ANALYS & FÖRDJUPNING
En hiss ska repareras. Någon behöver åka dit, undersöka felet och göra jobbet. Samtidigt kan AI hjälpa till med informationen som behövs före, under och efter besöket. Det visar hur AI i praktiska yrken kan bli en del av arbetsdagen.
Tänk dig att du är på väg till ett serviceuppdrag. Kunden väntar och du vill komma förberedd. Vilken utrustning gäller det? Vad har redan undersökts? Finns det något du behöver känna till?
Sådana frågor är en del av arbetet, även när yrket i grunden är praktiskt.
Det är också en bra utgångspunkt för att förstå AI. Hjälpen behöver inte vara en robot som tar över verktygen. Den kan börja med att rätt information blir lättare att hitta.
Så används AI i praktiska yrken redan nu
I ett reportage publicerat den 22 oktober 2026 beskriver Microsoft arbetet hos hissföretaget TK Elevator. Teknikern Torben Teichmann får information om uppdraget via telefon eller surfplatta före besöket. Han kan söka i manualer och tidigare servicehistorik.
Efter arbetet kan han berätta för en röstassistent vad han gjort. Assistenten dokumenterar svaren och ställer följdfrågor när mer information behövs.
Här finns en tydlig tanke: ge teknikern ett bättre underlag och underlätta dokumentationen. Reportaget är Microsofts egen beskrivning av ett kundprojekt, inte en oberoende mätning av hur mycket tid tekniken sparar. Källa: Microsoft om TK Elevators servicearbete.
Ett förslag som hjälper dig att tänka vidare
Även KONE har utvecklat en AI-assistent för sina tekniker. Företaget beskriver ett exempel där ett hissfel först verkade höra ihop med drivsystemet. Assistenten föreslog en annan möjlig förklaring, som teknikern sedan undersökte och bekräftade.
Verktyget hämtar underlag från bland annat teknisk dokumentation, underhållshistorik och tidigare lösta ärenden. Enligt KONE är det teknikern som gör den slutliga bedömningen. Källa: KONE om Technician Assistant.
Det intressanta är vad ett sådant stöd kan tillföra: en möjlighet att upptäcka något man annars kanske hade missat.
Ett användbart svar behöver därför göra mer än att låta övertygande. Teknikern behöver kunna förstå vilket underlag förslaget bygger på och bedöma om det passar utrustningen framför henne. Ett tidigare fall kan ge en ledtråd utan att vara svaret på dagens problem.
Läs också vår fördjupning om mänsklig kontroll när AI ger förslag och vad som krävs för att kunna granska, ändra och säga nej.
Ett bra verktyg måste passa arbetsdagen
Det är lätt att bedöma en AI-tjänst efter hur imponerande dess svar ser ut på en dator. På en arbetsplats kan helt andra saker avgöra om den blir använd.
Går det att hitta rätt uppgift snabbt? Är texten begriplig? Är det enkelt att rätta ett fel? Vet användaren när det är dags att be en kollega om hjälp?
KONE berättar att teknikerna deltog i utvecklingen och bland annat reagerade på för långa svar. De behövde komma till det relevanta snabbare. Det är en konkret påminnelse om att användbarhet måste prövas tillsammans med dem som ska utföra jobbet. Källa: KONE om teknikernas medverkan.
För en arbetsgivare blir slutsatsen att börja med ett verkligt problem. ”Det är svårt att hitta rätt instruktion” är en bättre utgångspunkt än ”vi borde skaffa AI”.
Dokumentationen är också en del av jobbet
Föreställ dig ett förenklat exempel: en tekniker avslutar ett besök och säger att en kontroll är genomförd, men att en åtgärd återstår.
Om en automatisk sammanfattning tappar det sista ledet får nästa person fel bild av läget. Därför bör teknikern kunna granska och rätta anteckningen innan den används vidare.
Det är en liten detalj med stor betydelse. Värdet ligger i att göra det lättare att lämna efter sig en korrekt beskrivning. En välskriven anteckning som säger fel sak hjälper ingen.
Samma resonemang kan vara relevant i andra praktiska verksamheter där flera personer delar på uppdrag. Men det är en möjlig tillämpning, inte ett belägg för att samma lösning redan fungerar överallt.
Förändras yrket eller försvinner det?
ILO, FN:s arbetslivsorganisation, analyserade 2025 hur generativ AI skulle kunna påverka arbetsuppgifter. Organisationens bedömning är att omvandling av jobb är ett mer sannolikt utfall än fullständig ersättning, eftersom mänsklig medverkan fortsatt behövs.
Det är en analys av möjlig påverkan, inte ett facit över framtida anställningar eller en särskild prognos för hissbranschen. Källa: ILO:s analys av generativ AI och jobb.
Den hjälper oss ändå att ställa en mer användbar fråga: vilka delar av arbetsdagen kan förändras?
För teknikern kan arbetet med att söka, tolka och dokumentera information få nya former. Hur det påverkar yrkesrollen beror också på arbetsgivarens beslut, utbildningen och hur verktyget används.
Vad skulle räknas som en förbättring?
En arbetsplats som provar AI bör kunna beskriva vad den vill uppnå. Till exempel:
- Kortare tid att hitta rätt underlag.
- Färre missförstånd mellan personer som delar ett uppdrag.
- Anteckningar som är enklare att kontrollera och använda.
- Bättre stöd för den som håller på att lära sig jobbet.
Sedan behöver man undersöka om det faktiskt blev så. Även tiden för att granska och rätta AI-svaren hör till jämförelsen.
GPTAI.se:s analys
Det är också värt att fråga medarbetarna vad en eventuell tidsvinst används till. Mer utrymme för kvalitet och lärande är en möjlighet. Fler uppdrag på samma tid är en annan. Verktyget avgör inte det på egen hand.
AI i praktiska yrken blir som mest intressant när tekniken möter ett tydligt behov. En bra digital kollega behöver ge hjälp som går att förstå, kontrollera och använda.
För kunden märks framsteget kanske aldrig som ”AI”. Det märks som ett bättre förberett besök, en tydligare förklaring och ett väl utfört arbete.
