Kursens innehåll

Introduktion: Från chattbot till agent – var står AI idag?
AI har tagit ett tydligt kliv: från verktyg man ställer frågor till, till verktyg som utför arbete. Resonerande modeller löser uppgifter i flera steg, research-funktioner söker och sammanställer källor på egen hand, och AI-agenter kan arbeta direkt i mejl, kalender, dokument och webbläsare. Samtidigt har öppna modeller blivit så bra att de går att köra lokalt på egen hårdvara.

Vi går igenom vad som faktiskt fungerar i rådgivarvardagen och var gränserna går: hallucinationer, svaga källor, övertro och nya risker när AI får agera på egen hand (t.ex. dolda instruktioner i webbsidor och dokument, s.k. prompt injection).

Vi ger också en lägesbild av EU:s AI-förordning efter AI-omnibusen (antagen sommaren 2026): vilka krav som redan gäller (förbjudna tillämpningar, krav på generella AI-modeller och transparens), att högriskkraven skjutits fram till december 2027 respektive augusti 2028, hur kravet på AI-kunnighet förändrats, och vad undantaget för vetenskaplig forskning betyder för de forskare och avknoppningsbolag vi möter.

AI i praktiken
Under hands-on övningar arbetar du med dagens AI-verktyg i verkliga rådgivningsmoment. Fokus har flyttats från att formulera den perfekta prompten till att ge AI rätt underlag, tydliga instruktioner och rätt verktyg – det som numera ofta kallas context engineering. 

Vi går igenom:

1. Hur fungerar dagens AI-modeller?
   Språkmodeller, resonerande modeller och multimodala modeller – och varför de ibland har fel med stor säkerhet.
2. Från prompt till kontext
   Principer för instruktioner och underlag; projekt, anpassade instruktioner och återanvändbara mallar.
3. Research och källkritik
   Låt AI söka och sammanställa omvärldsanalys, marknad och konkurrenter – och verifiera källor och siffror innan de används.
4. Arbeta med egna dokument
   Sammanfatta, jämför och ställ frågor mot avtal, ansökningar och forskningsrapporter.
5. AI-agenter i vardagen
   Verktyg som utför uppgifter åt dig: kopplingar till mejl, kalender och filer, framtagning av presentationer och kalkyler. Var behöver människan vara kvar i loopen?
6. Lokala och öppna modeller
   När känsligt material inte får lämna organisationen – vad går att köra på egen dator, och hur bra är det?
7. Bild, ljud och video
   Visualisering och pitchmaterial, transkribering och mötesanteckningar – och rättigheterna till det som genereras.
8. Tillämpningar i innovationsrådgivning
   Idébedömning, affärsmodell, ansökningsskrivande, mötesförberedelser och AI-stödd patentsökning.

AI och IP – Vad har hänt?

• Konfidentialitet och dataläckage när AI kopplas till allt
  Tidigare handlade risken om vad man skrev in i en chatt. När AI-verktyg nu kopplas till mejl, molnlagring och dokumentarkiv handlar den också om vad verktyget kan nå och vart informationen tar vägen. Vad innebär det för nyhetskravet vid patent och för företagshemligheter att utforska en uppfinning eller forskningsidé i ett AI-verktyg? Vi jämför villkoren för konsument- och organisationskonton (träning på data, lagring, var data behandlas) och diskuterar när lokala modeller är det rimliga valet.
  
  
• Upphovsrätt och generativ AI – rättsläget hösten 2026
  Domstolarna har börjat ge svar. EU-domstolen prövar i mål C-250/25 (Like Company mot Google) för första gången hur upphovsrätt och pressutgivarrätt förhåller sig till AI-chattbottar. I Tyskland fann domstolen i München i GEMA mot OpenAI (november 2025) att en modell som memorerat sångtexter kan göra intrång, medan brittiska High Court i Getty Images mot Stability AI (november 2025) kom fram till att en tränad modell inte i sig är en intrångsgörande kopia – en dom som nu överklagas. Vi går igenom vad detta betyder för undantaget för text- och datautvinning, för AI-förordningens krav på generella AI-modeller (uppförandekoden och den offentliga sammanfattningen av träningsdata) och för skyddet av det som genereras.
  
  
• Patent och AI-assisterade uppfinningar
  Uppfinnaren måste fortfarande vara en människa, men uppfinningar som tagits fram med AI-stöd kan patenteras. Hur dokumenterar man det mänskliga bidraget, hur påverkar AI bedömningen av uppfinningshöjd, och hur kan AI användas i nyhetsgranskning och patentsökning utan att röja uppfinningen?

Läromål

Utbildningen ska:

• Ge en praktisk förståelse för hur AI kan användas i arbetet som innovationsrådgivare och samverkansledare
• Bidra till ökade insikter om de möjligheter och risker som finns när man använder AI-verktyg
• Bidra till en orientering i de verktyg som används inom området idag.
• Ge en ökad kollegial- och delad kunskap inom användningen av AI
• Ge en överblick över nuläge och framtid, vad ser vi framåt i form av styrmedel och trender?
• Ge en förståelse för hantering av risker för dataläckage vid AI-användning.
• Stärka förmågan att navigera genom immaterialrättsliga frågor i AI-kontext.

Syfte               

Syftet med kursen är att ge deltagarna en möjlighet att, under handledning, själv utforska och testa olika verktyg och genom detta höja lägsta nivån och kompetensen inom vanligt förekommande metoder och verktyg inom AI. Samt att skapa en medvetenhet kring risker samt möjligheter med att använda AI inom innovationsstödet. 

Målgrupp      

Utbildningen riktar sig till innovationsrådgivare eller andra som har en roll att stödja nyttiggörande och samverkan inom universitetsområdet. 

Praktisk information

Var: Umeå

När: 14-15 december 2026

• 14/12 14:00-16:30 
  (gemensam middag på kvällen)
• 15/12 09:00-15:30 

Föreläsare: 
Timo Lagerbjelke, HH Innovation AB

Språk:
Kursen genomförs på svenska

Format:
Utbildningen arrangeras under två dagar. Första dagen med fokus på teori och andra dagen på praktisk övning. Samtliga deltagare har med sig egna datorer som kommer att användas under andra dagen.

Anmälningsvillkor:
Anmälan är bindande men platsen kan överlåtas till annan deltagare.