De fem orden som spelar roll din första timme
Det mesta som skrivs om AI förutsätter ett ordförråd ingen någonsin lärt dig. Den användbara delen är liten. Fem ord bär nästan hela den praktiska tyngden, resten kan vänta i månader.
En modell är själva AI:n: det tränade system som läser dina ord och tar fram ett svar. Appen är inte modellen. ChatGPT är en app som kör OpenAIs modeller, Gemini är en app som kör Googles, och Whizi är en app som samlar flera företags modeller samtidigt. Den skillnaden lönar sig första gången ett svar besviker dig, för att byta modell är oftast en större spak än att formulera om frågan.
En prompt är helt enkelt det du skriver. Det finns ingen hemlig syntax, ingen kommandolista, inget att memorera. En enkel begäran som anger vem svaret är till för, vilken uppgift det ska lösa och vilken form du vill ha tillbaka slår nästan alltid en smart enradare.
En chatbot är samtalsfönstret du skriver i. Allt du har sagt inom ett samtal förblir synligt för modellen medan den svarar, vilket är varför uppföljningar som "gör den kortare" eller "mer formell" fungerar utan att du upprepar den ursprungliga frågan. Öppna en ny chatt och det delade minnet är borta, vilket är precis vad du vill när ämnet byts: kvarvarande kontext från en orelaterad fråga är en vanlig orsak till svar som känns lite fel.
En token är en bit text, ungefär tre fjärdedelar av ett genomsnittligt svenskt ord. Modeller läser, räknar och fakturerar i tokens snarare än ord, så ett dokument på 1 000 ord landar på ungefär 1 300 tokens. Du stöter mest på ordet på prissidor och användningsgränser.
Ett kontextfönster är hur mycket text en modell kan hålla i minnet samtidigt, mätt i tokens. Det måste täcka dokumentet du klistrat in, hela samtalet hittills och svaret som skrivs. När du släpper in ett femtiosidigt kontrakt i en chatt och svaren tyst börjar motsäga sida tre, har du hittat gränsen. Vad ett kontextfönster är har de riktiga siffrorna, tumregeln är kort. Ett långt samtal om en sak, sedan börja om.
Något att göra direkt: öppna vilken AI-app som helst och be den, med dina egna ord, förklara ett begrepp du sett i veckan och inte kände igen. Ställ sedan en till fråga: "Vad antog du att jag redan visste?" Den uppföljningen gör en definition till en förklaring, och det funkar på vilket ämne som helst.
Kolla ändå svaret mot något annat. De här systemen säger fel saker med exakt samma lugna röst som de använder för rätt saker, och definitioner är ett lätt mål: en trovärdig påhittad detalj glider förbi eftersom du inte hade något sätt att fånga den. Det felet har ett namn, och det står i tabellen nedan.
Resten av ordlistan, och om du behöver den än
Det här är orden som väntar på dig i rubriker, prissidor och kommentarsfält. Den tredje kolumnen är den ärliga delen. Det mesta är inte dag ett-kunskap, och att låtsas något annat är hur nybörjare slutar känna sig dumma över något som inte påverkar dem. När du växer ur den här tabellen definierar hela AI-ordlistan 55 begrepp på samma klarspråk.
| Begrepp | Enkel betydelse | Behöver du kunna det? |
|---|---|---|
| LLM | Large language model, den typ av modell som ligger bakom varje chattapp du hört talas om. När en artikel säger LLM, läs det som AI:n | Ja, så rubriker slutar låta som brus |
| Generativ AI | Vilken AI som helst som tar fram ny text, bilder, ljud eller video i stället för att sortera sådant som redan finns | Ja, en mening räcker |
| Träning | Den långa, dyra processen att mata en modell med enorma mängder text så den lär sig mönster. Den var klar innan du öppnade appen | Ja, kort |
| Träningsgräns | Datumet då träningsdatan tar slut. Fråga om något senare och modellen gissar, om inte appen söker på webben | Ja, den här sätter dit folk |
| Hallucination | Ett självsäkert, flytande, helt påhittat svar. Bristen som spelar störst roll | Ja, dag ett |
| Multimodal | Modellen hanterar mer än text: foton, PDF:er, ljud, ibland video | Ja, i samma stund du vill ladda upp en bild |
| Finjustering | Att träna om en befintlig modell på egen data så den specialiseras | Inte än, det här är ett företagsprojekt |
| Temperatur | En reglage för hur slumpmässigt ordvalet är. Lågt är förutsägbart, högt är löst | Inte än, förnuftiga standardvärden är valda åt dig |
| Agent | En AI som tar flera steg på egen hand i stället för att svara en gång | Inte än, se nästa avsnitt |
| API | Rörledningarna utvecklare använder för att koppla in en modell i sin egen programvara | Inte än, om du inte skriver kod |
| RAG | Retrieval augmented generation: modellen slår upp saker i en dokumentlagring innan den svarar | Inte än, även om varje app som svarar utifrån dina uppladdade filer bygger på det |
| Modell med öppen källkod | En modell vars vikter vem som helst kan ladda ner och köra, som Llama eller DeepSeek | Inte än, det ändrar lite för chattanvändare |
| Resonemangsmodell | En modell som arbetar sig igenom ett problem i synliga steg innan den svarar. Långsammare, bättre på matte och logik | Snart, första gången en svår fråga går fel |
| Systemprompt | Dolda instruktioner appen ger modellen innan du skrivit något | Inte än, användbart om du bygger din egen assistent |
Två rader förtjänar en fotnot. Hallucination är inte en enstaka bugg som kan lagas bort, den följer av hur de här systemen genererar text, vilket är varför varför AI har fel är en egen guide snarare än en punkt i en lista. Och multimodalt är värt tio minuter så fort du har ett kvitto på foto, en skärmdump på ett felmeddelande eller ett skannat formulär att hantera. Att arbeta med bilder och dokument visar hur det ser ut en vanlig tisdag.
Ord marknadsföring använder som betyder mindre än de låter
Leverantörer ljuger inte direkt. De använder ord som en gång betydde något specifikt och nu mest betyder "vi lanserade något". Att känna till glappet är det som stoppar dig från att betala en uppgraderingsavgift för en rullgardinsmeny med färdiga svar.
- Drivs av AI. Betyder oftast att en funktion anropar en modell byggd av någon annan. Ibland betyder det en förslagsruta du kan stänga av. Värt att fråga: vilken modell, och är den på som standard?
- Smart. Fanns långt innan den här vågen och betyder numera väldigt lite. En smart mapp är en sparad sökning. Ett smart svar är tre färdiga fraser. Titta förbi adjektivet efter ett verb, och bedöm funktionen efter vad den faktiskt gör med ditt arbete.
- Nästa generation. Ett påstående i futurum. Det är fullt förenligt med att en produkt är sämre än versionen den ersatte, och det brukar dyka upp när det inte finns någon mätbar förbättring någon kan peka på.
- AI-agent. Den hårdast arbetande frasen 2026. Strikt använd betyder det programvara som planerar och genomför flera steg själv, som att boka en resa från början till slut. I marknadsföring betyder det oftast en chatbot med en vänligare avatar. Fråga vad den gör när den kör fast, och om den kan agera utan att kolla med dig först.
- AI-först. Ett påstående om intern strategi, inte om din upplevelse av produkten. Det säger var ett företag riktar sin utvecklingsbudget, som kanske inte nått fram till funktionen du var på väg att betala för.
En fråga skär genom allt: fråga vad funktionen gör när den har fel. Produkter med riktig AI inuti har ett svar, och det handlar om granskningssteg, en ångra-funktion, en säkerhetssignal eller en synlig källa. Produkter med bara en klistermärkesetikett blir tysta.
Varför modellnamn ser ut som registreringsskyltar
Ett modellnamn har två delar som gör två olika jobb. Ordet är familjen, produktlinjen ett företag fortsätter utveckla: GPT från OpenAI, Claude från Anthropic, Gemini från Google, Llama från Meta. Siffrorna och tilläggen är versionen, och ofta storleken, så en familj kan lansera en liten snabb medlem och en stor omsorgsfull en samma morgon. Att läsa ett namn handlar mest om att skilja de här halvorna åt och ignorera marknadsföringen däremellan.
Du har kanske märkt att den här artikeln inte nämner ett enda versionsnummer. Det är medvetet. Versioner ändras var några vecka, och varje ordlista som fäster dem är fel nästa säsong. Det som inte ändras är formen på valet. Små modeller är snabba och billiga och helt okej för att städa upp ett mejl. Stora är långsammare och bättre på långa dokument och svårt resonemang. Varje familj har också en personlighet som visar sig i tonläge och i hur strikt den håller sig till en källa du gett den.
Den senaste utgåvan är inte heller automatiskt rätt för din uppgift. Nyare betyder oftast bättre resultat i tester, och tester mäter examensliknande problem snarare än om texten låter som dig. Många upptäcker att en äldre, billigare modell skriver deras mejl bättre, och sparar den dyra till veckans två svåra jobb. Du lär dig bara det här genom att köra samma riktiga uppgift genom två eller tre modeller och läsa svaren bredvid varandra, vilket är precis vad att välja AI-modell går igenom steg för steg. Att göra det utan att betala tre leverantörer är hela anledningen till att Whizi samlar GPT, Claude, Gemini och bildmodeller i en enda prenumeration.
Fem begrepp värda att lära sig efter tre månader
Vid månad tre har du gått in i några väggar. De här fem orden är namnen på de väggarna, och det är varför de är värda att lära sig då och inte nu.
- Resonemangsmodell. Börjar spela roll första gången en modell självsäkert kluddar till en flerstegsberäkning eller ett logikpussel. Att byta till en resonemangsmodell löser det ofta helt, till priset av längre väntan på svaret.
- Systemprompt. Blir viktigt när du märker att du klistrar in samma bakgrundsstycke i varje ny chatt. Att spara det en gång som en stående instruktion är lösningen.
- RAG. Blir viktigt när du vill ha svar förankrade i dina egna filer snarare än öppna internet, till exempel en mapp med policyer ingen läst sedan 2019.
- Temperatur. Blir viktigt när resultatet känns antingen för likartat mellan försök eller för slumpmässigt, och du hellre vrider en reglage än fortsätter slumpa om.
- Finjustering. Blir nästan aldrig viktigt för en privatperson, och det är värt att veta varför: det kostar riktiga pengar, kräver hundratals rena exempel, och en bra prompt på en bra modell slår det för nästan alla användningar folk föreställer sig.
Om du vill ha lagret under allt det här täcker vad AI faktiskt är mekaniken utan matematiken, och hur man pratar med AI gör promptstycket från första avsnittet till en vana. Lämna den här sidan öppen i en flik i en vecka. Ordförrådet slutar kännas skrämmande ungefär fjärde gången du möter ett ord du redan kan.
- Lär dig modell, prompt, chatbot, token och kontextfönster före allt annat.
- Se ett besvikande svar som en anledning att byta modell, inte bara formuleringen.
- Ge varje prompt en mottagare, en uppgift och formatet du vill ha tillbaka.
- Starta en ny chatt när ett långt samtal börjar motsäga sig själv.
- Verifiera varje definition eller fakta du tänker upprepa för någon annan.
- Fråga varje leverantör vilken modell som driver deras AI-funktion och vad som händer när den har fel.
- Testa samma riktiga uppgift på två modeller innan du bestämmer vilken du litar på.
Vanliga frågor
Vad betyder LLM?
LLM står för large language model, den typ av AI som ligger bakom ChatGPT, Claude, Gemini och varje annan chattapp du hört talas om. Det är ett system tränat på enorma mängder text som förutsäger användbart språk som svar på ditt. När en artikel säger LLM kan du läsa det som AI:n utan att förlora något.
Vad är skillnaden mellan en modell och en app som ChatGPT?
Modellen är det tränade system som tar fram svaret. Appen är gränssnittet runt den, med chattfönstret, filuppladdningar, historik och fakturering. En app kan erbjuda flera modeller, vilket är varför att byta modell inuti samma app ofta ändrar dina resultat mer än att byta app gör.
Behöver jag verkligen förstå tokens och kontextfönster?
Du behöver en mening om vardera, inte en pluggkväll. En token är ungefär tre fjärdedelar av ett ord och är hur användning mäts och faktureras. Ett kontextfönster är hur mycket text modellen kan hålla i minnet samtidigt, vilket förklarar varför väldigt långa chattar börjar tappa greppet om vad du sa i början.
Vad betyder det när folk säger att AI hallucinerar?
Det betyder att modellen tog fram något flytande, självsäkert och falskt: en källhänvisning som inte finns, en statistik utan källa, en funktion en produkt aldrig hade. Det händer eftersom de här systemen genererar trovärdigt språk snarare än att slå upp verifierade fakta. Behandla namn, siffror, datum och citat som okontrollerade tills du har kollat dem.
Hur håller jag koll när modellnamn ändras varje månad?
Det behöver du inte. Lär dig familjerna, som är stabila, och behandla versionsnummer som detaljer du slår upp när du väljer snarare än fakta du memorerar. När en ny version dyker upp är den enda frågan som spelar roll om den gör din specifika uppgift bättre, och du svarar på det genom att köra uppgiften, inte genom att läsa tillkännagivandet.