AI-ordlistan 2026: svensk-engelsk

AI-ordlistan är ett referensbibliotek som förklarar de vanligaste AI-termerna på svenska, från grundbegrepp som LLM och token till regelverk som EU AI Act och driftbegrepp som inferens. Varje term får en kort, rak definition.

Termerna är grupperade i fyra delar: grundbegrepp, modeller och metoder, säkerhet och regelverk, samt drift och styrning. Engelska originaltermer står i parentes där de är vanliga i branschen. Listan uppdaterades senast 3 juni 2026.

Grundbegrepp

Artificiell intelligens (AI) är samlingsnamnet för datorsystem som utför uppgifter vi förknippar med mänsklig intelligens, som att tolka språk, känna igen mönster eller fatta beslut.

Maskininlärning (machine learning, ML) är de metoder inom AI där en modell lär sig av exempel i data i stället för att följa regler som en människa har skrivit för hand.

Djupinlärning (deep learning) är den del av maskininlärning som använder neurala nätverk med många lager. Det är tekniken bakom dagens språkmodeller och bildmodeller.

Neuralt nätverk (neural network) är en modelltyp uppbyggd av sammankopplade noder i lager, löst inspirerad av hjärnans neuroner. Nätverket justerar kopplingarnas vikter under träning.

Generativ AI (generative AI) är AI som skapar nytt innehåll, text, bild, kod, ljud, i stället för att bara klassificera eller förutsäga ett värde.

Träningsdata (training data) är den mängd exempel en modell lär sig av. Datans kvalitet och bredd avgör i hög grad vad modellen kan och vilka snedvridningar den ärver.

Parameter är ett av de inställbara talen i en modell som justeras under träning. Antalet parametrar, ofta i miljarder, är ett grovt mått på en modells storlek.

Token är den minsta textenhet en språkmodell läser, ett ord, en orddel eller ett skiljetecken. Pris och kontextlängd mäts i tokens.

Prompt är den instruktion eller fråga du ger en AI-modell. Prompten är hela det indata modellen har att gå på för sitt svar.

Promptkonstruktion (prompt engineering) är arbetet med att formulera prompter så att modellen ger pålitliga och användbara svar.

Kontextfönster (context window) är den mängd text, mätt i tokens, som en modell kan ta hänsyn till samtidigt, både prompten och det den hittills svarat.

Inferens (inference) är när en färdigtränad modell används för att producera ett svar. Träning sker en gång, inferens sker vid varje anrop.

Modeller och metoder

Språkmodell (language model) är en modell tränad på text som förutsäger nästa token och därmed kan generera och tolka språk.

Stor språkmodell (large language model, LLM) är en språkmodell tränad på mycket stora textmängder med miljardtals parametrar. ChatGPT, Claude och Gemini bygger på LLM:er.

Grundmodell (foundation model) är en stor modell tränad brett på generella data, avsedd att anpassas till många olika uppgifter snarare än en enda.

Transformer är den nätverksarkitektur som de flesta moderna språkmodeller bygger på. Den presenterades 2017 i artikeln “Attention Is All You Need” (Vaswani et al.) och använder en mekanism som kallas attention för att väga samman ord i en text.

Finjustering (fine-tuning) är att vidareträna en färdig modell på ett mindre, specialiserat dataset så att den presterar bättre på en viss uppgift eller ton.

RAG (retrieval-augmented generation) är en metod där modellen först hämtar relevanta dokument ur en datakälla och sedan svarar utifrån dem, så att svaret bygger på er egen information.

Vektordatabas (vector database) är en databas som lagrar text och annat innehåll som numeriska vektorer (embeddings) så att systemet kan söka på betydelse i stället för exakta ord. Den är en vanlig komponent i RAG.

Embedding är en numerisk representation av text eller bild där liknande innehåll hamnar nära varandra i ett matematiskt rum. Det gör likhetssökning möjlig.

Multimodal modell (multimodal model) är en modell som hanterar flera typer av indata, exempelvis text och bild, i samma system.

AI-agent (AI agent) är ett system som använder en språkmodell för att planera flera steg, anropa verktyg och utföra uppgifter mot ett mål, inte bara svara på en fråga i taget.

Verktygsanrop (tool calling, function calling) är när en modell anropar en extern funktion eller ett API, söker, räknar, bokar, i stället för att bara generera text.

MCP (Model Context Protocol) är ett öppet protokoll för att koppla AI-modeller till verktyg och datakällor på ett enhetligt sätt. Det lanserades av Anthropic i november 2024 och har sedan dess anammats brett i branschen.

Temperatur (temperature) är en inställning som styr hur slumpmässiga modellens svar blir. Lägre värde ger mer förutsägbara svar, högre värde mer varierade.

Säkerhet och regelverk

Hallucination är när en modell genererar ett påstående som låter trovärdigt men är felaktigt eller påhittat. Det följer av att modellen förutsäger sannolik text, inte slår upp fakta.

Snedvridning (bias) är systematisk skevhet i en modells svar som speglar obalanser i träningsdatan. Den kan slå mot grupper av människor och måste granskas, inte antas bort.

Prompt-injektion (prompt injection) är en attack där någon gömmer instruktioner i text som modellen läser, för att få den att kringgå sina regler eller läcka information.

EU AI Act är EU:s förordning för artificiell intelligens, antagen 2024, som klassar AI-system efter risk och ställer krav på högrisksystem. Delar gäller redan och fler krav träder i kraft stegvis, med full tillämpning från 2 augusti 2027. Källa: EU AI Act, EUR-Lex (2024).

Högrisk-AI (high-risk AI) är de användningsområden EU AI Act pekar ut som särskilt känsliga, exempelvis rekrytering, kreditbedömning och kritisk infrastruktur, och som omfattas av de strängaste kraven.

ISO/IEC 42001 är den första internationella standarden för ledningssystem för AI, publicerad i december 2023. Den beskriver hur en organisation ska styra, riskbedöma och förbättra sin AI på ett spårbart sätt. Källa: ISO/IEC 42001:2023, ISO.

Skugg-AI (shadow AI) är när medarbetare använder AI-verktyg utanför organisationens kontroll och insyn, vilket skapar risker för datasäkerhet och regelefterlevnad.

Datasuveränitet (data sovereignty) är principen att data lyder under lagarna i det land eller den region där den lagras och behandlas. För många svenska verksamheter betyder det data i Sverige eller EU.

Människa i loopen (human in the loop) betyder att en människa granskar eller godkänner AI:ns beslut innan de får effekt. Det är ett vanligt krav för känsliga tillämpningar.

Förklarbarhet (explainability) är i vilken grad det går att förstå varför en modell gav ett visst svar. Hög förklarbarhet är ofta ett krav i reglerade sammanhang.

Drift och styrning

MLOps är de arbetssätt och verktyg för att driftsätta, övervaka och underhålla maskininlärningsmodeller i produktion på ett kontrollerat sätt.

LLMOps är MLOps tillämpat på språkmodeller, med fokus på prompter, kostnad per anrop, utvärdering av svar och kontroll av modellversioner.

Inferenskostnad (inference cost) är vad det kostar att köra en modell per anrop, oftast prissatt per tusen tokens in och ut. Den styr totalkostnaden för en AI-tjänst i drift.

Latens (latency) är tiden från det att en användare skickar en fråga till att svaret kommer. För agenter som gör flera modellanrop summeras latensen.

Utvärdering (evaluation, eval) är systematisk mätning av hur bra en modells svar är mot ett facit eller en uppsättning kriterier. Utvärdering är förutsättningen för att kunna förbättra ett AI-system.

Räcken (guardrails) är de regler och filter som begränsar vad ett AI-system får säga och göra, så att det håller sig inom säkra och tillåtna ramar.

Modellversion (model version) är den specifika utgåvan av en modell som ett system använder. Att låsa version är viktigt eftersom svaren kan ändras när leverantören uppdaterar modellen.

Open source-modell (open-weight model) är en modell vars vikter är fritt tillgängliga, så att den kan köras i egen miljö i stället för enbart via en leverantörs API.

---

Ordlistan samlar termer som ofta kommer upp i samtal med svenska köpare, i utbildningar och i projekt. Saknar du en term, eller vill ha en definition prövad mot er egen verksamhet, hör av er.

Författare: Tim Öhlen, affärsområdeschef tillämpad AI på Digitalist Open Tech.