📚 AI-ordbok

Oppslagsverk for AI-faguttrykk og forkortelser. Klikk på et begrep nedenfor for å lære mer.

AI

Artificial Intelligence / Kunstig intelligens

Hva er det? Maskiner som handler på måter som virker intelligente.

Enkelt forklart:

AI er datamaskiner som kan lære, resonnere og ta beslutninger uten å være eksplisitt programmert for hver enkelt situasjon.

Hovedområder:

Eksempel: ChatGPT som skriver tekst, bildegenkjenning i telefonen din, eller anbefalingssystemer på Netflix.

LLM

Large Language Model / Stor språkmodell

Hva er det? Svært store AI-modeller trent på enorme mengder tekst for å forstå og generere menneskelig språk.

Kjennetegn:

Eksempler:

Praktisk bruk: Skrive e-poster, lage rapporter, kundeservice-chatboter, oversette dokumenter.

RAG

Retrieval-Augmented Generation / Henting-forsterket generering

Hva er det? En metode som kombinerer AI med intern kunnskapsbase for å gi mer presise, faktabaserte svar.

Slik fungerer det:

Hvorfor det er viktig:

LLM-er vet bare det de er trent på. RAG lar deg bruke bedriftens egne data uten å måtte trene modellen på nytt.

Eksempel: En kundeservice-bot som svarer basert på bedriftens egne produktmanualer, ikke bare generell kunnskap.

RPA

Robotic Process Automation / Robotisk prosessautomatisering

Hva er det? Programvare-"roboter" som automatiserer repeterende, regelbaserte oppgaver.

Egnet for:

Forskjell fra AI:

RPA følger faste regler. AI lærer og tilpasser seg. Ofte brukes de sammen.

Eksempel: Bot som automatisk leser PDF-fakturaer, henter ut data og legger det inn i regnskapssystemet.

ML

Machine Learning / Maskinlæring

Hva er det? Datamaskiner som lærer fra data uten å bli eksplisitt programmert.

Tre hovedtyper:

Eksempel: Spam-filter som lærer hvilke e-poster som er søppelpost basert på tusenvis av eksempler.

NLP

Natural Language Processing / Naturlig språkbehandling

Hva er det? AI som forstår, tolker og genererer menneskelig språk.

Typiske oppgaver:

Eksempel: Analysere kundehenvendelser for å finne vanligste problemene og kundens følelser.

Generativ AI

Generative Artificial Intelligence

Hva er det? AI som skaper nytt innhold (tekst, bilder, kode, lyd).

Hva kan den lage?

Forskjell fra tradisjonell AI:

Tradisjonell AI analyserer og klassifiserer. Generativ AI skaper nytt innhold.

Eksempel: DALL-E lager bilder fra tekstbeskrivelser. ChatGPT skriver artikler. GitHub Copilot genererer kode.

Lokal AI

On-premise AI / Lokalt hostet AI

Hva er det? AI-modeller som kjører på dine egne servere, ikke i skyen.

Fordeler:

Ulemper:

Når det gir mening: Advokatkontorer, helsesektor, forskning - alle med sensitive data som ikke kan sendes til skyen.

API

Application Programming Interface / Programmeringsgrensesnitt

Hva er det? En måte for programmer å snakke sammen på.

Enkelt forklart:

API er som en kelner på en restaurant: Du (programmet) bestiller noe fra menyen (API), kelneren tar bestillingen til kjøkkenet (systemet), og bringer tilbake maten (data).

Hvorfor viktig for AI?

Eksempel: AI-chatbot bruker API til å hente kundeinfo fra CRM-systemet når du spør om ordrestatus.

n8n

Workflow automation tool / Arbeidsflytautomatisering

Hva er det? Verktøy for å bygge automatiserte arbeidsflyter uten å måtte kode.

Hva kan det gjøre?

Fordeler:

Eksempel: "Når ny ordre kommer i nettbutikken → Send melding i Slack → Opprett oppgave i prosjektsystem → Send bekreftelse til kunde"

Foundation Models

Grunnlagsmodeller

Hva er det? Store, forhåndstrente AI-modeller som kan tilpasses til mange ulike oppgaver.

Kjennetegn:

Eksempler: GPT-4, Claude Opus, Gemini, Llama 3 — alle er foundation models som kan brukes til alt fra koding til kundeservice.

Prompt Engineering

Prompt-design / Instruksjonsdesign for AI

Hva er det? Kunsten å formulere gode instruksjoner til AI for å få best mulig resultat.

Viktige teknikker:

Tips: En god prompt er forskjellen mellom et middelmådig og et utmerket AI-svar. Jo mer presis du er, jo bedre blir resultatet.

Hallucination

AI-hallusinasjon / Konfabulering

Hva er det? Når AI genererer informasjon som høres overbevisende ut, men er feil eller oppdiktet.

Hvorfor skjer det?

Slik reduserer du risikoen:

Viktig: Hallusinasjoner er den største risikoen ved AI i forretningskritiske prosesser. Alltid ha en menneskelig kvalitetssjekk.

Human-in-the-loop

HITL / Menneske i sløyfen

Hva er det? Et system der mennesker aktivt deltar i AI-prosessen — godkjenner, korrigerer eller veileder AI-en.

Tre nivåer:

Anbefaling: For de fleste norske bedrifter er human-in-the-loop det tryggeste valget — la AI gjøre grovarbeidet, men ha alltid en person som kvalitetsikrer.

Agentic AI

AI-agenter / Autonome AI-systemer

Hva er det? AI som kan planlegge, ta beslutninger og utføre oppgaver på egenhånd — uten at du guider hvert steg.

Forskjell fra vanlig AI:

Hva kan AI-agenter gjøre?

Eksempler: Claude Code som bygger hele programvareprosjekter, Devin som løser GitHub-issues, eller n8n-agenter som styrer komplekse arbeidsflyter.

MCP

Model Context Protocol

Hva er det? En åpen standard som lar AI-modeller koble seg til eksterne verktøy og datakilder — som en universal plugg for AI.

Enkelt forklart:

Tenk på MCP som USB-C for AI. I stedet for å bygge en tilpasset integrasjon for hvert verktøy, lar MCP AI-en koble seg til hva som helst via ett standardisert grensesnitt.

Hva kan det gjøre?

Eksempel: Claude Code bruker MCP for å lese filer, kjøre kode og kommunisere med GitHub — alt uten manuell integrasjon.

Fine-tuning

Finjustering av AI-modeller

Hva er det? Prosessen med å tilpasse en ferdigtrent AI-modell til dine spesifikke behov ved å trene den videre på dine data.

Når bruker du det?

Fine-tuning vs. RAG:

RAG gir AI tilgang til oppdatert informasjon. Fine-tuning endrer hvordan AI oppfører seg og svarer. Ofte brukes begge sammen.

Eksempel: En advokatfirma fine-tuner en modell på juridisk norsk for å få presise formuleringer i kontraktsutkast.

Token

Token / Tekstenhet for AI

Hva er det? Den minste enheten AI jobber med — omtrent 3/4 av et norsk ord.

Hvorfor er det viktig?

Tommelfingerregel: 1 norsk side med tekst ≈ 350 tokens. En gjennomsnittlig e-post ≈ 150-300 tokens.

Embedding

Vektorrepresentasjon / Innbygging

Hva er det? En metode for å gjøre tekst, bilder eller lyd om til tall som AI kan forstå og sammenligne.

Enkelt forklart:

Tenk på det som GPS-koordinater for mening. Ord med lignende betydning får koordinater som ligger nærme hverandre. "Hund" og "valp" er nær hverandre, mens "hund" og "bil" er langt fra hverandre.

Brukes til:

Eksempel: Du søker etter "ferieretningslinjer" og finner dokumentet som heter "Regler for fravær og permisjon" — fordi embeddings forstår at meningen er lik.

Transformer

Transformer-arkitekturen

Hva er det? Arkitekturen bak alle moderne AI-modeller. Oppfunnet av Google i 2017 i artikkelen "Attention Is All You Need".

Nøkkelkonsept — Attention:

Transformer-modeller kan fokusere på de viktigste delene av teksten, uansett hvor langt fra hverandre de er. Tidligere modeller leste tekst ord for ord — transformer ser hele bildet.

Hvorfor viktig: GPT, Claude, Gemini, Llama — alle er bygget på transformer-arkitekturen. Det er grunnmuren i dagens AI-revolusjon.

Vibe Coding

AI-assistert programmering

Hva er det? En ny måte å programmere på der du beskriver hva du vil bygge i naturlig språk, og AI skriver koden for deg.

Slik fungerer det:

Populære verktøy:

Martin sin erfaring: Vibe coding er fantastisk for prototyper og MVPer. For produksjonskode bør du fortsatt forstå hva AI-en lager. Se vår Ressursbank for alle verktøyene.

Deep Learning

Dyp læring / Dype nevrale nettverk

Hva er det? En undergren av maskinlæring som bruker nevrale nettverk med mange lag (derav "dyp") for å løse komplekse problemer.

Hierarkiet:

AI → Maskinlæring → Deep Learning → Transformer → LLM. Hvert nivå er en spesialisering av det over.

Brukes til:

Faktum: Deep learning er grunnen til at AI har eksplodert de siste årene. Mer data + mer datakraft + dypere nettverk = dramatisk bedre resultater.

Ollama

Lokalt AI-verktøy

Hva er det? Et gratis, åpen kildekode-verktøy for å kjøre AI-modeller lokalt på din egen maskin — uten skytjenester.

Fordeler:

Krav:

En datamaskin med god GPU (8 GB+ VRAM) for de større modellene, eller 16 GB+ RAM for CPU-kjøring av mindre modeller.

Perfekt for: Bedrifter med sensitive data, utviklere som vil eksperimentere, eller alle som vil prøve AI uten å betale. Vi bruker Ollama selv hos Justfixit.

Vil du lære mer om AI?

Vi tilbyr kurs, foredrag og workshop skreddersydd for din bedrift. Kontakt oss for en uforpliktende samtale.