Vad AI är, hur det fungerar utan jargong, hur det skiljer sig från vanlig automatisering och vad det kan och inte kan göra för ett företag.
Artificiell intelligens är programvara som lär sig mönster ur data och använder dem för att ta fram förutsägelser, innehåll, rekommendationer eller beslut, i stället för att bara följa regler som en programmerare har skrivit. Det mesta av AI i företag i dag är maskininlärning, och den senaste vågen är generativ AI som skriver text och kod. Den är användbar, kan ha fel och regleras i EU efter risk.
Få teknikbegrepp används så löst som AI. Det står på spamfilter, chattbotar, prognosverktyg och robotdammsugare, vilket gör det svårt för en chef att avgöra vad som är nytt och vad som är marknadsföring. Den här förklaringen kommer från Devies, ett produkt- och utvecklingskonsultbolag i Göteborg, och ger ett enkelt svar på frågan "vad är AI" för vd:ar, styrelseledamöter och chefer som behöver fatta beslut om tekniken utan att bli ingenjörer.
Vad är artificiell intelligens?
Artificiell intelligens är området där man bygger datorsystem som utför uppgifter vi förknippar med mänskligt omdöme, som att känna igen bilder, förstå språk, förutsäga utfall eller skriva text, genom att lära sig av data i stället för att bara följa handskrivna regler.
EU använder en mer exakt definition. I AI-förordningen, förordning (EU) 2024/1689, definierar artikel 3.1 ett AI-system som ett maskinbaserat system som är utformat för att fungera med varierande grad av självständighet, som kan anpassa sig efter att det tagits i bruk och som utifrån den indata det får härleder hur det ska generera utdata, till exempel förutsägelser, innehåll, rekommendationer eller beslut som kan påverka fysiska eller virtuella miljöer. OECD använder en närliggande formulering i sin definition av ett AI-system, som reviderades 2023.
Nyckelordet i båda är "härleder". Vanlig programvara gör exakt det reglerna säger. Ett AI-system räknar fram sitt svar ur mönster det har lärt sig, och därför kan det hantera fall som ingen skrivit en regel för, men också ha fel med stor säkerhet.
Hur fungerar AI, i enkla termer?
AI fungerar genom att lära sig ett mönster ur många exempel under träning och sedan tillämpa mönstret på ny indata när det används. Allt annat är varianter av den idén.
Tänk er ett system som sorterar inkommande fakturor. I stället för att skriva en regel för varje leverantör och layout visar ni det tusentals fakturor som människor redan har sorterat. Det lär sig vilka egenskaper som pekar mot vilken kategori, och sorterar sedan nya fakturor som det aldrig har sett. Inlärningssteget kallas träning; att använda den tränade modellen kallas inferens.
Tre begrepp beskriver hur det går till:
- Maskininlärning är den gren av AI där system lär sig mönster ur data i stället för att programmeras uttryckligen. Vår artikel om maskininlärning för företagsledare går djupare.
- Djupinlärning är maskininlärning med stora neurala nätverk, lager av matematiska modeller som är bra på bild, ljud och språk.
- Generativ AI är AI som skapar nytt innehåll, som text, bilder eller kod. Stora språkmodeller, tekniken bakom verktyg som ChatGPT och Microsoft Copilot, är generativa modeller tränade på mycket stora mängder text för att förutsäga nästa ord.
Det förklarar generativ AI:s största svaghet. En språkmodell tar fram den mest sannolika fortsättningen, inte ett kontrollerat faktum. När den saknar rätt information kan den ge ett välformulerat svar som är fel, ofta kallat en hallucination. Bra användning i verksamheten ger modellen rätt källor och kontrollerar det den producerar.
AI, automatisering, maskininlärning och generativ AI: vad är skillnaden?
AI är paraplybegreppet; maskininlärning är det huvudsakliga sättet AI byggs på i dag; generativ AI är en ny sorts maskininlärning; och automatisering är en separat idé som kan, men inte måste, innehålla AI.
Begrepp
Vad det är
Exempel i verksamheten
Lär sig av data?
Regelbaserad automatisering
Vad det är
Programvara som följer fasta regler skrivna av människor
Exempel i verksamheten
Faktura godkänns automatiskt om den är under ett visst belopp och matchar en order
Lär sig av data?
Nej
Artificiell intelligens
Vad det är
System som härleder utdata ur inlärda mönster
Exempel i verksamheten
Alla exempel nedan
Lär sig av data?
Ja
Maskininlärning
Vad det är
AI som lär sig förutsäga eller klassificera utifrån historiska data
Exempel i verksamheten
Prognos för efterfrågan, flagga kunder som troligen lämnar
Lär sig av data?
Ja
Generativ AI
Vad det är
AI som skapar ny text, nya bilder eller ny kod
Exempel i verksamheten
Utkast till svar, sammanfattning av avtal
Lär sig av data?
Ja
AI-agent
Vad det är
Ett system som använder en modell för att planera och utföra steg i annan programvara
Exempel i verksamheten
Hämta data från flera system och förbereda ett ärende för granskning
Lär sig av data?
Ja, plus regler och behörigheter
Många användbara system kombinerar dem: regler för det som alltid måste hända, maskininlärning för förutsägelser och generativ AI för språk. Frågan för en chef är inte "har vi AI?" utan "vilken del av processen vinner på att lära sig av data, och vilken del ska förbli en fast regel?"
Vad kan AI göra för ett företag, och vad kan det inte?
AI för företag är mest användbart i uppgifter med många upprepade bedömningar, stora mängder text eller data och ett sätt att kontrollera resultatet; det är minst användbart där fel är dyra och inte går att upptäcka.
Typiska områden där AI lönar sig i medelstora företag:
- Språkarbete: skriva utkast, sammanfatta, översätta och söka i interna dokument.
- Klassificering: sortera ärenden, fakturor eller leads och skicka dem till rätt person.
- Förutsägelser: efterfrågan, kassaflöde, underhållsbehov eller kunder som troligen lämnar.
- Extrahering: plocka ut strukturerade data ur dokument som order, avtal och följesedlar.
Vår översikt över AI-användningsfall per avdelning ger realistiska exempel för sälj, ekonomi, HR och drift.
AI har tydliga begränsningar som ledningen bör planera för:
- Den känner inte er verksamhet om ni inte ger den era data, och den blir aldrig bättre än de data den får.
- Den gör fel på ett annat sätt än människor. Felen kan vara självsäkra och inkonsekventa, så utdata som spelar roll behöver kontrolleras.
- Den tar inget ansvar. En person eller en process måste äga varje beslut som ett AI-system stödjer.
- Den kostar pengar att köra och underhålla. Modeller, data och användning förändras, och någon måste följa kvaliteten över tid.
En rimlig start är att lista tänkbara användningsområden, poängsätta dem efter värde, datamognad och risk och testa det bästa med riktiga användare. Vår guide om hur ni prioriterar AI-användningsfall beskriver den processen.
Vilka regler gäller för artificiell intelligens i EU?
I EU regleras artificiell intelligens av AI-förordningen, som sorterar AI-användning efter risk: ett fåtal metoder är förbjudna, högriskanvändning har stränga krav, viss användning kräver transparens och det mesta av vardaglig AI har inga särskilda skyldigheter.
Per november 2026 gäller följande enligt Europeiska kommissionens sida om AI-förordningen:
- De förbjudna metoderna, som social poängsättning och känsloigenkänning på arbetsplatser och i skolor, och skyldigheten att främja AI-kunnighet hos personalen har gällt sedan den 2 februari 2025.
- Den allmänna tillämpningen, inklusive transparenskrav för chattbotar och genererat innehåll, började den 2 augusti 2026.
- Två ytterligare förbud, mot icke samtyckt sexuellt innehåll och mot material med sexuella övergrepp mot barn, som lagts till genom Digital Omnibus on AI, gäller från den 2 december 2026.
- Reglerna för hög risk gäller från den 2 december 2027 för användning som rekrytering, kreditbedömning och utbildning, och från den 2 augusti 2028 för AI i reglerade produkter.
AI-förordningen gäller parallellt med GDPR, så personuppgifter som används av AI-system omfattas fortfarande av dataskyddsreglerna. Vår artikel om vad EU:s AI-förordning innebär för ert företag förklarar risknivåer, roller och skyldigheter mer ingående.
Devies
Vill ni ha en second opinion?
Devies, en produkt- och utvecklingskonsult i Göteborg, arbetar med frågor som den här tillsammans med nordiska produkt- och IT-team. Berätta var ni står så föreslår vi ett rimligt första steg.
Vanliga frågor
Vad är skillnaden mellan AI och maskininlärning?
Artificiell intelligens är det breda området där man bygger system som tar fram förutsägelser, innehåll, rekommendationer eller beslut genom att härleda ur data. Maskininlärning är den huvudsakliga tekniken för att bygga AI i dag: systemet lär sig mönster ur exempel i stället för att följa handskrivna regler. All maskininlärning är AI, men begreppet AI används också för äldre regelbaserade expertsystem och, löst, för vanlig automatisering.
Är ChatGPT artificiell intelligens?
Ja. ChatGPT är en generativ AI-tjänst byggd på en stor språkmodell, en djupinlärningsmodell som tränats på mycket stora mängder text för att förutsäga nästa ord. Träningen gör att den kan skriva, sammanfatta och svara på frågor flytande. Den slår inte upp fakta som standard och kan ge trovärdiga men felaktiga svar, så användning i verksamheten bör ge den pålitliga källor och kontrollera det som spelar roll.
Kommer AI att ersätta jobb i vårt företag?
I de flesta medelstora företag är det troligare att AI förändrar arbetsuppgifter än att hela roller försvinner. Den tar över delar av arbetet som att skriva utkast, sortera och söka, vilket frigör tid för omdöme och kundkontakt. Effekten beror på jobbet och på hur företaget gör om sina processer. Att involvera de som utför arbetet i att välja och testa AI-användning ger bättre resultat och mindre motstånd.
Hur bör ett företag komma igång med AI?
Börja med ett affärsproblem, inte ett verktyg. Lista uppgifter där medarbetare lägger tid på upprepade bedömningar eller stora mängder text, kontrollera om data för dem finns och får användas, och välj ett användningsområde med tydligt värde och hanterbar risk. Testa det med riktiga användare mot överenskomna kvalitetskriterier, sätt enkla regler för vilka AI-verktyg personalen får använda och utbilda personalen i AI-kunnighet.










