Hallucinationer beskrivs ofta som ett av de största problemen med AI. Samtidigt är det just förmågan att hitta på som gör att AI-modeller kan vara kreativa och bidra med nya perspektiv. Det som skaver mest är inte att AI kan ha fel, utan att den låter tvärsäker när den har det. Istället för att eliminera hallucinationer behöver vi kanske förstå varför de uppstår, vilket värde de kan skapa och när de verkligen måste begränsas.

De flesta organisationer vet att de måste prioritera. Ändå är det få som faktiskt gör det. Initiativ läggs ovanpå varandra. Projekt fortsätter utan tydliga beslut. Arbetet blir allt mer splittrat. Det är också därför många organisationer ännu inte har fått verkligt momentum i sin AI‑adoption.

Många organisationer har i dag tillgång till kraftfulla AI‑verktyg, men arbetssätten har i många fall förändrats ganska lite. Förklaringen är enkel: teknik förändrar inte beteenden av sig själv. AI‑adoption handlar därför i grunden inte om teknik. Det handlar om beteendeförändring.

De flesta organisationer vet att de måste prioritera. Ändå är det få som faktiskt gör det. Initiativ läggs ovanpå varandra. Projekt fortsätter utan tydliga beslut. Arbetet blir allt mer splittrat. När nya initiativ dyker upp kan några enkla frågor hjälpa team och chefer avgöra om något verkligen ska prioriteras.

Många vittnar just nu om samma sak: trafiken till webbplatsen har minskat kraftigt under de senaste månaderna. Förklaringen är inte säsongsvariationer eller ett plötsligt minskat informationsbehov. Tvärtom. Informationen efterfrågas fortfarande, men den konsumeras på ett nytt sätt.

Kan man gå från råmaterial till färdig presentation – bara genom att ladda upp ett dokument och skriva en tydlig prompt? Att börja från ett tomt presentationsdokument tar tid. Struktur ska sättas, budskap prioriteras och en röd tråd arbetas fram. Frågan är om AI kan ta över det första och kanske mest tidskrävande steget?

Kraven på att kunna motivera investeringar i kommunikation har ökat – i både privat och offentlig sektor. Budgetar granskas hårdare. Effekter ska kunna redovisas. Resultat ska kunna förklaras. Som svar har många organisationer satt en tydlig ambition: att arbeta mer datadrivet. Men här uppstår en motsägelse.

När vi blickar tillbaka på 2025 kan vi se att det skett ett tydligt skifte i kommunikationslandskapet. Allt fler reagerar starkt negativt på innehåll som upplevs som massproducerat, slarvigt eller utan tydligt avsändaransvar. Och kritiken riktas i första hand mot innehåll som misstänks, eller öppet deklareras, vara AI-genererat.

Det har hänt en hel del på bildgenereringsfronten på sistone. Googles hyllade Nano Banana har nu släppts i en uppgraderad Pro-version. I samma veva lanserade Black Forest Lars Flux 2 – ett starkt gratisalternativ för den som inte vill eller kan investera i en betald lösning. Ta en titt på denna video när Lisa testar de två nysläppta modellerna Flux 2 och Nano Banana Pro.

Många kommunikatörer som arbetar med AI som stöd upplever att det krävs mycket handpåläggning för att få kvalitet i produktionen. Men för att AI ska få förutsättningar att leverera på samma höga nivå som vi själva behöver den få en ordentlig onboarding. Den utmaningen har visat sig vara betydligt vassare, och mer omvälvande, än många först anar.

AI är idag ett självklart verktyg i vardagen, inte längre en avlägsen framtidsvision. Men för många organisationer handlar den verkliga utmaningen inte om tekniken i sig, utan om det som tekniken blottlägger. När AI kräver tydliga syften, väldefinierade processer och datadrivna beslut, synliggörs ofta något mer grundläggande: bristen på strategisk klarhet.

En ny europeisk studie om AI och nyheter har väckt stort intresse – och oro. I svensk media möttes vi av rubriker som “Grova fel presenteras som sanningar när AI sammanfattar nyheter” (SVT) och “Hälften av alla AI-svar om nyheter är fel” (Aftonbladet). Men när vi gräver i metodiken framträder en mer nyanserad bild. I denna analys reder vi ut hur resultaten i studien bör tolkas.