Ressurs / AI-ordliste

Alle AI-begrepene, forklart på vanlig norsk.

Ordlisten samler begrepene Aprex bruker mest i samtaler med kunder: fra RAG og agenter til GDPR og KI-forordningen. Hvert begrep er forklart med én til tre setninger, med lenke videre der en guide dekker temaet dypere.

Kontakt Aprex →Hopp til bokstav ↓

Av Alexander Terje Loe Balsnes, CTO

Sist oppdatert: 26. september 2026

A

Agentisk arbeidsflyt: En arbeidsflyt der en AI-agent utfører flere steg i rekkefølge, for eksempel å hente data, sammenligne alternativer og klargjøre et svar eller utkast. Hvert steg bør ha tydelige grenser og kontrollpunkter der et menneske kan gripe inn.
AI-agent: Et AI-system som ikke bare svarer, men også kan bruke verktøy, hente informasjon og utføre avgrensede oppgaver på egen hånd. Typisk for saksbehandling, research og oppfølging der flere steg henger sammen.
AI-assistent: Et samtalebasert AI-verktøy som hjelper ansatte med å skrive, oppsummere, finne informasjon og forberede oppgaver. Skiller seg fra en AI-agent ved at den sjelden utfører handlinger på egen hånd.
AI-chatbot: En chatbot som bruker en språkmodell til å føre samtaler på vanlig språk. Passer for spørsmål og svar, men bør ha kildevisning og grenser for hva den kan love eller utføre.
AI-modell: Et trent maskinlæringsprogram som gjenkjenner mønstre og lager tekst, bilder, lyd eller beslutningsstøtte ut fra input. Valg av modell styrer kvalitet, kostnad, personvern og hvor løsningen kan kjøres.
AI-pilot: Et avgrenset førsteprosjekt der en AI-løsning testes på ett arbeidsområde, med tydelige mål, måling og en go/no-go-beslutning. Hensikten er å lære billig før noe skaleres til drift.
AI-policy: Virksomhetens egne regler for hvordan ansatte og leverandører kan bruke AI-verktøy. Bør dekke hvilke data som kan limes inn, hvem som har ansvar, og hvordan svar skal kontrolleres.
API: Et programmert grensesnitt som lar systemer snakke sammen, for eksempel at nettbutikken henter lagerstatus fra ERP-systemet. De fleste integrasjoner mellom fagsystemer bygges på API-er.
API-nøkkel: Et hemmelig passord som gir et program tilgang til et API. Nøkler bør lagres trygt, roteres ved behov og aldri deles i e-post eller chat.
App: Et program tilpasset mobil eller nettbrett, enten lastet ned fra en appbutikk eller kjørt i nettleseren. Bedriftsapper brukes ofte til registrering, sjekklister og oppslag i felt.
Arbeidsflyt: Rekkefølgen av steg som utfører en oppgave, fra noe trigges til resultatet er levert og dokumentert. Gode automatiseringer starter med å kartlegge arbeidsflyten slik den faktisk er.
Automatisering: At systemer utfører rutineoppgaver uten manuelt arbeid, for eksempel varsling, journalføring eller dataflyt mellom systemer. Lønner seg først der volumet er høyt og reglene er tydelige.

B

Behandlingsansvarlig: Den som bestemmer formålet med og virkemidlene for behandling av personopplysninger, vanligvis virksomheten selv. Rollen gir ansvar for at behandlingen har grunnlag og holder GDPR-kravene.
Behandlingsgrunnlag: Det rettslige grunnlaget som må finnes før personopplysninger kan behandles, for eksempel avtale, samtykke eller berettiget interesse. Uten grunnlag er behandlingen ulovlig.
Benchmark: En fast testsamling som måler kvalitet på samme måte hver gang, slik at modeller eller løsninger kan sammenlignes over tid. Nyttig, men bør suppleres med evaluering på egne data.

C

Chunking: Å dele dokumenter i mindre biter før de lagres for søk i en RAG-løsning. Gode biter gjør at systemet henter presis kontekst i stedet for hele dokumenter.

D

Databehandler: En leverandør som behandler personopplysninger på vegne av en behandlingsansvarlig, for eksempel en skyleverandør eller AI-tjeneste. Forholdet må reguleres i en databehandleravtale.
Databehandleravtale: Avtalen mellom behandlingsansvarlig og databehandler om hvordan personopplysninger skal beskyttes. Den dekker blant annet sikkerhet, underleverandører, sletting og revisjon.
Dataminimering: Prinsippet om å samle inn og bruke minst mulig personopplysninger for formålet. I AI-prosjekter betyr det å begrense hvilke felt, dokumenter og logger modellen får se.
Datasett: En samling data som brukes til testing, evaluering eller trening, for eksempel spørsmål med fasitsvar. Kvaliteten på datasettet avgjør hvor mye evalueringen er verdt.
DPIA: Vurdering av personvernkonsekvenser (data protection impact assessment): en lovpålagt analyse før behandling som kan gi høy risiko for enkeltpersoner. Avklarer risiko og tiltak før prosjektet starter.

E

Eierskap til data: Avklaring av hvem som eier og forvalter dataene, hvem som kan endre dem, og hva som skjer ved leverandørbytte. Uklart eierskap er en vanlig stopper i AI-prosjekter.
Embedding: En tallmessig representasjon av tekst som fanger betydning, slik at beslektet innhold ligger nær hverandre. Grunnlaget for semantisk søk i RAG-løsninger.
Evaluering: Systematisk testing av AI-kvalitet med faste spørsmål og kriterier, ofte kalt evals. Måler blant annet presisjon, kildebruk og hvor ofte systemet bør stoppe i stedet for å gjette.

F

Fasit: Forventet riktig svar som AI-ens svar sammenlignes mot i evaluering. Gode fasitsvar lages av fagfolk og dekker typiske spørsmål fra virkeligheten.
Finjustering: Videre trening av en ferdig språkmodell på egne eksempler for å tilpasse stil eller oppførsel. Endrer ikke modellens kunnskap pålitelig, og erstatter sjelden RAG for interne fakta.

G

GDPR: EUs personvernforordning, som gjelder i Norge gjennom EØS-avtalen. Stiller krav til grunnlag, åpenhet, sikkerhet og rettighetene til den opplysningene gjelder.
Generativ AI: AI som lager nytt innhold som tekst, bilder, lyd eller kode ut fra en instruksjon. Språkmodeller er den mest brukte formen i bedriftssammenheng.
Go/no-go: Beslutningen etter en pilot om løsningen skal videreføres, endres eller stoppes. Bør tas mot kriterier som ble avtalt før piloten startet.
Guardrails: Tekniske og prosessuelle grenser som holder AI innenfor trygg bruk, for eksempel temaavgrensning, kildekrav og blokkering av sensitive utleveringer.

H

Hallusinasjon: At en språkmodell svarer selvsikkert uten dekning i kildene. Motvirkes med RAG, kildevisning, evaluering og tydelige stoppkriterier.
Hyllevare: Ferdig programvare som kjøpes eller leies som den er, med standard funksjoner og delt utviklingskostnad. Rask start, men tilpasning skjer på leverandørens premisser.
Høyrisiko-KI: KI-systemer som KI-forordningen legger de strengeste kravene på, typisk der feil kan skade helse, sikkerhet eller rettigheter. Krever blant annet risikostyring, dokumentasjon og menneskelig tilsyn.

I

Inferens: Når en trent modell brukes til å svare eller beregne noe nytt. Skiller seg fra trening, som er den kostbare fasen der modellen lærer.
Innsynsrett: Retten til å få vite hvilke personopplysninger en virksomhet har om deg og hvordan de brukes. AI-løsninger må kunne forklare datagrunnlaget for svar om enkeltpersoner.
Integrasjon: Kobling som får to eller flere systemer til å dele data automatisk, uten klipp og lim mellom dem. Reduserer feil og frigjør tid i manuelle rutiner.

K

KI-forordningen: EUs forordning om kunstig intelligens (EU AI Act), med risikobaserte krav til utviklere og brukere av KI-systemer. Gjelder trinnvis og får betydning for norske virksomheter gjennom EØS.
Kildevisning: At AI-svar viser hvilke dokumenter eller avsnitt svaret bygger på. Gjør det mulig å kontrollere svaret og bygger tillit hos brukeren.
Kontekstvindu: Hvor mye tekst en språkmodell kan ta hensyn til på én gang, målt i tokens. Større vindu hjelper lite hvis innholdet er rotete eller irrelevant.
Kunnskapsbase: Samlingen av dokumenter, artikler og svar en AI-løsning henter informasjon fra. Bør ha tydelig eierskap, oppdateringsrutiner og tilgangsregler.

L

LLM: Stor språkmodell (large language model): en AI-modell trent på store tekstmengder til å forstå og produsere språk. Motoren i chatbots, assistenter og RAG-løsninger.
Logging: Lagring av hendelser fra en løsning, for eksempel spørsmål, svar, kilder og feil. Nødvendig for feilsøking, evaluering, sikkerhet og dokumentasjon i drift.

M

Maskinlæring: At dataprogrammer lærer mønstre fra data i stedet for å følge håndskrevne regler. Språkmodeller er én type maskinlæring, trent på tekst.
MCP: Model Context Protocol: en åpen standard for å koble AI-systemer til datakilder og verktøy på en enhetlig måte. Alternativ til skreddersydde integrasjoner for hvert system.
Menneskelig kontroll: At et menneske godkjenner, overvåker eller kan overstyre AI-ens forslag og handlinger. Kalles ofte human-in-the-loop, og er et krav i sensitive prosesser.
Multimodal: At en AI-modell forstår eller lager flere innholdstyper, for eksempel tekst, bilder og lyd i samme løsning. Nyttig der dokumenter inneholder både tekst og figurer.

O

OCR: Tekstgjenkjenning (optical character recognition): å lese maskinlesbar tekst ut av bilder, skannede PDF-er og fotografier. Første steg før eldre dokumenter kan brukes i AI-søk.
Overvåking: Løpende oppsyn med en løsning i drift: kvalitet, feil, svartid, kostnader og misbruk. Fanger avvik før brukerne gjør det.

P

Parametere: De justerbare tallverdiene i en modell som læres under trening. Flere parametere gir ikke automatisk bedre resultater for en konkret bedriftsoppgave.
Personopplysning: Alle opplysninger som kan knyttes til en enkeltperson, direkte eller indirekte. Omfatter langt mer enn navn og fødselsnummer, for eksempel logger og kombinasjoner av data.
Personvern: Enkeltpersoners rett til å bestemme over egne opplysninger. I AI-prosjekter handler det om grunnlag, dataminimering, tilgang, sletting og åpenhet.
Produksjonssetting: Å ta en løsning fra pilot til daglig drift med ekte brukere og ekte data. Krever overvåking, tilgangsstyring, logging, feilhåndtering og tydelig ansvar.
Prompt: Instruksjonen eller spørsmålet som sendes til en språkmodell. Tydelige prompter med kontekst og format gir jevnt bedre svar enn vage bestillinger.
Prompt injection: Angrep der skjulte instruksjoner i tekst, dokumenter eller nettsider lurer AI til å bryte sine regler. Motvirkes med skepsis til fremmed innhold, rettighetsbegrensning og menneskelig kontroll.
Prototyp (PoC): En tidlig, enkel versjon som tester om noe lar seg gjøre teknisk (proof of concept). Skiller seg fra en pilot ved at den ikke kjøres mot ekte bruk og drift.

R

RAG: Retrieval-augmented generation: at AI henter relevant innhold fra egne kilder før den svarer. Gir ferskere svar med kildevisning, uten å trene modellen på nytt.
Red-teaming: Å teste en AI-løsning systematisk med fiendtlige spørsmål og scenarioer for å avdekke svakheter før lansering. Avdekker blant annet lekkasjer, omgåelser og uønsket oppførsel.
Retrieval: Selve gjenfinningssteget i RAG: å finne de mest relevante bitene fra kunnskapsbasen for et spørsmål. Kvaliteten her avgjør ofte kvaliteten på svaret.

S

Samtykke: Frivillig, spesifikk og informert aksept fra den opplysningene gjelder, som kan trekkes tilbake. Ett av flere mulige behandlingsgrunnlag, ikke alltid det beste.
Semantisk søk: Søk som forstår betydning i stedet for å matche eksakte ord. Finner relevante dokumenter selv når spørsmålet bruker andre ord enn kildene.
Skreddersydd programvare: Programvare bygget for én virksomhets behov, i stedet for standard hyllevare. Gir full kontroll over funksjoner, data og integrasjoner, mot egen utviklingskostnad.
SLA: Tjenestenivåavtale (service level agreement): avtalte krav til oppetid, svartid og støtte for en leveranse. Bør også dekke hva som skjer ved brudd.
Sletterett: Retten til å få egne personopplysninger slettet når vilkårene er oppfylt. AI-løsninger må kunne fjerne data fra kilder, logger og søkeindekser.
Systemprompt: De faste instruksjonene som styrer en AI-assistents rolle, tone og grenser i alle samtaler. Bør holdes skjult for sluttbrukeren og versjonskontrolleres.

T

Temperatur: En innstilling som styrer hvor forutsigbar eller variert en språkmodells svar blir. Lav temperatur gir stabile svar, høy temperatur gir mer variasjon og mer risiko for feil.
Tilgangsstyring: Regler og teknikker for hvem som får se og bruke hva, i dokumenter så vel som i AI-svar. En forutsetning for intern AI med sensitive kilder.
Token: Den minste tekstenheten en språkmodell regner med, omtrent et ord eller en orddel. Både kontekstvindu og brukskostnad måles i tokens.
Tool calling: At en språkmodell kaller definerte funksjoner eller verktøy, for eksempel oppslag, beregning eller lagring. Slik går AI fra å svare til å utføre oppgaver.
Treningsdata: Dataene en modell lærer av under trening. Kvalitet, representativitet og rettigheter til treningsdata preger alt modellen senere produserer.

V

Vektordatabase: Database bygget for å lagre og søke i embeddings etter meningslikhet. Standard byggestein i RAG-løsninger sammen med chunking og retrieval.

W

Webhook: Automatisk varsling fra ett system til et annet når noe skjer, for eksempel ny ordre eller endret status. Enkel byggestein i mange integrasjoner.

Å

Åpenhetsplikt: Krav om å informere om at og hvordan AI brukes, særlig overfor personer som påvirkes. Gjelder både etter personvernregler og KI-forordningen.

Støter dere på begreper ingen forklarer?

Beskriv arbeidsflyten og systemene dere bruker, så svarer Aprex konkret på det ordlisten ikke dekker.

Kontakt Aprex →