Klartextmodellen – så minimerar du friktionen mellan dig och AI

Du laddar upp en Word-fil eller en PDF i ChatGPT eller Copilot och ber om en sammanfattning. Svaret kommer på några sekunder och låter säkert. Hur mycket av filen som nådde fram till AI:n syns däremot ingenstans.

En tumregel från 1978 gäller dagens AI

Sommaren 1978 ägnade tidskriften Bell System Technical Journal ett nummer åt operativsystemet Unix, som hade tagits fram vid forskningslaboratoriet Bell Labs. Förordet skrevs av tre av laboratoriets chefer, M. D. McIlroy, E. N. Pinson och B. A. Tague. Där samlade de tumreglerna som byggarna och användarna av systemet hade börjat följa. Den andra av dem inleds så här:

Expect the output of every program to become the input to another, as yet unknown, program. Don't clutter output with extraneous information. Avoid stringently columnar or binary input formats.

Räkna alltså med att det ett program lämnar ifrån sig kommer att läsas in av ett annat program, ett som ingen har skrivit än. Håll det fritt från allt överflödigt och undvik binära format, alltså filer som inte är läsbar text.

Fyrtioåtta år senare har det okända programmet fått ett namn: AI-modellen, den språkmodell som läser och svarar när du skriver till ChatGPT, Copilot eller Claude. Tumregeln passar därför precis in på AI. Word-filer och PDF:er är binära format av just det slag som förordet varnar för, byggda för att visas på skärm och skrivas ut. Varje program som gör om en sådan fil innan AI-modellen får den är ett mellanled som kan tappa information på vägen. Förlusten är tyst: du får ett svar som ser komplett ut och ingenting säger ifrån om det som saknas.

Klartext är vårt ord för text som du och AI-modellen läser direkt, utan ett program som gör om den emellan. Det kan vara vanliga textfiler eller markdown, alltså vanlig text med några enkla tecken för rubriker, listor och länkar. Det kan också vara kommandon i en terminal, där du styr datorn med text i stället för med musen. Så här ser en kort anteckning i markdown ut:

# Mötesanteckningar

- Budgeten är klar
- Läs [guiden till markdown](https://www.teknikministeriet.se/sa-kommer-du-igang-med-markdown/) före fredag

Fyrkanten gör första raden till en rubrik och strecken gör en punktlista. Adressen till länken står inom parentes direkt efter ordet som länkas. Du ser allt som finns i filen och AI:n ser exakt samma sak.

Klartextmodellen tar bort mellanleden i tre lager. Varje lager följer samma mönster:

• Format, hur filen är sparad: det du ser är det AI:n ser. Filen innehåller samma text för dig som för AI:n.
• Arbetssätt, hur du styr datorn: det du gör är det AI:n gör. Ni använder samma skrivna kommandon.
• Kontext, allt AI:n vet om ditt arbete: det du vet är det AI:n vet. Dina anteckningar och regler ligger där AI:n kan läsa dem.

Lagren bygger på varandra. Formatet kommer först, eftersom både kommandon och anteckningar bygger på text som AI:n kan läsa.

Formatet avgör vilka program som kan läsa din text

Ordbehandlarnas grundprincip blev WYSIWYG, what you see is what you get: det du ser är det du får. Skärmen skulle se ut som papperet. För en läsare med ögon fungerar det fortfarande utmärkt, men texten har fått en läsare till: AI-modellen. Klartext är WYSIWYG för en läsare utan ögon.

En markdownfil är en vanlig textfil. Den öppnas i vilket program som helst som visar text, på vilken dator som helst, och du ser samma tecken som AI:n läser. Kongressbiblioteket i Washington bedömer filformat för långtidsbevarande och frågar bland annat om en fil går att läsa med enkla verktyg, även i en textredigerare som bara visar text, och hur beroende formatet är av ett visst program. En vanlig textfil klarar båda frågorna, eftersom texten går att läsa som den står.

Word-formatet är formellt öppet. Det har varit en internationell standard sedan 2008 och fler program än Word kan öppna det. Själva filen är ett packat arkiv med flera filer inuti. Texten ligger i en av dem, insprängd bland koder för hur den ska se ut. Kongressbiblioteket räknar formatet som läsbart, eftersom texten finns där när arkivet har packats upp, men standarden bakom det är över 6 000 sidor lång. Ett program måste packa upp och tolka Word-filen innan texten går att läsa, för dig och för AI:n. En PDF är byggd för att se likadan ut på skärm och papper och behöver också ett program som tolkar den.

Vi prövade formaten på en av våra egna texter, en grundkurs i datavetenskap på 2 760 ord med 24 unika länkadresser. Vi sparade den som Word-fil och som PDF och mätte tre saker: hur stor filen blir, hur många länkar som når fram till AI:n och hur mycket text AI:n måste läsa.

Markdownfilen blev minst, 20 kilobyte. Word-filen blev 29 kilobyte, en och en halv gång så stor, och PDF:en 134 kilobyte, nästan sju gånger så stor. Skillnaden beror på vad filerna bär med sig utöver texten. Word-filens arkiv innehöll tolv filer med bland annat formatmallar, tema och inställningar. PDF:en bar typsnitten och varje sidas layout. Markdownfilen bär bara texten och de tecken som ger den struktur.

Även länkadresserna ligger på olika ställen. I markdown ligger adressen i själva texten. I Word ser du det blå, understrukna ordet, medan adressen ligger gömd bakom det i en separat del av filen. I PDF:en ligger adressen i ett eget skikt ovanpå sidan. Alla 24 adresser fanns kvar i alla tre filerna.

Adresserna i Word-filen och PDF:en kan däremot försvinna i omvandlingen, det steg där ett program gör om filen till ren text, alltså bara orden. Då följer det länkade ordet med men inte adressen bakom det. Adressen blir kvar i filen, eftersom den aldrig låg i själva texten.

Omvandlingen avgör hur många länkar som kommer fram. Görs Word-filen om till markdown följer alla 24 adresser med. Görs Word-filen eller PDF:en om till ren text följer ingen. Vilken omvandling din AI-tjänst gör styr alltså vad AI:n får se.

Förlusten märks mest där en länk bär en källa. I markdown ser en källmening ut så här:

Enligt [W3Techs](https://w3techs.com/technologies/overview/character_encoding) använder över 99 procent av webbplatserna UTF-8.

Testartikeln har en sådan mening om W3Techs. Vi lät AI-verktyget Claude Code från Anthropic, företaget bakom Claude, läsa PDF:en. AI:n fick en bild av varje sida. Meningen fanns med och källans namn likaså, medan adressen syntes ingenstans. Påståendet gick att läsa men inte att spåra. För AI:n såg meningen ut som om den aldrig haft någon länk.

När Word-filen och PDF:en görs om till text kostar de ungefär lika mycket för AI:n att läsa som markdownfilen. Mängden text mäts i tokens, de textbitar en AI-modell delar upp texten i, ofta ett ord eller en del av ett ord. Fler tokens tar mer av det utrymme AI:n har för text i ett samtal. I tjänster som tar betalt per token kostar de dessutom mer.

Word-filen omvandlad till markdown kostar lika mycket som markdownfilen. Den rena texten ur PDF:en kostar 11 procent mindre, eftersom en del av innehållet har fallit bort, bland annat länkadresserna. Priset för att få med hela innehållet är alltså litet.

Testa om din AI-tjänst ser dina länkar

För länkarna mätte vi två saker: vad som blir kvar när en Word-fil och en PDF görs om till ren text och vad Claude Code fick se när det läste PDF:en. Hur ChatGPT och Copilot hanterar en fil du laddar upp har vi inte mätt. Det tar två minuter att pröva själv.

Ta ett eget dokument i Word eller PDF med några länkar i, till exempel en rapport med källhänvisningar. Ladda upp det i den AI-tjänst du använder och skriv:

Jämför sedan svaret med dokumentet, länk för länk. Står adresserna i svaret har de kommit fram till AI:n. Kontrollera också att varje adress i svaret verkligen finns i dokumentet, eftersom AI-modeller ibland hittar på uppgifter och en påhittad adress kan se helt rimlig ut.

Terminalen gör dina handlingar till text

Det andra lagret, arbetssättet, flyttar samma princip från filerna till själva arbetet. Förordet från 1978 avslutar sin andra tumregel med en mening som rymmer hela lagret: "Don't insist on interactive input." Ett program ska alltså kunna köra utan att en människa sitter vid tangentbordet och svarar på frågor. Det ska gå att styra med text, så att ett annat program kan göra samma sak.

Ett klick i en meny är borta i samma stund som det görs, medan ett kommando i terminalen redan är text. Du kan läsa det, spara det, köra det igen och ändra en detalj. Det kan en AI-agent också, alltså en AI som utför uppgifter på egen hand, steg för steg.

Claude Code arbetar i terminalen med samma kommandon som du. Det du gör är det AI:n gör. Det AI:n gör kan du läsa i efterhand. Hos oss loggas varje kommando som AI:n kör, en rad per kommando, så det går att se vad som hände och i vilken ordning.

Terminalen är det sista av fyra steg från Word. Längre ned visar vi hela vägen, som börjar i program du redan har.

Kontexten växer med varje anteckning

Det tredje lagret är allt AI:n vet när den börjar arbeta: instruktioner, tidigare beslut, dokument och anteckningar. Fackordet för det är kontext. Format och arbetssätt går att bli klar med. Kontexten växer med allt du skriver ned.

Det enklaste exemplet är en instruktionsfil. Enligt Claude Codes dokumentation läser verktyget en fil som heter CLAUDE.md varje gång du startar ett nytt arbetspass. Filen är en vanlig markdownfil med reglerna för ditt projekt. Varje regel du lägger dit läses in från nästa gång du startar. Det är samma tanke som när vi skrev om att bygga systemet runt modellen. Att skriva en sådan fil för ditt eget projekt är ett av blocken i kursen Claude Code för avancerade användare.

Det större exemplet är vårt eget valv, en kunskapsbas i anteckningsappen Obsidian, som kallar en sådan samling för vault. När vi mätte i september rymde valvet 1 575 markdownfiler och en versionshistorik med 1 507 sparade ändringar, så kallade commits, sedan november 2025. Vi gjorde om 20 av filerna till Word och PDF och prövade de fyra förmågor som gör samlingen till ett valv:

• Sökning. Sökverktyget grep, samma sorts verktyg som Claude Code letar i filer med, hittade tio träffar i markdownfilerna och noll i Word- och PDF-filerna. Själv hittar du texten med sökfunktionen i Word, men AI:ns sökverktyg ser inte in i filen. Tas texten först ut ur filerna fungerar sökningen, men den tar tio gånger längre tid för Word och 40 gånger längre för PDF.
• Länkar mellan anteckningar. I Obsidian kan en anteckning länka till en annan. Tecknen för länkarna följde med in i Word-filerna och delvis in i PDF:erna, men länkarna gick inte längre att följa.
• Versionshistorik. För markdownfilerna visar historiken varje ändrad rad. För Word och PDF står det bara att filen har ändrats.
• AI:n läser filen. Claude Code läste markdownfilerna, vägrade öppna Word-filerna och läste PDF:erna som sidbilder.

Sökningen är den allvarligaste bristen, eftersom noll träffar utan felmeddelande ser ut precis som en sökning i ett tomt valv. Länkarna är lömskast. Tecknen ser hela ut vid en snabb blick, men Obsidian följer bara länkar i markdownfiler, så i Word-filerna är nätet mellan anteckningarna borta.

Ett valv i Word eller PDF skulle sluta vara ett valv. Lagringen fungerar i vilket format som helst. Det som gör samlingen till kontext för en AI är att den går att söka i, länka, följa över tid och läsa direkt. Alla fyra förmågorna förutsätter att texten är klartext. Felen har samma form som med länkadresserna i Word och PDF: sökningen svarar noll utan att larma och länkarna ser hela ut fast de är döda.

Copilot hämtar texten ur dina filer åt AI-modellen

Den starkaste invändningen mot klartextmodellen heter Microsoft Copilot. Copilot läser ju dina filer själv, så varför byta format? För den som har sina dokument i Microsoft 365, kontorspaketet med Word, Excel, Outlook och Teams, läser Copilot dem där de ligger. Microsoft beskriver flödet i fyra moment:

1. Du skriver en fråga till Copilot i ett av Microsofts program, till exempel Word eller Outlook.
2. Copilot hämtar underlag till frågan ur organisationens data, till exempel text ur filer. Microsoft kallar momentet grounding, ungefär förankring.
3. Frågan och underlaget går tillsammans till AI-modellen.
4. Svaret går tillbaka till programmet och till dig.

Enligt samma sida stannar organisationens data innanför Microsoft 365:s tjänstegräns när Copilot används. Copilot når bara det som den inloggade användaren har behörighet till. Inom den gränsen kommer du långt. Vi har skrivit om både hur du kommer igång med Copilot och vad gränsen betyder för era data.

Det andra momentet är omvandlingen. Microsoft beskriver att Copilot hämtar text ur dina filer innan AI-modellen får den. Vi kallar det ett mellanled, den sortens steg där information kan försvinna i tysthet. Copilots omvandling låg utanför vår mätning. I svaret ser du vilka filer det hänvisar till, men inte vilken text ur dem som gick till AI-modellen.

Det avgörande är därför vem som äger omvandlingen mellan dig och AI:n. I Copilot äger Microsoft den. Med klartext äger du den själv och kan se den.

Fyra steg från Word till terminalen

Klartextmodellen går att ta ett steg i taget, med start i det program du redan använder. Varje steg tar bort ett mellanled.

1. Skriv i markdown i stället för Word. Rubriker, listor och länkar blir tecken i själva texten. Markdown går att skriva i vilken textredigerare som helst, som Anteckningar i Windows, eller i program byggda för markdown, som Obsidian, iA Writer och Typora. TextEdit på Mac fungerar också, men programmet skapar formaterad text som standard, så ställ först om dokumentet till ren text. Vill kollegorna ha en Word-fil går markdown att göra om till Word. Guiden till markdown tar dig från noll.
2. Ge AI:n originaltexten i stället för PDF:en. Har du texten i markdown eller som vanlig text, klistra in den direkt där du skriver till AI:n. Då följer länkadresserna med till AI:n.
3. Samla anteckningarna i klartext. Obsidian sparar varje anteckning som en markdownfil på din egen dator, sökbar för dig och för AI:n.
4. Ta steget till terminalen. Med Claude Code och Git blir det du gör kommandon i text och varje ändring en post i historiken.

De två första stegen går att ta med de program du redan har. De två sista bygger på dem.

Med klartext granskar du varje ändring rad för rad

Med alla tre lagren i klartext följer granskningen med på köpet. Versionsverktyget Git sparar en ny version av dina filer varje gång du gör en commit, alltså lägger in dina ändringar i historiken. Kommandot git diff visar exakt vad AI:n ändrade, rad för rad, med den gamla raden och den nya under varandra. Du ser varje ändring innan du godkänner den.

Det påminner om Spåra ändringar i Word, som bara fungerar när funktionen är påslagen och i ett dokument i taget. git diff fungerar på alla textfiler och visar varje ändring över tid, även när AI:n har arbetat i många filer på en gång.

I valvtestet ändrade vi en rad i en av anteckningarna, en gång i markdownversionen och en gång i Word-versionen. För markdownfilen visade git diff raden före och efter. För Word-dokumentet kom bara beskedet "Binary files differ", som betyder att filen har ändrats. Word-filen var dessutom exakt lika stor före och efter, 14 311 byte, så även storleken teg om ändringen. Historiken registrerade att något hänt, men inte vad.

Tumregeln från 1978 räknade med ett okänt program i andra änden. I dag vet vi vilket: AI-modellen, som läser bara det som når fram. Varje mellanled du tar bort är ett ställe mindre där något kan försvinna utan att du märker det. Med klartext ser du vad AI:n ser. Efteråt ser du vad den gjorde.