- Det är inte AI-modellen som avgör om ni lyckas – det är förutsättningarna
- Data måste vara samlade i ett gemensamt system; utspridd data ger AI utan värde
- AI:n måste svara utifrån er egen information – inte generell data från internet
- Känsliga uppgifter får aldrig matas in i externa verktyg och riskera att lämna er kontroll (shadow AI)
- AI-stödet bör vara inbyggt som fördefinierade funktioner, inte ett öppet gränssnitt
- Fem frågor att ställa er leverantör: täcker systemet hela kvalitetsarbetet? Bygger AI:n på er data? Följer den er behörighetsmodell? Stannar känslig information i er miljö? Är funktionerna färdigpaketerade?
Intresset för AI i kvalitetsarbetet är stort – och det finns goda skäl till det. Men de organisationer som faktiskt får ut verkligt värde av AI är inte de som har tillgång till den mest avancerade tekniken. De är de som har rätt förutsättningar på plats. Den viktigaste av dem är ett ledningssystem som samlar kvalitetsarbetet i en gemensam struktur, med AI-förmågor inbyggda direkt i systemet. I den här artikeln förklarar vi varför – och vilka frågor ni bör ställa när ni utvärderar system.
Ny på ämnet? Läs vår artikel om vad AI i kvalitetsledning faktiskt innebär, eller vår genomgång av hur ni konkret inför AI i kvalitetsarbetet steg för steg.
Er data är grunden – utan den fungerar inget
AI arbetar på den information som finns tillgänglig. Om avvikelser, dokument, avtal och risker lever i separata system, mejlkorgar och Excel-ark – eller om de är inkonsekvent registrerade – finns det inget meningsfullt underlag att utgå ifrån. Skräp in, skräp ut gäller här i ordets mest konkreta bemärkelse.
Ett ledningssystem som samlar hela kvalitetsarbetet i en gemensam struktur ger AI:n det sammanhang och den strukturerade data som krävs för att kunna leverera verkligt värde: inte bara ett enskilt ärende eller ett enskilt dokument, utan sambanden mellan dem. En avvikelse som kan kopplas till ett riskregister, ett avtal och en historik av liknande händelser ger ett helt annat underlag än samma avvikelse isolerad i ett mejlflöde. Det här är inte en teknisk detalj – det är grundförutsättningen för att AI ska kunna göra nytta alls.
Svaren måste bygga på er kunskap – inte på internet
Medarbetare vänder sig redan idag till ChatGPT och liknande verktyg för frågor i det dagliga arbetet. Det sker oavsett om organisationen har tagit ett formellt beslut om det eller inte – ett mönster som brukar kallas shadow AI. En analys gjord av dataföretaget Cyberhaven som inkluderade datarörelser hos miljontals anställda visade att en betydande andel av det som anställda klistrar in i ChatGPT är känslig företagsinformation. Problemet är alltså inte att medarbetarna använder AI – problemet är dels att svaren bygger på generell information från hela internet i stället för era egna styrande dokument, dels att känsliga uppgifter riskerar att lämna er kontrollerade miljö.
Det första problemet handlar om tillförlitlighet. En allmän AI-modell vet inte hur just er organisation klassificerar avvikelser, vad era rutiner säger om en specifik process eller vilka krav som gäller i just er verksamhet. I bästa fall är svaret irrelevant. I värsta fall är det felaktigt men formulerat med en självklarhet som gör det svårt att ifrågasätta – ett välkänt beteende hos språkmodeller som brukar kallas hallucinationer. Sättet att komma runt det är att låta modellen svara utifrån organisationens egen dokumentation i stället för sin allmänna träningsdata. Tekniken kallas retrieval-augmented generation (RAG) och visar sig ge mer specifika, faktabaserade svar än en modell som enbart förlitar sig på det den tränats på.
Det andra problemet handlar om sekretess. För att en generell AI ska ge ett relevant svar behöver den information om det specifika ärendet – detaljer om vad som hänt, vilket sammanhang det gäller, vilka parter som är inblandade. I verksamheter som hanterar känsliga uppgifter om patienter, kunder eller anställda kan den informationen inte matas in i ett externt verktyg utan att riskera att den lämnar er kontroll. Att risken är reell snarare än teoretisk illustreras av att flera stora företag infört interna förbud mot generella AI-verktyg efter att konfidentiell information läckt ut den vägen. Resultatet blir ett verktyg ni varken kan ge rätt fråga eller rätt kontext – och som därmed inte kan göra nytta i de fall där ni faktiskt behöver hjälp mest.
AI inbyggt direkt i ledningssystemet löser det här i grunden. Svaren bygger på er egen information, och AI:n arbetar inom systemets befintliga behörighetsmodell: den kan bara utgå från de objekt en medarbetare själv har rätt att se. Att åtkomsten på det här sättet följer användarens behörigheter är i forskningen en förutsättning som ofta förbises men blir avgörande i företagsmiljöer. Ni styr helt enkelt vilken kunskap som svarar – och för vem.
Fördefinierade prompts är en kvalitetssäkringsåtgärd
Det tredje skälet handlar om risk och konsistens – och det är det argument som oftast förbises.
När en medarbetare formulerar en egen instruktion till en generell AI avgör kvaliteten på den instruktionen kvaliteten på svaret. Och språkmodeller är påtagligt känsliga för hur en fråga formuleras: forskning visar att även små, till synes betydelselösa skillnader i hur en prompt är utformad kan ge stora skillnader i utfall. Det innebär att resultatet varierar med individen: en erfaren handläggare som formulerar en precis fråga får ett användbart svar, medan en kollega med en vagare formulering kan få ett svar som är missvisande eller ofullständigt – utan att veta om det.
I kvalitetsarbete är det här ett grundläggande problem. Konsistens är inte ett önskemål – det är ett krav (ISO 9001:2026).
När AI-stödet i stället är inbyggt som fördefinierade funktioner i era befintliga arbetsflöden är det någon med god kännedom om både domänen och systemet som har utformat prompten – en gång, noggrant. Alla medarbetare som sedan använder funktionen får samma väldesignade underlag, oavsett erfarenhet eller formuleringsförmåga. Det handlar om att minimera risken för fel, och om att säkra att kvalitetsarbetets grundkrav på konsistens faktiskt uppfylls. Att en människa sedan granskar och beslutar är inte en eftergift utan god praxis, särskilt i beslut med höga insatser.
Fem frågor att ställa till en leverantör
Om ni överväger att skaffa ett ledningssystem eller utvärderar alternativ till ert befintliga är det klokt att börja med förutsättningarna, inte med funktionslistan. Fem frågor tar er långt:
- Täcker systemet hela kvalitetsarbetet i en gemensam plattform – eller är det fristående moduler som inte delar information med varandra? Sammanhållen data är förutsättningen för att AI ska kunna se sambanden.
- Finns AI-funktionalitet integrerad i systemet över huvud taget – och är det i så fall färdiga, namngivna funktioner i arbetsflödet, eller ett generellt gränssnitt där varje medarbetare formulerar egna instruktioner?
- Bygger AI:ns svar på er egen information och era styrande dokument – inte på generell data från internet?
- Följer AI:n systemets behörighetsmodell, så att varje medarbetare bara får svar grundade i de objekt hen själv har rätt att se?
- Under vilka villkor lagras och behandlas er data – kan känslig information hanteras inom er kontrollerade miljö, i rätt geografi, utan att lämna den eller användas för att träna modeller?
Det bästa sättet att få svar på de frågorna är att be om en demo med era egna typer av ärenden – inte en generell produktvisning, utan ett flöde som liknar ert. Det är då ni ser om systemet faktiskt levererar vad det lovar.
Så kan Centuri hjälpa er
Centuri är en modern plattform som samlar hela kvalitetsarbetet på ett ställe – risk, dokument, avvikelser, kompetenser, avtal och register i en och samma struktur, med arbetsflöden som binder ihop dem. Det ger den datakvalitet och det sammanhang som krävs för att AI ska kunna göra nytta på riktigt.
Centuri väver in AI-stöd direkt i ledningssystemet, där arbetet redan sker, och paketerar det som färdiga funktioner i era arbetsflöden – funktioner användaren bara behöver trycka på. Ni kan sammanfatta ärenden och dokument med ett knapptryck, få utkast till svar och rapporter genererade ur det underlag som redan finns, och låta systemet lyfta fram det som är lätt att missa. Svaren bygger på er egen information, och AI:n arbetar inom plattformens behörighetsmodell – varje medarbetare får svar grundade i de objekt hen själv har rätt att se. AI:n föreslår, människan granskar och beslutar, och varje åtgärd sker inom plattformens spårbara miljö, med data i Sverige och utan att kunddata används för att träna modeller.
Det är också det som gör Centuri till ett tryggt val för framtiden. De egenskaper som gör en AI pålitlig – strukturerade, styrda och spårbara data, med mänsklig granskning där det spelar roll – är desamma som alltid har gjort ett bra ledningssystem starkt. Med en framväxande standard för AI-styrning, ISO/IEC 42001, blir det här inte längre en bonus utan en förväntan. Kvalitetsarbetet rör sig mot ett ledningssystem där styrning, risk och efterlevnad hänger ihop – med AI som ett naturligt, ansvarsfullt stöd genom hela arbetet.
Vill du se hur det fungerar i praktiken, eller få information om hur Centuri kan skapa verkligt värde för din verksamhet? Kontakta oss för en demo.
