Vecka 14: Vad vi tänker på när vi tänker på AI i välfärden
1 april 2026 | Henrik Krantz
Ibland går man runt och tänker på nåt som känns spännande, viktigt, intressant eller angeläget. Men det är inte tillräckligt färdigtänkt för att bli något riktigt ännu. Var får såna tankar plats, egentligen? Kanske i det här formatet?
Här får du ta del av några av tankarna som just nu tänks av Innovationsarenans medarbetare. Här finns inga färdiga lösningar och inte något givet nästa steg. Men genom att sätta ord på tankarna kanske vi kan närma oss något som faktiskt kan bli – ja, något? Varmt välkommen att kika in under huven på Innovationsarenan, det här är vad vi tänker på just nu.
Stina:
Vad gör vi när en fråga, område eller organisation är komplex?
Jag tänker på hur vi kan bli bättre på att sortera mellan våra olika områden, utmaningar och ansvarsområden och behandla dem på olika sätt beroende på om något är enkelt eller komplext.
En definition av komplexitet är när det för ett område, fråga eller en organisation finns många olika perspektiv och samtidigt en hög grad av ömsesidiga beroenden (Palmberg Broryd, 2021). När det gäller AI inom offentlig sektor finns skillnader i perspektiv, åsikter, och kunskap mellan organisationer, professioner och individer. Dessutom består området i sig av flera olika frågor som är sammanvävda med varandra; så som data, juridik och teknik i relation till verksamheten. Sammantaget är området svårt att överblicka, det är komplext.
Hur mycket vi än försöker ” gå till botten med”, analysera och förstå, kommer vi inte kunna få en total överblick eftersom det är just komplext. Det är lätt att bli passiv i ett sådant system, men genom att börja arbeta utifrån att det är komplext snarare än enkelt – kan vi få saker att hända. Genom att sätta upp en riktning, prioritera och agera tillsammans med andra i systemet som vill testa kan vi lära oss. Av våra lärdomar kan vi justera vårt arbete, och pröva igen.
Henke:
Något jag går runt och tänker på nu, så här i påsktider, är det här med hur vi förändrar sätten vi arbetar på. Ja, jag vet, kanske uttjatat ämne, men jag har fortfarande inte landat (det bör vi väl aldrig göra?). Mycket har förändrats de senaste två åren i hur jag tar mig an uppgifter, mitt fysiska anteckningsblock har gjort en storstilad comeback, men jag begränsar mig fortfarande. Jag vill pusha det längre och djupare, för att se vart det hamnar.
Ett numera klassiskt anteckningsverktyg är Obsidian, där du kan sortera, visualisera och koppla ihop alla dina tankar. Jag har gjort åtskilliga försök att komma i gång men aldrig fått till det. Tittat med avund på de som byggt upp otroliga bibliotek av anteckningar och kopplingar. Men jag har varit för slarvig. Fortsatt göra olika anteckningar. Sparat på olika platser. Skapat nya textdokument. Nu är upplägget annorlunda. Allt jag tänker på, ser, hittar och klurar på hamnar direkt i en inkorg. Spretiga tankar, långa som korta, halvfärdiga som hela. Varje morgon klockan 7 går min kollega igenom allt och sorterar det på rätt plats. Taggar upp, kopplar till relaterade ämnen, uppdaterar pågående projekt, lägger till uppgifter i min to-do och sparar allt i Daily Notes som en löpande dagbok. Inget skrivs om, bara sorteras och sätts i sitt sammanhang.
Det bästa? Jag lever bara, tänker, skriver, klurar och systemet lär sig av mig.
När jag skriver en krönika hamnar tankarna automatiskt i min låda för skrivande och jag kan plocka upp tråden direkt i Obsidian. Är texten färdig behöver jag inte klippa och klistra in i en mall, en skill jag byggt sköter det åt mig. Orden är mina, ansvaret är mitt, men allt det andra sköter någon annan. Resultatet blir att direkt från mitt arkiv formateras texten om och landar i rätt mall. Jag behöver bara jobba med ren text. Givetvis kan jag från exempelvis Claude bolla ett projekt eller idé för att sedan få det dokumenterar på rätt plats i mitt eget arkiv. Taggat, relaterat och strukturerat.
Nästa steg är att koppla in agenter som kontinuerligt läser mitt arkiv och uppdaterar sina egna kunskaper utifrån vad jag har på gång. De behöver inte instrueras om och om igen, de lär sig av mig, löpande. Ta spelutveckling som exempel. Jag har massor av spretiga idéer, koncept och halvfärdiga tankar om spel utspridda överallt. I det nya upplägget samlas allt det i arkivet, och en agent dedikerad till just spelutveckling läser det kontinuerligt. Den agenten spelar rollen som producent, tar mina idéer, börjar förfina dem och sätter dem i rörelse tillsammans med designers och utvecklare. Jag behöver inte sammanfatta eller förklara från noll varje gång. Den vet redan vad jag håller på med. De ligger utanför mitt arkiv, men använder arkivet som kunskap och uppdaterat sina egna minnesfiler med informationen.
Eller ta alla mina mer allmänna spretiga tankar. Där finns ett bollplank som hjälper mig se kopplingar, till andra anteckningar, till saker jag läst, till idéer jag glömt att jag hade. Inte för att tänka åt mig, utan för att hjälpa mig tänka mer.
Fortsättning följer.
Sofia:
Mina tankar kring AI kretsar allt oftare kring hur den här samhällsförändringen faktiskt kommer påverka vår arbetsmarknad – våra yrkesroller, kompetenser och hur vi organiserar oss. Var och en av dessa delar är i sig stora nog att försöka förstå, tolka och, inte minst, förbereda sig för.
Vi ser redan hur globala bolag ställer om i snabb takt. Vissa yrkesroller försvinner eller förändras i grunden, samtidigt som nya växer fram. Det börjar också synas sprickor i systemet: juniora programmerare har svårare att ta sig in på arbetsmarknaden, medan efterfrågan på senior kompetens är fortsatt hög. Men hur blir man senior om man aldrig får chansen att börja som junior?
Samma mönster syns inom forskningen. Arbetsuppgifter som traditionellt varit en inkörsport för personer i början av sin karriär tas nu över av AI. Behoven förskjuts, ett steg upp – och kvar står frågan om var nästa generation ska få sin erfarenhet. Vi ser en slags dekvalificering av vissa yrken, samtidigt som helt ny kunskap behöver byggas upp i en ganska snabb takt dessutom.
I vår förstudie “AI och kompetensförsörjning inom välfärden i Göteborgsregionen”, som ligger till grund för arbetet inom Innovationsarenan, valde vi att titta på AI genom just kompetensförsörjningslinsen. Det är ju en fråga vi länge har brottats med: hur ska vi klara av att bemanna våra kommunala verksamheter med rätt kompetens och i tillräcklig omfattning?
Vi känner igen resonemangen:
“Skolan behöver annan kompetens för att möta morgondagens unga.”
“Vi blir fler äldre.”
“Vi vill ha mindre barngrupper.”
“Vi behöver bedriva mer avancerad vård i hemmet.”
Och ovanpå det, att kompetensförsörjningsutmaningen ser olika ut beroende på sektor och geografisk kontext, vilket gör frågan ännu mer komplex.
Men så hade jag ett samtal häromdagen med en klok kollega i en av våra kommuner som utmanade resonemangen:“Jag tror inte vi kommer ha problem med kompetensförsörjningen inom välfärden på sikt.”
Varför då?
Jo, om AI nu påverkar och omformar stora delar av arbetsmarknaden och om vissa roller försvinner eller förändras kraftigt i andra sektorer – då frigörs också kompetens. Kompetens som i teorin skulle kunna söka sig till offentlig sektor.
Självklart kommer AI även förändra offentlig sektor och våra behov av roller, kompetenser och sätt att organisera oss. Men kanske innebär det också något annat: att nya grupper plötsligt blir möjliga att rekrytera. Vad tänker ni?
Johan:
Jag tänker på det här med minne hos våra AI-hjälpredor, och hur komplext det faktiskt är. Vi vet ju inte riktigt allt om hur minnen fungerar ens i människan. Vad som gör att vissa minnen fastnar, andra bleknar, och hur upplevelser vi knappt lade märke till plötsligt kan dyka upp årtionden senare. Att då försöka bygga något som liknar ett fungerande minne i en AI-assistent? Det är en genuint klurig uppgift. Och just nu är vi inte särskilt bra på det.
RAG, som är standardlösningen idag, funkar ungefär som ett arkivskåp: du stoppar in dokument, och systemet letar rätt på relevanta bitar när du frågar. Bra för statisk kunskap. Men våra egna minnen fungerar inte så. Vi har närmare till vissa minnen, andra bleknar. Minnen uppdateras när vi lär oss nya saker, ibland utan att vi ens märker det. Kunskap är någonting levande, inte dokument i ett ”minneslager”.
Det är här nya tekniken GraphRAG blir intressant. I stället för att bara lagra textbitar bygger man ett nätverk av relationer mellan kunskapsbitar. Kunskap kan förändras, uppdateras och bli inaktuell, precis som hos oss. Det härmar det dynamiska i mänskligt minne på ett sätt som platta dokument aldrig kan.
Tänk dig vad det innebär i praktiken: en assistent som faktiskt kommer ihåg att du bytte strategi förra veckan, som förstår att det där beslutet från i våras inte längre gäller, och som kan koppla ihop saker du själv inte sett sambandet mellan. En ”andra hjärna” som inte bara lagrar, utan förstår hur din kunskap faktiskt hänger ihop.
Vi är inte riktigt där än. Men vi är närmare än de flesta tror.
Marcus
Hur skall man hålla koll på alla AI-verktyg som finns?
Det är få verktyg man använder idag som inte har en AI-etikett på sig. Antingen är det ett renodlat AI-verktyg eller ett verktyg med AI-funktion. I stort sett varje dag lanseras också nya AI-verktyg eller nya AI-funktioner. Det är en ocean som vi alla hanterar olika. Vissa simmar runt, vissa plaskar och andra drunknar.
Att vi lever i en snabbt utvecklande högteknologisk värld är egentligen helt otroligt – tänk vilka möjligheter vi har som aldrig funnits tidigare och vilka möjligheter som uppkommer för varje dag som går. Men det medför också problem. Ett är att det finns så många AI-verktyg att välja mellan att man blir förlamad och väljer inget. Ett annat är att man sitter och väntar på det ”one and only AI-verktyg” som ska kunna användas till allt. Även om det sistnämnda kanske blir framtiden så är det fortfarande en bra bit bort.
Jag har tänkt på att jag vill hjälpa er att hantera oceanen bättre – kanske lära någon ett nytt simtag, en annan att flyta, en tredje att helt enkelt överleva med en livboj. Ett sätt att göra det är att hjälpa er navigera mellan alla dessa AI-verktyg genom att dela med mig av min omvärldsbevakning och strukturera upp några AI-verktyg som finns, vad de är bra för, hur säkra de är att använda, vad de är kapabla till och hur vi kan (och inte kan) använda oss av dem i vår offentliga kontext.
Jag hoppas detta kan hjälpa er att börja använda AI-verktyg mer. Det handlar inte om att någon av oss ska bli en AI-expert, utan att hela tiden ta steg framåt – oavsett om det är det första steget eller det tusende. Tänk på vad ni gör idag och hur AI eventuellt hade kunnat hjälpa er med det. I väntan på godispåsen ska ni få ett smakprov – här är ett AI-verktyg som skapat ett enormt värde både i mitt och kollegors arbetsliv (och privatliv).
Claude – en språkmodell från det amerikanska företaget Anthropic som fått mycket uppsving den senaste tiden. Bakgrunden är att Anthropic hamnade i konflikt med det amerikanska försvarsdepartementet när de vägrade skriva under ett kontrakt som skulle ge militären fri tillgång till deras AI – bland annat för massövervakning av amerikanska medborgare och fullt autonoma vapensystem. Pentagon svarade med att bannlysa Anthropic, och kort därefter nådde OpenAI ett eget avtal med försvarsdepartementet. Det fick stor uppmärksamhet och många användare valde att lämna ChatGPT till förmån för Claude som ett ställningstagande.
Rent tekniskt håller alla stora språkmodeller i stort sett samma nivå och valet handlar mer om smak och tycke – och där favoriserar fler och fler Claude. Något som gör den till min personliga favorit är hur väl den kan hjälpa mig med så många olika saker – textgenerering, formler i Excel, presentationer i PowerPoint, visualisering av flöden, att förstå komplexa saker – och till och med skriva kod för olika syften, vilket jag absolut inte kan på egen hand.
Lär dig mer här!
Samuel:
Jag tänker på hur lätt det är att börja. En ny idé, en ny uppgift, ett nytt initiativ. Det finns något lockande i starten, i rörelsen framåt, i känslan av att nu händer det.
Jag märker det i mitt eget arbete. Det nya lockar ofta mer än att slutföra det jag redan har påbörjat. Men om jag har för många saker i gång samtidigt blir jag splittrad. Jag börjar med en uppgift, avbryts av nästa, får syn på något nytt, byter spår och försöker sedan hitta tillbaka. Till slut har jag många saker i gång, men för lite som faktiskt blir färdigt.
Men de dagar då jag lyckas väljer jag ut högst tre uppgifter från min att-göra-lista och bestämmer mig för att det är just de som ska bli klara idag. Jag kan ha en lång lista med sådant som behöver göras, men varje dag behöver jag ändå välja: vad är viktigast just nu? Vad ska faktiskt bli färdigt? Inte allt på en gång, utan tre saker. Tre uppgifter som får mitt fokus, min tid och min arbetsro. Och när dagen är slut njuter jag av att få bocka av dem.
Jag tror att vi behöver tänka på samma sätt när vi inför välfärdsteknik.
Det finns ofta en stark vilja att utveckla, testa nytt och ta nästa steg. Det är i grunden väldigt positivt. Men det finns också en risk att vi går vidare för tidigt. Att vi dras till nästa initiativ, nästa lösning eller nästa möjlighet innan det vi redan har påbörjat faktiskt är infört, förankrat och har blivit en del av arbetssättet. Innan det har nått tillräckligt långt för att göra verklig skillnad.
För det räcker inte att starta något. Vi måste hålla i tillräckligt länge för att förändringen ska få fäste.
Det är kanske där förändringsledning blir som viktigast. För precis som jag behöver vara chef över min egen att-göra-lista, behöver ledningen vara chef över verksamhetens agenda. Den behöver peka ut riktningen, hjälpa till att prioritera och stå kvar även när något nytt, snabbare eller mer lockande dyker upp. Ledningen behöver också hålla i arbetet så länge att införandets mål faktiskt går att bocka av. Förflyttning sker inte bara när vi sätter i gång. Den sker när vi håller fast vid något länge nog för att det ska bli verklighet.
Kanske är det inte alltid fler idéer vi behöver. Kanske behöver vi oftare modet att fortsätta med det vi redan har påbörjat. Att prioritera, hålla fokus och göra klart.
För ibland är det först då som utveckling faktiskt blir förändring.
Christina:
Jag funderar mycket på hur redo vi egentligen är för AI-förordningen. Ser vi det som ett byråkratiskt berg vi måste ta oss över, eller som något som faktiskt kan hjälpa oss att ta rätt riktning?
AI-förordningen handlar inte om vad vi gör, utan hur vi gör det. Och i det ligger ett ganska tydligt skifte. Från att fokusera på enskilda lösningar, projekt eller beslut, till att behöva ta ansvar för helheten. Hur vi väljer att designa våra system från början, vilka antaganden vi bygger in, hur de används i praktiken och hur vi följer upp att de fungerar som tänkt över tid. Det innebär en förflyttning från att kunna peka på ett enskilt beslut och fråga “var det lagligt?” till att behöva förstå och kunna redogöra för hela systemet bakom. Hur det är utformat, hur det används och hur det följs upp över tid. Det handlar mindre om enskilda utfall och mer om förutsättningarna som skapar dem.
Jag märker också hur det här hänger ihop med hur vi pratar om risk. Vi har en tendens att koppla risk till tekniken i sig, som att vissa lösningar i sig är farliga. Men i AI-förordningen ligger fokus någon annanstans. Det handlar inte om tekniken, utan om användningen. Högrisk betyder inte att något är farligt i sig, utan att det används i sammanhang där konsekvenserna är stora. Och det är ju precis där mycket av offentlig sektor befinner sig, i beslut och processer som påverkar människors liv på riktigt.
I det här perspektivet blir transparenskravet särskilt viktigt. Och nej, det handlar inte om att vi måste visa tekniska detaljer eller ha öppen källkod. Det handlar om något mer grundläggande. Att det vi gör med AI går att förstå i sitt sammanhang.
Att vi kan beskriva hur och varför ett system används, vilken roll det spelar i en process och vilka konsekvenser det kan få. Inte som en teknisk genomgång, utan på ett sätt som gör det möjligt för andra att följa, ifrågasätta och granska.
Och kanske är det just där någonstans svaret finns på den där första frågan. Om vi ser AI-förordningen som ett byråkratiskt berg är det lätt att fastna i allt vi behöver göra, dokumentera och kontrollera. Men om vi istället ser den som ett sätt att tydliggöra hur vi redan borde arbeta, då blir den något annat. Ett stöd för att fatta mer genomtänkta beslut, bygga mer hållbara lösningar och skapa den tillit som faktiskt krävs för att AI ska fungera i praktiken.