Claire Vo är produktchef, trebarnsmamma och värd för podcasten How I AI. Brian Castle driver en YouTube-kanal, kurser och ett nyhetsbrev för builders. Båda var skeptiska till OpenClaw. Claire spenderade åtta timmar på sin första installation och fick familjens kalender raderad. Brian såg ingen nytta alls i att ha en AI-agent som bokar restauranger och svarar på mejl.
Jag var skeptisk av en annan anledning. Jag hade redan Claude Code i terminalen och MCP-servrar mot mina kunders system. Varför behövde jag ytterligare ett lager?
Svaret kom när jag insåg att det inte handlar om lager. Det handlar om att gå från att använda AI som verktyg till att organisera AI som personal.
Inte ett chattfönster
OpenClaw är en process som körs lokalt på en dedikerad maskin, med tillgång till filer, mejl, kalender och webbläsare. Open source. Fullt konfigurerbart. Till skillnad från ChatGPT eller Claude i webbläsaren gör det inte bara saker *när du frågar*. Det gör saker *medan du sover*.
Tre koncept gör det intressant.
Soul är en markdown-fil som beskriver vem agenten är. Namn, personlighet, regler, säkerhetsinstruktioner. Claire låter varje agent bygga sin egen identitet genom ett onboarding-samtal. Brian lät Claude och Gemini designa unika personligheter inspirerade av bandet Gorillaz. Jag tog ett tredje grepp: jag skrev separata IDENTITY.md och SOUL.md för varje agent med distinkt temperatur och tonalitet. En kreativ agent på 0.7, en analytisk på 0.2. Det låter som en detalj, men det avgör vilken typ av svar du får.
Heartbeat gör agenten proaktiv. Var 15:e eller 30:e minut vaknar den, tittar på sin att-göra-lista och agerar. Ingen input krävs. Det är det som gör att folk skriver "jag vaknade och min OpenClaw hade fixat allt under natten". I verkligheten schemalade den ett jobb klockan tolv.
Memory är en mapp med markdown-filer. Agenten skriver ner vad den lär sig. Inget fancy. Transparent och redigerbart.
Flera agenter, inte en
Det största misstaget nya användare gör är att ge en enda agent allt. Claire jämför det med en enda Slack-kanal för hela företaget. All information i samma ström. Det fungerar inte, och orsaken är enkel: varje agent har ett begränsat kontextfönster. Ju smalare fokus, desto färre tillfällen då den glömmer vad ni pratade om igår.
Claire löste det personligt. Sam sveper CRM:et varje morgon efter nya signups och skickar mjuka mejl. Det ersatte en betald resurs på tio timmar i veckan. Finn hanterar familjens logistik: basketturneringar, hämtscheman, dagliga påminnelser. Howie förbereder podcast-gäster. Q hjälper barnen med läxor. Sage projektleder en onlinekurs.
Brian löste det som en organisation. Bernard plockar backlog-issues och skickar pull requests. Vale hanterar marknadsföring. Gumbo tar allt limarbete. Claw administrerar systemet. Varje agent kör som en egen Slack-bot. Opus för resonerande arbete, Sonnet för snabba uppgifter.
Jag landade i en tre-lagers hierarki. En chef-agent på en Mac Mini som alltid är på, dygnet runt. Två specialiserade agenter på varsitt MacBook Air: en för kreativt och strategiskt arbete, en för analys och strukturella uppgifter. Chefen ser allt men skriver ingenting i de andras workspace. Den delegerar, övervakar och flaggar blockerare. Det är samma organisationsmodell som i vilket konsultbolag som helst: en koordinator och två utförare med komplementära roller.
Poängen är densamma oavsett skala. Du designar en organisation, inte konfigurerar ett verktyg.
Att komma igång
Kör det inte på din arbetsdator. En gammal MacBook räcker. En Mac Mini är bättre: fysisk separation skapar tydlig gräns. Brian betalade 600 dollar. Claire har tre stycken. Ett VPS för 5 dollar i månaden fungerar, men alla tre av oss föredrar fysiska maskiner vi kan SSH:a in i och skärmdelning mot.
Skapa ett eget mejlkonto åt agenten. Dela din kalender med redigeringsrättigheter. Delegera mejl. Precis som med en mänsklig assistent. Brian skapade ett eget Dropbox-konto och ett eget GitHub-användarnamn med tillgång till specifika repos. Jag gick ett steg längre: varje agent fick ett eget macOS-konto, ett eget Apple ID och ett eget 1Password-valv. Inga hemligheter i klartextfiler. Allt injiceras vid körning via \`op run\`.
Installationen är en rad i terminalen från openclaw.ai. Sedan ett onboarding-flöde där du berättar vem du är. Claire rekommenderar röstmeddelanden i Telegram. Bra råd. Men den verkliga installationen handlar inte om kommandon. Den handlar om det Alex Finn kallar "consciousness transfer": att spendera timmar på att överföra ditt sammanhang, dina preferenser och dina arbetsmönster till agenten. Det är samma investering du gör med en ny medarbetare. Och den betalar sig på samma sätt.
Kostnad och säkerhet
Underskatta inte API-kostnaderna. Brian blåste igenom 200 dollar på två dagar innan han optimerade vilka modeller som kör vilka uppgifter. Min lösning är liknande: en stark modell för beslut och orkestrering, snabbare modeller för produktion, billigare för rutinarbete. OpenRouter centraliserar och ger kontroll.
Säkerheten är det område där jag investerat mest. Min princip: behandla varje agent som en nyanställd i en reglerad bransch. Separata konton, isolerade credentials, avgränsad filsystemsåtkomst. Chef-agenten kan *läsa* de andras workspace men aldrig *skriva*. Kommunikationskanaler är låsta: Discord internt, Telegram som backup, mejl bara med explicit godkännande.
Claire bygger förtroende stegvis: kalender, sedan läsning, sedan utkast, sedan sändning. Det är rätt modell. Jag testade också att köra en agent utan administratörsrättigheter och fann att ungefär 90 procent av arbetet fungerar utan. Principen: ge inte admin av gammal vana. Bara det som faktiskt behöver elevation.
Ett praktiskt tips från alla tre: installera Claude Code på samma maskin. När konfigurationen går sönder, peka Claude Code mot OpenClaw-filerna och beskriv problemet. Det är som att ha en systemadministratör som läser dokumentationen åt dig.
Det handlar om management
Det som förenar alla tre berättelserna är att framgång med OpenClaw inte handlar om tekniska färdigheter. Claire har tjugo års ledarerfarenhet och vet hur man onboardar en medarbetare. Brian designade sin agentorganisation med samma tänk som riktiga team i sina tidigare bolag. Jag tog organisationsmodellen rakt från hur jag bygger konsultteam åt kunder: tydlig rollfördelning, avgränsat ansvar, gemensam kontext men separata ansvarsområden.
Det mest överraskande insikten? Reverse prompting. Istället för att säga "bygg det här" frågar du "baserat på vad du vet om mig, vad borde vi bygga?". Det förändrar agentens beteende från exekverare till medtänkare. Och det tvingar dig att vara tydlig med vad du faktiskt vill, vilket är en nyttig övning oavsett om mottagaren är en agent eller en människa.
Det är inte handsfree. Det kräver underhåll, sena kvällar med konfigurationsfiler, och ett mått av frustration när Discord-tokens försvinner efter en omstart. Men för Claire ersatte det en betald resurs på tio timmar i veckan. För Brian frigjorde det tid från limarbete. För mig skapade det möjlighet att leverera mer åt kunder utan att anställa, och att bygga en modell där AI-agenter inte bara assisterar utan faktiskt utför avgränsade arbetsuppgifter med verifierbara resultat.
Det är inte en revolution. Det är en anställning. Eller nio. Eller så många du behöver.
*Baserat på Claire Vo i Lenny's Podcast, Brian Castle, Builder Methods, och mina egna erfarenheter med OpenClaw i kundleveranser.*