Om AI
AI är ett mångfacetterat begrepp och svårt att definiera utan att vara för omfattande. Vi använder oss av AI som ett samlingsnamn för en familj av teknologier som bygger på maskininlärning, beräkning och statistiska tekniker. Vi har lånat definitionen av Faraj m.fl, vilket även Rebecka Ångström gjort i sin avhandling ”Dancing with the dynamic machine” (Ångström, 2023).
AI är en framväxande familj av teknologier som bygger på maskininlärning, beräkning och statistiska tekniker, samt förlitar sig på stora dataset för att generera svar, klassificeringar eller dynamiska förutsägelser som liknar de som en kunskapsarbetare skulle göra.
Faraj m.fl., ”Working and organizing in the age of the learning algorithm”, Information & Organization, Vol. 28 (1), March 2018 (fritt översatt)
AI är en teknik som utvecklas exponentiellt. Den är ett kraftfullt verktyg inom vissa områden men har också begränsningar. I det här avsnittet berättar vi hur vi i projektet valt att förstå och avgränsa begreppet AI och hur vi har förhållit oss till att tekniken utvecklas så snabbt. Vi ger dig en översiktlig genomgång av vad AI är; teknikens förmågor och begränsningar samt hur den ser ut att utvecklas framöver. Eftersom tekniken utvecklas snabbt råder vi dig att uppdatera dig innan du börjar arbeta med AI-drivna affärsmodeller.
Artificiell intelligens, AI, är datorsystem som kan utföra uppgifter som traditionellt krävt mänsklig intelligens. I grunden handlar det om maskininlärning där algoritmer tränas på stora datamängder för att identifiera mönster, göra förutsägelser och generera nya lösningar. Till skillnad från traditionell programmering, där vi explicit instruerar datorn om varje steg, lär sig AI från exempel och kan sedan tillämpa denna kunskap på nya situationer.
Vad skiljer AI från vanlig mjukvara?
Jämfört med konventionella datorsystem har AI flera unika egenskaper:
- Prediktiv och datadriven – AI kan förutsäga framtida utfall baserat på mönster i data, vilket möjliggör en förflyttning från reaktiva till proaktiva arbetssätt. Istället för att reagera på kända händelser kan vi agera baserat på förutsägelser.
- Allmänt tillämpbar teknik – AI kan tillämpas på nästan alla områden och uppgifter inom en organisation.
- Självlärande och dynamisk – Medan vanlig mjukvara bara förändras genom uppdateringar, kan AI kontinuerligt lära sig från nya data och förbättra eller förändra sina resultat över tid.
- Oförutsägbara resultat – AI kan generera överraskande och oväntade resultat eftersom den identifierar statistiska samband som människor kanske aldrig skulle upptäcka. Detta gör resultaten kraftfulla men ibland svåra att förutsäga eller förklara.
Den AI vi möter idag är så kallad snäv AI (narrow AI) – ibland kallad svag AI – specialiserad på specifika uppgifter som bildgenerering, textanalys eller prediktiv modellering. Detta till skillnad från stark eller generell AI, AGI (Artificial General Intelligence), som skulle motsvara eller överträffa mänsklig intelligens på alla områden. Men där är vi inte riktigt än.
Generativ AI – det stora genombrottet
Det stora genombrottet kom med generativ AI som ChatGPT, Claude och Midjourney. Dessa system bygger på så kallade foundation models – stora språkmodeller (LLM:er) som tränats på enorma datamängder och kan anpassas för olika uppgifter. De kan skapa helt nytt innehåll som text, bilder, kod eller 3D-modeller utifrån träningsdata och användarens instruktioner. För samhällsbyggnadsbranschen innebär det en grundläggande förändring. Från att enbart analysera befintlig information kan vi nu generera designförslag, optimera byggnadsutformning och automatisera komplexa arbetsflöden.
Samtidigt är det viktigt att förstå att AI inte ”förstår” på samma sätt som människor. Den identifierar statistiska samband i data och använder dessa för att producera svar som verkar intelligenta. Detta förklarar både teknikens imponerande förmågor och dess begränsningar. AI kan generera övertygande men felaktiga svar, så kallade hallucinationer, när den extrapolerar bortom sina data.
Grundläggande förmågor
I detta projekt har vi valt att fokusera på vad AI kan göra snarare än hur det tekniskt fungerar. Vi har identifierat tre grundläggande förmågor som är särskilt relevanta för samhällsbyggnadssektorn. Detta förmågebaserade perspektiv hjälper oss att hantera en verklighet där AI utvecklas i rasande takt.
När projektet startade upp stod generativ AI i centrum. Men under arbetets gång har utvecklingen av AI-agenter accelererat. Agenter är system som autonomt kan utföra komplexa uppgifter genom att kombinera flera förmågor: de genererar innehåll, analyserar data, fattar beslut och agerar. Generativ AI som egen teknikkategori har därmed blivit mindre relevant som avgränsning. Därför använder vi i stället det bredare begreppet AI.
AI:s transformativa kraft vilar på tre grundläggande förmågor som förändrar hur vi arbetar inom samhällsbyggnadssektorn:
- Generera – AI kan skapa helt nytt innehåll på sekunder. Designförslag, visualiseringar, texter och 3D-modeller genereras i en hastighet som revolutionerar kreativa processer. På den tid det tar att skissa ett förslag för hand kan AI producera tusentals varianter genom att kombinera koncept på sätt människor kanske aldrig skulle överväga.
- Analysera och förutsäga –AI kan samtidigt bearbeta och analysera komplexa data från flera källor parallellt. Den identifierar mönster i enorma datamängder som människor inte kan överblicka. AI kan till exempel förutsäga när budgetar riskerar överskridas och var underhållsbehov kommer uppstå. Den kan optimera energisystem och visa vilka risker som ligger framför oss. Allt detta samtidigt och i realtid. Denna prediktiva förmåga möjliggör en förflyttning från att reagera på problem till att förebygga dem.
- Automatisera – AI kan ta över repetitivt arbete som tidigare krävt mänsklig handpåläggning. Från kollisionskontroller och regelefterlevnad till optimering av bygglogistik. Uppgifter som är regelbaserade och återkommande kan nu köras kontinuerligt, dygnet runt, utan mänsklig inblandning.
Styrkor
Dessa förmågor ger AI unika styrkor. Den arbetar dygnet runt utan att bli trött, bearbetar data i en skala och hastighet som är omöjlig för människor, och levererar resultat med en precision som alltmer visar sig överträffa manuella metoder. Detta öppnar för iterativa designprocesser där hundratals varianter kan testas och utvärderas samtidigt mot komplexa kriterier. Inom samhällsbyggnadssektorn kan vi ana hur kombinationen av dessa förmågor kan revolutionera allt från tidiga skeden till förvaltning.
Begränsningar
Begränsningarna är lika viktiga att förstå som styrkorna. AI saknar verklig förståelse för kontext och konsekvenser. Den kan inte bedöma etiska dimensioner eller navigera i komplexa sociala sammanhang.
Ett särskilt problem är så kallade hallucinationer där AI genererar felaktiga svar som framstår som trovärdiga. Eftersom AI extrapolerar från statistiska samband i träningsdata kan den presentera påhittad information med samma övertygelse som fakta.
Kvaliteten på resultatet är helt beroende av träningsdatan. Med bristfällig eller vinklad data blir även AI:s slutsatser bristfälliga. I projekt där precision är avgörande utgör felaktiga svar en särskild risk som kräver noggrann validering
Vi har valt att peka ut en utvecklingsriktning baserat på hur vi ser på tekniken idag, vilket är vårt sätt att förhålla oss till en AI som förändras snabbare än vad vi kan följa. Den riktning vi redogör för här baseras på vad vi vet om tekniken idag, men med den accelererande tekniska utvecklingen kan vi mycket väl se helt nya genombrott – genombrott som vi inte kunnat gissa oss till.
Från dagens specialiserade verktyg går AI mot självständiga agenter som kombinerar flera förmågor. AI förväntas kunna analysera, resonera, skapa och agera inom hela arbetsflöden utan mänsklig styrning. Nästa steg handlar om system som inte bara utför uppgifter, utan förstår kontext, planerar långsiktigt och anpassar sig dynamiskt till förändrade förutsättningar. Vi ser en förflyttning mot AI som blir en aktiv medarbetare snarare än ett verktyg.
- Kvaliteten ökar. Med kvalitet avses AI:s förmåga att producera korrekta, stabila och användbara resultat. De stora modellerna tränas nu på bättre data, större mångfald och mer strukturerad återkoppling, vilket kraftigt höjer precisionen. Språkliga modeller kan förstå och följa instruktioner med hög träffsäkerhet, bildmodeller genererar fotorealistiska resultat och prediktiva modeller uppnår allt lägre felmarginaler. Kvalitetsökningen gör att AI i allt större utsträckning kan användas direkt i kritiska beslutsprocesser – inte bara som ett utforskande stöd.
- Generaliteten ökar. Med generalitet menas AI:s förmåga att tillämpa samma grundmodell på många olika typer av uppgifter och datakällor. Dagens foundation models är inte längre bundna till en domän, utan växlar sömlöst mellan text, bild, kod, ljud och 3D-data. Detta gör AI till en verkligt allmänt tillämpbar teknik som är jämförbar med elektricitet eller internet i påverkan. När generaliteten ökar minskar behovet av specialiserade verktyg; ett och samma system kan användas för projektering, riskanalys och kommunikation.
- Autonomin ökar. Med autonomi avses graden av självständighet. AI:s förmåga att inte bara svara på instruktioner utan även initiera, planera och genomföra uppgifter. De senaste AI-agenterna kan tolka mål, föreslå arbetsordning, hämta relevant information och utföra delmoment utan direkt styrning. Denna utveckling skapar en ny typ av samspel mellan människa och maskin, där AI fungerar som en kollega snarare än som ett verktyg.
- No code och tillgänglighet. No code-gränssnitt gör det möjligt att bygga avancerade lösningar utan programmeringskunskaper. I stället för att skriva kod kan användare beskriva sina behov i naturligt språk eller genom visuella flöden. Det gör att tekniken blir tillgänglig för betydligt fler, som nu själva kan driva utvecklingen i sitt arbete. När denna kreativitet sprids i organisationer växer antalet AI-tillämpningar snabbt.
What’s bleeding edge today might be old news… later today.
Amy Webb, SXSW, 2025
Framtidsforskaren Amy Webb fångar utvecklingshastigheten träffsäkert. Teknikcykler som tidigare mättes i år förkortas nu till månader eller veckor. Denna acceleration innebär att gränsen mellan mänsklig expertis och automatisering ständigt förskjuts. Uppgifter som i dag kräver specialistkompetens kan snart bli standardfunktioner i vardagliga verktyg. För samhällsbyggnadsbranschen betyder det att kontinuerlig kompetensutveckling och strategisk anpassning blir avgörande för att behålla konkurrenskraft och relevans.
Samtidigt pekar utvecklingen mot allt mer integrerade och självförstärkande ekosystem av AI-tjänster. Från enskilda verktyg går vi mot plattformar som själva kan uppdatera, samverka och anpassa sig efter användarens mål och data. Gränsen mellan verktyg och aktör suddas ut – AI blir en aktiv del av processen med direkt påverkan på planering, design, riskhantering och beslutsfattande.
I denna utveckling blir människan i loopen avgörande. Ju mer autonom tekniken blir, desto viktigare blir det att mänsklig kompetens, etik och ansvar finns kvar som en styrande del av systemet. Den mänskliga rollen förskjuts från att utföra till att övervaka, tolka och sätta riktning. Framgångsrika organisationer bygger därför hybridprocesser där AI:s beräkningskraft kombineras med mänsklig erfarenhet och omdöme. Det är i denna samverkan som den verkliga effektiviteten och tryggheten uppstår.
AI är en teknologi som bygger på data: modellerna tränas upp med hjälp av stora datamängder, använder indata för att lösa sina uppgifter och producerar utdata, till exempel analyser, förslag, text och bild. Det innebär att data blir en strategisk resurs som behöver förvaltas: samlas in metodiskt, kvalitetssäkras, harmoniseras, hållas uppdaterat och tillgängligt över hela livscykeln. AI:s resultat är inte bättre än dess indata, det vill säga att kvaliteten på AI:s leverans helt beroende av indatat. För att AI ska förverkliga sin självförbättrande potential behövs feedbackloopar där resultatet återkopplas till AI:n – lärandeprocessen är en nyckeltillgång.