Måste datan vara i ordning innan AI-satsningen?
Svårigheter med data angavs 2025 av 43,5 procent av de EU-företag som övervägt AI utan att använda det. Datakvalitet avgörs ändå inte för datan som helhet utan för de fält ett beslut läser, och en del av kontrollen kan AI-steget göra själv.

Nyckelpunkter
- Bland EU-företag med minst tio anställda som övervägt AI men inte använder det angav 43,5 procent 2025 svårigheter med tillgång till eller kvalitet på data, enligt Eurostat. Kompetensbrist angavs av 70,3 procent.
- Bland svenska företag som övervägt AI utan att använda det angav 44,3 procent datasvårigheter 2025, nära EU-nivån. Räknat på alla företag med minst tio anställda blir det 3,2 procent.
- Gartner definierar AI-redo data som data som är representativ för ett visst användningsfall. Det innebär att frågan om datan är i ordning inte går att besvara förrän användningsfallet är namngivet.
- I experiment hittar språkmodeller fel inom en rad men missar fel som bara syns över många rader. I en sjukhustabell föll rättningen av okända namn mer än upptäckten för tre av fyra kommersiella modeller.
- AI-steget kan själv vara kontrollen av datakvalitet för fält där ett fel syns mot resten av posten. Fält där fel bara syns över många poster, och nycklar som andra system läser, ska kontrolleras före start.
Frågan om datakvalitet kommer tidigt i nästan varje AI-satsning, och den får ofta ett svar som skjuter allt annat framåt: först måste datan vara i ordning. Svaret förutsätter att datakvalitet är en egenskap hos datan som helhet. Det är den inte. Den är en egenskap hos de fält som ett visst beslut läser, och en del av kontrollen av dem kan AI-steget göra själv, medan en annan del inte bör lämnas åt det.
Svårigheter med data är inte det vanligaste skälet att avstå från AI
Eurostats undersökning av företagens IT-användning frågar de företag som övervägt AI men inte använder det varför de låtit bli. I EU:s sammanställning för 2025 angav 43,5 procent av dessa företag svårigheter med tillgång till eller kvalitet på nödvändiga data. Året innan var andelen 44,4 procent. Andelen är alltså ungefär densamma båda åren, men det är inte det vanligaste skälet. Brist på relevant kompetens angavs av 70,3 procent, och ytterligare två skäl låg högre än datan.
Samtliga åtta svarsalternativ. Andel av företag med minst tio anställda, utan finanssektorn, som övervägt AI men inte använder det. Flera svar möjliga, så staplarna summeras inte.
För svensk del visar Eurostats tabell samma fråga. Bland svenska företag med minst tio anställda som övervägt AI utan att använda det, i de branscher statistiken täcker och där finanssektorn inte ingår, angav 44,3 procent datasvårigheter som skäl under 2025, mot 37,8 procent året innan. Sverige ligger alltså nära EU-nivån. Räknat på alla företag blir det 3,2 procent, eftersom bara 7,2 procent av de svenska företagen hade övervägt AI utan att använda det. Listan över AI-tekniker i undersökningen utökades 2025, så jämförelsen mellan åren är inte helt likvärdig.
Båda talen är företagens egna svar. Frågan skiljer inte på vilka data eller vilket användningsfall svaret gäller, och det är just den skillnaden som avgör om svaret går att agera på.
Gartners definition av AI-redo data gör datakvalitet till en fråga per användningsfall
Gartner skrev i februari 2025 att 63 procent av organisationerna antingen saknar eller är osäkra på om de har rätt datahantering för AI, och förutspådde att organisationer till och med 2026 kommer att överge 60 procent av de AI-projekt som saknar AI-redo data. Prognosen gäller till och med 2026 och har ännu inte kunnat prövas. Underlaget är dessutom otydligt redovisat: pressmeddelandets brödtext anger en enkät till 1 203 chefer för datahantering i juli 2024, medan sidans metabeskrivning anger 248 svarande under tredje kvartalet samma år.
Det användbara i texten är definitionen. Data är AI-redo när den är representativ för användningsfallet, med varje mönster, fel, avvikelse och oväntat inslag som behövs för att träna eller köra modellen för just den användningen. Gartner skriver också att AI-redo data inte är något som görs en gång, utan ett arbete som följer de användningsfall som finns och de som kommer.
Följden är att frågan om datan är i ordning saknar svar tills användningsfallet är namngivet. Samma kundregister kan räcka för att sammanfatta ärendehistorik och inte räcka för att avgöra vilka kunder som ska prioriteras, eftersom de två användningarna läser olika fält.
Datan är aldrig i ordning i allmänhet, bara i ordning för ett visst beslut.
Det flyttar också frågan om vem som avgör. Vilka fält ett beslut läser, och hur fel de får vara, är en fråga om beslutet och inte om systemet. Den som äger beslutet är den som kan besvara den.
Språkmodellen hittar felen i raden, men inte i mönstret
Forskare vid ETH Zürich och CSEM lät i en studie från mars 2025, presenterad vid en workshop på konferensen ICLR, fyra språkmodeller med tillgång till Python tvätta tre öppna dataset där forskarna själva planterat fel. Modellerna hittade och rättade fel som gick att se i ett enskilt värde eller en enskild rad, genom att pröva värdet mot andra fält i samma rad, men forskarna visar också exempel där ett upptäckt fel rättades godtyckligt. De missade fel som bara syns över många rader: förskjutningar i fördelningen, trender och snedvridningar. Ingen modell upptäckte att talet tio lagts till i ett fält för bokningarnas framförhållning, men bara för år 2016.
En preprint från november 2026, av forskare vid Minzu University of China och Renmin University of China, prövar en fråga som avgör vad experimenten säger om egna data: hur mycket av modellernas träffsäkerhet på öppna testtabeller kommer av att de känner igen sjukhusen och filmerna i dem? Forskarna bytte namnen mot påhittade och behöll felen på samma ställen. I sjukhustabellen föll DeepSeek-V4-Pro:s förmåga att rätta fel i namn- och platsfält från ett F1-värde på 0,88 till 0,16, där 1 är bästa möjliga värde. Förmågan att hitta felen höll bättre, från 1,00 till 0,73, och rättningen av övriga fält låg kvar mellan 0,91 och 0,95.
En modell, DeepSeek-V4-Pro. Felen sitter på samma ställen i alla tre varianterna. F1 väger samman träffsäkerhet och täckning, och 1 är bästa möjliga värde. Preprint.
Källa: Yang m.fl., Cleaning or Recalling?, preprint arXiv:2611.08106, november 2026, tabell 8
Egna verksamhetsdata liknar i det avseendet de påhittade namnen. Kundnummer, artikelkoder och interna projektnamn finns i regel inte i det en modell tränats på. Det modellen kan göra med dem är att se att något inte går ihop med resten av raden, och även den förmågan sjunker när namnen är okända. Att rätta dem gör den betydligt sämre. Ett av ETH-studiens exempel på ett upptäckt fel, orimligt hög fiskkonsumtion i länder utan kust, byggde dessutom på modellens kunskap om länderna och inte bara på raden.
AI-steget kan vara kontrollen av datakvalitet
Där ligger tesen, och den är en bedömning: experimenten mätte modeller som fick i uppdrag att tvätta data, inte modeller som flaggar avvikelser medan ett användningsfall körs. När ett användningsfall körs läser modellen varje post det berör, vilket ingen manuell genomgång gör. Får den flagga det som inte går ihop med resten av posten, och rättas felet sedan i källsystemet av den som äger uppgiften, blir körningen själv det datakvalitetsarbete som annars skulle ha föregått den. Arbetet hamnar dessutom på de fält användningsfallet faktiskt läser, och inte på allt som någon gång kan tänkas användas.
Samma rörelse finns i underhållsloggar i industrin, där fritexten kan pröva den kod som satts. Den gäller verksamhetsdata i allmänhet: ärendesystem, kundregister, inköpsrader, projektredovisning. Förutsättningen är att flaggan går till en människa och inte rakt tillbaka in i registret.
Vad som talar emot att låta AI-steget göra jobbet
Gartners pressmeddelande säger det rakt ut: har datan problem är den inte redo för AI. Experimenten ger invändningen innehåll. I studien från Minzu och Renmin gav forskarna kända filmer en annan verklig regissör i tabellen och prövade om modellerna behöll den. Trots uttryckliga instruktioner att utgå från tabellen ändrade kommersiella modeller tillbaka till filmens verkliga regissör i mellan 0 och 40 procent av fallen, beroende på modell. Utan den instruktionen gjorde de det i 68 till 100 procent av fallen. En modell som får rätta fritt kan alltså ersätta ett värde som avsiktligt skiljer sig i den egna datan med det modellen själv tror är rätt.
Ett fält som bytt innebörd vid ett systembyte, en enhet som ändrats ett visst år eller en kod som börjat användas på ett nytt sätt är dessutom fel av just det slag modellerna missade i ETH-studien. De syns bara över många rader, och de kan ligga orörda genom hela körningen.
Underlaget har också gränser. ETH-studien är ett workshopbidrag och Minzu-studien en preprint. Båda är gjorda på öppna dataset med fel som forskarna själva konstruerat eller överfört, och inget av dem mäter svensk verksamhetsdata. I ETH-studien fick modellerna dessutom återkoppling mot en ren testmängd, och i en del körningar ledtrådar om var felen satt, något som saknas när ett användningsfall körs på riktigt. Eurostats tal är självskattningar.
Ett fel som bara syns över många poster är ett skäl att städa först, inte att vänta med allt.
Invändningen gäller alltså vissa fält och inte datan som helhet. Den är ett skäl att sortera fälten innan användningsfallet startar, inte ett skäl att skjuta upp det.
Kriteriet: tre frågor till varje fält som beslutet läser
Ta det användningsfall ledningen helst vill ha i daglig användning och skriv upp de fält beslutet faktiskt läser. Ställ sedan tre frågor till varje fält, i den här ordningen.
Ändrar ett fel i fältet beslutet? Gör det inte det behöver fältet ingen åtgärd före start, hur ofullständigt det än är.
Syns ett fel i fältet mot andra fält i samma post? Ett leveransdatum före orderdatum, ett radbelopp som inte stämmer med antal gånger à-pris, en fritext som beskriver en reklamation på en rad som är kodad som nyförsäljning. Då kan AI-steget vara kontrollen: modellen flaggar och den som äger uppgiften rättar i källan.
Syns ett fel bara över många poster, eller är fältet en nyckel som andra system slår upp mot? Då ska det kontrolleras före start av någon som känner fältets historik, och modellen ska inte få skriva i det.
Svaren skiljer sig mellan organisationer, och det är poängen. Den vars beslut vilar på fritext och fält som går att pröva mot varandra kan börja nu och låta användningen bära städningen. Den vars beslut vilar på en kod som bytte innebörd vid förra systembytet börjar med den koden, och bara med den. I båda fallen är det den som äger beslutet som avgör vilka fält som måste stämma, eftersom det är den som vet vad ett fel kostar. En AI-mognadsanalys går i steget krav och utformning igenom vilka data de prioriterade användningsfallen behöver.
Vanliga frågor
Inte för datan som helhet. Datakvalitet avgörs per användningsfall, eftersom varje beslut läser bara vissa fält. Fält där ett fel syns mot andra fält i samma post kan AI-steget självt kontrollera genom att flagga avvikelser som sedan rättas i källsystemet. Fält där fel bara syns över många poster, och nycklar som andra system slår upp mot, behöver kontrolleras innan användningsfallet startar.
Datakvalitet är hur väl data räcker för det den ska användas till: om värdena är riktiga, kompletta, aktuella och konsekventa för just den användningen. Samma register kan ha tillräcklig datakvalitet för ett ändamål och otillräcklig för ett annat. Gartner uttrycker samma sak för AI: data är AI-redo när den är representativ för det specifika användningsfallet.
Enligt Eurostat angav 43,5 procent av EU-företagen med minst tio anställda som övervägt AI men inte använder det svårigheter med tillgång till eller kvalitet på data under 2025, och 44,4 procent året innan. Det är ett av de vanligare skälen men inte det vanligaste: brist på relevant kompetens angavs av 70,3 procent. Talen är företagens egna svar.
Bland svenska företag med minst tio anställda som övervägt AI utan att använda det angav 44,3 procent svårigheter med tillgång till eller kvalitet på data som skäl under 2025, mot 37,8 procent 2024, enligt Eurostats statistik där finanssektorn inte ingår. Räknat på alla företag är det 3,2 procent, eftersom bara 7,2 procent av de svenska företagen hade övervägt AI utan att använda det.
Delvis. I en studie från ETH Zürich och CSEM, presenterad vid en workshop 2025, hittade och rättade språkmodeller fel som syns i ett enskilt värde eller en enskild rad, genom att pröva värdet mot andra fält i samma rad, men forskarna visar också exempel där ett upptäckt fel rättades godtyckligt. De missade fel som bara syns över många rader, som en förskjutning som bara gällde ett visst år. Modellen fungerar därför bäst som kontroll som flaggar, med rättningen i källsystemet.
Fel som bara syns över många poster: förskjutningar i fördelningen, trender och snedvridningar, enligt en studie från ETH Zürich och CSEM 2025. Ingen av de prövade modellerna upptäckte att ett fält ökats med tio, men bara för ett visst år. En preprint från Minzu och Renmin 2026 visar dessutom att modellerna rättar okända namn betydligt sämre än kända, och att även förmågan att hitta felen sjunker.
Gartner definierar AI-redo data som data som är representativ för användningsfallet, med varje mönster, fel, avvikelse och oväntat inslag som behövs för att träna eller köra modellen för just den användningen. Definitionen gör beredskapen till en fråga per användningsfall och inte en egenskap hos hela datan. Gartner beskriver också arbetet som löpande och inte som något som görs en gång.
Den som äger beslutet som användningsfallet stödjer. Vilka fält ett beslut läser, och hur fel de får vara, avgörs av vad ett fel kostar i beslutet, och det vet beslutets ägare bättre än den som förvaltar systemet. Ett användbart sätt är att för varje fält fråga om ett fel ändrar beslutet, om felet syns mot andra fält i posten och om det bara syns över många poster eller gäller en nyckel som andra system slår upp mot.
Landar det här på ert bord bör vi prata.
Ampliro Insights
Ny analys, ungefär varje vecka.
Vi skriver när reglerna ändras och när något visar sig fungera i praktiken. En text i taget, inga serier, och du kan gå ur från vilket nummer som helst.
Vi sparar din adress för att skicka Ampliro Insights, och inget annat. Mer i integritetspolicyn.