Generativ AI är system som skapar nytt innehåll — text, bild, ljud eller kod — utifrån det ni beskriver, i stället för att bara analysera befintlig data.

ChatGPT, Claude och Copilot är de vanligaste exemplen. Skillnaden mot äldre AI är att ni styr systemet med vanligt språk i stället för med regler eller kod, vilket är hela anledningen till att det plötsligt angår alla och inte bara utvecklare.

Det mesta som skrivs om generativ AI är antingen säljmaterial eller varningar. Den här sidan försöker vara varken: den beskriver vad tekniken är bra på, vad den är dålig på, och vad jag i praktiken ser fungera hos mindre företag.

Jag driver själv flera system som bygger på generativ AI i skarp drift, bland annat Nyheter AI, där en redaktion av AI-agenter bevakar 28 källor dygnet runt, och Mitt AI-team, som bygger AI-medarbetare åt små och medelstora företag. Det som står här är därför inte hämtat ur en rapport.

Stark på det ena, svag på det andra

Fungerar bra

  • Producera utkast som en människa sedan rättar
  • Sammanfatta långa underlag till det väsentliga
  • Översätta och anpassa tonläge
  • Strukturera ostrukturerad text
  • Svara på frågor om ert eget material
  • Vara ett bollplank klockan sex på morgonen

Fungerar dåligt

  • Exakta beräkningar och sifferunderlag
  • Att veta vad som hänt de senaste veckorna
  • Att avgöra vad som är viktigt i just er verksamhet
  • Att säga «det vet jag inte» i stället för att gissa
  • Uppgifter där ett fel inte får passera obemärkt

Den praktiska slutsatsen av de två spalterna är enkel: låt systemet förbereda och låt en människa besluta. Nästan alla misslyckade AI-projekt jag stött på har brutit mot den regeln på något sätt — antingen genom att låta systemet fatta beslut det inte klarar, eller genom att lägga så mycket kontroll ovanpå att tidsvinsten försvann.

Fyra sätt mindre företag använder det

Utkast i stället för blankt papper

Offerter, kundsvar, produkttexter, nyhetsbrev, protokoll. Vinsten ligger inte i att texten blir bättre än vad ni skulle skrivit, utan i att det tar tjugo minuter i stället för två timmar att komma till en version som går att redigera.

Sökbar kunskap ur egna dokument

Att kunna fråga «vad gäller för garantiärenden på den här produkten?» och få svar ur era egna underlag. Det här är ofta den mest värdefulla användningen i ett mindre företag, och också den som kräver mest omsorg om vad som får skickas vart.

AI-medarbetare med en tydlig roll

I stället för ett allmänt chattfönster: en uppsättning specialiserade assistenter med var sitt uppdrag och sitt sätt att arbeta. Det är så jag byggt mitt eget AI-team, och det är den formen som visat sig faktiskt användas — ett allmänt verktyg blir lätt ingens ansvar.

Bild och material till kommunikation

Illustrationer, produktbilder och underlag till sociala medier. Snabbt att komma igång med, men värt en tanke om vad ni vill stå för — ett företag som ser generiskt ut i sin kommunikation vinner sällan på att bli ännu mer generiskt.

Ordningen som brukar fungera

Börja smalt. Välj ett återkommande arbetsmoment som tar tid, som inte är känsligt, och där ett fel upptäcks direkt. Låt två eller tre personer använda det i några veckor innan ni köper licenser till alla — licenskostnaden ligger typiskt kring 200 till 300 kr per användare och månad, men det är sällan där pengarna går.

Bestäm tidigt vad som får skickas vart. Personuppgifter och känsligt underlag hör hemma i en tjänst med rätt avtal, inte i ett gratiskonto som någon skapade på egen hand. Det behöver inte vara komplicerat, men det behöver vara nedskrivet — annars gissar medarbetarna, och de gissar generöst. Det står mer om det på sidan om GDPR och AI-förordningen.

Och räkna med att det första ni väljer inte blir det ni håller fast vid. Det är inte ett misslyckande, det är hur det ser ut. Poängen med att börja smalt är just att det ska vara billigt att byta riktning.

Om ni vill ha hjälp att välja var ni ska börja är det precis vad en AI-strategi går ut på, och implementeringssidan beskriver vad som händer efter att valet är gjort.

Och står ni inför själva verktygsvalet: Copilot eller ChatGPT för företaget?

Frågor om generativ AI

Vad kostar det att komma igång?

Verktygslicenser ligger typiskt kring 200 till 300 kr per användare och månad. Den kostnaden är sällan problemet — det som kostar är tiden att ta reda på var det gör nytta och att få det att bli ett arbetssätt.

Börja med några få användare i ett avgränsat moment innan ni köper licenser till alla.

Kan vi mata in våra egna dokument?

Ja, och det är ofta där den största nyttan finns. Men det kräver att ni bestämt vad som får skickas vart.

Personuppgifter och känsligt underlag ska hanteras i en tjänst med rätt avtal, inte i ett gratiskonto.

Hur vet vi att svaren stämmer?

Det gör ni inte, och det är själva poängen med att låta en människa besluta. Välj användningsområden där ett fel upptäcks direkt, och undvik dem där ett fel kan passera obemärkt och kosta pengar.

Ersätter det anställda?

I de företag jag arbetat med har det inte gjort det. Det som händer är att uppgifter ingen egentligen hann med blir gjorda, och att den som gjorde tråkiga delar av sitt jobb får göra mindre av dem.

Det är inte en garanti för hur det ser ut överallt, men det är vad jag sett.

Vill ni veta var det skulle göra nytta hos er?

Ett kostnadsfritt samtal på en halvtimme. Ni får ett ärligt besked, även när det är att ni ska vänta.

Boka kostnadsfritt samtal