Klarspråk i en värld av jargong

AI-världen har ett eget språk — och det ändras varje kvartal. Den här wikin förklarar vad begreppen faktiskt betyder, vilket kodspråk du bör lära dig, och vad alla förkortningar egentligen syftar på.

Bokmärk gärna sidan ifall du behöver komma tillbaka.

Vilket spår är du på?

Använda agenter
Ingen kod alls
n8n eller Flowise — visuella verktyg utan en rad kod.
Bygga AI-appar
Python
Det vanligaste språket för AI, data och automation. Flest guider, störst ekosystem.
Webb & Frontend
TypeScript
AI-frontends byggs nästan alltid i TS via Next.js eller SvelteKit.

De flesta AI-agentprojekt byggs i Python eller TypeScript. Du behöver inte lära dig båda — välj ett, AI fyller i resten.

Kodspråk

Språk & Ramverk

Python
AI · Data · Automation

Standardspråket för AI och maskininlärning. Enkel syntax, enormt ekosystem. Perfekt för agenter, dataanalys och backend-APIs.

Populära ramverk
FastAPILangChainLlamaIndexDjangoFlask
TypeScript
Webb · API · Frontend

JavaScript med typer — samma språk, men med ett lager som fångar fel innan koden körs. Dominerande för moderna webbappar. Körs i browser och på server via Node.js.

Populära ramverk
Next.jsSvelteKitHonoExpressReact
Go
Backend · Mikrotjänster

Snabbt, enkelt, byggt för servrar. Utmärkt för API:er och bakgrundstjänster som ska hantera hög trafik med låg resursåtgång.

Populära ramverk
GinEchoFiberChi
Rust
Prestanda · System

Extremt snabbt och minneseffektivt. Brant inlärningskurva. Används för kritiska system och verktyg där varje millisekund räknas.

Populära ramverk
AxumActixTauri
Ordlista

AI-ordlista

Alla AI-begrepp förklarade på vanlig svenska och engelska.

Filtrera efter område
Visar 252 av 252 termer
.env-fil
En lokal fil som innehåller hemliga värden (API-nycklar, databaskonfiguration). Aldrig committad till Git. Används av koden för att läsa secrets utan att de ligger synlig i källkoden.
SE ÄVEN:
OMRÅDE:
.gitignore
En Git-konfigurationsfil som talar om vilka filer som INTE ska pushas till GitHub. .env-filer måste vara här för att undvika att hemliga nycklar läcker ut.
SE ÄVEN:
OMRÅDE:
a11y
Numeronym för accessibility — att bygga produkter användbara för alla, inklusive personer med funktionsvariationer. Skärmläsare, tangentbordsnavigation, färgkontrast, fokusindikatorer, ARIA-attribut. WCAG 2.1 AA är den vanliga ribban för EU-tjänster.
SE ÄVEN:
OMRÅDE:
Acceptanskriterier
De specifika villkor som måste uppfyllas för att en uppgift eller feature ska anses klar. Tydliga acceptance criteria gör det möjligt att mäta framgång.
SE ÄVEN:
OMRÅDE:
Agent
Ett autonomt AI-system som kan planera, besluta och handla för att nå ett mål. Agenter använder verktyg, minne och återkopplingsloopar för att fungera självständigt.
SE ÄVEN:
OMRÅDE:
Agentisk AI
AI-system som tar flera steg för att lösa ett problem men frågar dig fortfarande vid varje större beslut. Kursorns och Lovables kopiloter är agentiska — de planerar och bygger, men väntar på bekräftelse.
SE ÄVEN:
OMRÅDE:
Agentloop
Den återkommande cykeln där agenten planerar, agerar, observerar resultat och justerar nästa steg. Det är kärnan i många agentarkitekturer.
SE ÄVEN:
OMRÅDE:
AI-agent
Ett AI-system som inte bara svarar, utan kan planera, använda verktyg och utföra steg mot ett mål. En agent kombinerar modell, instruktioner, verktyg, minne och kontrollflöde.
SE ÄVEN:
OMRÅDE:
AI-arbetsflöde
Ett definierat arbetsflöde där AI hjälper till i ett eller flera steg. Ett workflow är ofta lättare att produktifiera än en helt fri chatbot.
SE ÄVEN:
OMRÅDE:
Anonymisering
Process att ta bort eller ersätta identifierande information från data så att det inte längre kan kopplas till en person. Ungefär som att byta namn på "Anna, 34, Göteborg" till "kvinnlig användare, 30-40-tal, storstad". Minskar GDPR-risken kraftigt.
SE ÄVEN:
OMRÅDE:
Anpassning
Att få modellen att bete sig i linje med människors mål, regler och säkerhetskrav. Alignment handlar både om teknik, etik och produktdesign.
SE ÄVEN:
OMRÅDE:
Anropsgräns
En gräns för hur ofta ett system får anropas. Rate limits skyddar mot överbelastning, missbruk och oväntade kostnader.
SE ÄVEN:
OMRÅDE:
Anthropic
Amerikansk AI-leverantör bakom Claude. Data lagras i USA och omfattas av CLOUD Act. Kräver DPA för GDPR-efterlevnad.
SE ÄVEN:
OMRÅDE:
Antimönster
En lösning som ser rimlig ut men skapar fler problem än den löser — motsatsen till ett designmönster. Återförsöksstorm är ett tydligt exempel: instruktionen "försök igen vid fel" verkar rätt tills första hickan i systemet förvandlar varje klient till en självmordspilot mot din egen server.
SE ÄVEN:
OMRÅDE:
Användarprompt
Den instruktion som användaren själv skriver till modellen. Den tolkas inom ramen för systemets högre instruktioner och säkerhetsregler.
SE ÄVEN:
OMRÅDE:
Användningsfall
Ett konkret användningsområde, till exempel "bygg en research-agent" eller "automatisera support". Use cases gör AI lättare att förstå än abstrakta begrepp.
SE ÄVEN:
OMRÅDE:
API
Application Programming Interface — ett sätt för en mjukvara att prata med en annan. Ett API låter dig använda en annan tjänsts funktioner utan att själv behöva bygga dem.
SE ÄVEN:
OMRÅDE:
API-nyckel
En hemlig sträng som bevisar att du är auktoriserad att använda ett API. Behandla den som ett lösenord — dela det inte och byt det regelbundet.
SE ÄVEN:
OMRÅDE:
Arbetsflöde
En kedja av steg från input till resultat. I AI-produkter kan ett workflow innehålla modellkörningar, verktyg, kontroller och mänskliga godkännanden.
SE ÄVEN:
OMRÅDE:
Arbetsflödesagent
En agent som arbetar enligt ett definierat flöde, till exempel samla input, analysera, utföra, verifiera och rapportera. Det är ofta mer robust än en helt fri agent.
SE ÄVEN:
OMRÅDE:
Assistentdesign
Designen av hur en AI-assistent ska bete sig, svara och hjälpa användaren. Det handlar både om UX, ton, gränser och funktionalitet.
SE ÄVEN:
OMRÅDE:
Auktoritativ källa
Den källa som systemet ska betrakta som auktoritativ. I AI-produkter är det viktigt att veta om modellen ska lita på dokumentation, databas eller användarinput.
SE ÄVEN:
OMRÅDE:
Autentisering
Processen att verifieras att någon (eller ett system) är den de säger sig vara. Vanligtvis görs med lösenord, nycklar eller andra hemligheter.
SE ÄVEN:
OMRÅDE:
Automation
Att låta en maskin köra ett flöde som du annars skulle gjort manuellt. AI-automation går steget längre: maskinen tolkar, beslutar och anpassar sig istället för att bara följa fasta regler. Verktyg som n8n, Zapier och Make orkestrerar automation mellan tjänster — med eller utan LLM:er i loopen.
SE ÄVEN:
OMRÅDE:
Autonom agent
En agent som kan ta flera steg själv utan att fråga användaren varje gång. Autonomi kräver starka gränser, logging och möjlighet att stoppa agenten.
SE ÄVEN:
OMRÅDE:
Autonomi
Förmågan för ett AI-system att fatta beslut och vidta åtgärder utan mänsklig vägledning vid varje steg. Agenter har autonomi; chattbottar har inte.
SE ÄVEN:
OMRÅDE:
Balanserad modell
Mittenklass-modeller med bra kvalitet till rimligt pris. Claude Sonnet, GPT-4o mini, Gemini Pro. Vanligast i agentsystem — goda resultat utan att slösa på budget.
SE ÄVEN:
OMRÅDE:
Bash
Bourne Again Shell — den vanligaste shellen på Linux och WSL, standard fram till 2019 även på Mac. När en tutorial säger "kör i terminalen" menas oftast bash eller zsh. Också språket du skriver shell-skript i — automation som inte behöver Python.
SE ÄVEN:
OMRÅDE:
Bedömningsmatris
En bedömningsmall som beskriver vad ett bra svar måste innehålla. Rubrics gör AI-utvärdering mer konsekvent.
SE ÄVEN:
OMRÅDE:
Benchmark
Ett standardiserat test som används för att jämföra modeller eller system. Benchmarks är användbara men fångar inte alltid verkliga produktbehov.
SE ÄVEN:
OMRÅDE:
Beroende
Externt paket som din kod behöver för att fungera. Listas i `package.json` (JavaScript), `requirements.txt` (Python) eller `Cargo.toml` (Rust). Varje beroende drar in sina egna beroenden — ett enda `npm install` kan hämta hundratals paket. Också supply-chain-risk: ett hackat beroende drar med sig hela din kod.
SE ÄVEN:
OMRÅDE:
Bucket
Lagringsbehållare för filer i molnet — bilder, videos, dokument, modellvikter, allt utom traditionella databaser. AWS S3, Google Cloud Storage och Cloudflare R2 är de vanligaste. Används av AI-system för att lagra träningsdata, modeller och uppladdat användarinnehåll. Notera jurisdiktion: en bucket i USA lyder under US-lagar.
SE ÄVEN:
OMRÅDE:
Cachning
Att spara tidigare resultat eller mellanresultat för att slippa beräkna samma sak igen. Caching kan minska både kostnad och latency.
SE ÄVEN:
OMRÅDE:
Chroma
En vektordatabas som ofta används för RAG. Den är lätt att sätta upp lokalt, stöder embedding-modeller och kan arbeta både i minnet och persistent på disk.
SE ÄVEN:
OMRÅDE:
Chunk
En textbit från ett större dokument, klippt ned för att passa in i RAG-systemet. En bra chunk är 400–800 tokens med 10–20% överlapp med grannar. Allt för stora chunks späder ut signalen, allt för små förlorar kontext.
SE ÄVEN:
OMRÅDE:
Chunking
Att dela upp dokument i mindre bitar som modellen kan använda. Bra chunking är avgörande för att RAG ska hitta rätt information.
SE ÄVEN:
OMRÅDE:
CI/CD
Continuous Integration/Continuous Deployment — automation som testar och deployar din kod automatiskt när du pushar till GitHub. Sparar tid och minskar buggar.
SE ÄVEN:
OMRÅDE:
CLI
Command Line Interface — textbaserat gränssnitt där du skriver kommandon istället för att klicka. Snabbare än GUI när du väl lärt dig grunderna, och nödvändigt för många AI-verktyg: Claude Code, Ollama, n8n och Docker körs alla via CLI. Bor i en terminal-app.
SE ÄVEN:
OMRÅDE:
CLOUD Act
Clarifying Lawful Overseas Use of Data Act — amerikansk lag som ger USA:s myndigheter rätt att begära ut data från amerikanska bolag, även om datan lagras i Europa. Affekterar OpenAI, Anthropic, Google och andra US-baserade tjänster.
SE ÄVEN:
OMRÅDE:
Cloudflare
Edge-plattform med CDN, DNS, R2-storage och Workers AI. Kan köra AI-modeller på 300+ datacenter nära användarna. Gratis nivå är generös och passar småskaliga AI-projekt.
SE ÄVEN:
OMRÅDE:
Container
En isolerad miljö som innehåller allt en applikation behöver för att köras. Ungefär som ett rum i ett hus — delar vägg och grund med resten, men kan enkelt stängas av utan att påverka andra rum.
SE ÄVEN:
OMRÅDE:
Datakvalitet
Hur bra, korrekt, komplett och relevant datan är. Dålig data ger ofta dåliga AI-resultat även om modellen är stark.
SE ÄVEN:
OMRÅDE:
Datalagring
Hur länge data sparas och när den tas bort. Det är viktigt i AI-system eftersom prompts, filer och logs kan innehålla känslig information.
SE ÄVEN:
OMRÅDE:
Datamängd
En strukturerad samling data som används för träning, utvärdering eller analys. För AI-system är datasetets kvalitet ofta viktigare än dess storlek.
SE ÄVEN:
OMRÅDE:
Datasuveränitet
Principen att data lyder under den juridiska jurisdiktionen där servern är placerad. EU-lagring = EU-lagar, US-lagring = US-lagar. Avgörande för reglering, integritet och juridisk risk.
SE ÄVEN:
OMRÅDE:
Datautläckning
När data läcker ut från ett system till fel mottagare. I AI-system kan det ske genom prompts, verktyg, felaktig åtkomst eller dålig isolation.
SE ÄVEN:
OMRÅDE:
DeepSeek
Kinesisk AI-leverantör som släppt open-weight resonemangsmodeller (R1, V3) som matchar GPT-4 till en bråkdel av kostnaden. Modellerna är gratis att ladda ner — men servrarna ligger i Kina.
SE ÄVEN:
OMRÅDE:
Docker
Container-teknik som paketerar din kod, bibliotek och inställningar i en låda som fungerar likadant överallt — på laptop, server, eller molnet. Standar för deployment av AI-agenter och mjukvara.
SE ÄVEN:
OMRÅDE:
DPA
Data Processing Agreement — ett juridiskt avtal mellan dig och en AI-leverantör (t.ex. OpenAI, Anthropic) som bekräftar hur personuppgifter hanteras. Krävs för GDPR-efterlevnad när data skickas till USA.
SE ÄVEN:
OMRÅDE:
Edge
Att köra kod i datacenter nära användaren istället för i ett enda centralt center. Cloudflare har 300+ edge-lokationer världen över; Vercel och Netlify bygger på samma princip. För AI: edge-inference låter modellen svara med låg latens var användaren än är — användbart för chat-UIs och realtidsagenter.
SE ÄVEN:
OMRÅDE:
Embedding
Ett sätt att omvandla text till siffror som en modell kan förstå. Ord med liknande betydelse får liknande siffror, så modellen kan förstå vad som är relaterat.
SE ÄVEN:
OMRÅDE:
Embedding-modell
En AI-modell som omvandlar text till vektorer. multilingual-e5-large är en populär embeddings-modell som kan hantera 100+ språk. Många agenter använder den för att söka i sitt eget minne.
SE ÄVEN:
OMRÅDE:
Eskalering
När AI-systemet lämnar över till en människa eller ett annat system. Det behövs när frågan är för känslig, osäker eller utanför agentens behörighet.
SE ÄVEN:
OMRÅDE:
Evaluering
Att systematiskt mäta hur bra en AI-modell eller agent presterar på en uppgift. Görs med testset, benchmarks eller "judge"-modeller som bedömer svar. För att vara meningsfull måste evalueringen spegla ditt verkliga användningsfall — generella benchmarks säger sällan något om hur modellen fungerar för dig.
SE ÄVEN:
OMRÅDE:
Exempelstyrning
Att styra modellen genom att visa bra och dåliga exempel. Det är ofta starkare än att bara beskriva abstrakta regler.
SE ÄVEN:
OMRÅDE:
fastembed
En snabb embedding-bibliotek byggt i Rust. Körts lokalt utan att behöva en separerad embedding-API. Populär i MCP-lagret för att inte exponera embeddings-detaljer för agenten.
SE ÄVEN:
OMRÅDE:
Few-shot prompting
När man ger modellen några exempel på hur svaret ska se ut. Det hjälper modellen att förstå mönster, ton, struktur och kvalitetsnivå.
SE ÄVEN:
OMRÅDE:
Finjustering
Att träna vidare en modell på särskild data för att ändra dess beteende eller specialisera den. Fine-tuning är kraftfullt, men behövs inte alltid — ibland räcker bättre prompting eller RAG.
SE ÄVEN:
OMRÅDE:
Finjustering
Se fine-tuning.
SE ÄVEN:
OMRÅDE:
Formatkontroll
Kontroll av att modellens svar följer rätt struktur. Det kan handla om att validera JSON, rubriker, fält eller längd.
SE ÄVEN:
OMRÅDE:
Forskningsagent
En agent som söker information, jämför källor och sammanställer slutsatser. Den behöver särskilt bra källhantering för att inte blanda fakta, antaganden och gissningar.
SE ÄVEN:
OMRÅDE:
Frontier-modell
De kraftfullaste, dyraste AI-modellerna som finns — GPT-4o, Claude Opus, Gemini Ultra. Bäst för komplexa resonemang och svåra problem men långsamt och dyrt att köra i höga volymer.
SE ÄVEN:
OMRÅDE:
Funktionsanrop
Ett strukturerat sätt för modellen att anropa funktioner med bestämda argument. Det används för att koppla LLM:er till verkliga system och API:er.
SE ÄVEN:
OMRÅDE:
Färdighetsträd
En visuell eller logisk karta över färdigheter användaren kan lära sig. Det passar bra för AI-utbildning eftersom området annars känns oöverblickbart.
SE ÄVEN:
OMRÅDE:
Förankring
Att förankra modellens svar i konkret data, källor eller verktygsresultat. Grounding minskar risken för hallucinationer.
SE ÄVEN:
OMRÅDE:
GDPR
Allmän dataskyddsförordning — EU-lag som reglerar hur personuppgifter hanteras. Brott kan ge böter på upp till 4% av global omsättning.
SE ÄVEN:
OMRÅDE:
Generativ AI
AI-system som kan skapa nytt innehål, till exempel text, bild, kod, ljud eller video. Skillnaden mot äldre AI-system är att generativ AI inte bara klassificerar eller söker — den producerar något nytt baserat på mönster den lärt sig.
SE ÄVEN:
OMRÅDE:
Git
Versionshanteringssystem som spårar ändringar i kod över tid. Skapat av Linus Torvalds. Låter dig gå tillbaka, jämföra versioner och samarbeta utan att skriva över andras arbete. Grunden för moderna utvecklingsflöden — och för att AI-agenter som Claude Code ska kunna föreslå och granska ändringar säkert.
SE ÄVEN:
OMRÅDE:
GitHub
Plattform för att lagra och samarbeta kring kod via Git. Ägs av Microsoft. De flesta open source-projekt — och AI-verktyg som Claude Code, OpenAI SDK och n8n — distribueras via GitHub. Också där du publicerar din kod för att deployas till plattformar som Vercel eller Railway.
SE ÄVEN:
OMRÅDE:
Godkännandeport
En kontrollpunkt där agenten måste vänta på godkännande. Exempel: "får jag skicka mailet?", "får jag radera filen?" eller "får jag köra deploy?".
SE ÄVEN:
OMRÅDE:
Google
Tech-jätte som äger Gemini-modellfamiljen, Google AI Studio och Vertex AI. Djupt integrerat i Workspace (Gmail, Docs, Sheets). Datacenter globalt — observera vid GDPR-känslig data.
SE ÄVEN:
OMRÅDE:
GPU
Graphics Processing Unit — hårdvara specialiserad på parallell beräkning. AI-modeller kör mycket snabbare på GPU än CPU. Nvidia GTX/RTX är mest populär för lokalt arbete.
SE ÄVEN:
OMRÅDE:
Granskare
En agentroll som granskar ett förslag och letar efter svagheter, fel eller risker. Critic används ofta för att förbättra kvalitet innan något publiceras eller körs.
SE ÄVEN:
OMRÅDE:
Hallucination
När en AI-modell säkert ger ett svar som låter rätt men faktiskt är fel eller påhittat. Modellen vet inte att den är fel — den genererade bara något troligt.
SE ÄVEN:
OMRÅDE:
Hemlighethantering
Praktik att säkert lagra och distribuera hemliga värden (nycklar, lösenord, tokens). Verktyg: HashiCorp Vault, 1Password, AWS Secrets Manager. Aldrig i klartext.
SE ÄVEN:
OMRÅDE:
Hugging Face
Plattform för open source-AI. Hostar tusentals modeller, dataset och spaces (live demos). De facto-stället att hitta och dela AI-modeller. Kan köras lokalt eller via deras inference-API.
SE ÄVEN:
OMRÅDE:
Hämtning
Processen där systemet hämtar relevant information till modellen. Retrieval kan komma från dokument, databaser, webbsök eller interna system.
SE ÄVEN:
OMRÅDE:
Händelse
En signal om att något har hänt, till exempel "ny kund skapad" eller "fil uppladdad". Event används för att trigga workflows och agenter.
SE ÄVEN:
OMRÅDE:
Händelsestyrd
Arkitektur där komponenter reagerar på händelser istället för att köras enligt ett fast schema. När ett mejl kommer in, när en fil laddas upp, när en användare klickar — då triggas ett flöde. n8n, Zapier och AWS Lambda är typiska event-driven-system. Passar AI-agenter som ska reagera på världen, inte polla den.
SE ÄVEN:
OMRÅDE:
i18n
Numeronym för internationalization — att förbereda en app så den KAN visas på flera språk. Infrastrukturarbetet: locale-routing, message-files, översättnings-hooks. Skiljer sig från l10n som är själva översättningsarbetet. Agentakademin använder next-intl med /sv/ och /en/-routing.
SE ÄVEN:
OMRÅDE:
IaaS
Infrastructure as a Service — råa servrar, lagring och nätverk i molnet som du själv konfigurerar och driftar. AWS EC2, Google Compute Engine och Hetzner Cloud är IaaS. Maximal kontroll och flexibilitet, men du ansvarar för operativsystem, säkerhet och uppdateringar.
SE ÄVEN:
OMRÅDE:
Innehållsväg
En rekommenderad väg genom innehåll, till exempel "börja här, fortsätt här, bygg sedan detta". Det hjälper användaren att slippa välja bland för många kort.
SE ÄVEN:
OMRÅDE:
Instruktionshierarki
Prioritetsordningen mellan olika instruktioner, till exempel systeminstruktioner, utvecklarinstruktioner och användarens prompt. Den gör att modellen inte bara följer senaste texten den ser.
SE ÄVEN:
OMRÅDE:
Integration
Kopplingen mellan AI-systemet och ett externt system, till exempel Slack, Gmail, GitHub eller en databas. Integrationer är ofta där AI går från demo till verklig produkt.
SE ÄVEN:
OMRÅDE:
Integritet
Skydd av användares personuppgifter och känslig information. AI-system bör minimera onödig datainsamling och vara tydliga med vad som sparas.
SE ÄVEN:
OMRÅDE:
Interactive hero
En interaktiv första sektion på en webbplats som låter användaren göra något direkt. För en AI-lärsida kan det vara en scan, diagnos eller vägvisare till rätt innehåll.
SE ÄVEN:
OMRÅDE:
Introduktion
Den första upplevelsen där användaren lär sig vad AI-produkten gör och hur den används. För AI-produkter är onboarding extra viktig eftersom användaren ofta inte vet vad som är möjligt.
SE ÄVEN:
OMRÅDE:
Isolering
Att hålla en process avskild från resten av systemet så att om något går fel — eller om koden är skadlig — så drabbas inte resten. Containers, virtuella maskiner och sandboxar är alla former av isolering. För AI-agenter är isolering avgörande: en agent som får köra kod ska aldrig kunna nå dina hemligheter eller produktionsdata.
SE ÄVEN:
OMRÅDE:
Iteration
Att förbättra något stegvis baserat på test, feedback eller nya insikter. AI-produkter bör nästan alltid byggas iterativt eftersom beteendet kan vara svårt att förutse.
SE ÄVEN:
OMRÅDE:
Jailbreak
Ett försök att få modellen att bryta mot sina regler. Jailbreaks kan ske genom manipulation, rollspel eller instruktioner som försöker kringgå säkerhetssystem.
SE ÄVEN:
OMRÅDE:
JavaScript
Webbens språk. Körs i webbläsaren och på Node.js-servrar. Du kan inte bygga ett web-UI utan att stöta på JavaScript — men för AI-logik är Python och TypeScript vanligare.
SE ÄVEN:
OMRÅDE:
JSON-läge
Ett läge där modellen förväntas svara med giltig JSON. Det används ofta när AI-output ska skickas vidare till programkod.
SE ÄVEN:
OMRÅDE:
k8s
Numeronym för Kubernetes — open source-systemet för att orkestrera containers i stor skala. 8 står för bokstäverna mellan k och s ("ubernete"). Används mest i devops-sammanhang: "vi kör k8s i prod". Overkill för ett 1-personprojekt, ovärderligt för 100-personteam med 50 mikrotjänster.
SE ÄVEN:
OMRÅDE:
Kalibrering
Hur väl modellens självsäkerhet matchar verklig korrekthet. En kalibrerad modell är försiktig när den borde vara försiktig.
SE ÄVEN:
OMRÅDE:
Kodagent
En agent som kan läsa, skriva, ändra och testa kod. Bra kodagenter behöver tydliga mål, repo-kontext, tester och skydd mot felaktiga filändringar.
SE ÄVEN:
OMRÅDE:
Komprimering
Att minska mängden tokens genom att sammanfatta, parafrasera eller välja de viktigaste delarna. Komprimering gör att mer information får plats inom token budgeten.
SE ÄVEN:
OMRÅDE:
Konfabulation
Ett mer tekniskt ord för när modellen fyller i luckor med något som låter rimligt men inte är verifierat. Det kan vara farligt eftersom svaret ofta låter övertygande.
SE ÄVEN:
OMRÅDE:
Konfidens
En uppskattning av hur säker modellen eller systemet är på ett svar. Confidence ska inte blandas ihop med faktisk sanning — ett självsäkert svar kan fortfarande vara fel.
SE ÄVEN:
OMRÅDE:
Kontext
Information som modellen behöver för att förstå frågan eller uppgiften. God kontext gör att modellen kan ge mer relevanta och korrekta svar.
SE ÄVEN:
OMRÅDE:
Kontextfönster
Mängden information modellen kan ha aktivt framför sig samtidigt. Ett större kontextfönster gör att modellen kan läsa längre dokument, mer kod eller längre samtal.
SE ÄVEN:
OMRÅDE:
Kontextfönster
Mängden information modellen kan ha aktivt framför sig samtidigt. Ett större kontextfönster gör att modellen kan läsa längre dokument, mer kod eller längre samtal.
SE ÄVEN:
OMRÅDE:
Kostnad
Kostnaden för att köra modellen, ofta baserad på antal tokens, modellval och verktygsanvändning. Kostnad blir snabbt viktigt när AI-produkter får många användare.
SE ÄVEN:
OMRÅDE:
Kryptering
Att blanda data så att bara någon med rätt nyckel kan läsa det. Ungefär som att lägga ett meddelande i en låst låda som bara du har nyckeln till.
SE ÄVEN:
OMRÅDE:
Kubernetes
Orkestreringssystem för containers. Hanterar många containers, uppdateringar, skalning och automatisk restart. Används när du behöver köra många agenter eller hög trafik.
SE ÄVEN:
OMRÅDE:
Kunskapsbas
En samlad kunskapskälla som AI-systemet kan söka i. Det kan vara dokumentation, supportartiklar, interna regler eller produktinformation.
SE ÄVEN:
OMRÅDE:
Kursmodul
En självständig enhet inom en kurs eller lärsida. Course modules kan vara tematiska, nivåbaserade eller verktygsspecifika.
SE ÄVEN:
OMRÅDE:
Kvantisering
Processen att komprimera en AI-modell genom att minska precisionen på talen inuti den. En modell kvantiseras till Q4 (4-bitars), Q8 (8-bitars) eller andra nivåer för att passa mindre GPU-minne. Mindre precision = mindre fil och snabbare körning, men marginellt lägre kvalitet.
SE ÄVEN:
OMRÅDE:
Källhänvisning
En källhänvisning som visar var informationen kommer ifrån. Citations är viktiga när användaren behöver kunna kontrollera svaret.
SE ÄVEN:
OMRÅDE:
l10n
Numeronym för localization — själva anpassningen till ett språk eller en region. Översätta strängar, men också datum-format, valuta, formellt/informellt språk, idiom som inte kan översättas direkt. Det l10n-arbete som gjordes för Agentakademin var att hålla svensk ton i engelsk översättning utan att tappa nyans.
SE ÄVEN:
OMRÅDE:
Latens
Tiden det tar från att användaren skickar en fråga tills svaret börjar eller är klart. Låg latency är viktigt för att AI-produkter ska kännas snabba.
SE ÄVEN:
OMRÅDE:
Linux
Öppet operativsystem som standard på servrar och cloud. Standar för agenter, Docker och allt utvecklingsverktyg. Bash-scripting och command-line är ditt vardagsspråk.
SE ÄVEN:
OMRÅDE:
LLM
En stor språkmodell som tränats på enorma mängder text och kod för att kunna förstå och generera språk. LLM:er ligger bakom verktyg som ChatGPT, Claude och många AI-agenter.
SE ÄVEN:
OMRÅDE:
LLMjacking
En attack där angripare stjäl en LLM-API-nyckel och använder den för att köra anrop på offrets bekostnad. De stjäl inte data, utan användning. En läckt Gemini-nyckel rapporteras ha förvandlat en räkning på cirka $180/månad till $82 314 på 48 timmar. Risken växer när företag bygger in språkmodeller i webbappar, interna verktyg och tjänster: om nyckeln läcker behöver angriparen inte komma åt data, det räcker att köra anrop tills räkningen exploderar.
SE ÄVEN:
OMRÅDE:
LM Studio
Skrivbordsapp för att köra LLM:er lokalt på egen dator. Erbjuder inbyggt modellbibliotek, chat-UI och OpenAI-kompatibel API. Lättare för nybörjare än Ollama, men begränsad till GUI.
SE ÄVEN:
OMRÅDE:
Loggning
Att spara information om vad systemet gjorde, till exempel prompts, tool calls, fel och resultat. Logging är nödvändigt för felsökning, kvalitet och säkerhet.
SE ÄVEN:
OMRÅDE:
Lokalt
Att köra kod och modeller på din egen dator eller server istället för i molnet. Fördelar: ingen data lämnar din maskin, GDPR-compliant, ingen molnkostnad. Nackdelar: begränsad hårdvara, du måste uppdatera själv.
SE ÄVEN:
OMRÅDE:
Lossy AI
En AI-modell som medvetet förlorar information för att minska storlek, snabbhet eller kostnader. Vanligt när man kvantiserar modeller (Q4, Q8) eller trimmar kontextfönstret. Motsatsen till lossless, där ingen information går förlorad.
SE ÄVEN:
OMRÅDE:
Lärstig
En strukturerad lärväg från grund till avancerad nivå. För AI och agenter bör den ofta gå från begrepp till praktiska workflows och sedan robusthet.
SE ÄVEN:
OMRÅDE:
Make
Visuell automationsplattform (tidigare Integromat) som låter dig bygga komplexa flöden med AI-modeller, datatransformation och integrationer. Tydligare visuell modell än Zapier — passar dig som vill se hela kedjan.
SE ÄVEN:
OMRÅDE:
MCP
Model Context Protocol — standard för att ansluta agenter till externa verktyg och datakällor. Gör det enkelt för en agent att läsa, skriva och kalla API:er utan att du behöver skriva integrationskod själv.
SE ÄVEN:
OMRÅDE:
Meta
Företaget bakom Llama-modellen, PyTorch och Facebook/Instagram. Llama är open-weight — du kan ladda ner och köra själv. Större bidragsgivare till AI-forskning än många tror.
SE ÄVEN:
OMRÅDE:
Microsoft
Tech-jätte bakom Copilot, Azure OpenAI Service och Playwright. Investerat tungt i OpenAI och har egen AI-stack (Phi-modeller, Bing Chat). EU-datacenter finns för GDPR-känsliga workloads.
SE ÄVEN:
OMRÅDE:
Missbruksskydd
Skydd mot missbruk, spam, överbelastning eller skadliga användningsmönster. AI-produkter behöver detta eftersom modeller kan vara dyra och kraftfulla.
SE ÄVEN:
OMRÅDE:
Mistral
Fransk AI-leverantör med servrar i EU. GDPR-friendly alternativ till OpenAI och Anthropic. Kan köras lokalt via Ollama eller via cloud API.
SE ÄVEN:
OMRÅDE:
Modell
Själva AI-systemet som tar emot input och producerar output. En modell kan vara specialiserad på text, bild, ljud, kod eller flera format samtidigt.
SE ÄVEN:
OMRÅDE:
Modell
Själva AI-systemet som tar emot input och producerar output. En modell kan vara specialiserad på text, bild, ljud, kod eller flera format samtidigt.
SE ÄVEN:
OMRÅDE:
Modellförskjutning
När modellens beteende eller kvalitet förändras över tid. Drift kan bero på ny modellversion, ändrad data, ändrade prompts eller förändrade användarbehov.
SE ÄVEN:
OMRÅDE:
Modellvägval
Att välja olika modeller för olika uppgifter. En billigare modell kan hantera enkla steg medan en starkare modell används för svårare resonemang.
SE ÄVEN:
OMRÅDE:
Modul
En fristående komponent eller enhet. Inom AI kan modules referera till olika delar av en agent, modell eller lärsida.
SE ÄVEN:
OMRÅDE:
Multi-agentsystem
Flera AI-agenter som samarbetar för att lösa en uppgift som är för komplex för en ensam agent. En agent skriver kod, en annan granskar, en tredje testar. CrewAI, AutoGen och LangGraph är ramverk för att bygga multi-agentsystem. Kräver god orkestrering — annars börjar agenterna prata i munnen på varandra.
SE ÄVEN:
OMRÅDE:
multilingual-e5-large
En embedding-modell som kan hantera 100+ språk och producera 1024-dimensionella vektorer. Populär för svenska agenter och RAG-system som behöver flerspråkigt stöd utan att skifta modell.
SE ÄVEN:
OMRÅDE:
Multimodal modell
En modell som kan hantera flera typer av input, till exempel text, bild, ljud eller video. Det gör att modellen kan förstå mer av en situation än bara skriven text.
SE ÄVEN:
OMRÅDE:
Multimodal modell
En modell som kan hantera flera typer av input, till exempel text, bild, ljud eller video. Det gör att modellen kan förstå mer av en situation än bara skriven text.
SE ÄVEN:
OMRÅDE:
MVP
Minimum Viable Product: den minsta versionen som kan ge verkligt värde och testas med användare. I AI-produkter bör MVP:n bevisa nyttan, inte bara visa modellen.
SE ÄVEN:
OMRÅDE:
Målläge
Det önskade slutläget för en uppgift. Ju tydligare goal state, desto lättare är det för agenten att veta när den är klar.
SE ÄVEN:
OMRÅDE:
Människa i loopen
När en människa måste granska eller godkänna ett steg innan AI-systemet fortsätter. Det används ofta för riskfyllda beslut eller externa åtgärder.
SE ÄVEN:
OMRÅDE:
Mänsklig återkoppling
Mänsklig bedömning av modellens svar eller beteende. Feedback kan användas för träning, utvärdering eller produktförbättring.
SE ÄVEN:
OMRÅDE:
n8n
Open source-plattform för automation och AI-arbetsflöden. Du bygger flöden visuellt — kopplar ihop verktyg, API:er, agenter och triggers utan att skriva kod. Kan köras lokalt på egen server för full datakontroll.
SE ÄVEN:
OMRÅDE:
npm
Node Package Manager — det största registret för JavaScript-paket, med över 2 miljoner paket. Ägs av GitHub (Microsoft). När du kör `npm install <paket>` hämtas kod från npm-servrar. Också en supply-chain-risk: ett komprometterat paket kan injicera kod i tusentals applikationer på timmar.
SE ÄVEN:
OMRÅDE:
npx
Kommando som kör npm-paket utan att installera dem permanent. `npx <paket>` hämtar, kör och städar bort. Smidigt för engångsverktyg eller för att testa något: `npx create-next-app` skapar ett nytt Next.js-projekt utan att du behöver installera CLI:et globalt.
SE ÄVEN:
OMRÅDE:
Numeronym
En förkortning där siffran i mitten räknar bokstäverna som strippats bort. i18n betyder internationalization (18 bokstäver mellan i och n). Vanliga inom tech: i18n (internationalization), l10n (localization), a11y (accessibility), k8s (kubernetes), m17n (multilingualization). Praktiskt när orden är långa och används ofta — och tillräckligt esoteriska för att signalera "jag är insider".
SE ÄVEN:
OMRÅDE:
Observation
Information agenten får tillbaka efter en handling, till exempel resultat från ett verktyg, ett felmeddelande eller en sökträff. Observationer styr nästa steg i agentloopen.
SE ÄVEN:
OMRÅDE:
Ollama
Verktyg för att köra lokala AI-modeller (Llama, Mistral, Qwen) på din egen dator eller server. Ingen data lämnar maskinen — rätt val för känslig data och GDPR-compliance.
SE ÄVEN:
OMRÅDE:
Omrangering
När sökresultat sorteras om efter hur relevanta de faktiskt är för frågan. Reranking används ofta för att höja kvaliteten i RAG-system.
SE ÄVEN:
OMRÅDE:
OpenAI
Amerikansk AI-leverantör bakom ChatGPT. Data lagras i USA och omfattas av CLOUD Act. Kräver DPA för GDPR-efterlevnad.
SE ÄVEN:
OMRÅDE:
Operativsystem
Programmet som styr en dator och låter andra program köras på den. Linux (Ubuntu, Debian), macOS och Windows är de tre stora. För AI-utveckling kör de flesta Linux eller WSL (Linux i Windows) — det är där alla verktyg är skrivna för att köras. macOS funkar också bra. Pure Windows är fortfarande bökigt för vissa AI-verktyg.
SE ÄVEN:
OMRÅDE:
Orkestrering
Att koordinera flera agenter eller system för att arbeta tillsammans mot ett mål. Ungefär som en dirigent som leder ett orkester.
SE ÄVEN:
OMRÅDE:
Orkestrering
Att samordna flera komponenter — agenter, verktyg, modeller — så att de jobbar tillsammans mot ett mål. En orchestrator bestämmer vem som gör vad och i vilken ordning. LangGraph, CrewAI och n8n är orkestreringsverktyg. Skillnaden mellan en demo och ett produktivt AI-system ligger ofta i hur väl orkestreringen är gjord.
SE ÄVEN:
OMRÅDE:
Osäkerhet
Osäkerhet i modellens svar. Bra AI-system bör kunna signalera när de inte vet, när de gissar och när något behöver verifieras.
SE ÄVEN:
OMRÅDE:
PaaS
Platform as a Service — en plattform där du pushar din kod och plattformen sköter servrar, deploy, skalning och uppdateringar åt dig. Du fokuserar på koden, inte infrastrukturen. Vercel, Railway, Fly.io och Heroku är klassiska PaaS. Mer kontroll än SaaS, mindre jobb än IaaS.
SE ÄVEN:
OMRÅDE:
Persona
Den stil, roll eller identitet ett AI-system ges i en viss produkt. En persona kan påverka ton och prioriteringar, men bör inte ersätta faktisk funktionalitet.
SE ÄVEN:
OMRÅDE:
Personalisering
När systemet anpassar innehåll eller rekommendationer efter användarens mål, nivå eller beteende. Det gör AI-lärande mer relevant än en statisk kurskatalog.
SE ÄVEN:
OMRÅDE:
Personuppgifter
All information som kan kopplas till en identifierbar person: namn, e-postadress, telefonnummer, IP-adress, cookies, personnummer. GDPR-skyddad och kräver extra försiktighet när den skickas till AI-modeller.
SE ÄVEN:
OMRÅDE:
pip
Package Installer for Python — kommandot du kör för att installera Python-paket från PyPI-registret. `pip install openai` lägger till OpenAI-biblioteket i din miljö. För AI-utveckling i Python är pip vad npm är för JavaScript. Använd virtual environments (`venv`) för att hålla isär projekt.
SE ÄVEN:
OMRÅDE:
Planerare
Den del av agenten som bryter ner ett mål i steg. En bra planner gör uppgiften mer hanterbar och minskar risken att agenten hoppar direkt till fel lösning.
SE ÄVEN:
OMRÅDE:
Playwright
Verktyg från Microsoft för att kontrollera webbläsare programmatiskt. AI-agenter använder Playwright för att navigera sidor, klicka knappar och extrahera data — som en människa men hundra gånger snabbare. Ofta exponerat som MCP-server.
SE ÄVEN:
OMRÅDE:
Podman
Open source-alternativ till Docker. Samma kommandon, samma container-format, men daemon-less och rootless som standard — säkrare för produktion. Drop-in-ersättare för de flesta Docker-flöden.
SE ÄVEN:
OMRÅDE:
Policy
En uppsättning regler för hur AI-systemet ska bete sig. Policys kan styra säkerhet, ton, verktygsanvändning, dataskydd och eskalering.
SE ÄVEN:
OMRÅDE:
Precision
Hur stor del av sökresultaten som faktiskt är relevanta. Hög precision betyder att användaren får mindre brus.
SE ÄVEN:
OMRÅDE:
Prompt
Instruktionen eller frågan som skickas till modellen. En bra prompt beskriver mål, kontext, begränsningar och önskat format.
SE ÄVEN:
OMRÅDE:
Prompt engineering
Arbetet med att formulera instruktioner så att modellen ger bättre, mer användbara och mer konsekventa svar. Det handlar mindre om magiska fraser och mer om tydlighet, kontext och kontroll.
SE ÄVEN:
OMRÅDE:
Promptinjektion
När skadlig eller oväntad text försöker få modellen att ignorera sina instruktioner. Det är särskilt farligt i RAG-system och agenter som läser externa dokument.
SE ÄVEN:
OMRÅDE:
Promptmall
En återanvändbar mall för hur prompts ska byggas. Templates används ofta i produkter där modellen ska göra samma typ av uppgift många gånger.
SE ÄVEN:
OMRÅDE:
Prototyp
En tidig version som visar hur något kan fungera. Prototyper används för att testa idéer snabbt innan man bygger färdig produkt.
SE ÄVEN:
OMRÅDE:
Python
Programmeringsspråk som dominerar AI och data. De flesta AI-bibliotek (PyTorch, Transformers, LangChain) skrivs i Python. Lättläst syntax — bra första språk om du vill bygga med AI på djupet.
SE ÄVEN:
OMRÅDE:
Q4
En 4-bitars kvantisering — mest komprimerad variant. Ger minsta filstorlek och passar de flesta GPU:er. Kvalitetsförlusten är marginell för de flesta uppgifter.
SE ÄVEN:
OMRÅDE:
Q8
En 8-bitars kvantisering — bättre än Q4 men större fil. Dubbelt så stor som Q4, men närmare full kvalitet. Bra mittenväg mellan storlek och precision.
SE ÄVEN:
OMRÅDE:
Qdrant
En högpresterande vektordatabas byggt i Rust. Bättre på skalning och komplexa queries än Chroma. Populär när du behöver en produktionsmässig RAG-system.
SE ÄVEN:
OMRÅDE:
RAG
Retrieval Augmented Generation — en teknik där modellen slår upp relevanta dokument eller data innan den svarar på en fråga. Det hjälper den ge mer korrekta svar utan att behöva tränas om.
SE ÄVEN:
OMRÅDE:
Railway
Deployment-plattform för agenter, API:er och databaser med en-klick-deploy från GitHub. Gratis nivå räcker för MVPs. Kör i USA — observera vid GDPR-känslig data.
SE ÄVEN:
OMRÅDE:
Reflektion
När agenten analyserar sitt eget arbete och försöker förbättra nästa steg. Reflection kan hjälpa, men ersätter inte tester eller hårda verifieringar.
SE ÄVEN:
OMRÅDE:
Regelefterlevnad
Att AI-systemet följer lagar, regler och interna krav. För företag kan det handla om GDPR, säkerhet, loggning, datalagring och ansvarsfördelning.
SE ÄVEN:
OMRÅDE:
Regressionstest
Ett test som kontrollerar att något som fungerade tidigare fortfarande fungerar. Det är viktigt eftersom AI-system lätt kan försämras när prompts, modeller eller data ändras.
SE ÄVEN:
OMRÅDE:
Rekommendation
En föreslagen nästa åtgärd, kurs, artikel eller väg baserat på användarens input. Bra rekommendationer är tydliga, motiverade och inte överlastade.
SE ÄVEN:
OMRÅDE:
Rekursiv text-splittning
Standardmetod för chunking — delar vid stycken → meningar → ord tills chunk-storleken uppnås. Bevarar semantisk koherens och är implementerad i LangChain och LlamaIndex.
SE ÄVEN:
OMRÅDE:
Reservlösning
En reservväg när något går fel, till exempel att byta modell, be användaren förenkla eller skicka ärendet till människa. Fallbacks gör AI-system mer robusta.
SE ÄVEN:
OMRÅDE:
Resonemangsmodell
En AI-modell som tar tid att tänka igenom komplexa problem innan den svarar. Den skriver interna anteckningar, kontrollerar sig själv och vrider på problemet från flera håll. Användbar för matematik, logik och svåra analyser.
SE ÄVEN:
OMRÅDE:
Revisionslogg
En logg som visar vem eller vad som gjorde en viss åtgärd och när. Audit logs är viktiga när AI-system får åtkomst till känsliga funktioner.
SE ÄVEN:
OMRÅDE:
RLHF
Reinforcement Learning from Human Feedback: en metod där mänsklig feedback används för att träna modellen att ge bättre svar. Det används ofta för att göra modeller mer hjälpsamma och säkra.
SE ÄVEN:
OMRÅDE:
Rollpromptning
När modellen får en roll, till exempel "agera som jurist", "agera som kodgranskare" eller "agera som lärare". Rollen kan hjälpa, men måste kombineras med tydliga mål och regler.
SE ÄVEN:
OMRÅDE:
Rättvisa
Hur rättvist ett AI-system behandlar olika användare, grupper eller fall. Fairness kräver både teknisk utvärdering och tydliga värderingsbeslut.
SE ÄVEN:
OMRÅDE:
S3
Amazons "Simple Storage Service" — den ursprungliga objekt-lagringen i molnet, lanserad 2006. Standardplats för att lagra filer åt AI-applikationer: träningsdata, modellvikter, generade bilder. "S3-kompatibelt API" har blivit en de facto-standard som Cloudflare R2, MinIO och andra implementerar.
SE ÄVEN:
OMRÅDE:
SaaP
Software as a Product — programvara du köper eller laddar ner och äger som en produkt, inte hyr som en tjänst. Tänk klassiska desktopprogram, eller AI-modeller du laddar ner och kör lokalt med Ollama eller LM Studio. Motsatsen till SaaS-modellens månadsbetalning.
SE ÄVEN:
OMRÅDE:
SaaS
Software as a Service — färdig programvara du använder i en webbläsare eller app, utan att installera eller drifta något. Du betalar månads- eller årsabonnemang. ChatGPT, Notion, Slack och Spotify är SaaS. Snabbast i gång, men du äger varken data eller infrastruktur.
SE ÄVEN:
OMRÅDE:
Sandboxing
Teknik att isolera en agent eller kod så att den bara kan komma åt det den behöver — ingen tillgång till hela systemet. Ungefär som att låta någon jobba i ett litet rum istället för på hela kontoret.
SE ÄVEN:
OMRÅDE:
Sandlåda
En isolerad miljö där agenten kan arbeta utan att skada riktiga system. Sandboxes används ofta för kodkörning, filändringar och testning.
SE ÄVEN:
OMRÅDE:
Schemavalidering
Kontroll av att input eller output följer ett definierat schema. Det är viktigt när AI-system ska vara pålitliga i produktion.
SE ÄVEN:
OMRÅDE:
SearXNG
EU-vänlig metasökmotor som aggregerar resultat från Google, Bing och andra utan att lagra användardata. Kan köras självhostat — passar agenter som behöver realtidssökning utan att läcka frågor till tredje part.
SE ÄVEN:
OMRÅDE:
Semantisk chunking
Chunking baserat på embedding-avstånd istället för teckenantal. Skapar nya chunks när meningen "byter ämne". Ger högre precision men kräver en extra embedding-pass under indexering.
SE ÄVEN:
OMRÅDE:
Semantisk sökning
Sökning som förstår betydelse, inte bara exakta ordträffar. "Agentoptimering" hittar "förbättra AI-agenter" eftersom de betyder ungefär samma sak. Kräver embedding-modell.
SE ÄVEN:
OMRÅDE:
Shell
Programmet inuti terminalen som tolkar dina kommandon och kör dem. De vanligaste: bash (Linux-standard), zsh (Mac-standard sedan 2019), fish (modern, mer användarvänlig). När du skriver `ls` är det shellen som listar filer åt dig.
SE ÄVEN:
OMRÅDE:
Självkorrigering
När agenten upptäcker ett fel och försöker rätta det själv. Det fungerar bäst när agenten har tydliga signaler, till exempel testfel eller valideringsregler.
SE ÄVEN:
OMRÅDE:
Skalning
Att hantera mer last utan att systemet kraschar. Vertikal skalning = större server. Horisontell skalning = fler servrar som delar lasten. Moderna PaaS som Vercel och Railway skalar automatiskt: går trafiken upp, startar fler instanser. För AI-system är skalning extra viktigt eftersom varje LLM-anrop är dyrt — om din app blir viral kan kostnaderna skena.
SE ÄVEN:
OMRÅDE:
Skyddsräcke
En regel, spärr eller kontroll som begränsar vad AI-systemet får göra. Guardrails kan vara tekniska, juridiska eller produktmässiga.
SE ÄVEN:
OMRÅDE:
SLA
Service Level Agreement: ett löfte om tillgänglighet eller prestanda. I AI-produkter kan SLA vara svårt eftersom externa modeller och verktyg ofta ingår.
SE ÄVEN:
OMRÅDE:
Snabb modell
Små, billiga modeller för enkla uppgifter i höga volymer. Claude Haiku, Gemini Flash, GPT-3.5. Bäst för répetitiva arbeten, klassificering och snabb iteration.
SE ÄVEN:
OMRÅDE:
Snedvridning
Systematiska snedvridningar i data, modell eller output. Bias kan göra att AI-system behandlar grupper, ämnen eller situationer felaktigt.
SE ÄVEN:
OMRÅDE:
Spårning
En detaljerad körhistorik som visar vilka steg ett AI-system tog. Traces gör det lättare att förstå varför en agent gjorde fel.
SE ÄVEN:
OMRÅDE:
Strukturerad utdata
När modellen tvingas eller styrs att svara i en bestämd struktur. Det är viktigt när AI-svar ska användas av kod, API:er eller andra system.
SE ÄVEN:
OMRÅDE:
Strömning
När svaret visas stegvis medan modellen genererar det. Streaming gör att produkten känns snabbare även om hela svaret tar tid.
SE ÄVEN:
OMRÅDE:
sudo
"Superuser do" — kommandot du sätter framför ett annat när det kräver administratörsrättigheter på Linux eller Mac. `sudo apt install <paket>` installerar systembrett. Använd försiktigt: sudo ger fullt tillträde till hela datorn. Aldrig kopiera-klistra in `sudo`-kommandon utan att förstå vad de gör.
SE ÄVEN:
OMRÅDE:
Supply chain
Kedjan av beroenden och paket som din kod förlitar sig på. Risk: skadlig kod insnugglad i ett populärt paket. Försvar: pinning av versioner, scanning och privata registries.
SE ÄVEN:
OMRÅDE:
Supportagent
En agent som hjälper användare eller kunder med frågor, felsökning eller ärenden. Den behöver ofta kunskapsbas, eskalering och tydliga regler för vad den inte får göra.
SE ÄVEN:
OMRÅDE:
Svartlistning
Att försöka blockera förbjudna saker medan allt annat är tillåtet. Det kan fungera i enkla fall, men är svagare än whitelisting när riskerna är stora.
SE ÄVEN:
OMRÅDE:
Synmodell
En modell specialiserad på att förstå och analysera bilder. Vision models kan identifiera objekt, läsa text från bilder, eller besvara frågor om bildinnehål.
SE ÄVEN:
OMRÅDE:
Syntetisk data
Data som skapats artificiellt, ofta av en modell eller simulator. Det kan vara användbart, men riskerar att förstärka fel om det inte kontrolleras noggrant.
SE ÄVEN:
OMRÅDE:
Systemprompt
En överordnad instruktion som styr modellens beteende genom hela samtalet eller körningen. Den används ofta för att definiera roll, regler, säkerhet och svarsstil.
SE ÄVEN:
OMRÅDE:
Systemprompt
En överordnad instruktion som styr modellens beteende genom hela samtalet eller körningen. Den används ofta för att definiera roll, regler, säkerhet och svarsstil.
SE ÄVEN:
OMRÅDE:
Säkerhet
I AI-sammanhang: skydd mot att din modell, dina data eller dina nycklar missbrukas. Fyra grundpelare: API-nycklar (rotation och scope), .env-filer (gitignore och vault), sandboxing (isolera agenten) och supply chain (granska beroenden). Säkerhet avgör om resten av stacken håller över tid.
SE ÄVEN:
OMRÅDE:
Terminal
Appen där du kör kommandon — Terminal.app på Mac, Windows Terminal på Windows, GNOME Terminal eller Alacritty på Linux. Inuti terminalen körs en shell (oftast bash eller zsh). Detta är där du installerar och kör de flesta AI-utvecklingsverktyg.
SE ÄVEN:
OMRÅDE:
Testmängd
En samling exempel som används för att testa ett AI-system. Ett bra test set liknar de problem systemet faktiskt ska lösa.
SE ÄVEN:
OMRÅDE:
Testverktyg
Ett verktyg eller process som automatiskt kör tester och rapporterar resultaten. Test runners är viktiga för att säkerställa kod- eller systemkvalitet.
SE ÄVEN:
OMRÅDE:
Tillförlitlighet
Hur stabilt och pålitligt systemet fungerar över tid. För AI handlar reliability både om teknisk uptime och om att svaren håller kvalitet.
SE ÄVEN:
OMRÅDE:
TLS
Transport Layer Security — krypteringsprotokollet som säkrar nästan all internettrafik idag. Det är det "S" i HTTPS står för. När du skickar en API-nyckel till OpenAI skyddar TLS den från att läsas av andra på vägen. Modern standard är TLS 1.3. Utan TLS skickas allt i klartext.
SE ÄVEN:
OMRÅDE:
Token
En liten textbit som modellen läser eller skriver. En token kan vara ett helt ord, en del av ett ord eller ett skiljetecken.
SE ÄVEN:
OMRÅDE:
Tokenbudget
Den mängd tokens som får plats i en körning, inklusive både input och output. Om budgeten tar slut måste modellen prioritera, sammanfatta eller tappa information.
SE ÄVEN:
OMRÅDE:
Tool calling
När en AI-modell beslutar sig för att använda ett verktyg (som att göra ett API-anrop, läsa en fil eller skicka ett mejl) för att lösa ett problem. Modellen själv bestämmer när och hur den använder verktyget.
SE ÄVEN:
OMRÅDE:
Träffsäkerhet
Hur ofta en modell ger rätt svar. Mäts oftast som procent rätt på ett testset. Hög träffsäkerhet på ett benchmark betyder inte att modellen är bra på din uppgift — kontexten avgör. För AI-agenter är konsekvent träffsäkerhet över tid viktigare än topp-resultat på en enstaka körning.
SE ÄVEN:
OMRÅDE:
Träningsdata
Den data som används för att träna en modell. Kvaliteten på träningsdatan påverkar vad modellen kan, hur den beter sig och vilka bias den får.
SE ÄVEN:
OMRÅDE:
TypeScript
JavaScript med statisk typkontroll. Standardspråk för moderna webbappar och Next.js-projekt. Värt att lära sig efter Python om du vill bygga AI-gränssnitt eller MCP-servrar.
SE ÄVEN:
OMRÅDE:
Uppgiftsnedbrytning
Att dela upp en större uppgift i mindre, tydligare steg. Det är en av de viktigaste teknikerna för att få agenter att arbeta stabilt.
SE ÄVEN:
OMRÅDE:
Utdataformat
Det format modellen ska svara i, till exempel JSON, Markdown, tabell eller punktlista. Tydligt format minskar risken för oanvändbara svar.
SE ÄVEN:
OMRÅDE:
Utförare
Den del av agenten som faktiskt utför stegen, till exempel anropar verktyg, skriver filer eller skickar API-anrop. Executor-delen bör ha tydliga behörigheter.
SE ÄVEN:
OMRÅDE:
Utlösare
Det som startar ett AI-flöde, till exempel ett formulärsvar, en knapp, ett schema eller ett nytt mail. Bra triggers gör automationer mer förutsägbara.
SE ÄVEN:
OMRÅDE:
Utvärdering
Processen att mäta hur bra ett AI-system fungerar. Det kan handla om korrekthet, hjälpsamhet, säkerhet, hastighet eller kostnad.
SE ÄVEN:
OMRÅDE:
Variabler
Platshållare i en prompt eller ett workflow, till exempel {kundnamn}, {mål} eller {dokument}. Variabler gör att samma prompt kan användas dynamiskt med olika data.
SE ÄVEN:
OMRÅDE:
Vektor
En lista med tal som representerar en sak (ord, mening, bild) i ett matematiskt rum. Liknande saker har liknande tal — det är hur semantisk sökning fungerar.
SE ÄVEN:
OMRÅDE:
Vektordatabas
En databas som lagrar vektorer från embeddings-modellen och kan returna de närmaste vektorerna snabbt. Chroma och Qdrant är två populära val. Blir viktiga när agenten behöver söka i sitt minne.
SE ÄVEN:
OMRÅDE:
Vektordatabas
En databas som är byggd för att lagra och söka bland embeddings. Den används ofta i RAG-system för att hitta relevant kontext snabbt.
SE ÄVEN:
OMRÅDE:
Vercel
Deploymentplattform optimerad för Next.js, React och edge-funktioner. Pushar du till Git, deployar Vercel automatiskt. Inkluderar AI SDK för att köra LLM-anrop på serverns edge-noder med låg latens.
SE ÄVEN:
OMRÅDE:
Verifierare
En komponent eller roll som kontrollerar om resultatet blev rätt. I kod kan det vara tester; i research kan det vara källkontroll; i workflows kan det vara regelvalidering.
SE ÄVEN:
OMRÅDE:
Verifiering
Processen att verifiera att något är korrekt eller att ett villkor är uppfyllt. Verification kan handla om att testa kod, validera data eller granska resultat.
SE ÄVEN:
OMRÅDE:
Verktygsanrop
När modellen ber systemet använda ett verktyg, till exempel söka på webben, läsa en fil eller köra kod. Tool calls gör modellen handlingskraftig men kräver kontroll.
SE ÄVEN:
OMRÅDE:
Verktygsanvändande agent
En agent som kan använda externa verktyg, till exempel sök, kalender, databas, kodmiljö eller API. Verktygsanvändning gör agenten mer kapabel men också mer riskfylld.
SE ÄVEN:
OMRÅDE:
Verktygsbehörighet
Regler för vilka verktyg en agent får använda och under vilka villkor. Exempel: läsa filer är tillåtet, men radera filer kräver godkännande.
SE ÄVEN:
OMRÅDE:
Verktygsschema
Definitionen av hur ett verktyg får användas, vilka fält som krävs och vilka värden som är tillåtna. Ett bra schema minskar risken för felaktiga anrop.
SE ÄVEN:
OMRÅDE:
Verktygsvitlista
En lista över verktyg som agenten får använda. Whitelisting är ofta säkrare än att försöka blockera allt farligt i efterhand.
SE ÄVEN:
OMRÅDE:
Vitlistning
Att bara tillåta uttryckligen godkända saker, till exempel verktyg, domäner eller kommandon. Det är motsatsen till blacklist och är ofta säkrare.
SE ÄVEN:
OMRÅDE:
VPS
Virtual Private Server — en hel server endast för dig, hyrd från en hosting-leverantör. Från 99 kr/mån kan du köra en agent dygnet runt.
SE ÄVEN:
OMRÅDE:
VRAM
Video RAM — GPU-minnet som en grafikkort använder. Begränsat på de flesta GPU:er (ofta 8-24 GB för konsument-GPU:er). Större modeller och mindre kvantisering kräver mer VRAM.
SE ÄVEN:
OMRÅDE:
Webhook
Ett sätt för ett system att automatiskt meddela ett annat system när något händer. Ungefär som en dörrklocka som ringer på din telefon när någon trycker på den.
SE ÄVEN:
OMRÅDE:
WSL
Windows Subsystem for Linux — Microsofts officiella sätt att köra Linux inuti Windows. Du får ett fullt Linux-system (oftast Ubuntu) som delar filer med Windows men kör Linux-program nativt. För AI-utveckling på Windows är WSL i princip obligatoriskt — de flesta AI-verktyg är skrivna för Linux och funkar dåligt på rena Windows.
SE ÄVEN:
OMRÅDE:
WSL2
Windows Subsystem for Linux 2 — en riktig Linux-kärna inuti Windows. Låter dig köra Linux-verktyg (Docker, Ollama, Python) direkt från Windows utan dual-boot.
SE ÄVEN:
OMRÅDE:
Zapier
Världens största automationsplattform med 6 000+ integrationer. Du kopplar ihop AI med Gmail, Slack, CRM och tusentals andra verktyg utan kod. Stänger luckan mellan AI-modeller och befintliga arbetsverktyg.
SE ÄVEN:
OMRÅDE:
Zero-shot prompting
När modellen får en uppgift utan exempel. Det fungerar bra för enkla eller tydliga uppgifter, men blir svagare när uppgiften kräver ett specifikt format eller särskild bedömning.
SE ÄVEN:
OMRÅDE:
Återförsöksstorm
En självförvållad överbelastning där många klienter försöker igen samtidigt efter ett fel och driver systemet i botten — i praktiken en DDoS mot sig själv. Klassiskt antimönster och vanlig dödsspiral när AI-agenter loopar förfrågningar utan stegrande väntetid mellan försöken vid tidsgräns eller anropsgräns, och varje nytt försök ökar lasten istället för att lätta den.
SE ÄVEN:
OMRÅDE:
Återkallning
Hur stor del av den relevanta informationen ett söksystem lyckas hitta. Hög recall betyder att systemet missar färre viktiga träffar.
SE ÄVEN:
OMRÅDE:
Återkopplingsslinga
En process där användarens beteende eller feedback förbättrar produkten över tid. AI-produkter behöver ofta starka feedback loops för att bli bra i praktiken.
SE ÄVEN:
OMRÅDE:
Övervakning
Övervakning av hur AI-systemet beter sig i produktion. Det kan inkludera fel, svarskvalitet, kostnad, latency och användarfeedback.
SE ÄVEN:
OMRÅDE: