AI från A till Ö: Ordlistan för kommunikatörer och marknadsförare
21 SEPTEMBER 2026
AI-utvecklingen för med sig ett växande ordförråd. AI-agenter, multimodala modeller, deepfake och kontextfönster är bara några av de begrepp som dyker upp i verktyg, nyheter och diskussioner om kommunikationsarbetet.
Men vad betyder de egentligen – och vilka behöver kommunikatörer och marknadsförare ha koll på? I den här ordlistan förklarar vi de viktigaste AI-begreppen på ett enkelt och praktiskt sätt.
AI
AI är en förkortning av artificiell intelligens och ett samlingsnamn för tekniker som gör det möjligt för datorer att utföra uppgifter som vanligtvis kräver mänsklig förmåga. Det kan handla om att tolka språk och bilder, känna igen mönster, göra prognoser eller fatta beslut utifrån data.
All AI är inte generativ. Ett system som sorterar ärenden eller rekommenderar innehåll använder också AI, även om det inte skapar text eller bilder. Generativ AI är alltså en del av ett större område.
AGI
AGI är en förkortning av artificial general intelligence, eller generell artificiell intelligens. Begreppet beskriver en tänkt AI som kan förstå, lära sig och lösa många olika typer av uppgifter på en bred nivå – snarare än att vara utvecklad för vissa avgränsade användningsområden.
Dagens generativa AI-system kan hantera många slags uppgifter, men det finns ingen allmänt accepterad definition av när ett system ska räknas som AGI. Begreppet används därför på olika sätt av forskare, teknikföretag och debattörer.
AI-agent
En AI-agent är ett AI-system som kan arbeta mot ett mål, planera flera steg och använda olika verktyg för att genomföra en uppgift. Det kan till exempel handla om att samla in information, analysera den och sammanställa ett underlag.
Skillnaden mot en vanlig chatt är framför allt graden av självständighet. I stället för att användaren styr varje enskilt steg kan agenten själv välja hur uppgiften ska genomföras inom de ramar den har fått. Samtidigt ställer det högre krav på tydliga instruktioner, behörigheter och mänsklig kontroll.
AI-assistent
En AI-assistent hjälper användaren att genomföra uppgifter men arbetar vanligtvis under mer direkt vägledning än en AI-agent. ChatGPT, Claude, Gemini och Copilot kan exempelvis användas som assistenter för att sammanfatta underlag, utveckla idéer, bearbeta text eller analysera information.
Gränsen mellan assistent och agent är inte alltid tydlig. Många tjänster får successivt fler agentliknande funktioner och kan genomföra allt mer sammanhängande arbetsflöden.
AI-kunnighet
AI-kunnighet innebär att ha den kunskap och förståelse som behövs för att använda AI på ett informerat och ansvarsfullt sätt. Det omfattar både praktisk användning och förmågan att bedöma teknikens möjligheter, begränsningar och risker.
Vilken kunskap som behövs beror på rollen och sammanhanget. En kommunikatör kan exempelvis behöva kunna granska AI-genererat innehåll, hantera känslig information och förstå när mänsklig kontroll krävs. Enligt EU AI-förordning ska leverantörer och organisationer som använder AI-system vidta åtgärder för att stödja AI-kunnigheten hos berörda personer.
AI-märkning
AI-märkning innebär att mottagaren får information om att ett innehåll har skapats eller förändrats med hjälp av AI. Märkningen kan vara synlig för människor eller inbyggd i filen i ett maskinläsbart format.
När och hur ett innehåll behöver märkas beror bland annat på vad det föreställer, hur det används och vilka krav som gäller. För kommunikatörer är det särskilt viktigt att skilja mellan material som tydligt används som illustration och material som kan uppfattas som dokumentation av verkliga personer eller händelser. Läs vidare om hur AI-märkning fungerar i praktiken.
AI-modell
En AI-modell är ett system som har tränats för att känna igen mönster och utföra vissa typer av uppgifter. En språkmodell arbetar med språk, medan andra modeller kan vara inriktade på exempelvis bilder, ljud, prognoser eller klassificering.
Modellen är motorn bakom en AI-tjänst, men är inte samma sak som själva tjänsten. Ett verktyg kan kombinera en eller flera modeller med sökfunktioner, minne, instruktioner och kopplingar till andra system.
AI-skill
En skill är en återanvändbar uppsättning instruktioner, regler, kunskapskällor och arbetssteg som hjälper AI att genomföra en viss uppgift på ett konsekvent sätt. En skill kan till exempel beskriva hur AI ska granska en artikel, skriva en nyhetsbrevstext eller analysera ett kommunikationsunderlag.
För ett kommunikationsteam kan skills göra det möjligt att gå från individuella promptar till gemensamma arbetssätt. De kan bära med sig organisationens kvalitetskriterier, tonalitet och arbetsprocess även när olika personer använder dem. Fördjupa dig i hur AI-skills kan skapa gemensamma arbetssätt.
AI-styrning
AI-styrning handlar om hur en organisation sätter mål, ansvar och ramar för användningen av AI. Det kan bland annat omfatta riktlinjer, godkända verktyg, behörigheter, kvalitetssäkring och uppföljning.
För kommunikationsavdelningen gör en tydlig styrning det lättare att avgöra vilket material som får användas, vem som ansvarar för resultatet och när en människa behöver granska eller godkänna innehållet. Läs vidare om varför kommunikationsavdelningen behöver egna AI-riktlinjer.
AI-utvärdering (evals)
AI-utvärdering, ofta kallad evals, innebär att systematiskt testa hur väl en AI-modell eller AI-lösning klarar en viss uppgift. Testerna kan exempelvis mäta faktakorrekthet, relevans, tonalitet, säkerhet eller hur ofta systemet följer instruktioner.
För återkommande kommunikationsuppgifter kan en uppsättning representativa testfall göra det lättare att jämföra modeller, följa kvalitet över tid och upptäcka när en förändring försämrar resultatet. Vad som räknas som ett bra svar behöver därför definieras utifrån den faktiska uppgiften.
API
API står för application programming interface. Det är ett gränssnitt som gör det möjligt för olika program och tjänster att kommunicera med varandra.
Genom ett API kan en organisation exempelvis koppla en AI-modell till ett publiceringssystem, ett analysverktyg eller en intern datakälla. Det gör det möjligt att bygga in AI i befintliga arbetsflöden i stället för att alltid arbeta i en fristående chatt.
Automatisering
Automatisering innebär att en uppgift eller ett arbetsflöde utförs helt eller delvis utan manuell hantering. Traditionell automatisering följer ofta fasta regler: när något händer ska systemet göra en bestämd sak.
AI-baserad automatisering kan hantera mer varierande information, till exempel kategorisera fritext, sammanfatta inkommande material eller föreslå svar. Men ju större tolkningsutrymme systemet får, desto viktigare blir det att bestämma när en människa ska granska eller ta över.
Bias
Bias, eller snedvridning, innebär att ett AI-system ger systematiskt skeva resultat. Det kan bero på träningsdata, hur systemet har utvecklats eller vilket underlag och vilka instruktioner det får i en viss situation.
För kommunikatörer kan bias märkas i exempelvis bildgenerering, målgruppsanalys eller automatiserad anpassning av innehåll. AI kan återskapa eller förstärka föreställningar om vilka människor som förknippas med olika roller, egenskaper eller beteenden. Därför behöver resultat granskas både utifrån fakta och representation.
Content Credentials
Content Credentials är information som kan följa med ett digitalt innehåll och visa var det kommer ifrån och hur det har bearbetats. Informationen kan exempelvis ange vem som skapade materialet, vilka verktyg som användes och vilka ändringar som har gjorts.
Det är inte samma sak som en synlig etikett eller vattenstämpel. Content Credentials bygger på teknisk metadata som kan hjälpa mottagaren att bedöma ett materials ursprung. Informationen kan dock försvinna om filen exempelvis kopieras, komprimeras eller publiceras i en tjänst som inte bevarar den.
Deepfake
En deepfake är AI-genererat eller AI-manipulerat bild-, ljud- eller videoinnehåll som föreställer verkliga personer, objekt, platser, organisationer eller händelser och kan misstas för autentiskt material.
För kommunikatörer är det viktigt att skilja mellan tydligt illustrativt AI-innehåll och material som gör anspråk på att visa verkligheten. En syntetisk bild av ett påhittat kundmöte kan exempelvis uppfattas som dokumentär, även om den bara var tänkt som en illustration.
Generativ AI
Generativ AI är AI som kan skapa nytt innehåll, till exempel text, bild, ljud, video och kod. Modellen genererar resultat utifrån mönster som den har lärt sig under träningen och den instruktion och kontext som användaren ger.
För kommunikatörer kan generativ AI fungera som stöd i exempelvis research, idéarbete, analys och innehållsproduktion. Resultatet behöver ändå bedömas utifrån fakta, kvalitet, tonalitet, upphovsrätt och lämplighet för sammanhanget.
Grounding (källförankring)
Grounding, eller källförankring, innebär att ett AI-svar kopplas till ett bestämt underlag eller kontrollerbara källor. Underlaget kan exempelvis vara en webbsökning, ett bifogat dokument eller en intern kunskapsbank.
Källförankring kan minska risken för påhittade uppgifter och göra det lättare att kontrollera ett svar. Det garanterar däremot inte att resultatet är korrekt. AI kan välja fel källa, misstolka information eller formulera en slutsats som går längre än underlaget.
Läs vidare om hur du säkrar kvalitet i arbetet med AI.
Hallucination
En hallucination uppstår när en AI-modell genererar felaktig eller påhittad information och presenterar den på ett övertygande sätt. Det kan vara ett påhittat citat, en felaktig siffra, en källa som inte finns eller en sammanblandning av verkliga uppgifter.
Hallucinationer är en viktig anledning till att AI-genererat material behöver faktagranskas. Ett välformulerat svar är inte detsamma som ett korrekt svar. Det är särskilt viktigt att hantera risken när texten innehåller namn, datum, juridik, forskning eller andra uppgifter som mottagaren förväntar sig ska vara tillförlitliga.
Fördjupa dig i varför AI hallucinerar.
Kontext
Kontext är den information som AI-modellen får tillgång till när den ska lösa en uppgift. Det kan vara själva prompten, tidigare meddelanden i samtalet, bifogade dokument, hämtade källor eller instruktioner som ligger i verktyget.
Ju mer relevant kontext modellen får, desto bättre förutsättningar har den att förstå uppgiften. Mycket information är däremot inte automatiskt bra. Otydligt, motsägelsefullt eller irrelevant material kan göra resultatet sämre.
Kontextfönster
Kontextfönstret anger hur mycket information en AI-modell kan hantera vid ett och samma tillfälle. Det räknas vanligtvis i tokens och omfattar både det material användaren skickar in och det innehåll modellen genererar.
Ett stort kontextfönster gör det möjligt att arbeta med längre rapporter, fler dokument eller omfattande samtal. Det betyder inte att modellen alltid använder all information lika väl. Viktiga instruktioner och källor behöver fortfarande vara tydliga och väl strukturerade.
LLM
LLM står för large language model, på svenska stor språkmodell. Det är en AI-modell som har tränats på stora mängder text för att bearbeta och generera språk.
En språkmodell beräknar vilket innehåll som sannolikt bör följa utifrån den kontext den har fått. Det gör att den kan formulera sammanhängande text, sammanfatta, översätta och resonera utifrån ett underlag. Samtidigt har den inte kunskap eller omdöme på samma sätt som en människa, och resultatet behöver därför granskas.
Maskininlärning
Maskininlärning är ett område inom AI där system lär sig mönster från data i stället för att enbart följa regler som programmerats i förväg. Metoden kan användas för att exempelvis klassificera information, göra prognoser eller generera innehåll.
Generativ AI är alltså en del av ett större AI-område. All maskininlärning skapar inte nytt innehåll, och all AI som en organisation använder behöver inte vara en chattbot.
MCP
MCP står för Model Context Protocol. Det är en öppen standard som gör det möjligt för AI-applikationer att ansluta till externa datakällor, verktyg och arbetsflöden.
Genom MCP kan en AI-assistent exempelvis få tillgång till filer, databaser eller andra program som användaren har behörighet till. Det kan göra AI-system mer användbara, men innebär också att organisationen behöver ha kontroll över vilka anslutningar och behörigheter som tillåts.
Mänsklig kontroll (Human in the loop)
Mänsklig kontroll, från engelskans human in the loop, innebär att en människa deltar i eller har kontroll över en AI-stödd process. Personen kan exempelvis granska ett resultat, godkänna ett beslut eller ta över när systemet är osäkert.
Det räcker inte alltid att en människa finns med någonstans i processen. Kontrollen behöver placeras där fel kan få betydelse och personen måste ha tillräcklig kunskap, tid och befogenhet för att faktiskt kunna ingripa.
Fördjupa dig i varför mänsklig kontroll fortfarande behövs.
Multimodal AI
Multimodal AI kan arbeta med flera typer av information, exempelvis text, bild, ljud och video. En multimodal modell kan till exempel tolka en uppladdad graf, beskriva ett fotografi eller bearbeta ett inspelat möte.
För kommunikatörer innebär det att samma verktyg kan användas i fler delar av arbetsflödet. Men modellen kan göra fel även när den tolkar visuellt eller muntligt material. En sammanfattning av en inspelning eller analys av en bild behöver därför granskas på samma sätt som en genererad text.
Prompt
En prompt är den instruktion eller fråga som användaren ger till en AI-modell. Den kan bestå av en kort mening, men också av ett mer omfattande uppdrag med bakgrund, källmaterial, kriterier och önskat format.
En användbar prompt förklarar vad AI ska göra, vilket underlag den ska utgå från och vilka krav resultatet ska uppfylla. För återkommande uppgifter är det ofta bättre att utveckla gemensamma instruktioner och arbetsflöden än att varje användare skriver nya promptar från början.
Prompt engineering
Prompt engineering innebär att utforma och förbättra instruktioner för att styra en AI-modell mot ett mer användbart resultat. Det kan handla om att tillföra kontext, dela upp en uppgift, ange kvalitetskriterier eller ge exempel på önskat format.
Begreppet kan ge intryck av att det främst handlar om att hitta en perfekt formulering. I praktiken påverkas resultatet också av modellval, underlag, verktyg, arbetsprocess och mänsklig granskning.
Promptinjektion
Promptinjektion är ett försök att påverka ett AI-system genom instruktioner som får det att bortse från sina ursprungliga regler eller utföra en oönskad handling. Instruktionerna kan skrivas direkt av en användare, men också vara dolda i exempelvis en webbsida, ett dokument eller ett mejl som systemet bearbetar.
Risken blir särskilt viktig när en AI-agent kan läsa externa källor och samtidigt använda verktyg eller hantera information. Tydliga behörigheter, begränsad åtkomst och mänsklig kontroll behövs därför utöver bra instruktioner.
RAG
RAG står för retrieval-augmented generation. Metoden innebär att AI-systemet hämtar relevant information från utvalda källor och använder den som underlag när det formulerar ett svar.
En intern AI-assistent kan till exempel hämta information från en tonalitetsguide, ett produktunderlag eller en kunskapsbank. Det kan ge mer verksamhetsnära svar och göra det lättare att spåra vilken information svaret bygger på. Källmaterialets kvalitet och aktualitet är dock fortfarande avgörande.
Resonemangsmodell
En resonemangsmodell är en AI-modell som har utvecklats för att hantera uppgifter som kräver analys, planering eller problemlösning i flera steg. Den kan exempelvis användas för att jämföra alternativ, analysera ett omfattande underlag eller strukturera en komplex uppgift.
Benämningen innebär inte att modellen resonerar på samma sätt som en människa eller att slutsatsen automatiskt är riktig. Även ett genomarbetat svar kan bygga på felaktiga antaganden eller bristande underlag.
Skyddsräcken (guardrails)
Skyddsräcken, från engelskans guardrails, är regler och tekniska begränsningar som ska hindra ett AI-system från att ge olämpliga svar eller utföra otillåtna handlingar. De kan exempelvis begränsa vilket innehåll systemet får hantera eller vilka verktyg det får använda.
Skyddsräcken minskar vissa risker men kan inte ersätta tydliga arbetssätt och mänsklig kontroll. Vilka skydd som behövs beror på uppgiften, informationen och vad systemet har möjlighet att göra.
Syntetiskt innehåll
Syntetiskt innehåll är text, bild, ljud eller video som helt eller delvis har skapats eller manipulerats med hjälp av AI. Begreppet säger inte i sig om innehållet är vilseledande eller problematiskt.
Bedömningen beror bland annat på hur materialet används, vad det föreställer och vilka förväntningar mottagaren har. En tydligt illustrativ AI-bild fungerar på ett annat sätt än en bild som ser ut att dokumentera en verklig person eller händelse.
När mängden syntetiskt innehåll ökar väcks också frågor om kvalitet, transparens och förtroende. Läs vidare om varför AI-innehåll möter motstånd.
Systeminstruktion
En systeminstruktion, ibland kallad systemprompt, är en överordnad instruktion som styr hur en AI-assistent ska agera. Den kan ange assistentens roll, vilka regler den ska följa, vilket språk den ska använda och hur den ska hantera olika typer av uppgifter.
Användaren ser inte alltid systeminstruktionen i en färdig AI-tjänst. I organisationens egna lösningar kan den användas för att bygga in gemensamma arbetssätt, kvalitetskriterier och begränsningar. Den är samtidigt inte ett fullständigt skydd mot fel eller manipulation.
Token
En token är en mindre enhet som en språkmodell använder när den bearbetar text. En token kan motsvara ett helt ord, en del av ett ord eller ett skiljetecken.
Tokens används bland annat för att mäta hur mycket information som ryms i modellens kontextfönster och hur användning av vissa AI-tjänster prissätts. Antalet tokens är därför inte samma sak som antalet ord eller tecken.
Träningsdata
Träningsdata är det material som används när en AI-modell lär sig att känna igen mönster. Det kan bestå av exempelvis text, bilder, ljud, kod eller andra typer av data beroende på modellens syfte.
Vilket material en modell har tränats på påverkar dess styrkor, begränsningar och möjliga snedvridningar. Träningsdata ska inte blandas ihop med den information som en användare skriver in i ett verktyg när modellen används.
Mer kunskap och inspiration
