Så bygger ni en AI-assistent som söker i interna dokument och vägrar gissa

Publicerad 18 oktober 2026 · Vynatix

I korthet bygger ni den så här:

1. Välj ut de dokument som faktiskt är godkända, och ge varje dokument en ägare.
2. Dela upp dokumenten i avsnitt och indexera dem med metadata och behörigheter.
3. Hämta de avsnitt som matchar frågan, med en sökning som klarar svenska.
4. Låt modellen svara enbart utifrån de avsnitten, med citat, och avböja när de inte räcker.
5. Mät vid varje ändring hur ofta assistenten svarar fel och hur ofta den avböjer i onödan.

Vi byggde 2025 en assistent med den designen för en kund i reglerad verksamhet. Den svarar bara utifrån godkända dokument, varje svar hänvisar till sin källa, och frågor som den inte kan belägga i källorna avböjer den och lämnar över till en människa. Kunden är anonym, så guiden beskriver inte just den lösningen utan hur en sådan assistent byggs i allmänhet.

Varför ska assistenten vägra svara, och var går gränsen?

Assistenten ska vägra svara när den saknar stöd i dokumenten, eftersom ett felaktigt svar som låter säkert kostar mer än ett ärligt nej. En språkmodell är byggd för att formulera ett svar. Saknas underlag fyller den gärna i med det som låter rimligt, och när frågan gäller en rutin eller ett avtal kan användaren inte se skillnad på ett belagt svar och en gissning. Ett avböjande är därför inget fel utan en del av designen, och frågor som avböjs ofta visar var dokumentationen har luckor.

Gränsen bör gå vid källan: assistenten svarar på det som står i de godkända dokumenten, men inte på det som kräver tolkning, en bedömning av ett enskilt fall eller kunskap utanför dokumenten. Dra den medvetet och se till att ni kan visa var den går och varför, så som vi gjorde för den reglerade kunden.

Vilka dokument ska ingå, och vem äger dem?

Bara dokument som är godkända för ändamålet ska ingå, och varje dokument behöver en namngiven ägare som ansvarar för att innehållet är aktuellt. Ett utkast eller en gammal version ger svar som ser lika trovärdiga ut som alla andra.

• Börja med en avgränsad samling, till exempel rutinerna inom ett område, i stället för hela intranätet.
• Ta bort ersatta versioner när en ny godkänns, så att två versioner aldrig konkurrerar.
• Bestäm vem som tar emot de frågor assistenten lämnar över innan den tas i bruk.

Hur hämtar ni rätt avsnitt för svenska frågor?

Använd hybridsökning, alltså nyckelordssökning och vektorsökning tillsammans, eftersom de missar olika saker. Vektorsökningen hittar avsnitt som säger samma sak med andra ord. Nyckelordssökningen hittar det exakta, som paragrafnummer, produktkoder och förkortningar.

I nyckelordssökningen ställer svenskan två särskilda krav. Det första är sammansatta ord: en användare skriver ”ersättning vid semester” medan dokumentet säger ”semesterersättning”, och en sökning som bara jämför hela ord missar träffen. Dela därför upp sammansatta ord i indexet. Det andra är böjningar: ”avtal”, ”avtalet” och ”avtalen” ska räknas som samma ord, vilket svensk stemming eller lemmatisering löser.

Låt en reranker, en modell som sorterar om träffarna efter relevans, välja ut ett fåtal avsnitt som språkmodellen får se. Fler avsnitt ger inte automatiskt bättre svar, men mer att ta fel på.

Hur tvingar ni modellen att citera källan och avböja annars?

Ni tvingar fram citat och avböjanden genom att kontrollera dem i koden, inte bara be om dem i prompten. Instruera modellen att svara enbart utifrån de bifogade avsnitten, ange källan för varje påstående och annars avböja med en fast formulering. Eftersom en instruktion inte alltid följs gör systemet runt modellen tre saker.

1. Före modellen: hittar sökningen inget tillräckligt relevant avsnitt anropas modellen inte alls, och frågan går direkt till en människa.
2. Efter modellen: varje citat måste peka på ett avsnitt som faktiskt hämtades. Ett svar utan giltigt citat visas inte.
3. Vid överlämning: frågan och de avsnitt som hämtades skickas med till den som ska svara, så att personen inte börjar från noll.

Citatkontrollen visar att citatet pekar på ett verkligt avsnitt, inte att avsnittet säger det som svaret påstår. Det senare fångar utvärderingen. Visa citatet som en länk till rätt avsnitt, så kan användaren kontrollera svaret själv.

Hur mäter ni att assistenten avböjer rätt?

Ni mäter det med ett utvärderingsset som innehåller både frågor som ska besvaras och frågor som ska avböjas, och som ni kör om varje gång modellen, promptarna, sökningen eller dokumenten ändras. Ta fram setet med dokumentägarna, som vet vad det rätta svaret är, och ta med de svåra fallen: frågor som ligger nära området men inte täcks, och frågor där bara en äldre version av dokumentet hade svaret.

Utfall	Vad som hände
Rätt svar	Frågan skulle besvaras, och svaret stämmer med källan.
Falskt svar	Assistenten svarade fel, eller svarade på något den borde ha avböjt.
Rätt avböjande	Frågan låg utanför dokumenten, och assistenten lämnade över.
Falskt avböjande	Dokumenten hade svaret, men assistenten avböjde.

Följ båda typerna av fel. Falska svar kostar mest, men falska avböjanden får folk att sluta använda assistenten, och den ena sortens fel går alltid att pressa ner genom att låta den andra öka. Bestäm i förväg vilken nivå verksamheten accepterar, och gör varje fel som upptäcks i produktion till en ny fråga i setet.

Vanliga frågor

Om Vynatix

Vynatix AB är ett mjukvarukonsultbolag i Göteborg, grundat 2023 och en del av Ultra Group. Våra seniora utvecklare arbetar som en del av kundernas organisationer inom Android Automotive, AI och molnplattformar, med Volvo Trucks och Volvo Cars bland kunderna.

Läs mer om vår AI-utveckling, eller om assistenten för den reglerade kunden (på engelska).