AI-utbildning blir mer användbar när den utgår från deltagarnas egna arbetsflöden.

Med AI-träning menas här kompetensutveckling för människor som ska använda, beställa eller ansvara för AI. Det är något annat än att träna en AI-modell på data. En bra satsning lär medarbetare att välja rätt uppgift, formulera instruktioner, granska resultat och veta när AI inte ska användas.

Varför behöver svenska verksamheter AI-träning och utbildning?

AI-träning behövs för att AI ska ge nytta utan att verksamheten tappar kontroll över information, beslut eller kvalitet. EU-kommissionen beskriver att organisationer som tillhandahåller eller använder AI-system ska vidta åtgärder för en tillräcklig nivå av AI-kunnighet hos berörd personal, utifrån deras erfarenhet, utbildning och användningskontext.

Det betyder inte att alla behöver bli utvecklare. Den som använder generativ AI för att utforma ett första utkast behöver exempelvis förstå sekretess, källkritik och kvalitetssäkring. Den som ansvarar för ett AI-stött beslut behöver i stället förstå risk, dokumentation och hur mänsklig kontroll ska fungera.

EU-kommissionens frågor och svar om AI-kunnighet betonar att utbildningsinsatser ska anpassas efter organisationens roll, systemets risk och medarbetarnas kunskap. Ett generellt introduktionspass kan därför vara en bra start, men sällan hela lösningen.

Källa: EU-kommissionen – frågor och svar om AI-kunnighet

Hur kartlägger ni nuläget innan utbildningen startar?

Börja med att kartlägga var AI redan används, testas eller planeras. Målet är inte att kontrollera varje enskilt experiment, utan att få ett tillräckligt bra underlag för att prioritera utbildning, policy och riskhantering.

1. Lista användningsfallen. Dokumentera uppgift, berörda roller, vilket verktyg som används och vilken information som hanteras.

2. Dela in användarna i målgrupper. Skilj på tillfälliga användare, frekventa användare, chefer, inköp, IT och personer som fattar eller påverkar beslut.

3. Bedöm konsekvensen om resultatet blir fel. Fråga om AI-resultatet kan påverka en individ, ekonomi, säkerhet, rättigheter eller verksamhetens förtroende.

4. Identifiera kompetensgapet. Ta reda på vad varje grupp behöver kunna i praktiken, inte bara vilka begrepp de känner igen.

Digg rekommenderar att verksamheter inventerar AI-lösningar som används, planeras eller testas och tidigt ser över rutiner för bland annat spårbarhet, dokumentation och avtal med leverantörer. Läs Diggs översikt av AI-förordningen som ett stöd för kartläggningen.

Källa: Digg – översikt av AI-förordningen

Vilka metoder ger AI-utbildning som fungerar i vardagen?

Den bästa metoden är vanligtvis en kombination av gemensam grund, rollbaserad träning och praktisk tillämpning. Medarbetaren ska kunna koppla lärandet till ett verkligt arbetsmoment redan under utbildningen.

Vilken grundkunskap ska alla få?

En gemensam introduktion bör förklara vad AI och generativ AI är, vilka verktyg verksamheten godkänner och vilka arbetsuppgifter som är lämpliga. Den bör också täcka hur AI kan ge felaktiga eller ofullständiga svar, varför resultat ska granskas och vilken information som aldrig får matas in utan godkännande.

Hur tränar ni olika roller på rätt nivå?

Rollbaserad träning översätter regler till handling. Kommunikationsfunktionen kan öva på att kvalitetssäkra text och bilder. Chefer kan öva på att bedöma nytta, risk och ansvar. IT, juridik och inköp kan arbeta med leverantörskrav, informationssäkerhet och dokumentation. Gör övningarna korta, återkommande och kopplade till organisationens egna exempel.

Varför behövs en lärloop efter utbildningen?

AI-kunnighet byggs över tid. Skapa därför en enkel lärloop: deltagaren testar ett godkänt användningsfall, dokumenterar vad som fungerade, får återkoppling och delar ett förbättrat arbetssätt. Samla återkommande frågor i en gemensam vägledning så att samma osäkerhet inte behöver lösas på nytt av varje team.

Vilka regler behöver ingå i svensk AI-utbildning?

AI-utbildning ska göra regler begripliga i den situation där AI används. EU:s AI-förordning bygger på en riskbaserad modell, och Digg beskriver att den gäller utveckling, tillhandahållande och användning av AI-system i både privat och offentlig verksamhet.

För många verksamheter är följande fyra frågor en praktisk miniminivå:

• Personuppgifter och sekretess: Vilken information får skickas till ett AI-verktyg, och när krävs en annan lösning eller ett godkännande?

• Mänsklig kontroll: Vem granskar resultatet innan det används i kommunikation, analys eller beslut?

• Transparens och dokumentation: Vad behöver kunna förklaras i efterhand om AI har använts?

• Leverantörer och verktyg: Vilka villkor, säkerhetskrav och instruktioner gäller för det verktyg som används?

För offentlig förvaltning har Digg och Integritetsskyddsmyndigheten tagit fram riktlinjer för generativ AI som bland annat behandlar dataskydd, informationssäkerhet, upphovsrätt, arbetsrätt och etik. Även privata verksamheter kan använda frågorna som struktur, men behöver anpassa dem till sin egen verksamhet och sina skyldigheter.

Källa: Digg – riktlinjer för generativ AI

Hur gör ni en 90-dagarsplan för AI-träning?

En 90-dagarsplan gör AI-träningen till en kontrollerad förändring i stället för ett enskilt utbildningstillfälle. Planen bör ha en tydlig ägare, begränsade första användningsfall och mätpunkter för både nytta och risk.

1. Dag 1–30: kartlägg och prioritera. Samla användningsfall, välj två eller tre arbetsflöden med tydlig nytta och låg till måttlig risk, och definiera vad som är tillåtet.

2. Dag 31–60: utbilda och testa. Genomför grundutbildning, håll rollbaserade workshoppar och låt små grupper testa de valda arbetsflödena med tydliga granskningssteg.

3. Dag 61–90: utvärdera och skala. Följ upp tidsbesparing, kvalitet, avvikelser och frågor från användarna. Uppdatera vägledningen innan fler användningsfall öppnas.

Mät inte bara hur många som har deltagit. Följ även om medarbetarna kan beskriva när AI är lämpligt, om de granskar resultat konsekvent och om organisationen fångar upp risker innan AI används i skarpa sammanhang.

Vilka misstag gör AI-utbildning mindre effektiv?

Det vanligaste misstaget är att behandla AI-utbildning som en engångsföreläsning. Då saknas ofta övning, rollanpassning och stöd när användaren kommer tillbaka till sin verkliga arbetsuppgift.

• Att utbilda alla på samma nivå trots olika ansvar och risk.

• Att fokusera på verktygets funktioner men inte på kvalitetsgranskning.

• Att sakna en enkel väg för frågor om data, sekretess och godkända verktyg.

• Att mäta deltagande i stället för säkra arbetssätt och konkret verksamhetsnytta.

En bättre utgångspunkt är att börja smalt, lära av verkliga exempel och successivt göra utbildningen mer specifik där risk och nytta är störst.

Vanliga frågor

Måste alla medarbetare gå AI-utbildning?

Nej, utbildningen behöver inte vara identisk för alla. Den bör däremot nå de personer som arbetar med AI-system eller använder AI i sitt arbete, på en nivå som passar deras roll och användningssituation.

Räcker en policy för AI-kunnighet?

Nej. En policy förklarar ramar och ansvar, men AI-kunnighet kräver att medarbetaren kan tillämpa dem i en konkret situation. Kombinera därför policy med övning, exempel och en tydlig kanal för frågor.

Vad är skillnaden mellan AI-träning och att träna en AI-modell?

AI-träning för medarbetare handlar om kunskap och arbetssätt. Att träna en AI-modell handlar om att använda data och metoder för att förbättra modellens förmåga att göra förutsägelser eller generera innehåll.

När börjar reglerna i AI-förordningen gälla?

AI-förordningen trädde i kraft den 1 augusti 2024 och tillämpas stegvis. Kraven på AI-kunnighet började tillämpas den 2 februari 2025 enligt Digg och EU-kommissionen.

Hur följer vi upp om AI-utbildningen fungerar?

Följ upp konkreta arbetsuppgifter, inte bara kursnärvaro. Granska exempelvis om resultat kvalitetssäkras, om rätt information används i verktygen och om teamen kan identifiera situationer där mänsklig bedömning behövs.