Kreditanalytiker och rådgivare
Kredit och Key Insights: hela svaren
Varje svar berättar vad lagen och forskningen säger, vad som talar för och emot, vad det betyder för dig och hur det fungerar i Alba. Key Insights är inte en medicinteknisk produkt. Sammanfattningarna av lagar är förenklade.
- Räknas mitt AI-stöd som ett automatiserat beslut, även om jag fattar beslutet?
- Kan jag förklara för kunden varför kreditprövningen blev som den blev?
- Vad måste jag dokumentera när kunden begär mänsklig omprövning?
- Är Key Insights ett högrisksystem enligt AI-förordningen?
- Vem avgör utfallet i penningtvättsrapporten?
- Hur vet vi att modellen inte diskriminerar kunder?
- Vart tar kunduppgifterna vägen?
- Minskar AI min arbetsbörda?
- Kan kunden ladda upp dokument, till exempel lönebesked?
- Hamnar kundens namn i texten?
- Vem kan se kunduppgifterna?
- Vad gör jag om kunden vill se eller radera sina uppgifter?
Räknas mitt AI-stöd som ett automatiserat beslut, även om jag fattar beslutet?
Vad domstolen och lagen säger
Juridisk sammanfattning. Ska granskas av en jurist innan publicering.
Artikel 22 i dataskyddsförordningen ger en person rätt att inte bli föremål för ett beslut som enbart grundas på automatisk behandling, om beslutet har rättslig verkan eller påverkar personen på liknande sätt i betydande grad.
I SCHUFA-domen 2023 prövade EU-domstolen ett tyskt kreditupplysningsföretag. Företaget räknade fram ett värde för hur sannolikt det var att en person skulle betala. Domstolen kom fram till att själva värdet är ett automatiserat beslut, om en långivare i hög grad låter värdet avgöra om avtalet ingås (EU-domstolen, 2023). Att en människa formellt fattar beslutet räcker alltså inte, om människan i praktiken följer värdet.
Den nya konsumentkreditlagen gäller från 20 november 2026. Om kreditprövningen innefattar automatiserad behandling av personuppgifter, ska långivaren på kundens begäran låta en människa granska prövningen och förklara den (3 kap. 15 § konsumentkreditlagen).
Forskare har länge diskuterat hur stark artikel 22 är. Wachter och kollegor menade 2017 att förordningen inte ger någon allmän rätt till förklaring av enskilda beslut (Wachter m.fl., 2017). Senare domar har gått längre (se C2).
För och emot
För att ditt beslut är ditt eget: Om du gör en egen bedömning och kan visa vilka uppgifter du vägde in, är beslutet inte enbart automatiserat.
Emot: Om du nästan alltid följer AI:ns text, kan en domstol se texten som det som avgjorde. Det gäller särskilt under tidspress.
Öppen fråga: Domstolen bedömde ett siffervärde från ett kreditupplysningsföretag. Hur domen gäller ett AI-stöd som skriver text, och inte räknar fram ett värde, är inte prövat.
Vad det betyder för dig
Gör en egen bedömning som inte bara följer AI:ns text. Dokumentera vilka uppgifter du lade vikt vid och varför. Skriv när du gick emot AI:ns text. Fråga din arbetsgivare hur de har bedömt SCHUFA-domen för just ert arbetssätt.
Så är det i Alba
Key Insights fattar inga kreditbeslut. Integritetspolicyn säger att bedömningen är profilering och att en människa fattar kreditbeslutet. Den beskriver kundens rättigheter enligt artikel 22. Vi har inte gjort en egen rättslig bedömning av hur SCHUFA-domen påverkar Key Insights.
Källor
- EU-domstolen (2023). Dom i mål C-634/21, SCHUFA Holding (Scoring), 2023-12-07, ECLI:EU:C:2023:957. Pressmeddelande 186/23. https://curia.europa.eu/site/upload/docs/application/pdf/2023-12/cp230186en.pdf
- Konsumentkreditlag (2026:1011), 3 kap. 13–16 §§, i kraft 2026-11-20. https://www.riksdagen.se/sv/dokument-och-lagar/dokument/svensk-forfattningssamling/konsumentkreditlag-20261011_sfs-2026-1011/
- Wachter, S., Mittelstadt, B. och Floridi, L. (2017). Why a right to explanation of automated decision-making does not exist in the General Data Protection Regulation. International Data Privacy Law, 7(2), 76–99. https://doi.org/10.1093/idpl/ipx005
Tillbaka till det korta svaret
Kan jag förklara för kunden varför kreditprövningen blev som den blev?
Vad domstolen och forskningen säger
Juridisk sammanfattning. Ska granskas av en jurist innan publicering.
I februari 2025 dömde EU-domstolen i ett mål om en automatisk kreditbedömning i Österrike. Kunden har rätt till en förklaring av hur beslutet togs. Förklaringen ska beskriva det förfarande och de principer som faktiskt användes, så att kunden förstår vilka uppgifter som användes och hur. Att bara lämna ut algoritmen räcker inte. Domstolen nämner att det kan vara lämpligt att säga hur andra uppgifter hade kunnat ge ett annat resultat (EU-domstolen, 2025).
EBA:s riktlinjer för kreditgivning säger att banker ska förstå de modeller de använder, deras antaganden och begränsningar. Modellerna ska gå att spåra och granska. Om förklaringar behövs, bör banken överväga en tolkningsbar modell (EBA, 2020).
Rudin menar att man i beslut med höga insatser bör använda modeller som går att tolka, i stället för att i efterhand förklara en svart låda (Rudin, 2019). Bücker och kollegor visar hur maskininlärning i kreditbedömning kan göras granskbar och förklarbar (Bücker m.fl., 2022).
Språkmodeller är svåra att förklara. Turpin och kollegor visade att en språkmodells egen förklaring av sitt resonemang kan vara missvisande. Modellen kan påverkas av något den aldrig nämner (Turpin m.fl., 2023).
För och emot
För: Du kan alltid förklara ditt eget beslut, om du har dokumenterat vad du vägde in.
Emot: Du kan inte förklara hur språkmodellen kom fram till sin text. Om den texten styrde beslutet, blir förklaringen till kunden ofullständig.
Vad det betyder för dig
Förklara de omständigheter du själv lade vikt vid, till exempel inkomst, utgifter och skulder. Hänvisa inte till AI:ns text som skäl. Om du inte kan förklara ett beslut utan att hänvisa till AI:n, gör om bedömningen.
Så är det i Alba
Varje AI-anrop loggas med leverantör, modell och tid, men utan innehåll. Loggen är kedjad så att ändringar syns. Varje version av en modells instruktioner sparas, en per dag. Ändrar du en analys, sparas AI:ns ursprungliga text med vem som ändrade och när. Alba kan inte visa vilka uppgifter som vägde tyngst i en AI-text.
Källor
- EU-domstolen (2025). Dom i mål C-203/22, Dun & Bradstreet Austria, 2025-02-27. Pressmeddelande 22/25. https://curia.europa.eu/site/upload/docs/application/pdf/2025-02/cp250022en.pdf
- EBA (2020). Guidelines on loan origination and monitoring, EBA/GL/2020/06, avsnitt 4.3.3 och 4.3.4. Gäller från 2021-06-30. https://www.eba.europa.eu/sites/default/files/document_library/Publications/Guidelines/2020/Guidelines%20on%20loan%20origination%20and%20monitoring/884283/EBA%20GL%202020%2006%20Final%20Report%20on%20GL%20on%20loan%20origination%20and%20monitoring.pdf
- Rudin, C. (2019). Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead. Nature Machine Intelligence, 1(5), 206–215. https://doi.org/10.1038/s42256-019-0048-x
- Bücker, M., Szepannek, G., Gosiewska, A. och Biecek, P. (2022). Transparency, auditability, and explainability of machine learning models in credit scoring. Journal of the Operational Research Society, 73(1), 70–90. https://doi.org/10.1080/01605682.2021.1922098
- Turpin, M., Michael, J., Perez, E. och Bowman, S. R. (2023). Language models don't always say what they think: Unfaithful explanations in chain-of-thought prompting. Advances in Neural Information Processing Systems 36, 74952–74965. https://doi.org/10.52202/075280-3275
Tillbaka till det korta svaret
Vad måste jag dokumentera när kunden begär mänsklig omprövning?
Vad lagen säger
Juridisk sammanfattning. Ska granskas av en jurist innan publicering.
Från 20 november 2026 gäller 3 kap. 15 § i den nya konsumentkreditlagen. Om kreditprövningen innefattar automatiserad behandling av personuppgifter, ska långivaren på kundens begäran och genom mänsklig medverkan granska kreditprövningen. Långivaren ska också förklara prövningen och vilken betydelse den automatiserade behandlingen hade. Långivaren ska informera om riskerna med automatiserad behandling. Om krediten inte beviljas, ska kunden snarast få veta varför (3 kap. 16 §).
Regeln gäller om prövningen innefattar automatiserad behandling. Den gäller alltså inte bara helt automatiska beslut.
EBA:s riktlinjer säger att banker ska ha kontroller, möjlighet att köra över modellen och rutiner för att eskalera. De ska kunna spåra och granska både indata och utdata (EBA, 2020).
Vad forskningen säger om mänsklig granskning
Mänsklig granskning skyddar inte automatiskt. Green gick igenom 41 regler som kräver mänsklig tillsyn av algoritmer. Han fann att människor ofta inte klarar den tillsyn som reglerna förutsätter. Regler om tillsyn kan då ge en falsk trygghet (Green, 2022). En systematisk översikt visar att människor ofta litar för mycket på automatiska råd, särskilt under tidspress (Goddard m.fl., 2012).
För och emot
För: En omprövning ger kunden en verklig chans att rätta fel i underlaget.
Emot: Om omprövningen görs av någon som bara bekräftar den första bedömningen, blir den en formalitet.
Vad det betyder för dig
Dokumentera vem som granskade, när, vilka uppgifter som användes, vad AI-stödet bidrog med och vad resultatet blev. Skriv om du ändrade något och varför. Låt gärna någon annan än den som gjorde första bedömningen granska. Spara också nya uppgifter och synpunkter som kunden lämnar. Berätta för kunden vad resultatet blev och varför, med ord som kunden förstår. Din arbetsgivare ska ha en rutin.
Så är det i Alba
Alba sparar analysen, AI:ns ursprungliga text och dina ändringar, med vem som ändrade och när. I dag kan en analys sparas och mejlas innan någon har läst den. Det här ändras: ingen analys mejlas innan du har läst och godkänt den. Det är planerat, inte gjort.
Källor
- Konsumentkreditlag (2026:1011), 3 kap. 13–16 §§, i kraft 2026-11-20. https://www.riksdagen.se/sv/dokument-och-lagar/dokument/svensk-forfattningssamling/konsumentkreditlag-20261011_sfs-2026-1011/
- EBA (2020). Guidelines on loan origination and monitoring, EBA/GL/2020/06, avsnitt 4.3.3 och 4.3.4. Gäller från 2021-06-30. https://www.eba.europa.eu/sites/default/files/document_library/Publications/Guidelines/2020/Guidelines%20on%20loan%20origination%20and%20monitoring/884283/EBA%20GL%202020%2006%20Final%20Report%20on%20GL%20on%20loan%20origination%20and%20monitoring.pdf
- Green, B. (2022). The flaws of policies requiring human oversight of government algorithms. Computer Law & Security Review, 45, 105681. https://doi.org/10.1016/j.clsr.2022.105681
- Goddard, K., Roudsari, A. och Wyatt, J. C. (2012). Automation bias: a systematic review of frequency, effect mediators, and mitigators. Journal of the American Medical Informatics Association, 19(1), 121–127. https://doi.org/10.1136/amiajnl-2011-000089
Tillbaka till det korta svaret
Är Key Insights ett högrisksystem enligt AI-förordningen?
Vad lagen säger
Juridisk sammanfattning. Ska granskas av en jurist innan publicering.
AI-förordningen räknar AI-system som ska bedöma fysiska personers kreditvärdighet eller sätta deras kreditbetyg som hög risk. Undantag finns för system som upptäcker bedrägerier (bilaga III punkt 5 b). Kraven för sådana system gäller från 2 december 2027, efter att EU beslutade att skjuta upp dem (Europeiska unionens råd, 2026).
Artikel 6.3 ger ett undantag. Ett system i bilaga III är inte hög risk om det inte medför betydande risk och till exempel bara gör en snäv procedurmässig uppgift eller en förberedande uppgift. Men artikeln säger också att ett system i bilaga III alltid är hög risk om det profilerar fysiska personer.
Finansinspektionen pekar ut två högriskområden i finanssektorn: kreditvärdering och liv- och sjukförsäkring. I FI:s enkät 2024 hade fyra procent av företagen fall som de klassade som hög risk. Alla gällde kreditgivning (FI, 2024).
För system med hög risk ska den som använder systemet se till att kunniga personer har tillsyn över det. Arbetsgivaren ska informera de anställdas representanter innan systemet tas i bruk (art. 14 och 26).
För och emot
För att Key Insights inte är hög risk: Långivaren fattar beslutet. Key Insights skriver text som underlag och kan ses som en förberedande uppgift.
För att det är hög risk: Key Insights integritetspolicy säger själv att bedömningen är profilering. Enligt artikel 6.3 är ett system i bilaga III som profilerar alltid hög risk. Det talar starkt för att Key Insights är hög risk när det används för kreditprövning av privatpersoner.
Vad det betyder för dig
Utgå från att kraven kan gälla. Fråga din arbetsgivare om de har bedömt verktyget, vem som har tillsyn och om facket har informerats. Använd inte verktyget för privatpersoners kreditprövning utan en sådan bedömning.
Så är det i Alba
Key Insights är inte en medicinteknisk produkt och inte reglerad finansiell rådgivning. Långivaren fattar beslutet. Nya konton får en förvald modellgrupp som heter "Kreditbedömning". Vi har ännu inte gjort en formell bedömning av om Key Insights är ett högrisksystem. Enligt artikel 6.3 talar mycket för att det är det. En jurist ska granska frågan snart. Spärren som förbjuder modellen att avgöra rätt till kredit gäller bara modeller som har en nivå.
Källor
Tillbaka till det korta svaret
Vem avgör utfallet i penningtvättsrapporten?
Vad lagen och kunskapsläget säger
Juridisk sammanfattning. Ska granskas av en jurist innan publicering.
EU:s nya förordning mot penningtvätt, förordning (EU) 2024/1624, gäller i huvudsak från 10 juli 2027. Den ställer krav på kundkännedom innan en affärsförbindelse inleds. Ansvaret ligger hos den verksamhet som har skyldigheterna, inte hos ett verktyg.
Penningtvättsrapporten är inte en kreditprövning. AI-förordningen undantar system som upptäcker bedrägerier från högriskregeln om kredit. Det är inte självklart att undantaget omfattar penningtvätt. Om rapporten används som underlag i en kreditprövning av en privatperson, kan högriskreglerna bli aktuella (se C4).
Arbetsgruppen FATF skriver att ny teknik kan göra arbetet mot penningtvätt snabbare och mer träffsäkert. Men tekniken måste kunna förklaras och granskas, och den kan också ge oönskade följder, till exempel att personer stängs ute från finansiella tjänster (FATF, 2021).
En rubrik som "Affärsförbindelsen får inledas" kan påverka den som läser. Forskning om automatiseringsbias visar att människor ofta följer ett automatiskt råd även när det finns tecken på att det är fel (Goddard m.fl., 2012).
För och emot
För fasta regler i kod: Utfallet blir förutsägbart och samma för alla. Det går att granska regel för regel.
Emot: Fasta regler fångar bara det de är skrivna för. En text som låter säker kan dölja att något saknas i underlaget. Kunder som inte passar mallen, till exempel med ovanliga inkomstkällor, kan få ett missvisande utfall.
Vad det betyder för dig
Läs hela rapporten och underlaget. Fatta själv beslutet om affärsförbindelsen och dokumentera det. Se rubriken som ett förslag, inte som ett beslut. Om underlaget är ofullständigt, fråga kunden igen innan du beslutar. Om du är osäker, eskalera enligt er rutin. Kontrollera särskilt uppgifterna om verklig huvudman och om kunden är i politiskt utsatt ställning.
Så är det i Alba
Intervjun och rapporten följer förordning (EU) 2024/1624. Utfallet räknas fram av kod efter fasta regler, inte av AI:n. AI:n skriver bara texten runt utfallet. Rubriken kan säga "Affärsförbindelsen får inledas" utan att en människa har skrivit under. Ingen människa behöver godkänna rubriken. Rapporten är inte märkt som AI-text.
Källor
Tillbaka till det korta svaret
Hur vet vi att modellen inte diskriminerar kunder?
Vad forskningen säger
Algoritmer i kreditgivning kan ge olika utfall för olika grupper. Fuster och kollegor jämförde traditionella modeller och maskininlärning på amerikanska bolån. Svarta och latinamerikanska låntagare hade mindre nytta av maskininlärning, och skillnaderna i ränta mellan grupper ökade (Fuster m.fl., 2022).
Bartlett och kollegor fann att latinamerikanska och svarta låntagare med samma risk betalade högre ränta på amerikanska bolån. Fintechlångivare med algoritmer hade liknande skillnader som andra långivare för vissa lån och mindre för andra (Bartlett m.fl., 2022). Algoritmer tar alltså inte automatiskt bort diskriminering.
Språkmodeller har egna skevheter. De förstärker stereotyper om kön och ger förklaringar som döljer det verkliga skälet (Kotek m.fl., 2023). Diskrimineringsombudsmannen varnar för att AI kan återskapa ojämlikhet mer systematiskt, och för att användare kan uppfatta AI:ns svar som objektiva (DO, 2023).
Vad lagen säger
Juridisk sammanfattning. Ska granskas av en jurist innan publicering.
Diskrimineringslagen förbjuder diskriminering när någon tillhandahåller tjänster till allmänheten (2 kap. 12 §). EBA:s riktlinjer kräver rutiner för att upptäcka och förhindra skevhet i automatiska kreditmodeller (EBA, 2020).
För och emot
För: En modell följer samma regler varje gång och kan testas på ett sätt som en människas bedömning inte kan.
Emot: En modell kan använda uppgifter som bostadsort eller språk som ombud för skyddade grunder. Det syns inte utan tester. Ett enkelt test är att köra samma ärende flera gånger med bara namn eller kön ändrat och jämföra svaren.
Vad det betyder för dig
Kontrollera att beslutet inte bygger på kön, ursprung eller annat som är skyddat, och inte heller på ombud för det, som bostadsort. Jämför gärna liknande ärenden. Säg till om du ser ett mönster.
Så är det i Alba
Modellerna kommer från OpenAI. Spärren för icke-medicinska modeller förbjuder att avgöra eller rekommendera rätt till kredit, om modellen har en nivå. Modeller utan nivå får ingen spärr. Spärren är en instruktion till modellen och kan inte bevisa att modellen lyder. Vi har inga egna tester av snedvridning i Key Insights. Därför kan vi i dag inte visa att modellen inte diskriminerar.
Källor
- Fuster, A., Goldsmith-Pinkham, P., Ramadorai, T. och Walther, A. (2022). Predictably unequal? The effects of machine learning on credit markets. The Journal of Finance, 77(1), 5–47. https://doi.org/10.1111/jofi.13090
- Bartlett, R., Morse, A., Stanton, R. och Wallace, N. (2022). Consumer-lending discrimination in the FinTech era. Journal of Financial Economics, 143(1), 30–56. https://doi.org/10.1016/j.jfineco.2021.05.047
- Kotek, H., Dockum, R. och Sun, D. (2023). Gender bias and stereotypes in large language models. Proceedings of the ACM Collective Intelligence Conference, 12–24. https://doi.org/10.1145/3582269.3615599
- Diskrimineringsombudsmannen (2023). Kunskapsbrister om AI innebär risk för diskriminering. 2023-11-15. https://www.do.se/om-do/pressrum/aktuellt/2023/2023-11-15-kunskapsbrister-om-ai-innebar-risk-for-diskriminering
- EBA (2020). Guidelines on loan origination and monitoring, EBA/GL/2020/06, avsnitt 4.3.3 och 4.3.4. Gäller från 2021-06-30. https://www.eba.europa.eu/sites/default/files/document_library/Publications/Guidelines/2020/Guidelines%20on%20loan%20origination%20and%20monitoring/884283/EBA%20GL%202020%2006%20Final%20Report%20on%20GL%20on%20loan%20origination%20and%20monitoring.pdf
Tillbaka till det korta svaret
Vart tar kunduppgifterna vägen?
Vad lagen och leverantörerna säger
Juridisk sammanfattning. Ska granskas av en jurist innan publicering.
Kunduppgifter i kreditärenden omfattas av dataskyddsförordningen och, i banker, av banksekretess. Överföring till länder utanför EU kräver ett stöd i förordningen.
EU-domstolen ogiltigförklarade 2020 den tidigare ramen för överföringar till USA, eftersom amerikanska myndigheter kunde få tillgång till uppgifterna (EU-domstolen, 2020). Kommissionen antog 2023 en ny ram, EU–US Data Privacy Framework (Kommissionen, 2023). Tribunalen ogillade en talan mot ramen i september 2025 (mål T-553/23). Ett företag som ägs i USA kan omfattas av amerikansk lag även när servern står i EU.
Microsoft skriver att data i Azure OpenAI inte används för att träna modeller och inte är tillgänglig för OpenAI. Data för att upptäcka missbruk sparas i det geografiska område där kundens resurs finns. Vid så kallade globala driftsättningar kan data bearbetas i andra områden (Microsoft, 2026). OpenAI skriver att data som skickas via API:t inte används för träning sedan 1 mars 2023, och att loggar för att upptäcka missbruk sparas i upp till 30 dagar (OpenAI, 2026).
För och emot
För: Lagring i Stockholm och AI via Azure i EU minskar riskerna med överföring.
Emot: Ägarskap i USA och inställningar som inte är tvingande lämnar en kvarstående risk. Det som leverantören lovar gäller bara om avtalen och inställningarna faktiskt är på plats.
Vad det betyder för dig
Din arbetsgivare ansvarar för banksekretess, avtal och dataskydd. Fråga om det finns ett personuppgiftsbiträdesavtal och en konsekvensbedömning. Skriv inte in mer om kunden än som behövs.
Så är det i Alba
Uppgifterna sparas på vår server i Stockholm. Servern drivs av Linode, som ägs av det amerikanska företaget Akamai. Text bearbetas av OpenAI:s modeller via Azure OpenAI eller OpenAI. En inställning i produktion ska skicka all AI-trafik till Azure. Den uppges vara påslagen men är inte bekräftad. Servern kan starta utan den. Utan den kan data gå till OpenAI i USA. Alla Azure-driftsättningar är inte kontrollerade för bearbetning i EU.
Vi tränar inte AI-modeller på dina uppgifter, och våra AI-leverantörer gör det inte heller. Det finns ett skriftligt åtagande om att kunddata aldrig används för att träna AI-modeller. Avtalen med AI-leverantörerna stöder det. Automatisk språkigenkänning skickar i dag ett kort ljudprov till OpenAI i USA. Det undviker ni genom att ställa in språket för samtalen.
Källor
Tillbaka till det korta svaret
Minskar AI min arbetsbörda?
Vad forskningen säger
Resultaten går isär. I ett förregistrerat experiment fick 453 tjänstemän skriva texter i sitt yrke. De som fick använda ChatGPT blev klara 40 procent snabbare, och kvaliteten steg (Noy och Zhang, 2023).
En studie av 5 172 kundtjänstmedarbetare fann att ett AI-stöd ökade antalet lösta ärenden per timme med 15 procent i genomsnitt. Mindre erfarna vann mest. De mest erfarna blev lite snabbare men gjorde något sämre arbete (Brynjolfsson m.fl., 2025).
I vardagen syns effekten sämre. En dansk studie kopplade enkäter till registerdata. Arbetsgivarna hade infört chattbottar och de anställda upplevde att de blev effektivare. Men forskarna fann ingen effekt på lön eller arbetade timmar två år efter att ChatGPT kom (Humlum och Vestergaard, 2025).
I en enkät från Finansförbundet 2026 såg de flesta ingen minskning av arbetsbördan, och fler än tio procent fick mer att göra. Bara fem procent hade fått vara med och besluta om AI-verktyg (Realtid, 2026). Enkätens storlek anges inte.
Ingen av studierna mätte kreditbedömning med språkmodeller. Resultaten kan därför inte föras över direkt till ditt arbete.
För och emot
För: Utkast och transkribering kan spara tid i skrivandet.
Emot: Granskning tar tid. Tiden som sparas kan gå till fler ärenden i stället för bättre bedömningar. Om du granskar slarvigt för att hinna med, ökar risken att fel i AI-texten följer med in i beslutet.
Vad det betyder för dig
Mät själv hur lång tid ett ärende tar med och utan verktyget. Räkna med tiden för granskning. Ta upp med chef och fack hur verktyget ska användas och hur tidsvinsten ska användas. Säg till om granskningen tar mer tid än verktyget sparar. Det behövs för att verktyget ska kunna förbättras eller tas bort. Om högriskreglerna gäller, ska arbetsgivaren informera de anställdas representanter innan systemet tas i bruk (AI-förordningen, art. 26).
Så är det i Alba
Key Insights transkriberar och skriver utkast. Key Insights mäter inte hur mycket tid du sparar. Vi har inga siffror på hur mycket tid Key Insights sparar (inget ärende ännu).
Källor
- Noy, S. och Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. https://doi.org/10.1126/science.adh2586
- Brynjolfsson, E., Li, D. och Raymond, L. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044
- Humlum, A. och Vestergaard, E. (2025). Still waters, rapid currents: Early labor market transformation under generative AI. NBER Working Paper 33777 (arbetsrapport, inte granskad). https://www.nber.org/papers/w33777
- Realtid (2026). AI avlastar inte finansanställdas arbete, visar enkät från Finansförbundet. 2026-09-15. https://www.realtid.se/bors-finans/bank-fintech/ai-avlastar-inte-finansanstalldas-arbete-visar-enkat-fran-finansforbundet/
Tillbaka till det korta svaret
Kan kunden ladda upp dokument, till exempel lönebesked?
För och emot
För: Ett dokument kan ge ett bättre underlag än det som sägs i ett samtal. Det kan spara tid för både dig och kunden. Emot: Allt som laddas upp sparas och kan analyseras av AI. Kunden kan ladda upp mer än som behövs, eller uppgifter om andra personer.
Vad det betyder för dig
Bestäm i förväg om kunden ska kunna ladda upp filer. Stäng av funktionen om den inte behövs. Säg till kunden vad som är bra att ladda upp och vad som inte ska laddas upp. Läs det som har laddats upp innan du använder det. Kontrollera viktiga uppgifter mot originalet, eftersom textigenkänning kan läsa fel. Be bara om de handlingar som krävs för prövningen.
Så är det i Alba
Du kan ladda upp PDF- och Word-filer för analys. Skannade dokument läses med textigenkänning (OCR). Kunden kan ladda upp dokument till sitt ärende, om du inte stänger av det. Den möjligheten är påslagen från början. Filerna sparas på vår server i Stockholm. Det finns brister. Uppladdade filer, ljud och video krypteras inte av appen själv i dag. Det här ändras: filerna ska krypteras när de lagras. När ett konto raderas tas i dag inte alla inspelningar och AI-resultat bort.
Källor
Tillbaka till det korta svaret
Hamnar kundens namn i texten?
För och emot
För: Platshållare minskar hur mycket som går att koppla till en person, både i det som sparas och i det som skickas till AI:n. Emot: Platshållare kan göra texten svårare att förstå. Vem som sa vad om vem kan gå förlorat.
Vad det betyder för dig
Räkna alltid med att det som sparas är personuppgifter, även när kunden bara har en kod. Namn på medsökande och andra personer hamnar i texten om de sägs. Slå på anonymiseringen om den passar ert arbete. Kontrollera sedan att texten fortfarande går att förstå och att underlaget för prövningen blir riktigt. Uppgifter om ekonomi kan omfattas av banksekretess hos er. Om du slår på anonymiseringen kan även belopp bytas ut.
Så är det i Alba
Kunden registreras under en kod. Alba kräver inte namn eller personnummer. Vid inloggning med BankID sparas en anonym nyckel, inte personnumret. Namn och andra uppgifter som sägs i ett samtal hamnar ändå i transkriptionen. Alla sådana uppgifter är personuppgifter. I appen finns en inställning för anonymisering. Den byter ut siffror, namn och andra uppgifter som kan peka ut en person mot platshållare. Det sker när en transkription eller anteckning sparas, och i text som skickas till AI:n. Det finns brister. Anonymiseringen är avstängd från början. Den gäller bara den enhet där du har valt den. Koden skyddar inte innehållet i samtalet.
Källor
Tillbaka till det korta svaret
Vem kan se kunduppgifterna?
För och emot
För: Roller gör att var och en bara ser det som behövs. Support från leverantören kan behövas för att rätta fel. Emot: Varje person som kan se uppgifterna ökar risken för att de sprids. Utan logg går det inte att se i efterhand vem som har läst.
Vad det betyder för dig
Långivaren bestämmer vem som får vilken roll. Ge administratörsroller till så få som möjligt. Fråga oss hur supporttillträde går till och när det används. Långivaren är personuppgiftsansvarig. Key Insights AB och TalkToAlba AB behandlar uppgifterna för långivarens räkning.
Så är det i Alba
Behörigheten styrs av roller. En yrkesperson når bara de kunder som är kopplade till hen. En administratörsroll når fler. Alla fyra appar delar en server och en databas. Personal hos TalkToAlba AB har tekniskt tillträde bara när det behövs för support. Text skickas också till underbiträden, till exempel Microsoft Azure för transkribering och AI. Det finns brister. I dag kan en administratör nå alla som finns i databasen, inte bara den egna organisationens kunder. Hur det ska begränsas utreds. Det loggas inte när någon öppnar en akt. Om vår personals tillträde loggas separat är inte kontrollerat. På telefonen sparas transkriptioner och inloggningsnyckeln utan särskild kryptering.
Källor
Tillbaka till det korta svaret
Vad gör jag om kunden vill se eller radera sina uppgifter?
För och emot
För radering: Uppgifter som inte finns kan inte läcka, och kunden får mer kontroll. Emot: Långivaren kan behöva spara uppgifter för att kunna visa vad som hände. Reglerna om penningtvätt kräver att vissa uppgifter sparas en viss tid.
Vad det betyder för dig
En begäran om att se eller radera uppgifter ska hanteras av långivaren, som är personuppgiftsansvarig. Lämna den vidare enligt er rutin. Rätten till radering gäller inte uppgifter som måste sparas enligt lag (art. 17.3 GDPR). Uppgifter som måste sparas enligt reglerna om penningtvätt raderas inte bara för att kunden ber om det. Kunden har rätt att få veta vilka uppgifter som behandlas. Fråga oss om ni behöver veta vad som finns kvar i Alba.
Så är det i Alba
Key Insights AB och TalkToAlba AB hjälper långivaren. Varje inloggad användare kan radera sitt konto under Inställningar. Då tas sessioner, samtal, meddelanden, påminnelser och inloggningsuppgifter bort direkt. Händelseloggen sparar en uppgift om att raderingen skedde. Det finns brister. Radering tar i dag inte bort alla inspelningar, ljudfiler, sammanfattningar och AI-resultat. Säkerhetskopior av databasen sparas i upp till ungefär 30 dagar, och raderade uppgifter finns kvar där tills de skrivs över. En organisation kan ännu inte exportera alla sina data och sedan få dem raderade.
Källor
Tillbaka till det korta svaret