Vad är en LLM?

Men vad är en LLM egentligen, rent tekniskt? Och kanske viktigast av allt för oss som jobbar med SEO och SEM – hur påverkar det vårt dagliga arbete?

Så fungerar en LLM

LLM står för Large Language Model (översatt till svenska ”stor språkmodell”). Det är tekniken som driver verktyg såsom ChatGPT, Claude och Googles egen Gemini. Det finns framför allt tre koncept du behöver ha koll på för att förstå hur stora språkmodeller ”läser” din sajt.

1. Tokens (inte ord)

En språkmodell läser inte ord på samma sätt som vi. Den bryter ner texten i mindre bitar som kallas för tokens. Ett token kan vara ett helt ord, men ofta är det bara en stavelse eller några tecken. Det är därför du ofta stöter på begreppet ”token limit” i olika AI-verktyg. Det är helt enkelt gränsen för hur mycket data modellen kan hålla i arbetsminnet samtidigt när du exempelvis gör en sökordsanalys eller skickar in en text för granskning.

2. Transformer-arkitekturen förstår kontext

Tidigare maskininlärning läste text ord för ord, från vänster till höger. Det gjorde att de ofta missade poängen i komplexa meningar. Genombrottet kom med _Transformer_-arkitekturen (som för övrigt utvecklades av Google-forskare 2017).

Transformers använder en funktion som kallas ”self-attention”. Den gör att modellen kan titta på en hel mening, eller ett helt stycke, och förstå relationen mellan alla ord samtidigt. Den förstår alltså sammanhanget. Den vet att ”fil” betyder en sak om texten också innehåller orden ”mapp” och ”spara”, och en helt annan sak om orden ”frukost” och ”flingor” finns i närheten.

3. Träningsprocessen

En LLM genomgår lite förenklat två träningsfaser:

1. Inlärning
   Modellen matas med enorma mängder text från internet. Här lär den sig språkets struktur och grammatik genom att statistiskt gissa vilket ord (eller token) som borde komma härnäst.

2. Finjustering
   Här smalnar man av det. Modellen tränas på specifik data för att lösa specifika uppgifter – som att bli bra på att skriva kod, eller för att svara på ett sätt som matchar ett företags specifika varumärkestonalitet (Brand Voice).

Översikt över betydande AI-språkmodeller

Här är några av de tyngsta aktörerna som driver utvecklingen just nu:

• GPT-serien (OpenAI)
  Motorn bakom ChatGPT. Det är marknadens mest kända modeller (som GPT-4) och driver majoriteten av de tredjepartsverktyg för textgenerering som används idag.

• Gemini (Google)
  Googles flaggskepp som från grunden är byggt för att förstå både text, bild, kod och ljud. Det är dessa modeller (särskilt Gemini 3.5 Flash) som nu utgör ryggraden i Googles egna sökresultat.

• Llama (Meta)
  Metas utmanare sticker ut genom att släppas som open source. Detta har gjort det möjligt för utvecklare över hela världen att fritt bygga vidare på tekniken.

• Svenska initiativ (AI Sweden)
  Organisationen AI Sweden har utvecklat GPT-SW3, den första stora språkmodellen för de nordiska språken. Att den är tränad på lokala data gör att den bättre ska förstå svensk kontext och kulturella nyanser än de globala jättarna.

Vad betyder LLM:er för din SEO?

Att sökmotorerna nu har integrerat LLM-teknik i sina algoritmer innebär att de har gått från att vara avancerade ordmatchare till att faktiskt förstå kontext och intention. För oss som jobbar med sök får det ett par väldigt tydliga konsekvenser.

Som SEO-specialist har du optimerat för att möta sökintention i åratal, långt före ChatGPT slog ner som en bomb och gjorde halva befolkningen (nåja) till skribenter, låtskrivare och konstnärer. Det som händer när LLM-modellerna nu också integreras i sökmotorerna (som Googles AI Overview och AI Mode) är att vikten av att besvara sökintentionen tas till en helt ny nivå. Algoritmen kan nu hantera extremt komplexa, flerdelade frågor som den tidigare gick bet på. Det innebär att marginalen för att ranka med tunt innehåll som ”bara nästan” träffar rätt sökintention nu är helt borta.

Sökintentionen har blivit ännu viktigare

Eftersom Google nu förstår sammanhanget på en mänsklig nivå, är gamla taktiker som att repetera exakta sökordsfraser förlegade. Sökmotorn letar efter den sida som bäst löser användarens problem, även om sidan råkar använda synonymer eller formulerar sig annorlunda än själva sökningen. Du optimerar med andra ord för ett ämne och ett behov, inte en isolerad sökfras.

Men sökintentionen styr numera också hur sökresultatet ser ut. I en omfattande studie som vi på Noor Digital har genomfört (där över 137 000 svenska sökord analyserades) blev det tydligt hur Googles AI filtrerar baserat på sökintention. Studien visade att över hälften (56,6 %) av alla informationssökningar nu domineras av AI-svar, medan endast 5 % av de transaktionella köpsökningarna triggade AI.

AI Mode har blivit den nya standarden

Ett tag fanns det en viss förhoppning hos vissa inom branschen om att enorma serverkostnader skulle begränsa AI-svar till en handfull komplexa sökningar. Så är inte längre fallet. Google har nu gjort sitt ”AI Mode” (drivet av Gemini 3.5 Flash) till den globala standarden (i och med att det rullades ut på bred front i oktober 2025) och GEO (SEO för AI) har sedan ett par år tillbaka blivit något som alla SEO-specialister behöver förhålla sig till och jobba med.

AI-språkmodellernas intåg har framför allt inneburit två större skiften:

”The biggest upgrade in over 25 years”

Google går ifrån den klassiska, passiva engångssökningen och introducerar proaktiva sökagenter i vad som Google själva beskriver som ”the biggest upgrade in over 25 years”. I praktiken innebär det att användare kan sätta upp en agent som ligger i bakgrunden, dygnet runt, och bevakar ett visst ämne eller en specifik fråga. Agenten skannar löpande av allt från bloggar och nyheter till realtidsdata om produkter och priser – och skickar sedan en sammanfattning till användaren så fort något händer. Det innebär att du nu också behöver optimera för att dessa autonoma agenter kontinuerligt ska kunna hitta, förstå och lita på ditt innehåll i realtid.

Generative UI (dynamiska ”mini-appar” direkt i sökresultatet)

Ett annat stort skifte är övergången till Generative UI (det vill säga generativa gränssnitt) som innebär att Google inte längre begränsar sig till att bara svara med text och länkar. Om en användare behöver ett specifikt verktyg, ett spel eller en interaktiv layout, ska Googles modeller kunna koda ihop det direkt i sökresultatet utifrån vad användaren efterfrågar. Google har i sina egna paneltester sett att användare har en stark preferens för dessa live-genererade gränssnitt framför traditionella sökresultat. Trots att det generativa gränssnittet inte har rullats ut i Sverige ännu, kan vi ändå förutspå en ändring där Google allt oftare bygger själva gränssnittet åt användaren på plats, istället för att skicka trafiken vidare till interaktiva reseplanerare, visuella guider eller interaktiva simuleringar på din webbplats.

Hur blir du källan som AI-agenterna väljer?

När Google bygger dessa gränssnitt ”on the fly” har de gett sina modeller något de kallar för Tool access, det vill säga direkt tillgång till att hämta rådata och fakta från webbsökningar för att fylla verktygen med rätt information. Konkurrensen handlar alltså inte längre om vem som bygger det snyggaste gränssnittet på sin egen sajt, utan om vem som levererar den mest tillförlitliga datan till Googles AI.

För att optimera för detta behöver du:

1. Satsa stenhårt på strukturerad data
   Korrekt Schema Markup (JSON-LD) är numera din viktigaste inträdesbiljett för att maskinerna ska förstå din rådata. (Tips! Läs vår guide om hur du implementerar strukturerad data på din hemsida!)

2. Presentera fakta i rena tabeller
   AI-modeller föredrar strukturerad information framför löptext. Bryt ut produktspecifikationer, priser och jämförelser i tydliga HTML-tabeller.

3. Håll data uppdaterad i realtid
   Agenter som söker dygnet runt letar efter så uppdaterad information som möjligt. Se till att dina flöden (t.ex. Google Merchant Center) och din sajt uppdateras direkt när priser eller lagersaldon ändras.

E-E-A-T är ditt försvar mot AI-spam

När det tar tre sekunder att generera en artikel på 1 000 ord, svämmar nätet över av generiskt och ofta direkt felaktigt innehåll. Googles motdrag är att dra upp kraven på tillförlitlighet. E-E-A-T (Erfarenhet, Expertis, Auktoritet, Trovärdighet) har gått från att vara en riktlinje till att bli ett slags filter för att sortera bort AI-skräp (det är ju ändå vad det är). Sidor med egna data, verklig erfarenhet och unika insikter är det som kommer att premieras när rent textinnehåll tappar sitt egenvärde.

Så kan du använda stora språkmodeller i ditt SEO-arbete

För att hänga med behöver vi använda tekniken i vårt eget arbetsflöde. LLM:er är överlägsna när det gäller att hantera och strukturera stora mängder data.

Här är några områden där de gör störst nytta idag:

• Sökordsklustring
  Kasta in en ostrukturerad lista på 3 000 sökord och låt AI:n sortera dem i semantiska kluster eller baserat på var i köpresan användaren befinner sig.

• Teknisk SEO
  Be modellen skriva specifika Regex-strängar för att filtrera data i Google Search Console, eller låt den generera korrekt formaterad Schema Markup (JSON-LD) baserat på innehållet på en landningssida.

• Innehållsstruktur (inte ren generering)
  Att be en AI ”skriva en SEO-text” resulterar i regel i innehåll som inte rankar (tro mig, som SEO Copywriter har jag verkligen sett det mesta som den där ”halva befolkningen” verkar tycka är åtminstone good enough). Mitt tips är istället att använda AI-språkmodeller för att analysera konkurrenternas strukturer, ta fram innehållsluckor och skapa detaljerade artikel-briefs som du sedan låter en riktig skribent jobba utifrån.