ÄR DATAN REDO FÖR EN AI-PILOT? GÖR DIGGS METADATA-PROV
En informationsmängd kan vara inventerad, säkerhetsklassad och ha en utsedd ägare men ändå vara svår att använda i en AI-pilot. Diggs nya myndighetsuppföljning pekar ut glappet: metadata, gemensam betydelse och informationsarkitektur släpar efter. Här är ett sexdelat prov som visar vad ni behöver rätta innan ni beställer modellen eller integrationen.
Vad bygger artikeln på?
Texten är redaktionellt framtagen av AI på svenska för verksamhetsansvariga, informationsägare, arkitekter och pilotledare i offentlig sektor. Utgångspunkten är Diggs sammanfattning av uppföljningen (öppnas i ny flik) och myndighetens rapport om statliga myndigheters digitalisering. Källorna öppnades och kontrollerades 2026-08-27.
Enkäten skickades till 176 myndigheter och besvarades av 137, vilket Digg anger som 78 procents svarsfrekvens. Resultaten är myndigheternas egna bedömningar. De visar därför ett mönster bland de svarande, inte en teknisk revision av varje informationsmängd eller ett besked om att en enskild pilot är lämplig.
Kontroll över information är inte samma sak som användbar information
Digg redovisar ett tydligt glapp. Tre av fyra svarande uppger att informationen bevaras på ett säkert sätt. Drygt två tredjedelar uppger att de har inventerat informationen, genomfört säkerhetsklassning och utsett informationsägare. Men färre än hälften uppger att informationen är beskriven med metadata och att de arbetar systematiskt med informationsarkitektur.
Det första lagret svarar på frågor som vem ansvarar?, hur ska informationen skyddas? och vilka informationsmängder finns? Det andra lagret svarar på andra frågor: vad betyder kolumnen?, vilken period gäller värdet?, är 0 ett verkligt nollvärde eller saknad uppgift? och kan en annan verksamhet använda samma kodlista?
Det är därför en riskabel genväg att välja data till piloten enbart för att den redan finns i ett system och har en ägare. Gör ägaren och klassningen synliga i organisationens AI-register, men öppna sedan själva informationsmängden och prova om den går att förstå utan den person som byggde den.
Prova en informationsmängd, inte hela myndigheten
Välj ett verkligt och avgränsat fall: exempelvis avslutade serviceärenden från ett kvartal, en beslutad dokumentkategori eller en produktkatalog som ska användas för sökning. Skriv också en mening om pilotens uppgift, till exempel: ”Piloten ska föreslå tre relevanta dokument till handläggaren utifrån ärendets ämne.” Då går det att kontrollera om datan faktiskt bär den uppgiften.
- Avgränsning: namnge informationsmängd, tidsperiod, källsystem, urval och avsett pilotresultat. ”Ärendedata” är för brett; ”avslutade serviceärenden januari–mars 2026, utan fritext” går att prova.
- Ägare och klassning: be informationsägaren bekräfta urvalet, tillåten användning, skyddsbehov och vem som kan stoppa provet. Länka till daterat underlag i stället för att skriva ”godkänt” utan omfattning.
- Metadata: dokumentera namn, definition, format, källa, tidsperiod, uppdateringsfrekvens, kvalitetsbegränsning och åtkomstvillkor för mängden. På fältnivå behövs åtminstone definition, datatyp, enhet och tillåtna kodvärden där de finns.
- Gemensam betydelse: låt en kollega utanför källsystemets team tolka fem fält och två kodvärden med enbart dokumentationen. Anteckna varje fråga. Om ”status 4” kräver ett telefonsamtal saknas semantisk bärighet.
- Tekniskt utbyte: exportera ett litet urval i ett dokumenterat format tillsammans med datamodell eller dataordbok. Prova att läsa det i en separat miljö utan leverantörsspecifika manuella steg och lista vad som går förlorat.
- Pilotprov: kör samma begränsade uppgift på ett kontrollerat urval och logga saknade värden, feltolkade koder, dubbletter, oväntade relationer och frågor som modellen inte kan avgöra. Resultatet ska granskas av en person som känner verksamheten.
Det här är inte ett krav på att hela datalagret ska vara städat. Avgränsningen gör i stället skulden synlig: vilka fel kan piloten tåla, vilka måste rättas och vilka gör att just denna användning ska pausas?
Ett protokoll för första datapasset
Be inte en AI-modell ”bedöma om datan är bra”. Beställ samma sak som protokollet mäter: identifiera fält utan definition, värden utanför kodlistan, enheter som saknas, datum som inte kan tolkas och relationer som bryts. En allmän kvalitetspoäng går inte att felsöka; en rad med fält, feltyp och exempel går att lämna till en ansvarig.
Använd tolv poäng för prioritering – inte för godkännande
Sätt 0, 1 eller 2 poäng på var och en av de sex kontrollerna. 0 betyder att underlag eller prov saknas. 1 betyder att det finns, men med öppna luckor som påverkar pilotens uppgift. 2 betyder att underlaget är daterat och att kontrollen har provats med ett resultat som någon ansvarar för. Maxpoängen är 12.
- 0–5 poäng: pausa pilotbeställningen. Utse ägare för de saknade underlagen och välj vid behov en mindre informationsmängd.
- 6–9 poäng: begränsa provet till dokumenterade fält och användningar. Skriv stoppregler för de luckor som återstår.
- 10–12 poäng: datan har ett bättre underlag för en avgränsad pilot. Fortsätt ändå med separata beslut om säkerhet, dataskydd, juridik, upphandling och verksamhetsrisk.
En hög totalsumma får inte väga bort en nolla i ägare och klassning. Lägg därför till en enkel spärr: kontroll 2 måste ha 2 poäng innan datan flyttas till pilotmiljön. Om personuppgifter, sekretess eller annan skyddsvärd information kan finnas ska rätt funktion avgöra hanteringen före överföring, oavsett totalpoäng.
En lyckad export kan fortfarande vara ett misslyckat informationsutbyte
Diggs rapport om digitaliseringen 2025 (öppnas i ny flik) beskriver att krav på API:er och teknisk interoperabilitet är vanligare än krav på juridisk, semantisk och organisatorisk interoperabilitet. En fil som går att överföra bevisar alltså inte att mottagaren förstår innehållet eller får använda det i det tänkta sammanhanget.
Gör två separata protokollrader. Den tekniska raden beskriver format, API-version, identifierare, teckenkodning och vad som försvinner vid export. Betydelseraden beskriver definitioner, kodverk, enheter, tidslogik, relationer och regler för saknade värden. Lägg sedan till vem som äger tolkningen hos avsändare och mottagare.
Prova även vägen ut. Kan ni exportera testurvalet, dokumentationen och felhistoriken till en annan miljö utan att bygga om allt runt en viss leverantör? Digg lyfter informationsutbyte, återanvändning, öppna standarder och risken för teknisk inlåsning. Ett litet returprov före avtal ger ett konkret underlag för kravställningen.
Lämna över en rättningskö, inte bara en demonstration
Digg ser en ökning av AI-kompetensen hos både ledningar och medarbetare, men betonar att kompetensen behöver omsättas i organisationens arbetssätt och kärnverksamhet. Dataprovet gör den övergången praktisk. Varje upptäckt får en ägare, en åtgärd och ett datum i stället för att döljas bakom en fungerande demo.
Sortera fynden i fyra köer: rätta när metadata eller kodvärden kan kompletteras, begränsa när piloten kan använda färre fält eller en kortare period, pausa när ansvar eller tillåten användning är oklar och gå vidare när provets avgränsning och stoppregler är dokumenterade. Spara också exempel på fel; utan exempel går nästa test inte att jämföra med det första.
Om nästa steg är en gemensam miljö för kommuner, regioner eller myndigheter finns bakgrunden i artikeln om AI-verkstaden 2026. Den sidan äger verkstaden och pilotupplägget. Provet här svarar på en tidigare fråga: vilken lokal informationsmängd kan ni ta med utan att göra den andra organisationen beroende av muntlig kunskap och leverantörsspecifika genvägar?
Ett 60-minuterspass före nästa pilotmöte
- Välj en informationsmängd och skriv pilotens uppgift i en mening.
- Ta med informationsägaren, en person från källsystemet och en kollega som inte känner datan.
- Fyll i protokollet, tolka fem fält och två kodvärden och gör en liten export.
- Sätt 0–2 poäng på de sex kontrollerna och tillämpa spärren för ägare och klassning.
- Skapa rättningskön med ansvarig och datum. Bestäm sedan om piloten ska rättas, begränsas, pausas eller gå vidare.
Efter en timme behöver ni inte ha perfekt data. Ni ska däremot kunna peka på exakt vilken informationsmängd som provas, vad den betyder, vad som tappas vid utbyte och vem som äger nästa beslut. Det är ett mycket starkare startläge än ”vi har data” och en modell som redan väntar.
Vanliga frågor om data inför en AI-pilot
Räcker det att informationen har en ägare och en säkerhetsklassning?
Nej. Ägare och klassning ger kontroll, men piloten behöver också kunna tolka fält, kodvärden, enheter, relationer, aktualitet och kända kvalitetsbrister.
Är poängen ett godkännande av AI-piloten?
Nej. Poängen är en redaktionell prioriteringsmodell för datans begriplighet och överförbarhet. Den ersätter inte säkerhets-, dataskydds-, juridiska eller verksamhetsmässiga beslut.
Måste all information vara perfekt innan piloten börjar?
Nej. Börja med en avgränsad informationsmängd och dokumentera luckorna. Kravet är att pilotens omfattning, fel och stoppregler är tydliga nog för att resultatet ska gå att tolka.
Källor och vidare läsning
- Digg: Ökad AI-kompetens – nu behöver staten ta nästa steg (öppnas i ny flik) – sammanfattning av enkätens urval, resultat om AI-kompetens, metadata och informationsarkitektur samt Diggs slutsatser om interoperabilitet.
- Digg: Uppföljning av statliga myndigheters digitalisering 2025 (öppnas i ny flik) – rapportsida och sammanfattning av datainsamlingen, informationshanteringen och olika former av interoperabilitet.