Dagens svensklektion – 29 december 2025
Tema: RAG (Retrieval-Augmented Generation)
1️⃣ Dagens ord (6 nya ord)
1. informationshämtning
Uttal: in-for-ma-tions-hämt-ning Definition: Processen att söka och hämta relevant information från externa källor. Engelska: information retrieval Exempel:
Informationshämtning är en central del i RAG-arkitekturer.
2. kunskapsbas
Uttal: kun-skaps-bas Definition: En samling strukturerad eller ostrukturerad information som används som referens. Engelska: knowledge base Exempel:
Modellen kompletteras med en intern kunskapsbas.
3. kontekstualisera
Uttal: kon-tekst-u-a-li-se-ra Definition: Att sätta information i rätt sammanhang. Engelska: contextualize Exempel:
RAG gör det möjligt att kontextualisera svaren med aktuell data.
4. spårbarhet
Uttal: spår-bar-het Definition: Möjlighet att följa var information kommer ifrån. Engelska: traceability Exempel:
Spårbarhet är viktigt för förtroende och granskning.
5. uppdateringsbar
Uttal: upp-da-te-rings-bar Definition: Kan enkelt hållas aktuell över tid. Engelska: updatable Exempel:
En uppdateringsbar kunskapsbas minskar risken för inaktuella svar.
6. tillförlitlighet
Uttal: till-för-lit-lig-het Definition: Grad av korrekthet och pålitlighet. Engelska: reliability Exempel:
RAG kan öka tillförlitligheten jämfört med fristående språkmodeller.
2️⃣ Dagens meningar (6 meningar)
- RAG kombinerar språkmodeller med extern informationshämtning.
- Kunskapsbasen kan uppdateras utan att modellen tränas om.
- Genom att kontextualisera svaren ökar relevansen.
- Spårbarhet gör det möjligt att granska källor i efterhand.
- En uppdateringsbar arkitektur minskar operativa risker.
- Sammantaget förbättras både kvalitet och tillförlitlighet.
3️⃣ Dialog / Talträning
Chef: Varför behöver vi RAG istället för en vanlig språkmodell? Jag: För att kunna hämta aktuell information och kontextualisera svaren. Chef: Vad vinner vi på det? Jag: Högre tillförlitlighet och bättre spårbarhet till källor. Chef: Är det svårt att underhålla? Jag: Nej, kunskapsbasen är uppdateringsbar utan omträning av modellen.
🎤 Tala högt: – Hur skulle du förklara RAG för en icke-teknisk beslutsfattare? – När är RAG särskilt användbart jämfört med finjustering?
4️⃣ Lyssning (simulerad)
Talad text:
RAG används för att minska risken för felaktiga eller inaktuella svar från språkmodeller. Genom att kombinera modellen med informationshämtning från en aktuell kunskapsbas kan svaren anpassas till organisationens kontext. Detta gör lösningen mer tillförlitlig och lättare att förvalta över tid.
Förståelsefrågor:
- Vilket problem försöker RAG lösa?
- Hur används kunskapsbasen?
- Varför blir lösningen lättare att förvalta?
5️⃣ Läsförståelse
Text:
RAG har blivit ett vanligt angreppssätt för att använda generativ AI i professionella miljöer. I stället för att enbart förlita sig på en språkmodells interna kunskap hämtas relevant information från externa källor i realtid. Detta gör det möjligt att använda uppdaterad och organisationsspecifik data.
För många verksamheter är spårbarhet och tillförlitlighet avgörande. Med RAG kan svar kopplas till tydliga källor, vilket underlättar granskning och efterlevnad. Dessutom kan kunskapsbasen uppdateras kontinuerligt utan att modellen behöver tränas om, vilket förenklar drift och minskar kostnader.
Frågor:
- Vad skiljer RAG från traditionell användning av språkmodeller?
- Varför är spårbarhet viktig i verksamheter?
- Vilken fördel ger en uppdateringsbar kunskapsbas?
- Sammanfatta texten med 2–3 meningar.
6️⃣ Skrivövning ✍️
Uppgift: Skriv 5–8 meningar som svar på frågan:
När och varför skulle du välja RAG i stället för att finjustera en språkmodell?
Krav:
- professionell svenska
- lugn och saklig ton
- använd minst tre av dagens ord
Exempel:
När det finns behov av att hämta relevant historisk information är RAG ett lämpligt angreppssätt för att öka tillförlitligheten i svaren. Genom att kombinera språkmodellen med informationshämtning kan svaren kontextualiseras med aktuell och verksamhetsspecifik data. RAG gör det möjligt att koppla svar till information som uppdateras i realtid. En viktig fördel är att kunskapsbasen kan underhållas och uppdateras kontinuerligt utan att modeller behöver tränas om. Detta förenklar förvaltningen och minskar den operativa komplexiteten. Sammantaget kan lösningen bidra till både högre kvalitet och lägre driftkostnader över tid.
🔹 Uttryck som höjer nivån
- lämpligt angreppssätt
- verksamhetsspecifik data
- operativ komplexitet
- över tid