AI-ordlista för kommunikatörer – 12 begrepp du behöver ha koll på

Du behöver inte förstå hur en språkmodell är programmerad för att ha nytta av AI. Men ju bättre du förstår hur tekniken fungerar, desto lättare blir det att använda den på rätt sätt, bedöma resultatet och upptäcka nya möjligheter.

Begreppen är relevanta oavsett om du använder ChatGPT, Copilot, Claude, Gemini eller andra AI-tjänster. Däremot kan funktionerna och benämningarna skilja sig mellan olika leverantörer.

Här är tolv begrepp som är bra att känna till.

1. LLM – stor språkmodell

LLM står för Large Language Model och är tekniken bakom många AI-tjänster, exempelvis ChatGPT och Claude.

En språkmodell har tränats på stora mängder text och lärt sig statistiska samband mellan ord, begrepp och sammanhang. Den kan därför bland annat skriva, sammanfatta, översätta, analysera och besvara frågor.

För dig som kommunikatör: En språkmodell kan vara en skicklig skrivpartner, men den har inte automatiskt kunskap om din organisation eller förståelse för vad som är lämpligt att publicera.

2. Token – så delar AI upp information

En token är en liten enhet text som språkmodellen arbetar med. Det kan vara ett helt ord, en del av ett ord eller ett skiljetecken.

När du skickar en instruktion till AI räknas både din text och modellens svar i token. Det påverkar bland annat hur mycket information modellen kan hantera och vad användningen kostar i vissa tjänster.

För dig som kommunikatör: Begreppet är framför allt användbart när du arbetar med långa dokument, omfattande instruktioner eller stora mängder innehåll.

3. Hallucination – när AI hittar på

En AI-hallucination innebär att modellen presenterar information som är felaktig eller påhittad, ibland med stor övertygelse.

Det kan handla om en källa som inte finns, ett felaktigt årtal, ett påhittat citat eller en slutsats som saknar stöd i underlaget.

Språkmodeller är konstruerade för att generera sannolik text, inte för att garantera att varje uppgift är sann.

För dig som kommunikatör: Faktagranskning är fortfarande nödvändig. Var särskilt uppmärksam på siffror, citat, forskning, juridiska uppgifter och källhänvisningar.

4. Prompt – instruktionen du ger AI

En prompt är det du skriver eller säger till en AI-modell för att få den att utföra en uppgift.

En bra prompt beskriver inte bara vad du vill ha, utan ger också relevant sammanhang: målgrupp, syfte, förutsättningar, önskat resultat och eventuella begränsningar.

För dig som kommunikatör: Skillnaden mellan ”Skriv en artikel om hållbarhet” och en genomtänkt redaktionell brief kan vara enorm. Men det är inte alltid bättre promptar som behövs. Ibland behöver du bättre underlag eller en tydligare arbetsprocess.

5. Kontextfönster – AI:s tillgängliga arbetsutrymme

Kontextfönstret anger hur mycket information en språkmodell kan hantera inom en och samma bearbetning.

Det omfattar exempelvis instruktioner, tidigare meddelanden, dokument och annat material som skickas till modellen.

Olika modeller har olika stora kontextfönster. Ett stort kontextfönster betyder däremot inte att modellen alltid använder all information lika väl.

För dig som kommunikatör: Om du arbetar med omfattande rapporter eller många dokument behöver du tänka på vilken information modellen faktiskt har tillgång till och vilka delar den ska prioritera.

6. RAG – när AI hämtar information från egna källor

RAG står för Retrieval-Augmented Generation. Det innebär att en AI-lösning hämtar relevant information från exempelvis dokument, databaser eller andra kunskapskällor och använder den som underlag för sitt svar.

I stället för att enbart förlita sig på vad språkmodellen lärt sig under träningen kan den alltså använda aktuell eller organisationsspecifik information.

För dig som kommunikatör: RAG kan göra det möjligt att ställa frågor till exempelvis interna riktlinjer, produktdokumentation eller en kunskapsbank. Men svaren behöver fortfarande kontrolleras. RAG eliminerar inte risken för fel.

7. Träning och inferens – att lära sig och att använda kunskapen

Träning är processen där en AI-modell lär sig mönster från stora mängder data. Inferens är det som händer när en färdigtränad modell används för att exempelvis besvara en fråga eller skapa en text.

När du skriver i en AI-chatt använder du normalt en redan tränad modell. Att ge modellen information i en konversation är inte samma sak som att träna om den.

För dig som kommunikatör: Det här är en viktig skillnad när du vill att AI ska förstå organisationens verksamhet, språk och arbetssätt. Ofta behöver du ge modellen rätt instruktioner och tillgång till relevant information, inte träna en egen modell.

8. Multimodal AI – när AI arbetar med mer än text

Multimodal AI innebär att en AI-modell kan hantera flera typer av information, exempelvis text, bild, ljud och video.

Du kan till exempel visa AI en bild och ställa frågor om den, låta den transkribera ett inspelat samtal eller analysera innehållet i en presentation. Vilka funktioner som finns beror på vilken tjänst du använder.

För dig som kommunikatör: Multimodal AI gör det möjligt att arbeta med fler typer av material i samma arbetsflöde. Du kan exempelvis utgå från en inspelad intervju, ta fram en transkribering och använda den som underlag för en artikel.

9. Resonemangsmodeller – AI som arbetar igenom svårare problem

Vissa AI-modeller är utvecklade för att lägga mer beräkningsarbete på uppgifter som kräver analys, planering eller problemlösning.

De kan exempelvis vara användbara när flera alternativ behöver vägas mot varandra eller när en uppgift kräver många beroende steg.

Det betyder inte att alla slutsatser blir korrekta. Även avancerade modeller kan göra fel.

För dig som kommunikatör: Prova gärna en resonemangsmodell när du behöver analysera ett omfattande underlag, jämföra strategiska alternativ eller identifiera luckor i ett resonemang.

När AI börjar arbeta med dina verktyg och processer

Hittills har vi beskrivit begrepp som är gemensamma för de flesta moderna AI-tjänster. Men när vi börjar prata om agenter, skills och plugins blir skillnaderna mellan olika tjänster större.

ChatGPT, Claude, Copilot och Gemini har delvis olika funktioner och använder inte alltid samma namn på dem. Gemensamt är utvecklingen från AI som framför allt svarar på frågor och skapar innehåll till AI som också kan följa arbetsprocesser, använda verktyg och utföra uppgifter i flera steg.

Vi använder arbetet med ett nyhetsbrev som exempel för att förklara skillnaderna.

10. AI-agent – när AI kan utföra flera arbetsmoment

En AI-agent är ett system som kan arbeta mot ett mål, välja mellan olika åtgärder och använda tillgängliga verktyg för att utföra uppgifter.

Anta att du vill ta fram ett nyhetsbrev om vad som hänt i din bransch den senaste månaden. I stället för att själv leta efter nyheter, sammanställa materialet och be AI skriva ett utkast kan du låta en agent genomföra flera av momenten.

Agenten kan exempelvis söka efter nyheter, välja ut relevanta ämnen och sammanställa ett första utkast.

För dig som kommunikatör: En agent kan ta hand om flera steg i en återkommande arbetsprocess. Du behöver fortfarande bestämma vilka källor den får använda, vad den får göra själv och vad som ska granskas och godkännas av en människa.

11. Skill – när AI får lära sig ditt arbetssätt

En skill är en återanvändbar uppsättning instruktioner och ibland kompletterande resurser som hjälper AI att utföra en viss typ av uppgift på ett bestämt sätt.

Tänk dig att du vill att AI alltid ska följa samma redaktionella arbetssätt när den tar fram ett nyhetsbrev. Du kan då skapa en skill som beskriver vilka källor som ska prioriteras, hur nyheter ska värderas, vilken tonalitet som gäller och hur faktagranskningen ska gå till.

Du slipper upprepa instruktionerna varje gång.

För dig som kommunikatör: En skill gör det möjligt att återanvända ett genomarbetat arbetssätt. Det intressanta är att du behöver formulera hur ett bra arbete faktiskt går till, inte bara beskriva slutresultatet.

12. Plugin eller integration – när AI får tillgång till fler verktyg

Ett plugin eller en integration gör det möjligt för en AI-tjänst att använda funktioner eller information från andra system.

Tänk dig att du vill att AI ska kunna hämta tidigare nyhetsbrev från Google Drive, läsa underlag i din mejl eller arbeta med information från ett publiceringsverktyg.

Då behövs en koppling mellan AI-tjänsten och det andra systemet. Hur sådana kopplingar fungerar och vad de kallas varierar mellan olika AI-tjänster.

För dig som kommunikatör: Integrationer gör att AI kan arbeta med information från de system du redan använder. Samtidigt behöver du vara uppmärksam på vilka uppgifter AI får tillgång till och vilka åtgärder den får utföra.

Enkelt uttryckt kan en skill beskriva hur ett arbete ska utföras, en integration ge tillgång till verktygen och informationen, medan en agent kan genomföra arbetet i flera steg.

Du behöver inte kunna allt – men du behöver förstå möjligheterna

AI utvecklas snabbt och begreppen förändras. Det viktiga är inte att memorera alla tekniska termer, utan att förstå vad olika lösningar kan göra och när de är användbara.

För kommunikationsavdelningar blir nästa steg ofta att gå från enskilda AI-uppgifter till mer genomtänkta arbetssätt. Vad kan automatiseras? Vilken kunskap behöver AI få tillgång till? Och var behöver människor fortfarande fatta besluten?

Om du vill ha stöd i arbetet kan vi hjälpa till med en AI-genomlysning!