AI-begreppen
på svenska.
6 termer som återkommer i diskussioner om AI-implementation — förklarade kort, ärligt och med exempel på när du ska använda respektive inte använda dem.
AI-arkitektur
RAG
Retrieval-Augmented Generation
RAG är tekniken som gör att en språkmodell kan svara mot din egen data i realtid — utan att modellen tränas om. Den hämtar relevanta dokument från en vektordatabas och lägger dem som kontext i prompten.
Läs mer →LLM
Large Language Model
En LLM är en stor språkmodell tränad på enorma mängder text. GPT-5, Claude 4.7, Gemini och Llama är exempel. De är grunden för moderna AI-applikationer — från chatbots till kodassistenter.
Läs mer →Agentic AI
AI-agent
En AI-agent är en språkmodell som själv kan fatta beslut om vilka verktyg eller steg som ska användas för att lösa en uppgift. Skillnaden mot en chatbot: agenten agerar, den svarar inte bara.
Läs mer →Vektordatabas
Vector database
En vektordatabas lagrar textstycken (eller bilder, ljud) som numeriska vektorer och kan snabbt hitta semantiskt liknande poster. Den är ryggraden i RAG-system.
Läs mer →Fine-tuning
Finjustering
Fine-tuning är att vidareträna en befintlig språkmodell på en mindre, specialiserad datamängd så att den presterar bättre på en specifik uppgift. Det är oftast dyrare och trögligare än RAG — men i rätt fall ger det märkbart bättre resultat.
Läs mer →