Vad AI-labb köper av företag, och varför

Varför labben köper privat data nu

De första stora språkmodellerna lärde sig från den öppna webben. Den källan är i stort sett uttömd, och den lär ut lite om hur arbete går till inne i ett företag. Under 2026 fokuserar labben på AI-agenter: modeller som öppnar ett kalkylark, navigerar i ett CRM, gör ett utkast till en presentation och kontrollerar sitt eget arbete. För att träna och testa agenterna behöver labben verkliga exempel på uppgifterna, stegen som människor tog och resultatet.

Det ändrar vad som räknas som värdefullt. En färdig rapport är användbar. Beställningen, utkasten, kommentarerna och den slutliga versionen tillsammans är betydligt mer användbara, eftersom de visar vägen dit.

Arbetsflöden i affärssystem och data för agentträning

Den kategori som växer snabbast är data som visar hur kontorsarbete utförs i affärssystem. Labben gör om underlagen till uppgifter för agenter, med ett känt korrekt utfall att jämföra mot.

• Utläggsredovisning och fakturahantering, från kvitto till attest.
• Arbete i kalkylark: pivottabeller, avstämningar, budgetar och prognoser med formlerna kvar.
• Presentationer byggda utifrån en beställning, med beställningen och utkasten.
• Navigering i CRM- och affärssystem: lägga en order, uppdatera en affär, stänga ett ärende.
• Supportärenden lösta från första meddelandet till lösning, inklusive eskaleringar.

Privat kod med historik

Offentlig kod finns det gott om. Det labben saknar är privat kod med sammanhanget runt den: ärendet som bad om en ändring, designdokumentet, commits, granskningskommentarerna och testerna. Tillsammans låter de ett labb bygga realistiska kodningsuppgifter med ett kontrollerbart svar. Äldre system, migreringar och ovanligare programspråk är särskilt efterfrågade.

Expertresonemang

Labben vill fånga hur yrkesfolk tänker sig igenom ett problem. Hur en redovisningskonsult stänger böckerna och avgör vad som ska periodiseras. Hur en jurist granskar ett avtal och väljer vilka klausuler som ska förhandlas. Hur en kreditbedömare väger ett kreditunderlag. Hur en planerare lägger om rutten för en försenad sändning.

Resonemanget syns ofta i vardagliga underlag: granskningskommentarer, interna e-posttrådar, beslutsnoteringar och de rättelser en senior gör i en juniors arbete.

Labben värderar tvivlen lika högt som svaren. En tråd där två kollegor är oense om hur en transaktion ska bokföras och kommer fram till ett svar visar en modell hur experter väger alternativ.

Rutiner, manualer och kunskapsbaser

Standardrutiner, manualer, introduktionsguider, kvalitetschecklistor och interna kunskapsbaser talar om för en modell hur en uppgift ska utföras och hur den kontrolleras. Labben använder dem både för att träna modeller och för att bygga tester. Företag underskattar ofta det här materialet eftersom det känns vardagligt. För ett labb är det en skriven beskrivning av bra arbete.

Data på mindre språk

Det mesta av träningsdatan är på engelska. Modellerna är svagare på svenska, nederländska, polska, tjeckiska, finska och många andra europeiska språk, särskilt i affärsuppgifter. Arbetsunderlag på de språken är ovanliga, så labben betalar mer för dem. Ett företag som arbetar på två eller tre språk har ofta en fördel som det inte känner till.

Lokala regler ökar värdet. En svensk mall för anställningsavtal, en polsk lönerutin eller en nederländsk mejltråd om en momsfråga kombinerar språk med kunskap om nationell lag och praxis. Den kombinationen är mycket svår för ett labb att hitta någon annanstans.

Vad labben köper, per bransch

Varje bransch har sina egna värdefulla underlag. Några exempel:

• Redovisning: checklistor för månadsbokslut, trådar om avstämningar, arbetspapper i Excel, granskningsnoteringar och kundfrågor.
• Juridik: klausulbibliotek med reservpositioner, granskningsmanualer, ärendeflöden och interna utredande PM.
• IT-tjänster: privata repon med historik, kopplade ärenden, designdokument, efteranalyser och driftrutiner.
• Konsulting: beställningar parade med färdiga presentationer, analysmodeller, ramverk och offertbibliotek.
• Finansiella tjänster: kreditrutiner, finansiella modeller, complianceflöden och rapportmallar.
• Logistik: trådar om avvikelsehantering, flöden i TMS, WMS och ERP, tullrutiner och lagerrutiner.

Så använder labben det de köper

Labben använder affärsdata på tre huvudsakliga sätt. Det första är träning: modellen läser många exempel på en uppgift och lär sig mönstren. Det andra är utvärdering: labben håller undan en uppsättning verkliga uppgifter för att testa om en ny modell klarar arbetet. Det tredje är förstärkningsinlärning, där en modell försöker lösa en uppgift i en simulerad miljö och belönas när resultatet stämmer med det en yrkesperson gjorde.

Varje användning gynnar olika data. Träning drar nytta av volym. Utvärdering kräver väldokumenterade uppgifter med ett tydligt rätt svar. Förstärkningsinlärning behöver både uppgiften och ett sätt att kontrollera utfallet, och därför är underlag med ett synligt resultat, som ett stängt ärende eller en godkänd rapport, mycket efterfrågade.

Så bedömer labben kvalitet

Innan ett labb köper tittar det på maskerade exempel. Det kontrollerar om underlagen är kompletta, om stegen går att följa, hur mycket brus det finns och hur enhetligt formatet är över åren. Det frågar också var datan kommer ifrån och om säljaren hade rätt att licensiera den.

Tydligt ursprung har blivit en del av kvaliteten. Enligt EU:s AI-förordning måste leverantörer av AI-modeller för allmänna ändamål publicera en sammanfattning av sin träningsdata. Labben föredrar därför data som har en tydlig, skriftlig redovisning av källa, omfattning och avidentifiering.

Vad labben inte vill ha

Labben är selektiva. Viss data har inget värde för dem, och viss data får de inte använda enligt lag.

• Personuppgifter: namn, kontaktuppgifter, hälsodata och personnummer. De tas bort eller undantas.
• Data med oklara rättigheter: kundägda filer, innehåll under sekretessavtal och tredjepartsmaterial.
• Brus: nyhetsbrev, automatiska aviseringar, kalenderinbjudningar och dubbletter.
• Text skriven av AI-verktyg, som lär modellerna lite.
• Inskannade dokument utan läsbar text.
• Underlag utan utfall, som ett ärende som aldrig stängdes.
• Innehåll som redan är offentligt, som labben i de flesta fall redan har.

Så ser du om din data passar

Ställ fyra frågor. Visar våra underlag en uppgift från början till slut? Täcker de flera år? Visar de expertbedömningar? Äger vi dem? Om svaret på de flesta är ja är din data sannolikt intressant för labben.

Lodex hjälper dig att kontrollera det innan du bestämmer dig. Uppskattningen ger ett första intervall för ditt företag, inom €10K–€600K, och ett kort samtal visar vilka av dina källor labben troligast vill köpa.