Vi diskuterar den ökande energiförbrukningen från datacenter och AI. Men har vi tänkt på hur vi publicerar informationen som AI-systemen ska läsa? I dag publiceras mycket offentlig information som PDF. Det funkar bra för människor som vill läsa dokument med bevarad typografi och grafisk form. För AI är det ofta sämre.
Jag arbetar med AI-agenter. Med välstrukturerad text kan de gå direkt på rubriker, stycken, tabeller och referenser. En komplex PDF kan först behöva tolkas: text extraheras, läsordning återskapas, tabeller förstås och fotnoter kopplas rätt. Bilder kan kräva visuell analys. Det är som att skriva ut ett Excelark och låta varje AI-system återskapa cellerna innan arbetet kan börja. Myndigheterna känner till dokumentets struktur när det skapas. Problemet uppstår när informationen förloras i publiceringen.
Maskiner blir också läsare - rapporter och vägledningar kommer att användas av AI-assistenter, juridiska system, forskningsverktyg, söktjänster och myndigheternas egna AI-system. Samma dokument kan behöva förbehandlas på nytt av många aktörer. Varför ska varje AI-system rekonstruera en struktur som myndigheten redan kände till?
Digg rekommenderar redan att myndigheter i första hand publicerar dokument som HTML i stället för PDF. Men AI förändrar skalan. Det som tidigare främst varit en fråga om tillgänglighet blir också en fråga om AI-infrastruktur, kostnad och energi.
Från rekommendation till infrastrukturprincip - regeringens AI-strategi slår fast att Sverige ska vara bland världens tio främsta AI-nationer och bäst i världen på AI i offentlig förvaltning. Den konstaterar också att AI ökar efterfrågan på energi och att data behöver bli mer sökbara, tillgängliga och interoperabla.
Men användbarhet för AI handlar inte bara om åtkomst. Informationen måste också vara enkel för maskiner att förstå. Diggs rekommendation bör därför bli en bredare princip: offentlig information som AI-system ska konsumera bör publiceras maskinläsbart från början. PDF ska inte förbjudas. Problemet är när PDF blir den enda praktiskt användbara representationen.
Publicera för människor och maskiner samtidigt - när en myndighet publicerar en rapport, utredning eller vägledning bör samma information, där det är möjligt, finnas i semantiskt strukturerad och maskinbearbetningsbar form. Det kan vara HTML eller Markdown, eller XML, JSON och andra etablerade standarder. Tekniken är sekundär. Principen är viktigare: Machine-readable by default. Human-readable by design.
Det innebär inte dubbelt arbete. Strukturen finns normalt redan där informationen skapas. Samma källa bör kunna generera både en PDF och en strukturerad version för maskiner.
Det handlar om att inte kasta bort struktur på vägen till publicering. Det handlar inte bara om energi. Mindre dokumentbearbetning betyder mindre beräkning och lägre kostnader. Bättre struktur ger också AI-system bättre förutsättningar att förstå informationen korrekt. Feltolkade tabeller, sidhuvuden eller fotnoter ger analysen en dålig start. Vi diskuterar ofta hallucinationer som modellproblem. Men kvaliteten på informationen vi ger modellerna spelar också roll.
Sverige bör gå från rekommendation till genomförande. Regeringen och Digg bör göra principen tydligare: maskinläsbarhet och AI-användning bör vara en del av publiceringskedjan från början. Börja med några stora dokumenttyper. Publicera parallellt i PDF och strukturerat format från samma källa. Mät skillnader i beräkningskraft, feltolkningar, hastighet och energianvändning.
Jag känner inte till någon trovärdig svensk studie som visar exakt hur mycket energi detta skulle spara. Därför ska vi inte hitta på en procentsiffra. Vi ska mäta den. Men vi behöver inte vänta på mätningen för att sluta göra AI arbete onödigt svårt.
AI nytta kräver energi. Att använda avancerade system för att rekonstruera information som staten redan har i strukturerad form är däremot onödigt. Grön AI börjar inte bara i datacentret. Den börjar i hur vi publicerar informationen som AI ska läsa.
Emanuel Lipschütz, grundare och styrelseordförande, Navis Mater & CyberResilient