Data, kontekst og RAG – hvorfor AI uten kontekst ikke er intelligens

I de siste innleggene har jeg skrevet om hvorfor mange AI-initiativer stopper i pilot, selv når teknologien fungerer. I dag vil jeg zoome inn på et avgjørende, men ofte undervurdert punkt:

👉 AI er ikke intelligent uten kontekst.

Generative modeller er sterke på språk, mønstre og sannsynlighet. Det de ikke har, er forståelse for virksomhetens faktiske situasjon, hvilke data som er relevante for akkurat denne beslutningen – eller ansvar for konsekvensene av anbefalingene sine.

Det er her RAG (Retrieval-Augmented Generation) kommer inn. Ikke som et teknisk buzzord, men som et prinsipp for moden AI-bruk.

I praksis handler RAG om å koble AI til virksomhetens egne data, gi modellen relevant kontekst i sanntid og sørge for at svar bygger på faktiske kilder – ikke generelle antakelser.

Dette støttes også av analyser fra blant annet McKinsey, som peker på at generativ AI først gir pålitelig beslutningsstøtte når modeller kobles til virksomhetens egne data og kontekst. Uten slik forankring blir AI god på språk – men svak på dømmekraft og relevans.

Mange kjenner seg igjen i dette fra bruk av Copilot eller ChatGPT:
Uten tilgang til riktige dokumenter, beslutningsgrunnlag eller interne føringer blir svarene ofte generiske. Når AI derimot får tilgang til strategidokumenter, prosessbeskrivelser eller kundedata, skjer det et tydelig skifte – fra teksthjelp til faktisk beslutningsstøtte.

Det samme ser vi i ledermøter. Uten kontekst kan AI komme med overbevisende argumenter. Med RAG kan den vise til faktiske tall, tidligere vedtak og relevante rammer – og dermed skjerpe beslutningen i stedet for å bare effektivisere forarbeidet.

Dette er også grunnen til at agenter uten kontekst er en risiko. De kan være raske og overbevisende, men samtidig feil, inkonsistente eller dårlig forankret i virksomhetens virkelighet. Autonome systemer uten eierskap blir ikke intelligente – de blir bare effektive på feil premisser.

Før mer autonome løsninger i det hele tatt er realistiske, må virksomheten ha kontroll på hvilke data som brukes og hvorfor, hvordan innsikt kobles til beslutningsflyt, og hvem som eier utfallet når noe går galt. Dette er ikke først og fremst et teknisk spørsmål – det er et leder- og styringsspørsmål.

AI blir strategisk først når den ikke bare gir svar, men bidrar til bedre beslutninger. Det forutsetter data med mening, kontekst med eierskap – og ledere som forstår forskjellen.