Jag kommer ihåg den första gången jag testade att använda AI. Jag öppnade en konversation i ChatGPT och skrev en enkel fråga. Svaret den spottade ut var förvisso trovärdigt men inte riktigt det jag letade efter. Jag öppnade en ny chat, ändrade frågeställningen något, och fick ett nytt svar. Den här processen upprepades några gånger men kändes i efterhand lite som att gå över ån efter vatten då jag lika gärna kunde ha sökt på google efter svaret.
Frågan kvarstod dock: med alla lovord om hur bra AI var, varför verkade den inte kunna svara på mina egna frågor? Vad gjorde jag för fel?
För att förstå detta måste vi först reflektera över vår syn på vad AI är för något, och varför det i grunden inte är ett digitalt verktyg på samma sätt som vi är vana vid.
AI och Google fungerar på olika sätt
Problemet är inte att vi ställer frågor till AI. Problemet är att många av oss förhåller sig till AI precis som vi förhåller oss till Google, dvs. bättre nyckelord = bättre resultat. Tyvärr bygger sökmotorer och AI-modeller på två helt olika grundprinciper, vilket gör att svaren inte blir så bra som de skulle kunna vara. I takt med att AI rullas ut i företag och bland myndigheter i Sverige är detta en första huvudprincip som alla som använder AI behöver förstå för att bli effektiva i sin användning. Här är skillnaden:
Google väljer ut sina svar baserat på vilka hemsidor som bäst matchar de nyckelord du söker på. Desto mer specifika och väl valda nyckelord, desto bättre resultat. Om nyckelorden är alltför dåliga, allt för många, eller inte betyder något (exempelvis "adsvölnfdkndfpjsadfäk") visas inga sidor utan endast en gubbe som metar, se figur 1. Resultatet blir en lista av hemsidor där du själv får välja vilken som verkar mest relevant beroende på vad du letar efter.
Figur 1. En väldigt förenklad bild över hur Google väljer ut ett bra svar utifrån fem nyckelord, och hur det kan se ut om nyckelorden inte genererar något bra svar. Varje färgbubbla i venndiagrammet representerar alla de hemsidor som matchar respektive nyckelord 1-5. Röd markering motsvarar de sidor som uppfyller alla nyckelord.
AI-modeller är i sin tur baserade på sannolikhet. Här genereras svar baserat på vilka ord som ofta hänger samman med den fråga du ställer. Resultatet av en prompt (alltså en instruktion till en AI-modell) blir det som för stunden är mest troligt, vilket gör att generella frågor också ger generella svar. Generella frågor som kan tolkas på olika sätt kommer att också att generera lite olika svar vid olika tillfällen. Ett enkelt exempel är att ställa frågan:
Promt 1 (generell):
vad är viktigt att tänka på när man är ny på jobbet?
i två separata chattar med valfri AI-modell och jämföra svaren, se figur 2. Båda svaren är likartade men väldigt generella. Att lyssna och ställa frågor är lika relevant för en 19-åring på lagret som för en ny förvaltningschef, vilket gör att rådet är ganska oanvändbart i annat än som påminnelse. Det är ungefär här som många drar slutsatsen att AI är överskattat. Men problemet är inte AI-modellen i sig utan att frågan inte innehåller något att svara på.
Figur 2. Samma allmänna prompt ställd vid två tillfällen. Formuleringarna skiljer sig något men svaren är lika generella båda gångerna. Båda exemplen är genererade med gratisversionen av chatGPT.
Dagens avancerade AI-modeller (Claude, Gemini, ChatGPT, Microsoft Copilot) fångar såklart upp många av dessa otydligheter men synliggör ändå en princip som är viktig att förstå. AI är betydligt mer beroende av kontextuell information. Om vi endast ställer en fråga eller ger få nyckelord utan kontext blir det ett mindre användbart svar, se figur 3.
Figur 3. En förenklad skiss över en prompt till en AI-modell om hur man tar sig från A till B. Utan kontextuell beskrivning är det möjligt att svaret varierar mellan 6 väldigt generella alternativ (B1-B6), se t.v. I det fall frågan ställs tillsammans med en kontextuell beskrivning om vad du försöker åstadkomma blir svaret betydligt mer relevant och användbart (i detta fall B4), se t.h.
Notera vad som händer med nyttan av svaret om vi ger det föregående exempel lite mer kontext, se figur 4:
Prompt 2 (mer kontext):
Jag börjar om två veckor som handläggare på en kommunal förvaltning. Jag är 52 år och har jobbat 20 år i privat sektor — aldrig i offentlig verksamhet. Teamet är åtta personer och min chef är själv ny i rollen sedan i våras. Jag vill inte lägga första månaden på att gissa hur saker fungerar, men jag vill heller inte framstå som att jag ifrågasätter allt. Ge mig:
1. Fem frågor jag bör ställa min chef under första veckan, och varför var och en spelar roll
2. Tre saker jag bör observera innan jag föreslår några förändringar
3. Vanliga misstag som erfarna personer gör när de byter från privat till offentlig sektor
Var konkret. Undvik allmänna råd om att "vara nyfiken".
Figur 4. Samma typ av frågeställning som figur 2 men nu med mer kontext.
AI skapar värde genom att bli din kollega
Enligt en undersökning från Svenskarna och Internet har AI-modellerna börjat ersätta sökmotorerna för att hitta information. Drygt hälften av alla som använder sig av AI svarar att de använder AI istället för en sökmotor (Svenskarna och internet 2025). Detta är såklart inte fel i sig självt men riskerar att begränsa värdet vi kan få ut av AI. Lite som att ständigt köra bil på första växeln, även på motorvägen. För att maximera värdet vi kan få ut av AI behöver vi istället ändra vår mentala modell om vad AI är och hur vi kan förhålla oss till det. Googles sökmotor kan bäst beskrivas som ett digitalt verktyg. AI kan i sin tur bäst beskrivas som en digital kollega. Dock har den här kollegan några specifika personlighetsdrag som vi behöver komma ihåg:
Kunskapsrik men utan självinsikt - tillgången till enorma mängder data, inklusive förmågan att själv söka på webben, gör att AI-modellerna många gånger kan svara på dina frågor även för väldigt smala och komplexa ämnen. I tillägg förstår AI-modellerna ofta långa frågor och resonemang, även om du stavar fel eller är otydlig i hur du formulerar dig. Problemet är att AI sällan vet vad den inte vet, vilket gör att den hellre hittar på svar (sk. hallucinationer) snarare än säger att den inte kan svara på det. Dessa felaktigheter döljs dessutom av att svaren många gånger formuleras som tvärsäkra killgissningar.
Den gissar hellre än frågar - AI-modellerna är tränade till att svara på dina frågor så enkelt som möjligt, oavsett om du gett den tillräckligt med information eller inte. Om du själv inte specificerar tydliga krav på svaret så kommer AI-modellen själv fylla i alla luckor med generisk information och antaganden som gör dess arbete enklare.
Låg emotionell intelligens - till skillnad från en mänsklig kollega som du dagligen pratar med har AI svårt att förstå det större perspektivet om du inte uttryckligen har beskrivit det. Ställer du en fråga är det just den specifika frågan den kommer att besvara, även om din kollega intuitivt förstår att det är något annat du är ute efter. En mänsklig kollega kan med andra ord utifrån sin magkänsla styra om samtalet till det du faktiskt behöver hjälp med, även om du missade att säga det uttryckligen.
För att bli effektiv i hur du använder AI behöver du med andra ord sluta tänka på AI som ett verktyg och istället som en trött junior kollega som älskar att killgissa och inte riktigt vet vad du jobbar med, men gärna säger saker i stil med "Aha var det detta du ville? Suck, varför sa du inte det från början?". Detta innebär i praktiken att du behöver ställa om från att tänka: fråga -> svar (alltså så som jag själv gjorde när jag började använda AI), till att tänka dialog: fråga->svar 1->förtydligande->svar 2->...(alltså så som vi beter oss i en relation). Vi kan på så sätt skriva om vårat jobbexempel med detta i åtanke för att få ut ytterligare värde av AI-modellen, se figur 5:
Prompt 3 (mer kontext men också som dialog):
Jag börjar om två veckor som handläggare på en kommunal förvaltning. Jag är 52 år och har jobbat 20 år i privat sektor — aldrig i offentlig verksamhet. Teamet är åtta personer och min chef är själv ny i rollen sedan i våras. Jag vill inte lägga första månaden på att gissa hur saker fungerar, men jag vill heller inte framstå som att jag ifrågasätter allt.
Hjälp mig att förbereda mig. Vad behöver du veta om min situation för att kunna ge ett verkligt användbart svar? Ställ frågorna en i taget och var konkret. Undvik att fokusera på allmänna råd som att "vara nyfiken".
Figur 5. Samma typ av frågeställning som figur 4 men nu som dialog.
Notera att vi i den här prompten inte får något utläggande svar. Istället påbörjar vi en längre konversation om vad som gäller för vår specifika situation, vilket i slutändan ger ett betydligt bättre och mer användbart resultat. Vi kan nu återvända till det inledande exemplet och lista ett antal saker jag själv borde ha gjort annorlunda för att få bättre svar av AI-modellen:
Ställ inte en fråga utan att också beskriva kontexten. Varför undrar du det du undrar? Vem ska använda sig av resultat och på vilket sätt? Vilken bakgrundsinfo är viktigt att känna till? Vad för typ av svar eftersöker du? Etc.
Byt inte chat bara för att du inte fick det svar du förväntade dig. Ibland är detta såklart nödvändigt men innan du gör det, skriv istället till AI-modellen att svaret blev fel och beskriv vad du istället är ute efter.
Be AI-modellen att själv ställa motfrågor och be om förtydliganden från dig, istället för att killgissa och anta massor av saker på egen hand.
Och kanske viktigast av allt: om det blir "fel" är det väldigt sällan dig det beror på. För oss som är uppvuxna med instruktionsböcker är det lätt att tänka att det finns rätt eller fel sätt att göra på. Ett mer användbart sätt att tänka på är att du har en konversation med en kollega. Om han eller hon missförstår är det knappast att du "pratat fel", utan snarare att du glömt förtydliga några viktiga poänger. På så sätt utvecklas dialogen över tid vilket tillslut kommer ge dig bättre resultat.
Granska alltid det som är viktigt. AI-modellen låter lika säker när den har rätt som när den har fel. Kontrollera därför alltid siffror, namn och källor innan du använder svaret till något som betyder något.
Förhoppningsvis kan dessa fyra förhållningssätt hjälpa dig i hur du arbetar med AI-modeller.
Har du frågor eller invändningar? Mejla mig gärna. Fler artiklar publiceras efterhand.
Lycka till!