AI används i dag som beslutsunderlag i allt från prognoser till kampanjmätning. Samtidigt är det få beslutsfattare som förstår hur modellerna bakom siffrorna fungerar. Under Kompetensdagen 2026 betonade kursledarna Anna Åkerlund och Fredrik Hallberg behovet av att minska avståndet mellan affär och data och gå från datadriven till beslutsdriven styrning.
Språkmodeller levererar svar på sekunder och integreras snabbt i organisationers arbetssätt. Men för att kunna bedöma om underlaget håller krävs beslutsfattare som förstår hur modellerna är uppbyggda och vilka antaganden de vilar på. Vad bygger svaret på? Vilka antaganden har gjorts? Hur vet vi att det håller?
Utmaningen är alltså inte att använda AI, utan att förstå den tillräckligt väl för att kunna ta ansvar för besluten. Här är fyra insikter från Anna och Fredriks pass för dig som vill ta en mer aktiv roll när AI används som beslutsunderlag.
1. Var tydlig med vilken AI ni pratar om
AI är ett samlingsbegrepp och vi måste veta vilken AI vi pratar om.
Pratar vi om:
• Stora språkmodeller som genererar innehåll?
• Prediktiv AI och maskininlärning som ger oss bättre prognoser?
• Algoritmisk attribuering som rapporterar resultatet av våra kampanjer?
• AI Agenter som tolkar våra kommandon och utför uppgifter?
Olika varianter av AI löser olika problem och kräver olika frågor kring kvalitet, risk och ansvar.Börja med att definiera vilken typ av AI ni faktiskt använder. Det skapar större tydlighet och leder till bättre fokus.
2. Börja i beslutet inte i tekniken
När AI kommer på tal, börja inte med verktygen.
Börja med frågor som:
• Vilka problem behöver vi lösa?
• Vilka beslut försöker vi underlätta och förbättra?
Arbeta i ordningen:
Problem → Beslut → Fråga → Modell → Data
Och inte i den vanliga ordningen.
Data → Modell → Svar → Beslut
Då detta ofta leder till merproblem, som nedan:
Data → Modell → Svar → Beslut → Problem
Det minskar risken att ni:
• Inte förstår vad datan säger.
• Inte vet hur ni skall använda datan.
• Inte vet vilket problem datan skall lösa.
• Inte vet vilket beslut som ni kan ta baserat på datan.
Risken är att ni bara samlar på er en massa data som inte löser era problem. AI är ett verktyg men besluten börjar alltid i problemet.
3. Sätt er in i hur AI kommer fram till sina svar
För att kunna ha mod i AI-arbetet behöver vi först ha förståelse. Ni behöver inte kunna bygga egna modeller, men ni behöver förstå:
• Vilken data som modellerna är tränade på och varför.
• Vilka antaganden och hypoteser som använts i modellen.
• Vad modellen kan och inte kan uttala sig om.
• Vad som kan gå fel och vilka konsekvenser det kan få.
Detta gäller både de språkmodeller ni använder och de resultat som presenteras i era dashboards. Observera att Google Analytics också är en AI-maskin som inte presenterar rådata. En ökad transparens skapar trygghet. En större trygghet minskar mängden felaktiga beslut.
4. Använd er kommunikationskompetens – och ställ fler kritiska frågor
AI tar inte bort ert ansvar. Ni kan inte skylla på en algoritm om något blir fel.
Som kommunikatörer bär ni fortfarande ansvar för:
• Att det som kommuniceras är baserat på fakta.
• Att det som sägs inte är påhittat eller vilseledande.
• Att sifforna som redovisas stämmer med verkligheten.
• Att informationen inte får onödiga negativa konsekvenser.
Ni behöver kanske därför ställa fler frågor en ni gjort tidigare.
• Vad bygger detta underlag på?
• Finns det något vi kan ha förbisett?
• Vilket perspektiv saknas?
• Hur kan detta påverka relationen till våra intressenter?
• Vem äger och tar fullt ansvar för beslutet, även om det blir fel?
Sist men inte minst. Outsourca inte ert omdöme. Utan sätt er i förarsätet och var alltid nyfikna och kritiska.
Här kan du se Anna och Fredrik pass på Kompetensdagen 2026 i efterhand. Se del 4.
