# Använd er data med AI: det här behövs innan ni börjar

> Vad måste vara på plats innan ni kopplar AI till er data? Datakvalitet, behörigheter, GDPR, definitioner, ett första användningsfall och vanliga fällor.

Källa: https://upputech.se/guider/anvand-er-data-med-ai
Utgivare: UppuTech AB
Uppdaterad: 2026-10-09

**Kort svar:** Innan ni kopplar AI till er egen data behöver sex saker vara på plats: tillräckligt bra datakvalitet, behörigheter som speglar vem som får se vad, en genomtänkt hantering av säkerhet och GDPR, ett beslut om var data ska ligga, dokumenterade definitioner och ett konkret användningsfall. Saknas någon av dem får ni svar som låter rätt men inte är det, eller en lösning som inte går att sätta i drift.

AI blir inte bättre än datan det arbetar med. En modell som läser era dokument eller frågar mot era tabeller ärver alla brister som redan finns: dubbletter, gamla versioner, oklara definitioner och för breda behörigheter. Skillnaden är att bristerna nu levereras i välformulerade meningar.

## 1. Datakvalitet

AI kan inte avgöra vilken av två motstridiga uppgifter som stämmer. Finns samma kund med två adresser, eller två versioner av samma avtal, väljer modellen en av dem. Ibland rätt, ibland fel, och utan att säga vilket.

Gör en enkel genomgång av den data ni vill använda:

- Finns det dubbletter?
- Finns det gamla versioner som borde arkiveras?
- Är fälten ifyllda, eller saknas viktiga uppgifter?
- Stämmer siffrorna med det som redovisas i rapporterna?

I ett av våra projekt stämde vi av fyra källor mot varandra och fick 160 % fler partner med verifierad information. Den sortens arbete är ofta det som avgör om en AI-lösning går att lita på. Hur ni hittar och rättar fel beskriver vi i [Datakvalitet: varför rapporterna visar olika siffror](/guider/datakvalitet-olika-siffror).

## 2. Behörigheter

Den vanligaste risken är inte att data läcker ut ur företaget. Det är att den läcker inom företaget. Kopplar ni AI till en delad mapp där behörigheterna är för breda, kan vem som helst fråga om löner, uppsägningar eller styrelseprotokoll och få svar.

Grundregeln är enkel: AI ska aldrig ge en användare tillgång till något som användaren inte redan får se. Se över behörigheterna i källan innan ni kopplar på AI, inte efter.

## 3. Säkerhet och GDPR

Behandlar AI-lösningen personuppgifter gäller dataskyddsförordningen precis som för andra system. Det innebär bland annat:

- ett tydligt syfte och en rättslig grund för behandlingen
- ett personuppgiftsbiträdesavtal med leverantören
- kunskap om var data lagras och behandlas
- villkor som reglerar om er data används för att träna modeller
- loggning av vem som frågat om vad

Ta med den som ansvarar för dataskydd och informationssäkerhet från början. Det sparar tid jämfört med att bygga om en färdig lösning.

## 4. Var datan ligger

Ni har i grova drag två vägar:

| | I er egen miljö | Hos en extern AI-tjänst |
|---|---|---|
| Kontroll över data | Hög, data lämnar inte er cloud-miljö | Styrs av leverantörens avtal och inställningar |
| Kom igång | Kräver mer uppsättning | Snabbt |
| Integration med era system | Enklare att koppla till datalager och interna system | Beror på tjänstens kopplingar |
| Passar för | Känsliga data, reglerade branscher, data som redan finns i AWS, Azure eller Google Cloud | Dokument och data med lägre känslighet |
| Ansvar i drift | Ligger hos er eller er leverantör | Delas med AI-tjänsten |

Många landar i en kombination. Känslig data stannar i den egna cloud-miljön, där de stora leverantörerna erbjuder AI-modeller som körs inom samma miljö. Mindre känsligt material kan gå via en extern tjänst. Ska data flyttas som en del av arbetet, läs [checklistan inför migrering till cloud](/guider/flytta-till-cloud).

## 5. Dokumenterade definitioner

Frågar någon "hur många aktiva kunder har vi?" behöver AI veta vad en aktiv kund är. Om svaret bara finns i huvudet på en controller, kommer modellen att gissa.

Skriv ner de viktigaste begreppen: kund, order, intäkt, marginal, aktiv, avslutad. Ange var uppgiften kommer ifrån och vem som äger den. Det är samma arbete som behövs för pålitliga rapporter, och har ni ett datalager med tydliga tabeller har ni redan kommit långt. Läs mer i [Behöver vi ett datalager?](/guider/behover-vi-ett-datalager).

## 6. Ett konkret användningsfall

"Vi vill använda AI på vår data" är inte ett användningsfall. Det här är:

- Kundtjänst ska kunna söka i avtal och villkor och få svar med hänvisning till källan.
- Säljchefen ska kunna fråga hur försäljningen per region utvecklats utan att beställa en rapport.
- Inköp ska få en sammanfattning av avvikelser i leverantörsfakturor varje vecka.

Ett bra användningsfall har en tydlig användare, en fråga som ställs ofta, en avgränsad datamängd och ett sätt att mäta om det blev bättre.

Ett konkret exempel på var AI och bokföringsdata möts: [AI i bokföringen](/guider/ai-i-bokforingen).

## Checklista innan ni börjar

- [ ] Vi har valt ett användningsfall med en tydlig användare
- [ ] Vi vet vilken data som behövs och var den finns
- [ ] Datan är genomgången för dubbletter och gamla versioner
- [ ] Behörigheterna i källan stämmer med vem som får se vad
- [ ] Vi har avtal som reglerar hur leverantören hanterar data
- [ ] Ansvarig för dataskydd är informerad
- [ ] De viktigaste begreppen är definierade och dokumenterade
- [ ] Det finns en ägare för lösningen när den är i drift

## Vanliga fällor

- **Att börja med verktyget.** Valet av AI-tjänst är sällan det svåra. Datan och behörigheterna är det.
- **Att koppla på allt på en gång.** Hela filservern som källa ger svar från dokument som borde ha raderats för länge sedan.
- **Att inte kunna se källan.** Svar utan hänvisning går inte att kontrollera, och då slutar användarna lita på dem.
- **Att testa på demodata.** En lösning som fungerar på städad testdata kan ge helt andra svar på den riktiga.
- **Att glömma förvaltningen.** Data ändras, nya dokument tillkommer och behörigheter förändras. Någon behöver äga lösningen även efter lansering.

Hur ni tar en lyckad pilot vidare beskriver vi i [Varför AI-piloter sällan blir produktion](/guider/ai-pilot-till-produktion).

Läs mer om hur vi arbetar med [data och BI](/data-och-bi). Vill ni veta om er data är redo för AI? På 30 minuter går vi igenom ert användningsfall, var datan finns och vad som behöver göras först. Kostnadsfritt: [boka en genomgång](/kontakt).

## Vanliga frågor

### Måste vi ha ett datalager innan vi använder AI på vår data?

Inte alltid. För dokument som policyer, avtal och manualer räcker det ofta att de är samlade, aktuella och har rätt behörigheter. För siffror och nyckeltal behöver datan i regel vara samlad och definierad på ett ställe, annars ger AI lika många svar som era rapporter redan gör.

### Får vi använda personuppgifter med AI?

Det kan gå, men samma regler gäller som för all annan behandling. Ni behöver en rättslig grund, ett tydligt syfte, avtal med leverantören om hur data hanteras och kunskap om var den lagras. Ta med den som ansvarar för dataskydd tidigt, inte när lösningen är klar.

### Används vår data för att träna AI-modellerna?

Det beror på tjänst och avtal. Företagsversionerna av de stora AI-tjänsterna har i regel villkor om att kunddata inte används för träning, men kontrollera alltid avtalet för just den tjänst ni använder.

### Var ska vi börja?

Med en avgränsad fråga som någon i verksamheten ställer ofta och som tar tid att besvara i dag. Välj data ni känner väl, kontrollera kvaliteten och behörigheterna, och mät om svaren blir snabbare och lika bra.
