Ställ den här frågan till en AI-assistent: ”vilka leverantörer borde jag prata med om det här?”
Du får sällan tio blå länkar tillbaka. Du får tre namn och en kort motivering till varför just de.
Och om ditt företag inte är ett av de tre namnen får du aldrig veta att du var med i matchen. Det finns ingen missad klick i statistiken. Ingen besökare som studsade efter tio sekunder. Du var bara inte med i svaret, och ingen skickade ett mejl om saken.
Det var den insikten som fick oss att börja jobba med det här på allvar. Vi bestämde oss ganska tidigt för att testa på oss själva först. Det kändes märkligt att sälja något vi inte kört skarpt i egen drift.
SEO står för Search Engine Optimization
Sökmotoroptimering på svenska. Konsten att synas högt i en lista med träffar. Det har varit spelplanen i ungefär tjugo år och de flesta har någon slags relation till det, även om den mest består av mejl från byråer som lovar förstaplatsen på Google.
AEO står för Answer Engine Optimization
Alltså svarsmotoroptimering. Här handlar det inte om att ranka på en lista. Det handlar om att bli en del av själva svaret som en AI-assistent formulerar. Vissa kallar det GEO, Generative Engine Optimization. Namnen slåss fortfarande om utrymmet. Principen är densamma.
Skillnaden låter liten men den är det inte. I SEO tävlar du om en position. I AEO tävlar du om att bli omnämnd i en text som någon annan skriver åt dig, formulerad lite olika varje gång.
Och det är inte en framtidsfråga
Arfadias data från början av 2026 visar att 68 procent av alla Google-sökningar nu avslutas utan att någon klickar sig vidare. AI-genererade sammanfattningar visas på över 20 procent av sökningarna, och när de dyker upp faller andelen som klickar vidare med nästan 60 procent. Similarweb
Ungefär två av tre sökningar tar alltså slut innan de nått fram till någons webbplats.
Varför det plötsligt blev svårt att mäta
Med klassisk SEO kunde du kolla din placering på ett sökord. Fyra på tisdag, sex på fredag, någon skrev en rapport om det.
Den mätningen finns inte längre på samma sätt.
Ett AI-svar ser olika ut beroende på hur frågan formuleras, vilken modell som svarar, när på dagen det sker och ibland vem som frågar. Det finns ingen ”position 3” att bevaka. Det enda sättet att veta hur du syns är att faktiskt ställa frågorna, om och om igen, och räkna hur ofta ditt namn dyker upp.
Vilket är exakt den sortens arbete ingen människa orkar göra varje vecka i mer än en månad.
Men det är ett utmärkt jobb för en agent.
Vad en AI-agent faktiskt är
En chatbot svarar när du frågar något. En agent arbetar.
Skillnaden ligger i att agenten får ett mål, tillgång till verktyg och rätt att ta flera steg i följd på egen hand. Den kan hämta information, jämföra den, dra en slutsats, göra något åt saken och komma tillbaka med ett förslag.
Ungefär som en praktikant som aldrig sover, aldrig blir uttråkad av repetitiva uppgifter och alltid dokumenterar vad den gjort. Med samma behov av en chef som säger ja eller nej.
Vad våra agenter gör, konkret
Vi har medvetet hållit det litet. Fem uppgifter, inte femtio.
1. De ställer frågorna som kunderna ställer. Agenten har en lista med verkliga frågor som människor i vår bransch faktiskt ställer, inte de sökord vi önskar att de använde. Listan körs regelbundet mot flera olika modeller.
2. De räknar vem som nämns. Varje svar loggas. Nämndes vi? Nämndes en konkurrent? Vilken källa citerades? Över tid blir det en kurva i stället för en magkänsla, och magkänsla är notoriskt dålig på att komma ihåg hur det såg ut i februari.
3. De letar luckor. Det intressanta är inte ämnena där alla redan skriver. Det är frågorna där svaren är tunna, gamla eller helt saknar lokalt perspektiv.
4. De tar fram underlag, inte färdiga texter. Agenten levererar en brief: vad ämnet är, vem det är för, vad som saknas i dagens svar, vilka frågor texten måste besvara. Sedan skriver en människa. Det steget har vi aldrig varit frestade att ta bort.
5. De sköter det tråkiga. Trasiga länkar, information som gått ut, rubriker som inte svarar på någonting, sidor som säger olika saker om samma sak. Odramatiskt arbete som ingen hinner med och som visar sig spela förvånansvärt stor roll.
Så här ser ett förslag från agenten ut
En rå notering från vår egen agent såg ut ungefär så här:
Skriv bloggpost ”AI agent SEO”. Öppet fält, score 80, ingen nordisk konkurrent. Publicera inom 7 dagar.
Kompakt. Och rätt obegripligt om man inte sitter i det dagligen. Så här ser samma sak ut översatt till något en människa kan fatta beslut på:
”Öppet fält” betyder att när agenten ställde frågor inom det här ämnet var svaren vaga och byggde nästan uteslutande på amerikanska källor. Ingen hade ägt frågan lokalt.
”Score 80” är agentens egen prioritering på en hundragradig skala. En sammanvägning av hur ofta frågan ställs, hur svaga dagens svar är, och hur väl ämnet matchar det vi faktiskt kan något om. Den sista faktorn är viktigare än den låter. Det går utmärkt att ranka på saker man inte behärskar, och det är sällan en bra affär.
”Ingen nordisk konkurrent” betyder att ingen i regionen skrivit något substantiellt om det. Fältet stod tomt.
”Publicera inom 7 dagar” är inte stress för sakens skull. Öppna fält stängs, och de gör det snabbt. Citeringsmönstren i AI-svar kan förskjutas rejält på bara några veckor. Det finns ingen placering att luta sig tillbaka mot, bara en position man håller så länge man håller den.
Texten du läser nu är resultatet av precis det förslaget. Agenten hittade luckan och motiverade varför den var värd att fylla. En människa höll med, och skrev.
En sak till som är värd att veta
Din egen webbplats är inte hela bilden. Analyser av citeringsmönster pekar på att det egna innehållet står för ungefär en fjärdedel av vad som avgör om du blir citerad. Resten byggs på andra ställen. Det är obekvämt att höra om man precis lagt en budget på sin egen sajt, men det är bättre att veta det i förväg. Wellows
Människan bestämmer, varje gång
Det här är den viktigaste designprincipen i allt vi byggt. Agenten föreslår, människan godkänner.
Ingenting publiceras automatiskt. Ingenting skickas ut utan att någon läst det först.
Risken med agenter är inte att de gör fel. Det gör människor också, ofta och gärna. Risken är att de gör fel i hög hastighet och stor volym. En människa som skriver en dålig text skriver en dålig text. En agent utan spärrar producerar femtio, publicerar dem, och länkar dem till varandra.
Godkännandesteget är alltså inte en broms. Det är precis det som gör att man vågar låta agenten göra mer.
Var modellerna körs spelar roll
Fundera ett ögonblick på vad som faktiskt matas in i ett sådant här system.
Vilka frågor era kunder ställer. Vilka luckor ni ser i marknaden. Vad ni prioriterar. Vad ni tänker publicera härnäst. Hur ni bedömer era konkurrenter.
Det är, om man ska vara ärlig, en tämligen komplett bild av en affärsstrategi.
Därför kör vi uteslutande modeller i vår egen infrastruktur, i svenska datacenter, på hårdvara som ägs av Aixia. Vi är ett helsvenskt bolag. Ingen data lämnar miljön, ingenting används för att träna någon annans modell, och det finns inget användaravtal som kan skrivas om över en natt av någon på andra sidan Atlanten.
Det där är inte bara ett argument för vår räkning. Det gäller alla som funderar på att släppa in AI nära sin verksamhet. Fråga var modellen körs. Vem som äger hårdvaran. Vad som händer med det ni matar in. Under vilken lagstiftning alltihop ligger. Och fråga vem som sköter driften när något går sönder klockan halv sju en fredagskväll.
Är svaren luddiga är det också ett svar.
Fyra saker vi lärt oss på vägen
Börja litet. En agent som gör en sak bra slår fem agenter som gör allt halvdant. Vi började med två och det var fortfarande en för många.
Agenten är bra på volym och dålig på omdöme. Den ser mönster ingen människa hinner se. Den vet inte vad som är sant, viktigt eller lämpligt att skriva. Det är kombinationen som är poängen, inte agenten i sig.
Mät innan ni producerar. Frestelsen är att sätta igång och skriva direkt, för det känns produktivt. Utan en nollpunkt vet ni aldrig om något faktiskt förändrades eller om det bara kändes så.
Det som fungerar för AI fungerar för människor. Tydliga svar, konkreta exempel, egen erfarenhet, uppdaterad information. Vi har inte hittat någon genväg där man lurar en modell utan att samtidigt bli sämre för läsaren. Vi har letat.
Samma mönster fungerar långt utanför marknadsföring
Ingenting i det här är egentligen specifikt för synlighet på nätet.
Grundmönstret är alltid detsamma. En repetitiv uppgift som ingen hinner med. En tydlig avgränsning. Tillgång till rätt information. Och en människa som godkänner innan något händer på riktigt.
Samma resonemang gäller när man bygger AI-stöd i produktionen, en assistent som söker i det egna dokumentarkivet, eller något annat där systemet ska göra mer än att svara på frågor. Vi har skrivit om varför just den delen är svårare än den låter tidigare.
Vi byggde det här åt oss själva först. Nu bygger vi motsvarande åt kunder, i deras miljöer och på deras data, med AiQu som grund.
Är ni nyfikna på var i er verksamhet en agent skulle göra mest nytta brukar det vara en kort och ganska konkret diskussion. Hör gärna av er.
AI-infrastruktur | AI för industriföretag | IT-drift | AI-lösningar
