Vad är generativ AI? Så fungerar det, exempel och vad företag behöver tänka på

Generativ AI är den sortens AI som skapar något nytt: ett mejlutkast, en sammanfattning av ett möte, en bild till en kampanj, en bit kod. Det är tekniken bakom ChatGPT, Claude, Gemini och Microsoft Copilot, och den är anledningen till att AI på några år gick från ett specialistområde till något som finns i nästan varje kontorsprogram.

Den här guiden förklarar vad begreppet betyder, hur det fungerar utan matematik, vad det kan användas till i ett företag och vad ni behöver ha koll på innan ni rullar ut det till fler än några entusiaster.

Vad betyder generativ AI?

Generativ AI är AI som genererar nytt innehåll, som text, bild, kod, ljud eller video, utifrån en instruktion.

Ordet generativ kommer av att generera, alltså att skapa. Det skiljer den här typen av AI från den som funnits i företag i decennier: system som analyserar, klassificerar eller förutsäger. Ett spamfilter, en kreditbedömning och en prognos för lagerbehovet är AI, men de skapar ingenting nytt. De sätter en etikett eller ett tal på data som redan finns.

Generativ AI vänder på det. Du skriver en instruktion, en så kallad prompt, och får tillbaka något som inte fanns innan.

Hur fungerar generativ AI?

Det enklaste sättet att förstå tekniken är att börja med språkmodellerna, eftersom det är dem de flesta möter.

Träning. En stor språkmodell (på engelska large language model, LLM) tränas på en enorm mängd text: böcker, webbsidor, kod, artiklar. Under träningen lär den sig inte fakta som i en databas, utan mönster. Vilka ord brukar följa på vilka, hur ett argument byggs upp, hur en Python-funktion ser ut, hur ett formellt mejl låter.

Generering. När du ställer en fråga gör modellen i grunden en sak om och om igen: den förutsäger vad som rimligen kommer härnäst, en bit i taget, givet allt som står före. Det låter enkelt, men med tillräckligt stor modell och tillräckligt mycket träningsdata blir resultatet text som kan resonera, sammanfatta, översätta och skriva kod.

Finjustering. Efter grundträningen tränas modellerna vidare för att följa instruktioner, vara hjälpsamma och undvika skadligt innehåll. Det är därför en assistent svarar på din fråga i stället för att bara fortsätta din mening.

Bildmodeller fungerar annorlunda under huven. De flesta börjar med brus och formar det stegvis till en bild som matchar beskrivningen. Principen är ändå densamma: modellen har lärt sig mönster ur stora mängder exempel och använder dem för att skapa något nytt.

En viktig konsekvens av hur tekniken fungerar: modellen producerar det som är sannolikt, inte det som är sant. Det är grunden till både dess styrka och dess största svaghet, som vi återkommer till under risker.

Exempel på generativ AI

Generativ AI delas ofta in efter vad den skapar:

• Text. Assistenter som ChatGPT, Claude, Gemini och Microsoft Copilot. Skriver, sammanfattar, översätter, analyserar dokument och svarar på frågor.
• Kod. Kodassistenter och kodagenter som GitHub Copilot, Claude Code, Codex och Cursor. Skriver, förklarar och ändrar kod, ofta i hela kodbaser.
• Bild. Verktyg som Midjourney, Adobe Firefly och bildfunktionerna i ChatGPT och Gemini. Skapar och redigerar bilder från en beskrivning.
• Ljud och tal. Talsyntes, röstkloning och musikgenerering, samt transkribering som ofta kombineras med en språkmodell för mötessammanfattningar.
• Video. Modeller som skapar korta klipp från text eller bild. Snabbt växande, men fortfarande mest i marknadsföring och kreativt arbete.

Allt fler verktyg är multimodala: samma modell kan läsa en bild, lyssna på ljud och svara med text. Gränserna mellan kategorierna suddas ut.

En mer utförlig genomgång av verktygen, sorterade efter användningsområde, finns i vår guide till de bästa AI-verktygen för företag.

Generativ AI, AI och AI-agenter

Tre begrepp blandas ihop hela tiden. Så här hänger de ihop:

AI är samlingsbegreppet för system som utför uppgifter som kräver något slags intelligens. Det omfattar allt från gamla regelbaserade system till dagens språkmodeller.

Generativ AI är den del av AI som skapar innehåll. Den svarar på en instruktion och lämnar tillbaka ett resultat.

Agentisk AI, eller AI-agenter, bygger på generativ AI men gör mer än att svara. En agent får ett mål, planerar stegen, använder verktyg som sökning, kod och era affärssystem, kontrollerar resultatet och fortsätter tills uppgiften är klar. En assistent skriver ett svar på ett kundmejl. En agent slår upp ordern, ser att paketet är försenat, skapar ett ärende hos speditören och skriver svaret.

Varje agent innehåller alltså en generativ modell, men långt ifrån all generativ AI är en agent. Vill ni gå djupare finns vår guide om AI-agenter och agentisk AI (på engelska).

Hur företag använder generativ AI

De användningar som ger mest i praktiken är sällan de mest spektakulära:

• Skrivande och redigering. Utkast till mejl, offerter, rapporter och texter för webben. Medarbetaren står för innehållet, AI:n för första versionen.
• Sammanfattning. Långa dokument, avtal, mötesanteckningar och ärendehistorik kokas ned till det som spelar roll.
• Sök i egen kunskap. En assistent som svarar utifrån företagets egna dokument, rutiner och produktinformation i stället för det allmänna internet.
• Kundtjänst. Förslag på svar, kategorisering av ärenden och självbetjäning för vanliga frågor.
• Kod. Utvecklare som låter en kodagent göra rutinarbetet och lägger sin tid på det som kräver omdöme.
• Analys. Frågor mot data i vanligt språk, med svar i form av tabeller och diagram.

Gemensamt för de lyckade exemplen är att en människa fortfarande äger resultatet. Generativ AI är snabbast som första utkast och sämst som sista instans.

Risker med generativ AI

Hallucinationer. Eftersom modellen producerar det sannolika och inte det sanna kan den svara fel med stort självförtroende: påhittade källor, felaktiga siffror, paragrafer som inte finns. Risken minskar när modellen får arbeta utifrån era egna dokument och när svar som spelar roll granskas av en människa.

Dataläckage. Den vanligaste risken i praktiken är inte tekniken utan hur den används. Medarbetare som klistrar in kunddata, avtal eller källkod i gratisversioner med privata konton skickar informationen utanför företagets kontroll, ibland till tjänster som får använda den för träning. Det kallas ofta shadow AI.

Upphovsrätt. Frågan om vad modellerna fått tränas på är inte färdigutredd, och upphovsrättsligt skydd för rent AI-genererat material är begränsat. För det mesta internt arbete är det sällan ett problem, men för bilder och texter som publiceras i varumärkets namn är det klokt att ha en rutin.

Promptinjektion. När AI:n läser innehåll utifrån, som webbsidor, mejl och dokument, kan någon ha gömt instruktioner där. Det blir allvarligt först när AI:n också kan agera, och är skälet till att agenter behöver begränsad behörighet och godkännande för känsliga steg.

GDPR och AI-förordningen i korthet

GDPR gäller som vanligt så snart personuppgifter skickas in. Det betyder i praktiken: ett personuppgiftsbiträdesavtal med leverantören, klarhet i var data behandlas och hur länge den sparas, och att ni inte skickar in mer personuppgifter än uppgiften kräver. Företagsversionerna av de stora tjänsterna tränar inte på er data. Det gör ofta gratisversionerna.

AI-förordningen (EU:s AI Act) är riskbaserad. Det mesta av vardagsanvändningen, som att skriva utkast eller sammanfatta dokument, hamnar inte i någon av de strängare kategorierna. Några delar berör ändå nästan alla som använder generativ AI:

• AI-kunnighet. Sedan februari 2025 ska organisationer som använder AI-system se till att personalen har tillräcklig kunskap för att använda dem.
• Transparens. Från 2 augusti 2026 gäller krav på att AI-genererat innehåll ska kunna märkas, och att människor ska få veta när de interagerar med AI, till exempel i en chatt.
• Modelleverantörerna. Särskilda regler för generella AI-modeller gäller sedan augusti 2025. De träffar i första hand leverantörer som OpenAI, Anthropic och Google, inte företag som använder modellerna.

Använder ni generativ AI i rekrytering, kreditbedömning eller andra områden som räknas som högrisk gäller betydligt mer. En genomgång av datumen finns i vår tidslinje för AI-förordningen.

Så kommer ni igång säkert

1. Välj godkända verktyg. Ge medarbetarna en assistent som är minst lika bra som den de redan använder privat. Förbud utan alternativ driver bara användningen under jorden.
2. Håll data i EU. Kör modellerna i en EU-region via en molnleverantör eller en gateway, med avtal som utesluter träning på er data.
3. Bestäm vad som får skickas in. En kort policy om vilka typer av data som är okej, vilka som kräver särskilt verktyg och vilka som aldrig ska in.
4. Behåll människan i loopen. Allt som går ut externt eller fattar beslut om människor granskas av en person.
5. Logga och följ upp. Vem använder vad, hur mycket det kostar och om det gör nytta.
6. Utbilda. Det uppfyller kravet på AI-kunnighet, och det är också där nyttan uppstår. Vi håller AI-utbildningar för just detta.

Det är också vad Walma AI Hub är byggd för: Claude, GPT och de andra ledande modellerna bakom en inloggning, i er egen Azure-miljö i EU, med policy, budget per team och full logg. Ett sätt att ge hela organisationen generativ AI utan att tappa kontrollen över vart datan tar vägen.