Dataanvändning i AI-assistenter

Rapporter

Arkitektur

2026

ES2026-13

En rapport om hur myndigheter kan göra data redo för att användas i AI-assistenter, exempelvis avseende lämpliga format för bildhantering och strukturering av dokument.

Sammanfattning

Syftet med rapporten är att skapa stöd för eSams medlemmar i hur data bör hanteras och struktureras för att den på ett effektivt sätt ska kunna användas av AI-assistenter.

I takt med att allt fler myndigheter börjar utforska AI-assistenter växer också frågan om hur vi gemensamt kan förbereda vår data för att den ska kunna användas på ett tillförlitligt sätt. Den här rapporten, som tagits fram inom eSamverkansprogrammet, ger stöd i det arbetet – och bygger vidare på de frågor som identifierades under vårt AI-labb 2025.

Rapporten reder ut vad en AI-assistent egentligen är och hur den fungerar: ett reaktivt verktyg som via en språkmodell (LLM) hjälper användaren att hitta information, organisera arbete eller utföra definierade uppgifter – till skillnad från mer självgående AI-agenter. Vi går igenom vilka komponenter som samverkar i en AI-assistent, från språkmodell och kontexthantering till säkerhet, behörighet och användargränssnitt.

Huvudbudskapet handlar om att göra data AI-ready. Här beskriver vi vilka principer som gäller: informationen behöver vara tydlig, spårbar och satt i sitt sammanhang, byggd i mindre moduler och av hög kvalitet snarare än stor mängd. Vi jämför också olika format – JSON fungerar bra för strukturerad information, markdown är ofta det bästa valet för kunskapsinnehåll, medan PDF och HTML kräver mer bearbetning för att bli användbara. Dessutom beskriver vi vilka tekniska krav som bör ställas på åtkomst, till exempel API-baserad och behörighetsstyrd tillgång, samt hur bias i språkmodeller kan hanteras genom kontrollerad kontext och systematisk uppföljning.

För att göra arbetet konkret innehåller rapporten en process i tio steg – från att definiera användningsfall och klassificera datakällor, till rensning, strukturering, chunking, metadata och löpande förvaltning. Vi beskriver också vilka roller som behövs i arbetet, till exempel informationsägare, informationsförvaltare, informationsarkitekt och AI/ML-ingenjör, samt en ordlista med centrala begrepp.

Rapporten omfattar enbart AI-assistenter och berör inte AI-tillämpningar som maskininlärning, beslutstöd eller prediktiva modeller i stort.

Publicerad: Senast uppdaterad: