AI Enablement Radar vecka 44: mät tiden till godkänt AI-underlag

AI kan producera fler celler, filer och presentationer åt teamet. Veckans mest användbara fråga är därför hur snabbt ni kan avgöra om materialet går att använda. Google lägger källor närmare kalkylbladets innehåll, GitHub låter flera modeller samarbeta och läkemedelsföretag visar vad som händer när AI-resultat möter verklig granskning. Här är signalerna från 26 oktober–1 november, följda av ett test där ni mäter tiden fram till ett godkänt arbetsunderlag.

Toppsignaler denna vecka

• Google Sheets får webbkällor per genererad cell i Fill with Gemini och stöd för upp till 3 000 celler per begäran. Utrullningen började den 20 oktober; beskedet kom den 28 oktober. En källa gör ett svar lättare att kontrollera, inte automatiskt korrekt.

Källa: Google Workspace: Fill with Gemini citations.

• GitHub Copilot Fusion blev allmänt tillgängligt den 28 oktober. Automatisk modellstyrning kan kombineras med flera modeller i samma uppgift. Räkna kostnaden för hela uppgiften, inte bara den första modellen.

Källa: GitHub Copilot Fusion.

• Gemini kan skapa, förhandsvisa och redigera filer direkt i chatten enligt Googles besked den 29 oktober. Det ger en kortare väg till ett redigerbart arbetsunderlag.

Källa: Google Workspace: create, preview and edit files in Gemini.

• Enveda rapporterade den 27 oktober snabbare granskning av tillverkningsdokument när granskarna fick AI-kommentarer i förväg. Resultatet gäller ett avgränsat försök, inte läkemedelsgranskning i allmänhet.

Källa: Anthropic: Early progress on accelerating drug development with Claude.

Vad företag faktiskt gör med AI

Enveda: läs granskningsresultatet tillsammans med försöksvillkoren

Anthropic beskriver ett test hos Enveda på 1 061 sidor tillverkningsdokument. Claude hittade de elva problem som mänskliga granskare hade identifierat och flaggade ytterligare sju. Enligt leverantörens rapport minskade den mänskliga granskningstiden från över 25 timmar till under tre. Det är ett resultat från testet, inte en garanti för att varje framtida körning hittar alla fel. Människor ansvarar fortfarande för kvalitetsbeslutet.

För ett nordiskt företag med offerter, kvalitetsunderlag eller leverantörsdokument är den överförbara idén att låta AI markera vad en granskare bör undersöka. Mät sedan både missade fel och granskningstid.

Källa: Anthropic: Early progress on accelerating drug development with Claude.

Generate Biomedicines och Bristol Myers Squibb: testa mot verksamhetens resultat

Anthropics rapport den 27 oktober beskriver hur sex forskare på Generate Biomedicines använde Claude Code för att föreslå konstruktioner för CAR-T-celler. En komponent blev ungefär 70 procent kortare och laboratorietester visade omkring tio gånger högre receptorproduktion. Det är prekliniska resultat, inte bevis för en färdig behandling. Bristol Myers Squibb använder Claude för analys av egna data och planering av kliniska studier; deras exempel är kvalitativt, inte ett kontrollerat produktivitetsmått.

Lärdomen för andra team är metodisk: en snygg rapport räcker inte. Bestäm vilket efterföljande arbete som ska bli bättre och testa just det.

Källa: Anthropic: Early progress on accelerating drug development with Claude.

Verktygslagret: plattformar, agenter och arbetsflöden

Källor och redigerbara filer närmare arbetet

Fill with Gemini visar webbkällor på cellnivå i webbversionen av Sheets. Funktionen stöder större begäranden, men börja med en mängd ni hinner kontrollera. Tillgången omfattar bland annat Business Standard/Plus och Enterprise Standard/Plus. Kontrollera att funktionen har nått ert konto innan ni bokar ett gemensamt test.

Källa: Google Workspace: Fill with Gemini citations.

Geminis nya filflöde omfattar förhandsvisning och redigering av PDF på webben och mobilen. Dokument, kalkylblad, presentationer, Markdown, text och kod hanteras på webben. Ett användbart försök är att skapa en leverantörsjämförelse som går att öppna i Sheets, och låta en kollega kontrollera slutsatserna där.

Källa: Google Workspace: create, preview and edit files in Gemini.

Den 30 oktober presenterade Google redigering av flera bilder eller hela presentationer med Gemini i Slides. Ändringarna förblir redigerbara och kan granskas via en sammanfattning. Funktionen lanseras på engelska och utrullningen kan ta längre än 15 dagar från den 29 oktober. Planera alltså inte ett svenskt arbetsflöde som om stödet redan vore allmänt tillgängligt.

Källa: Google Workspace: edit entire presentations with Gemini.

Flera modeller kräver ett gemensamt kvalitetstest

Copilot Fusion kan köra en modell, en kedja av modeller eller låta modeller granska varandras svar. Administratörens modellpolicy begränsar urvalet. Flera modeller innebär också flera debiterade modellinsatser. Jämför kostnad per godkänd ändring.

Källa: GitHub Copilot Fusion.

GitHub Agentic Workflows blev också allmänt tillgängligt den 28 oktober. Ett agentiskt arbetsflöde låter AI använda verktyg och utföra flera steg mot ett mål. Här kompileras instruktioner i Markdown till GitHub Actions. Agenterna har läsbehörighet som standard och använder kontrollerade utdata för ändringar. Det passar exempelvis återkommande sortering av ärenden, med samma krav på granskning som annan automatisering.

Källa: GitHub Agentic Workflows generally available.

Googles guide från den 28 oktober visar hur Agents CLI kan generera, bedöma och jämföra tester av agentbeteende. Sådana tester kallas ofta evals. Verktyget har ingen egen schemaläggare; återkommande körningar behöver exempelvis cron eller Cloud Scheduler. Spara enskilda testfall så att ett förbättrat genomsnitt inte döljer ett viktigt fel.

Källa: Google: Agents CLI Evaluation.

Mistral släppte öppna modellvikter för Mistral Large 4 den 29 oktober. Det ger ett alternativ för egen drift, men en modell med en biljon parametrar är ingen självklar lokal lösning för ett vanligt kontor. Licensen kräver dessutom separat kommersiellt avtal för verksamheter som erbjuder modeller som tjänst. Skilj på öppna vikter och obegränsad användning.

Källa: Mistral Large 4 open weights.

Styrning och risk: vad som behöver sättas innan skala

AI-styrning är här de beslut som anger vem som äger arbetet, vad systemet får göra och hur resultat godkänns. Två äldre referenser är fortfarande användbara; de är inte nya regler denna vecka.

EU:s uppförandekod för generella AI-modeller är en frivillig väg för modellleverantörer att visa efterlevnad av AI-förordningen. Dokumentationsdelen hjälper köparen att ställa konkreta leverantörsfrågor. En underskrift är däremot ingen allmän certifiering av ert eget arbetsflöde.

Källa: European Commission: General-Purpose AI Code of Practice.

Den brittiska regeringens AI Playbook betonar mänsklig kontroll, livscykelansvar och lämplig kvalitetssäkring. Översätt det till drift: avgränsade behörigheter, hemligheter i miljövariabler eller en hemlighetshanterare, maskerade loggar och godkännande före externa åtaganden. Behåll en granskningslogg som visar vad som faktiskt skickades eller ändrades.

Källa: UK Government: AI Playbook.

Veckans praktiska Hammer-test

Avsätt 40 minuter för att pröva ett AI-genererat beslutsunderlag, exempelvis en leverantörsjämförelse eller en sammanställning av kursalternativ. Använd ett verktyg ni redan har tillgång till. Detta är Hammers föreslagna övning, inte ett leverantörstest.

1. Första 5 minuterna: välj fem frågor som underlaget måste besvara. Skriv ned vad som räknas som ett korrekt svar och vilka dokument som får användas.
2. Nästa 10 minuter: låt AI skapa ett redigerbart underlag med källa för varje sakuppgift. Markera luckor i stället för att fylla dem med antaganden.
3. Nästa 15 minuter: låt en kollega kontrollera fem påståenden mot originalkällorna, inklusive ett som påverkar ett köp eller annat beslut. Anteckna rättningar och tiden granskningen tar.
4. Sista 10 minuterna: jämför med ert vanliga arbetssätt. Behåll rutinen om tiden fram till godkänt underlag förbättras utan fler missade fel. Annars ändrar ni instruktionen eller källurvalet och testar igen.

Använd denna instruktion efter att ni valt och anslutit rätt underlag:

Läs de valda källorna och skapa ett redigerbart beslutsunderlag för våra fem frågor. Ange källa för varje sakuppgift. Skilj dokumenterade fakta från dina förslag och markera det som saknas. Avsluta med vilka uppgifter en kollega måste kontrollera före beslut. Skicka eller publicera ingenting.

Människan fattar beslutet och godkänner extern användning. AI kan förbereda underlaget och göra rättningar efter granskningen.

Företag och verktyg att hålla koll på

• Enveda: följ om dokumentgranskningen fungerar lika väl på fler kampanjer än den aktuella utvärderingen.
• Google Workspace: kontrollera källstödet i Sheets och språkstödet i Slides i ert faktiska konto.
• GitHub: följ kostnaden för hela Fusion-uppgiften, inte bara en enskild modell.
• Mistral: granska driftskostnad och licens innan ni väljer egen modellmiljö.

När testet fungerar kan Verktygssmide hjälpa er att koppla det till dokument, behörigheter och granskning i det dagliga arbetet. Börja med underlaget som faktiskt tar tid att få godkänt.