AI på jobbet: uppgifter, ansvar och mätbar nytta

AI på jobbet handlar om uppgifter

AI påverkar arbetsplatser genom att förändra delar av arbetet: sökning, sammanfattning, utkast, sortering, analys och teknisk automation. Det är mer precist än att säga att tekniken tar över ett helt yrke.

En jurist kan använda AI för första genomgång av dokument men ansvarar fortfarande för rättskällor och råd. En kundservicemedarbetare kan få svarsförslag men tar över vid oklara eller känsliga ärenden. En utvecklare kan få kodförslag men behöver prova och granska ändringen.

Kartlägg därför uppgifter, inte bara jobbtitlar.

Välj arbetsuppgift efter konsekvens

En bra första uppgift är återkommande, avgränsad och lätt att kontrollera. Exempel är:

• strukturera egna anteckningar,
• skapa ett första utkast från godkänt underlag,
• söka i interna handböcker,
• klassificera inkommande frågor,
• jämföra två dokument,
• föreslå testfall för kod.

Högre risk finns när ett fel påverkar en persons hälsa, rättigheter, ekonomi eller säkerhet. Där bör verktyget avgränsas till stöd, och en ämneskunnig person behöver granska originalunderlaget.

Mät nuläget före verktyget

Produktivitet är inte antalet producerade ord. Mät hela arbetsflödet:

• tid för uppgiften,
• väntetid mellan personer,
• rättningar och omarbete,
• fel som når nästa steg,
• kundens eller mottagarens utfall,
• kostnad för licens, utbildning och kontroll.

Ett utkast kan skapas snabbt men ta längre tid att faktagranska. En sammanfattning kan spara lästid men skapa ett felaktigt beslut. Räkna därför även arbete efter AI-steget.

Jämför med samma typ av uppgifter utan verktyget. Ett prov utan jämförelsepunkt kan visa aktivitet men inte nytta.

Textutkast

Generativ AI kan hjälpa med disposition, rubriker, omformulering och första utkast. Den är särskilt användbar när personen redan har ett underlag och kan bedöma resultatet.

Ett säkert flöde är:

1. Ta bort information som inte får lämnas.
2. Ange målgrupp, syfte och källmaterial.
3. Be om ett utkast, inte ett slutligt besked.
4. Kontrollera varje faktapåstående i originalkällan.
5. Anpassa ton och ansvarig avsändare.
6. Godkänn före extern användning.

Modellen kan skapa påhittade källor och citat. Be om källor men öppna dem alltid.

Sökning i interna dokument

En AI-baserad sökfunktion kan formulera svar från handböcker, produktmaterial eller rutiner. Kvaliteten beror på källorna.

Varje dokument behöver:

• en ansvarig ägare,
• giltighetsdatum,
• tydlig målgrupp,
• behörighetsklass,
• status vid konflikt,
• nästa granskningsdatum.

Låt svaret visa vilket dokument och vilket avsnitt som användes. Om två källor motsäger varandra ska systemet visa konflikten eller lämna över, inte välja i tysthet.

Möten och sammanfattningar

Taligenkänning och sammanfattning kan skapa anteckningar och åtgärdspunkter. Kontrollera samtycke, information, personuppgifter och var inspelningen lagras.

En sammanfattning kan missa reservationer, blanda ihop talare eller göra ett preliminärt förslag till ett beslut. Deltagarna bör få möjlighet att rätta innan anteckningen används som officiellt underlag.

Mät inte bara tiden för att skriva anteckningen. Mät rättningar, missade beslut och tiden för att läsa och godkänna.

Kundservice

AI kan söka i en kunskapsbas, samla in uppgifter och föreslå svar. Börja med stabila frågor och en tydlig väg till en människa.

Överlämna när:

• källan saknas eller motsäger sig själv,
• kunden är missnöjd,
• identiteten är osäker,
• ärendet rör betalning, avtal eller känsliga förhållanden,
• verktyget har missförstått flera gånger,
• kunden ber om en person.

Låt vanliga systemregler kontrollera identitet och behörighet. En språkmodell ska inte själv avgöra vem som får se en order eller ändra ett konto.

Analys och beslutsstöd

AI kan kategorisera fri text, hitta mönster och hjälpa till att formulera en rapport. Själva beräkningen och datakällan behöver gå att kontrollera.

Skilj mellan:

• data som observerats,
• en beräkning,
• modellens uppskattning,
• en mänsklig tolkning,
• det slutliga beslutet.

En trovärdig förklaring från modellen är inte ett bevis för orsaken bakom ett mönster.

Kod och tekniskt arbete

AI kan förklara kod, föreslå ändringar, skriva tester och hjälpa till med felsökning. Resultatet kan innehålla säkerhetsbrister, felaktiga bibliotek eller en ändring som bara klarar de synliga testen.

Kräv:

• granskning av ändringen,
• automatiska tester,
• säkerhetskontroll,
• kontroll av licenser och beroenden,
• begränsad åtkomst,
• möjlighet att återställa.

Ett verktyg som kan ändra filer eller köra kommandon har högre risk än ett chattfönster. Börja med en separat arbetskopia och kräv godkännande före externa åtgärder.

Personuppgifter och skyddsvärd information

IMY framhåller att organisationens ansvar för dataskydd ligger kvar när generativ AI används. Verksamheten behöver veta vilka uppgifter som behandlas, varför, med vilket rättsligt stöd, hur länge och av vilka mottagare.

Källa: IMY, GDPR vid användning av generativ AI

Ge personalen en kort lista över:

• godkända tjänster,
• tillåtna informationsklasser,
• förbjudet material,
• vem som svarar på frågor,
• hur ett fel rapporteras.

Ett allmänt förbud utan fungerande alternativ kan flytta användningen till privata konton. Tydliga godkända arbetssätt är lättare att följa.

Mänsklig kontroll

Mänsklig kontroll kräver mer än ett godkännandefält. Den ansvariga behöver se källan, förstå konsekvensen och kunna avvisa förslaget.

Anpassa kontrollen efter risken:

• Låg konsekvens: användaren granskar själv.
• Måttlig konsekvens: en namngiven person godkänner före extern användning.
• Hög konsekvens: ämnesexpert granskar och en reservrutin finns.
• Oacceptabel konsekvens: verktyget används inte för uppgiften.

Registrera vanliga fel så att kontrollen blir bättre över tid.

Risker som behöver följas

NIST:s AI Risk Management Framework beskriver tillförlitlighet, säkerhet, robusthet, ansvar, transparens, förklarbarhet, integritet och hantering av skadlig partiskhet som egenskaper som behöver vägas tillsammans.

Källa: NIST AI Risk Management Framework

För generativ AI lyfter NIST bland annat konfabuleringar, informationssäkerhet, integritet, partiskhet och innehållens ursprung.

Källa: NIST:s profil för generativ AI

Följ både tekniska fel och hur arbetet förändras. Om användare litar mer på svaret efter några lyckade fall kan risken öka även när modellen är oförändrad.

Kompetens för olika roller

Alla behöver inte bli tekniker.

Medarbetaren behöver kunna välja tillåten information, skriva en tydlig instruktion, kontrollera källor och rapportera fel.

Chefen behöver kunna välja arbetsuppgift, ordna tid för kontroll och följa verksamhetsmått.

Ämnesexperten behöver definiera kvalitet och svåra fall.

Systemägaren behöver hantera behörighet, loggar, förändringar och avveckling.

Säkerhets- och dataskyddsfunktioner behöver förstå det verkliga arbetsflödet, inte bara leverantörens produktblad.

Utbildning bör använda egna realistiska uppgifter och visa misslyckanden, inte bara lyckade demonstrationer.

Arbetsmarknadsprognoser ska läsas som prognoser

World Economic Forums Future of Jobs Report 2025 sammanställer arbetsgivares förväntningar för perioden fram till 2030. Rapporten beskriver förväntade förändringar i arbetsuppgifter och kompetens, men den mäter inte ett säkert framtida utfall.

Källa: World Economic Forum, Future of Jobs Report 2025

Använd sådana rapporter för scenarier och planering, inte som bevis för att en viss roll kommer att försvinna. Företag, branscher och länder har olika arbetsflöden och villkor.

Den mest användbara kartläggningen görs lokalt: vilka uppgifter förändras, vilka blir kvar och vilka nya kontrollmoment tillkommer?

Ett avgränsat prov

1. Välj en uppgift

Välj tillräcklig volym, tydlig kvalitetsbedömning och låg konsekvens.

2. Dokumentera nuläget

Mät tid, omarbete, fel och mottagarens utfall.

3. Sätt informationsgränser

Bestäm tjänst, konto, tillåtet material, källor och lagring.

4. Samla provfall

Ta med vanliga, svåra och ofullständiga exempel samt fall där verktyget ska avstå.

5. Utbilda användarna

Öva på instruktion, källkontroll, rättning och incidentrapportering.

6. Kör begränsat

Behåll den tidigare rutinen och låt en ansvarig godkänna.

7. Utvärdera

Jämför hela arbetsflödet. Fortsätt, ändra eller avsluta utifrån mätdata.

Vanliga misslyckanden

Licenser köps före uppgiften är vald.
Ingen vet vad som ska mätas eller vilka användare som behöver tjänsten.

Aktivitet förväxlas med nytta.
Många skapade texter säger inget om kvalitet eller sparad tid.

Kontrollen saknar tid.
Granskaren godkänner utan att öppna källan.

Källmaterialet är gammalt.
AI gör den gamla instruktionen lättare att hitta och sprida.

Verktyget får för bred åtkomst.
En bekväm anslutning visar mer information än uppgiften kräver.

Provet blir permanent utan beslut.
Ingen äger uppföljning, kostnad eller avveckling.

Ledningens ansvar efter provet

Ett godkänt prov behöver ett uttryckligt beslut om fortsatt användning. Beslutet bör ange uppgift, tjänst, användare, tillåten information, kontroll, mått och datum för ny granskning.

Utse ägare för källmaterial, behörighet, leverantör och verksamhetsresultat. Följ förändringar i priser, villkor och funktioner. Ha en avvecklingsplan så att arbetet kan fortsätta om tjänsten byts eller stängs.

En användning som saknar ägare ska inte fortsätta enbart för att licensen redan är betald. Registrera också vilka användningar som prövades men avslutades och varför.

Sammanfattning

AI på jobbet kan hjälpa med text, sökning, möten, kundservice, analys och kod. Nyttan kommer från ett bättre arbetsflöde, inte från licensen i sig.

Välj en avgränsad uppgift, mät nuläget, skydda informationen och ge kontrollen tid och ansvar. Följ hela resultatet, inklusive rättningar och incidenter. Då går det att avgöra var verktyget faktiskt hjälper och var en människa behöver ta över.