — inte för att det är ett tekniskt attribut vi valt, utan för att det är hur han faktiskt tänker och uttrycker sig. Det finns fraser han återkommer till, en rytm i hur han formulerar frågor, ett ordförråd som bär hans intentioner. Allt det översätts dåligt. Inte för att svenska är ett sämre språk, utan för att det inte är hans.
En AI-persona som är baserad på en riktig person har ett ansvar att representera den personen rättvist. Att låta Paul prata svenska med svenska klienter skulle ta bort det som gör Paul till Paul — och presentera något som påstår sig vara han men inte är det.
Maja, Erik och Karin kan föra ett samtal på engelska. De bygger på samma modell, och förståelsen är inget problem. Men deras coaching-röster formades av svenska samtal med svenska coacher. Rytmen i hur de frågar, fraserna de återkommer till, texturen i hur de utmanar — allt det kom ur svenska. Det man förlorar är inte förståelse. Det är karaktär.
Paul är tvärtom. Hans coaching-röst är djupt engelsk. Han försöker sig på svenska — men med hans egna ord: "Man kan inte lära en gammal hund nya saker."