Hur AI och automatisering revolutionerar cannabisindustrin

Få branscher går helt fria från AI-vågen – och cannabis är inget undantag. Trots att världens märkliga, föråldrade och ibland rent motsägelsefulla cannabislagar gör att många företag i sektorn verkar på osäker mark, har det inte hindrat dem från att jaga fördelarna med att integrera AI i verksamheten.

Men hur ser AI i cannabisindustrin ut i praktiken? Det handlar om långt mer än automatiserade bevattningssystem. AI-lösningar kan omforma branschen genom att effektivisera allt från odling och skötsel till kvalitetskontroll, logistik och kundupplevelsen i butik. I den här artikeln lyfter vi några av de innovativa sätt som AI och närliggande teknik kan förändra cannabisvärlden för gott.

Vad kan AI bidra med till cannabisindustrin?

Cannabisindustrin har en enorm potential. Enligt Fortune Business Insights (2025) väntas marknaden vara värd över 444 miljarder USD till 2030. Även om branschen fortfarande är i sin linda kretsar den lagliga cannabissektorn i huvudsak kring tre grundläggande processer.

Först (och kanske mest självklart) kommer den jordbruksrelaterade delen – vi ska inte glömma att cannabis mycket väl kan vara en av mänsklighetens äldsta grödor. Det omfattar allt från att så frön till att skörda cannabisblommor.

Därefter följer produktion (vilket inkluderar trimning, torkning och paketering av cannabis) samt tillverkning (t.ex. att förädla naturlig eller ”rå” cannabis till ätbara, extrakt och topikala produkter).

Och slutligen har vi detaljhandeln – försäljningen av cannabisprodukter direkt till konsumenter.

Självklart rymmer den lagliga cannabisbranschen även andra områden, som turism. Men i den här artikeln om cannabis och AI fokuserar vi främst på hur automatisering, AI och robotik påverkar odling och bearbetning av cannabis, samt köpupplevelsen i butik. På så sätt blir det också enklare att förstå hur smart teknik påverkar cannabisindustrin som helhet.

AI:s roll i cannabisodling och jordbruk

Cannabis, precis som alla andra grödor, är beroende av rätt odlingsförhållanden för att leverera en slutprodukt av högsta kvalitet och en lönsam avkastning. Med AI blir det dessutom möjligt att skapa optimala förhållanden på ett sätt som i praktiken kan vara helt självgående.

Enkla exempel på automatiserad odlingsutrustning som du kanske redan använder är AC-enheter, avfuktare och luftfuktare med inbyggda sensorer som gör att maskinerna kan slå på och av av sig själva vid behov. Men tar du ytterligare steg upp på automatiseringsstegen hittar du helautomatiska odlingssystem som kan sköta i princip varje del av odlingen, inklusive:

• Klimatkontroll (temperatur, luftfuktighet och ventilation)
• Näring och bevattning
• Jordhälsa (pH, EC, fukt och näringsbalans)

Hey abby (n.d.) och LEAF (n.d.) tillverkar till exempel båda helautomatiska odlingsboxar för hemodlare. Med hydroponiska system som drivs av moderna AI-algoritmer kan de hantera allt från temperatur- och fuktstyrning till näring och pH-balansering.

I stället för att lägga timmar på att sitta hopkrupen i ett tält och kontrollera plantorna gör system som Hey abby och LEAF att du kan följa odlingsrummets förhållanden och andra delar av din odling direkt i mobilen via deras respektive appar.

Mer avancerade exempel på AI-teknik i cannabisodling är automatiserade växthus – något som förstås inte är unikt för att odla cannabis. Företag som AutoGrow (n.d.) har till exempel utvecklat automatiserade växthus och inomhusrum med teknik som kan styra varje aspekt av odlingen.

AutoGrows system inkluderar också mjukvara för att samla in, spåra och övervaka den viktigaste odlingsdatan. MyAutoGrow är till exempel en molnbaserad lösning som lovar att odlare inte bara kan se, utan även finjustera sin odling var som helst i världen.

Fördelarna med den här typen av automatisering är enorma. De omfattar bland annat:

• Lägre driftskostnader: När tekniken tar över odlingsprocesser frigörs både tid och resurser.
• Enklare uppföljning: När processerna blir mer strömlinjeformade blir de också lättare att följa upp och styra. Det kan underlätta både regelefterlevnad och logistik.
• Högre effektivitet: Med tillgång till exakt, ständigt uppdaterad data kan odlare se vilka delar av verksamheten som behöver förbättras – och hur.
• Bättre konsekvens: Automatiserade odlingsrum och datan de levererar minskar gissningsmomentet och begränsar mänskliga misstag, vilket gör det enklare att identifiera och upprepa metoder som bevisligen fungerar.
• Information i realtid: Molnportaler som MyAutoGrow gör att odlare kan se förändringar när de sker och agera direkt.
• Högre avkastning: När det blir enklare att ge plantorna optimala odlingsförhållanden blir tyngre skördar mer regel än undantag.

AI inom skadedjursbekämpning i cannabisodling

Skadedjur är ett stort bekymmer för hela jordbrukssektorn, även vid cannabisodling. Enligt FN:s livsmedels- och jordbruksorganisation går upp till 40% av världens grödor förlorade på grund av skadedjur, vilket leder till ekonomiska förluster på miljardbelopp (Food and Agriculture Organization of the United Nations, n. d.).

Traditionellt har hanteringen av skadedjur och patogener i cannabis varit en tidskrävande och krånglig process. Först och främst måste odlare snabbt kunna upptäcka och identifiera angrepp, vilket kan vara svårt—särskilt i större odlingar och eftersom olika skadedjur kan ge snarlika symptom.

Att faktiskt bekämpa skadedjur i cannabisodling är också utmanande. Även om det finns gott om bekämpningsmedel väcker användningen av kemikalier på en produkt som är avsedd att hettas upp och inhaleras många hälsobekymmer. Dessutom kan bekämpningsmedel (även naturliga) påverka cannabisens unika aromer och smaker kraftigt. Som tur är visar AI stor potential att förändra hur odlare hanterar skadedjur i cannabisodling.

År 2022 lanserade det slovenska företaget Trapview en AI-driven enhet som kan spåra, fånga och identifiera skadedjur samtidigt (Picheta, 2022). Först lockar den till sig insekter med feromoner, därefter fångar den dem. Med hjälp av datorseende och data från världens största visuella insektsdatabas kan Trapview sedan artbestämma insekterna och logga exakt var de fångades samt annan information (som lokal temperatur). Trapview kan även kartlägga vilken påverkan ett angrepp kan få på den kommande skörden. I vissa fall kan systemet också ge förslag på vilka bekämpningsmedel som kan vara lämpliga som uppföljning efter att ett skadedjur upptäckts.

Ett annat exempel på AI-baserad skadedjurskontroll är Semios—en ”plattform för precisionsjordbruk” som använder Google Earth, BigQuery och IoT-sensorer för att upptäcka skadedjur och miljöförändringar i odlingsfält (Google Cloud, n. d.). Semios levererar inte bara all denna information till odlare, utan kan också använda den för att förutspå hot mot grödan—inklusive skadedjur och till och med hårt väder.

Slutligen använder Plantix AI inte främst för att upptäcka skadedjur, utan för att ställa en mer träffsäker diagnos när växter mår dåligt (PEAT GmbH, n.d.). Utöver skadedjur kan cannabisplantors tillväxt störas av miljöstress som ljusstress, ljusbränna eller näringsobalanser—problem som ofta ger symptom som är svåra att skilja åt. Plantix minskar gissningsarbetet vid symptombedömning. Med kameran i din smartphone kan appen skanna skadorna på plantan och jämföra dem mot en ständigt växande databas för att föreslå en diagnos och en matchande behandlingsplan.

Runtz (Zamnesia Seeds) Feminiserade

1013

Föräldrar Gelato x Zkittlez

Genetik 50% Indica / 50% Sativa

Blomningstid 8–9 veckor

THC 27%

CBD <1%

Blomningstyp Fotoperiod

216,30 kr

309,00 kr

Detaljer

Runtz (Zamnesia Seeds) Feminiserade

(1013)

309,00 kr

216,30 kr

Föräldrar Gelato x Zkittlez

Genetik 50% Indica / 50% Sativa

Blomningstid 8–9 veckor

THC 27%

CBD <1%

Blomningstyp Fotoperiod

AI i utveckling av cannabissorter

Genetik är en av de starkaste drivkrafterna bakom försäljningen av cannabis. För odlare innebär en stabil genetisk grund att plantorna får rätt egenskaper för den miljö de ska växa i – och att man kan sikta på hög avkastning. För slutkonsumenter handlar den perfekta sorten i stället om en välavvägd kombination av effekter, dofter och smaker. Nu kan AI komma att ta hand om åtminstone delar av förädlingsarbetet. Några sätt som AI kan hjälpa till att ta fram nya cannabissorter är:

• Genom att ge data om släktskap mellan sorter: AI-drivna databaser kan ge förädlare löpande uppdaterad information om genetiska samband mellan olika sorter. Ett tidigt exempel är Phylos Galaxy (Wallace, 2019), som togs fram som en slags karta för förädlare och gjorde det möjligt att se genetiska likheter och skillnader mellan potentiellt tusentals sorter från hela världen.
• Genom att välja vilka sorter som ska korsas: Under 2022 och 2023 lanserade Israels Canonic Ltd. (ett dotterbolag till Evogene Ltd.) åtta cannabishybrider som förädlats med hjälp av AI (Canonic, 2023). Företaget använde en AI-motor som heter GeneRator för att välja sorter för korsning utifrån deras THC-halt och deras terpenprofiler. Liknande teknik kan också användas för att föreslå vilka sorter som bör korsas baserat på motståndskraft mot specifika skadedjur eller miljöförhållanden, odlingsegenskaper och mycket mer.
• Genom att snabba upp fenojakter: På samma sätt som AI kan användas för att övervaka plantor och upptäcka skadedjur, patogener eller näringsbrister, kan tekniken också följa dem för att hitta önskvärda egenskaper som växtsätt, blomningstid, utseende, resinproduktion, blomstruktur och vitalitet. Det kan minska det tidskrävande och arbetsintensiva arbete som traditionellt präglar en cannabis-fenojakt.
• Genom att analysera konsumentpreferenser: Precis som i andra branscher styr cannabiskonsumenter trenderna – exempelvis vilka smaker, aromer och vilken styrka som efterfrågas. Med AI-modeller som analyserar marknadsdata kan förädlare lättare hålla sig ajour och få förslag på förädlingsprogram som tar fram sorter med rätt profil. Prediktiva AI-modeller skulle till och med kunna hjälpa företag att förutse skiften i preferenser och möta dem tidigt för en konkurrensfördel.

Automatisering och AI i cannabisproduktion

Enligt Leafy Packs vd Alain Vo (2024) är cannabisbranschen fortfarande starkt beroende av manuell paketering. Men det håller på att förändras i takt med att fler företag lanserar nya maskiner som använder AI och robotik för att effektivisera momenten efter skörd, som trimning, sortering och paketering.

Några exempel på företag och tjänster som redan implementerar den här typen av innovationer är:

• Mobius Trimmer (Mobius, u.å.): Mobius har sitt säte i British Columbia och har tagit fram en serie automatiserade maskiner för cannabishantering efter skörd, bland annat trimmers, buckers (som separerar blommor och blad från plantan), sorteringsmaskiner och kvarnar. Den här typen av utrustning minskar behovet av arbetskraft när man ska odla cannabis och tar branschen närmare den mekaniseringsnivå som redan är standard inom andra delar av jordbruket.
• Marvel av Twister Technologies (u.å.): Marvel är en graderingsmaskin för cannabis som inspekterar, graderar och sorterar i en takt som motsvarar ungefär tio personer. Samtidigt lär den sig och samlar in data från varje blomma den hanterar. Som om det inte vore nog kan Marvel skapa detaljerade batchrapporter och visuella analyser av varje blomma, vilket hjälper odlare att få en mer träffsäker bild av skördens kvalitet.
• Paxiom (Paxiom Group, u.å.): Cannabisföretag behöver ofta uppfylla strikta regler för paketering. Paxiom har utvecklat en hel serie maskiner som är byggda för att paketera allt från blomma till ätbara och koncentrat på ett smidigt sätt—och enligt de hårda standarder som gäller i branschen. Burkfyllare, form-fill-seal-maskiner och pre-roll-maskiner är bara några exempel på utrustning som successivt rullas ut för att hjälpa företag att strömlinjeforma sina paketeringsflöden.

Att införa den här typen av maskiner och system bidrar till en mer strömlinjeformad och effektiv process efter skörd, samtidigt som produktkvaliteten blir mer enhetlig. Med hjälp av AI och robotik kan cannabisföretag öka precisionen i sina efter-skörd-rutiner, minska mänskliga fel och flytta personal till mer avancerade arbetsuppgifter—och dessutom sänka kostnaderna.

AI-baserade inlärningssystem, som de som är integrerade i maskiner som Marvel, samlar in data genom hela produktionskedjan och ger insikter som kan användas för att optimera verksamheten framåt. Slutligen bidrar verktygen ovan också till snabbare processer och bättre skalbarhet.

AI i tillverkningen av cannabisderivat (som koncentrat och ätbara)

Ett annat område där AI har stor potential är tillverkningen av cannabisbaserade produkter, inklusive (men inte begränsat till) ätbara, koncentrat och extrakt. Exempel på detta är:

• Kvalitetskontroll: En av de största utmaningarna vid tillverkning av cannabisprodukter är att säkra en jämn och förutsägbar produktkvalitet. AI-drivna system kan analysera stora produktbatcher för cannabinoidnivåer eller terpeneprofiler och jämföra resultaten mot omfattande datamängder, vilket hjälper tillverkare att träffa rätt mer konsekvent. Dessutom kan AI-baserad analysmjukvara snabbt skanna produkter efter visuella defekter eller kontamineringar, vilket minskar risken för att sämre produkter når butikshyllorna. AI kan också användas för att identifiera trender i produktionen och lyfta fram de processer som gång på gång ger bra resultat – samt de som inte gör det.
• Prediktion och testning av formler: AI-system kan användas för att ta fram recept för ätbara eller extrakt med specifika egenskaper, till exempel en viss styrka, textur, doft/smak eller effekt.

Förbättra cannabisbutiker med AI

Artificiell intelligens revolutionerar inte bara hur cannabis odlas och framställs – den håller också på att förändra cannabishandeln i grunden. Med AI-algoritmer och smarta tekniska lösningar kan butiker lyfta kundupplevelsen och samtidigt effektivisera det dagliga arbetet.

Med andra ord hjälper AI-baserade retail-lösningar cannabisåterförsäljare att serva sina kunder snabbare och mer träffsäkert, analysera försäljningsdata på djupet och till och med stärka säkerheten vid kassor och försäljningsställen. Resultatet blir en smidigare köpupplevelse, nöjdare kunder och bättre lönsamhet.

Några tydliga exempel på hur AI används inom cannabishandel är följande.

Personliga produktrekommendationer

AI-algoritmer kan analysera kunddata, som köphistorik och preferenser, för att ge personliga produktrekommendationer. Det ger en bättre kundupplevelse och kan i slutändan öka försäljningspotentialen.

StrainBrain är till exempel ett verktyg som ska hjälpa både erfarna och nya cannabisbrukare att inte gå vilse i det stora utbudet av produkter (Sacirbey, 2021). Så här fungerar det: användaren fyller i en enkät på dispensariet och anger vilka effekter, aromer och smaker hen letar efter. Därefter får kunden en lista med produkter i lagret som matchar önskemålen. Det är också särskilt användbart för kunder som handlar online och inte har en fysisk budtender att prata med och få rekommendationer från.

Spark Pro är å andra sidan ett liknande AI-drivet verktyg, men riktat till budtenders (Jointly, 2024). Genom information från Jointly, en mobilapp där användare kan bläddra bland och köpa cannabisprodukter efter att ha valt specifika användningsområden och preferenser, ger Spark Pro budtenders kontinuerligt uppdaterad, användardriven information om tusentals produkter. Det hjälper dem i sin tur att guida kunderna till rätt sorter och produkter.

Ghost Train Haze (Zamnesia Seeds) Feminiserade

239

Föräldrar Ghost OG x Nevil's Wreck

Genetik 30% Indica / 70% Sativa

Blomningstid 11–12 veckor

THC 25%

CBD 0–1 %

Blomningstyp Fotoperiod

185,25 kr

285,00 kr

Detaljer

Ghost Train Haze (Zamnesia Seeds) Feminiserade

(239)

285,00 kr

185,25 kr

Föräldrar Ghost OG x Nevil's Wreck

Genetik 30% Indica / 70% Sativa

Blomningstid 11–12 veckor

THC 25%

CBD 0–1 %

Blomningstyp Fotoperiod

Lagerhantering och efterfrågeprognoser

AI kan inte bara effektivisera köpprocessen för cannabiskunder – tekniken kan också hjälpa återförsäljare att få bättre kontroll på lagret och skapa en smidigare köpupplevelse genom att analysera POS-data.

Headset är till exempel ett Seattle-baserat företag som erbjuder en SaaS-svit anpassad för cannabisbolag (Headset, n.d.). Deras programvara Retailer kan bland annat mäta försäljningsutfallet för olika produkter och samtidigt ge konkreta rekommendationer för hur du kan justera ditt lager därefter. På så sätt minskar risken för att populära varor tar slut, samtidigt som du undviker att binda kapital i mindre efterfrågade produkter. Headset Retailer kan dessutom förutse kundbeteenden och hjälpa återförsäljare att ligga steget före kommande försäljningstrender.

Förbättrad kundservice och ökat engagemang med AI-drivna chattbotar

Chattbotar är kanske inte den mest älskade eller spännande delen av AI-tekniken. Men när de används på rätt sätt kan de göra stor skillnad för kundupplevelsen inom cannabishandel. Vältränade AI-chattbotar kan snabbt hantera vanliga frågor om lagerstatus, effekterna av olika produkter och riktlinjer för hur en produkt ska användas eller doseras.

Att de svarar direkt och är tillgängliga dygnet runt gör dem till en idealisk första linje i kundsupporten. Det frigör i sin tur mänskliga kundtjänstmedarbetare så att de kan fokusera på mer komplexa och brådskande ärenden. Exempel på AI-chattbotar som är anpassade för cannabisföretags behov är:

• BakedBot’s Smokey (BakedBot.ai, n.d.)
• Pluggi, driven av BudtenderGPT (Pluggi, n.d.)
• Spark Budtender (n.d.)

Förbättrad säkerhet och regelefterlevnad

AI-baserad videoanalys kan hjälpa cannabisbutiker att vässa sin säkerhet genom att upptäcka misstänkt beteende samt övervaka och analysera mönster i kundflödet. Det kan avsevärt stärka tryggheten i fysiska butiker, som dispensaries. I vissa delar av världen är cannabisåterförsäljare fortfarande starkt beroende av kontantbetalningar på grund av bankrestriktioner, vilket gör säkerhet till en högsta prioritet.

Utöver detta kan AI-videoanalys också hjälpa cannabisbolag att uppfylla krav på regelefterlevnad. Den kan till exempel följa personalens beteenden och arbetsmoment och direkt flagga när någon brister i säkerhetsrutiner eller inte följer fastställda protokoll. Företag som erbjuder AI-baserade lösningar för videoövervakning med fokus på säkerhet och compliance inkluderar:

• Arcadian AI (n.d.)
• Solink (n.d.)
• March Networks (n.d.)

Regelefterlevnad är ett av de mest omtalade begreppen inom den lagliga cannabismarknaden, och företag behöver ha full koll på sina juridiska skyldigheter och begränsningar. Samtidigt kan cannabislagen skilja sig kraftigt mellan olika regioner och ändras med kort varsel. För cannabisbolag gör det att det blir svårt att alltid agera helt enligt regelverket—särskilt om de verkar i flera geografiska områden eller har olika verksamhetsgrenar inom cannabisproduktion.

AI-lösningar kan möta den här utmaningen genom att erbjuda aktuell och källhänvisad information om regler och krav. CannabisRegulations.ai (n.d.) använder till exempel NLP (språkteknologi) och maskininlärning för att automatisera uppdateringar av regelverk och hjälpa företag att följa lokala lagar—även över flera olika delstater i USA.

Utmaningar med att införa AI och automatisering

Hittills har vi gått igenom konkreta exempel på hur AI kan effektivisera processerna bakom odling, produktion, tillverkning och försäljning av laglig cannabis. Tyvärr kantas vägen mot att införa flera av dessa tekniker i cannabissektorn av en rad utmaningar.

Nedan följer några av de största hinder som cannabisbolag stöter på när de implementerar AI och automatisering.

Regulatorisk osäkerhet och komplexa krav på regelefterlevnad

Ett av de största hindren för att införa AI och automation i cannabisbranschen är ett regelverk som ständigt förändras. Lagstiftningen kring odling, förädling, distribution och försäljning av cannabis skiljer sig kraftigt mellan olika jurisdiktioner och uppdateras ofta. Att implementera AI-system som samtidigt uppfyller alla krav på regelefterlevnad kan därför vara en utmaning.

Höga initiala investeringskostnader

AI- och automationsteknik kräver ofta stora initiala investeringar. Cannabisföretag, särskilt mindre aktörer, kan ha svårt att motivera eller få fram det kapital som behövs för dessa avancerade system. Från inköp av specialiserad utrustning till att anlita tekniska experter eller konsulter som kan stötta införandet och själva anskaffningen av tekniken – kostnaderna skenar snabbt.

Motstånd i personalstyrkan och kompetensgap

Integrationen av AI och automation möter ofta motstånd från medarbetare som oroar sig för att bli ersatta. I cannabisbranschen, som länge har förlitat sig på manuellt arbete vid odling, skörd och bearbetning, kan den här oron vara extra påtaglig.

Samtidigt gör AI:s snabba utveckling och relativa nyhetsgrad att cannabisföretag kan ha svårt att hitta personal med rätt kompetens för att verkligen dra nytta av teknikerna som tas upp i den här artikeln.

Oro kring datasekretess och cybersäkerhet

AI-system i cannabisbranschen bygger ofta på stora mängder data, inklusive kunduppgifter, odlingsdata och information om leveranskedjan. Eftersom uppgifterna är känsliga blir företagen mer sårbara för cyberattacker och dataintrång. Att införa starka cybersäkerhetsåtgärder parallellt med AI- och automationslösningar innebär ytterligare ett lager av komplexitet och kostnader. När företag planerar att dra nytta av den här datan behöver de samtidigt hantera utmaningar kring etisk datahantering.

Wurlz F1 Autoflower (Zamnesia Seeds) Feminiserade

542

Föräldrar Runtz x Watermelon Candy

Genetik Autoflower-hybrid

Blomningstid 9–10 veckor från frö till skörd

THC 24%

CBD Låg

Blomningstyp Autoflower

288,75 kr

385,00 kr

Detaljer

Wurlz F1 Autoflower (Zamnesia Seeds) Feminiserade

(542)

385,00 kr

288,75 kr

Föräldrar Runtz x Watermelon Candy

Genetik Autoflower-hybrid

Blomningstid 9–10 veckor från frö till skörd

THC 24%

CBD Låg

Blomningstyp Autoflower

Miljöpåverkan och hållbarhet

Även om automatisering kan göra cannabisodling mer resurssnål kan själva tekniken lämna ett miljöavtryck. Högteknologiska lösningar som automatiserad belysning, klimatkontroll och AI-styrda odlingssystem kan dra mycket energi – något som redan är en het fråga i cannabisbranschen, som ofta granskas för sin miljöpåverkan (Clark Hill, 2022).

Snabb teknikutveckling

Innovationstakten inom AI och automatisering är obeveklig. Cannabisföretag som satsar på dagens teknik riskerar att hamna på efterkälken inom bara några år när nyare och mer avancerade system tar över. Den här korta livscykeln gör det svårt att få en rimlig avkastning på investeringen, och kan i sin tur få företag att tveka inför att införa den här typen av lösningar.

Framtida konsekvenser av AI för cannabisindustrin

Den snabba utvecklingen inom AI väntas effektivisera cannabisindustrin ytterligare—särskilt inom odling, produktion/tillverkning och detaljhandel. Företag som kan dra nytta av AI i dessa led kan frigöra personalresurser, leverera högre och mer enhetlig produktkvalitet och få tillgång till bättre, mer insiktsfull data.

Men att införa AI och automation i cannabisbranschen är inte utan hinder. Höga kostnader, behovet av kontinuerliga investeringar i snabbt skiftande teknik och ett ständigt föränderligt regelverk gör det svårt för cannabissföretag (särskilt mindre aktörer) att verkligen få grepp om och implementera de här lösningarna.

Ändå är en sak säker—AI sätter redan ett tydligt avtryck på hur processer i cannabisindustrin utformas, och påverkan kommer bara att öka framöver. De företag som lyckas använda verktyget väl får sannolikt ett rejält försprång när marknaden fortsätter att växa och konkurrensen hårdnar.

Steven Voser

Steven Voser är en oberoende cannabisjournalist med över 6 års erfarenhet av att skriva om allt som rör cannabis – från hur man odlar den och hur man bäst njuter av den, till den snabbt växande branschen och den otydliga juridiska spelplanen som omger den.

Läs hela biografin