Bias
AI-bias
Bias i AI-modeller
AI-bias
Bias i AI-modeller
Skrivet av Martin Ågren - 27 maj 2026
AI-bias är:
Konsekventa snedvridningar/vinklingar/preferens/fördomar i en AI-modells output.
Olika AI-modeller kan ha olika typer av bias (vara vinklade på olika sätt) beroende på vilken stat/organisation/person som ligger bakom AI-modellen.
Tänk på att AI-bias INTE enbart gäller text från språkmodeller. AI-bias kan finnas i både språkmodeller och bildmodeller (och andra typer av AI-modeller).
Orsak till AI-bias: Träningsdata (som en AI-modell har tränats på) kan ha vissa dominerande perspektiv eller fördomar. Betänk detta: Den träningsdata som brukar användas för LLMs domineras av text på engelska. Detta kan leda till att vissa perspektiv eller åsikter blir dominerande i träningsdatan, och kan sedan återspeglas i output från AI-modellen.
Ha ett kritiskt förhållningssätt till output från AI. Ställ dig frågan om output kan vara snedvriden som konsekvens av eventuell AI-bias. Finns tillräckligt många olika perspektiv representerade i output? Reflektera även över vem som ligger bakom AI-modellen, alltså vilket land/företag/person och vilken konsekvens det skulle kunna ha på output från AI-modellen. Du kan också jämföra output mellan olika AI-verktyg/AI-modeller för att försöka få en mer nyanserad output.
Du behöver vara medveten om att AI kan ge snedvridna svar som påverkar organisationens arbete.
Uppmuntra sunt ifrågasättande av AI-output och betona att AI är ett stöd, inte en objektiv sanning. Vid viktiga beslut bör AI-svar alltid kompletteras med mänsklig bedömning och andra källor/AI-modeller.
För er AI-policy: Klargör att AI-output ska granskas med fokus på AI-bias. Förtydliga i vilka situationer som denna typ av granskning är extra viktig.