Hitta en färdig produkt
Filtrera katalogen efter primär arbetsuppgift och kontrollera sedan plan, data, integrationer och faktisk uppgiftskvalitet.
Utforska AI-verktygEn kategori ska hjälpa dig orientera dig, inte ersätta en utvärdering. Börja med arbetsuppgiften och följ sedan kapacitet, systemroll, integration, kontext och risk till rätt verktyg eller kunskapsyta.
Taxonomiguide uppdaterad 20 juli 2026
11
kategorier med innehåll
84
verktygsposter i kategorierna
5
redaktionella kluster
Chattbottar
störst katalogkategori just nu
Beslutsvägar
Kategorier är bäst för bred orientering. När beslutet blir mer konkret bör du gå vidare till rätt lager: produkt, modell, agent, automation, bransch eller jämförelse.
Filtrera katalogen efter primär arbetsuppgift och kontrollera sedan plan, data, integrationer och faktisk uppgiftskvalitet.
Utforska AI-verktygJämför modellfamiljer efter modalitet, verktygsstöd, kontext, licens, drift och egna evalresultat.
Gå till modellguidenBedöm modell, verktyg, tillstånd, kontrollflöde, behörigheter, stoppvillkor och mänskliga godkännanden som ett sammanhängande system.
Förstå AI-agenterPlacera stabil logik i deterministiska steg och använd AI där tolkning behövs. Planera idempotens, återförsök och incidenthantering.
Planera automationenBörja med användningsfall, berörda grupper, data, konsekvens och ansvar — inte med att leverantören använder en branschetikett.
Analysera branschkontextLås krav och testfall innan produkter jämförs. Skilj leverantörspåståenden från egen eller oberoende evidens.
Bygg en jämförelseKategorikarta
Klustren är redaktionella ingångar till katalogens befintliga kategorier. De är inte en ranking och gör inte anspråk på att varje verktyg bara hör hemma på ett ställe. Endast kategorier som har kataloginnehåll visas.
Verktyg som producerar, redigerar eller omformar text, bild, video, ljud, presentationer och kommunikation.
Kodassistenter, ramverk, plattformar, API:er och verktyg för test, drift, finjustering och lokal eller öppen modellutveckling.
Sökning, analys, retrieval, dokumentbearbetning, extraktion, vision och kunskapssystem som gör information användbar.
Produkter för produktivitet, försäljning, marknadsföring, SEO, ekonomi, HR, support, juridik och projektledning.
Säkerhet, detektion, integritet och branschspecifika verktyg där användningskontexten ofta höjer kraven på evidens och kontroll.
Taxonomi
En enda kategori räcker sällan för att förstå en modern AI-produkt. OECD:s klassificeringsramverk skiljer bland annat kontext, data, modell och uppgift. Samma princip gör katalognavigation mer användbar: separera vad systemet gör från var, hur och med vilken konsekvens det används.
Vad systemet kan ta emot och producera: text, kod, bild, ljud, video, dokument eller strukturerad data. Multimodal input innebär inte automatiskt att produkten kan skapa alla format.
Vilket jobb användaren försöker slutföra: skriva, söka, analysera, koda, sälja, undervisa eller ge support. Samma modell kan ingå i produkter för helt olika uppgifter.
Om posten är en modell, färdig produkt, agent, plattform, integration eller ett ramverk. Dessa lager har olika ansvar, testmetoder och beroenden.
Var systemet körs och vad det kan nå: webbläsare, mobil, API, egen miljö, e-post, CRM, kodbas eller dokumentlager. Behörigheter är en del av kategorin i praktiken.
Vem som påverkas, vilken domän som används och vilka krav som gäller. Ett generellt skrivverktyg och ett beslutssystem i vården kan använda liknande teknik men har olika riskprofil.
Om systemet bara föreslår, producerar ett utkast, fattar ett beslut eller utför en handling. Högre autonomi kräver tydligare stoppvillkor, loggar och mänskliga godkännanden.
Urvalsmetod
Svaren ger en kravprofil som kan användas både för filtrering och för ett reproducerbart pilottest. Dokumentera dem innan du jämför varumärken.
Beskriv leveransen i mätbara termer: godkänd text, korrekt extraktion, körbara tester, besvarat kundärende eller slutförd process.
Lista format, språk, dokumentlängd, känslighet, behörigheter och om information hämtas från interna eller externa källor.
Skilj assistans från autonom handling. Definiera vilka steg som får ske automatiskt och var mänskligt godkännande krävs.
Kontrollera API, export, identitet, scopes, loggar, webhooks, rate limits och återkallelse innan en integrationsetikett räknas som användbar.
Bedöm påverkan på människor, ekonomi, rättigheter, säkerhet och verksamhet. Kategorin beskriver inte ensam den juridiska eller operativa risken.
Prioritera egna testfall, versionsbundna produktuppgifter, originaldokumentation och reproducerbara resultat framför topplistor och generella omdömen.
Räkna plan, användning, integration, granskning, korrigering, omkörningar, utbildning och exit — inte bara abonnemangspriset.
Feltolkningar
En bra taxonomi förenklar utan att skapa falsk precision. När en etikett börjar ersätta källor, test eller systemanalys har den fått för stor betydelse.
Moderna AI-produkter korsar ofta flera modaliteter och arbetsuppgifter. Välj en primär kategori för orientering och använd attribut eller sekundära vägar för resten.
Att ett verktyg ligger i en kategori visar avsedd funktion, inte att det är bäst, säkert eller verifierat. Kvalitet måste mätas mot ett konkret användningsfall.
En modell är en teknisk komponent. Produkten lägger till gränssnitt, instruktioner, verktyg, minne, datavillkor och styrning som kan förändra utfallet.
En etikett som vård, utbildning eller finans säger inte vilken uppgift systemet utför, vilka data det använder eller hur autonomt det är.
Ett deterministiskt flöde följer förutbestämda regler. En agent låter en modell välja steg eller verktyg under körning. Kontrollkraven bör spegla skillnaden.
En integrations- eller säkerhetsetikett måste verifieras i den plan, region och version som ska användas. Testa hela arbetsflödet och reservvägen.
Entitetsvägar
Exemplen är valda för att visa hur modalitet, arbetsuppgift, produktlager och risk skapar olika utvärderingsfrågor. De är inte en topplista och innebär inte att produkterna är direkt jämförbara.
Generalistprodukt
Visar varför en produkt kan spänna över text, kod, bild, sökning och arbetsflöden. Utvärdera den konkreta planen och funktionen, inte bara huvudvarumärket.
AI-sökning
Ett exempel på att sökgränssnitt, källhantering och underliggande modeller är separata lager som behöver granskas tillsammans.
Bildgenerering
Illustrerar en modalitetsdriven kategori där stilkontroll, redigering, rättigheter och reproducerbarhet kan vara viktigare än generell språkförmåga.
Röst och tal
Gör det tydligt att ljudkvalitet måste kombineras med språk, samtycke, röstidentitet, latens och publiceringsrättigheter.
AI-detektering
Visar en kategori där resultat bör behandlas som osäkra signaler. En klassificerare kan inte ensam bevisa vem eller vad som skrev en text.
Redaktionell kontroll
Ett exempel på att flera kontrollfunktioner kan ligga i samma produkt, medan varje signal fortfarande behöver egen metod, felanalys och mänsklig bedömning.
Risk och reglering
EU:s AI-förordning använder en riskbaserad ansats. Bedömningen beror på systemets avsedda användning, aktörer, berörda personer och konsekvenser — inte på att katalogen kallar produkten exempelvis chatbot, agent eller HR-verktyg. Kontrollera aktuell vägledning och ta juridisk hjälp när användningen kan omfattas av särskilda krav.
Detta är metodinformation, inte juridisk rådgivning.
Primärkällor
Källorna hjälper till att skilja tekniska egenskaper från användningskontext, risk och styrning. De ersätter inte versionsbunden produktdokumentation, egen utvärdering eller sektorsspecifika krav.
Klassificerar tillämpade AI-system genom bland annat människor och planet, ekonomisk kontext, data och input, modell samt uppgift och output.
Ett livscykelramverk för att styra, kartlägga, mäta och hantera risk i AI-produkter, tjänster och system.
Förklarar den riskbaserade regleringen och varför juridisk klassificering måste utgå från systemets avsedda användning och kontext.
Samlar säkerhetsrisker och kontrollmönster för generativa och agentiska system, inklusive data, verktyg och flera förtroendedomäner.
Vanliga frågor
Ja. En produkt kan exempelvis kombinera textgenerering, sökning, kod och automation. För tydlig navigation bör den ha en primär kategori och kompletteras med attribut, användningsfall och relationer som leder till andra relevanta vägar.
En modalitet beskriver formatet som systemet tar emot eller producerar, exempelvis text, bild eller ljud. En kategori beskriver oftare produktens huvudsakliga funktion eller arbetsuppgift, exempelvis sökning, kodassistans eller kundsupport.
Kategorin beskriver vad systemet gör. Branschen beskriver i vilken verksamhetskontext det används. Samma dokumentverktyg kan användas i juridik, vård och utbildning men få olika data-, risk- och granskningskrav.
Agent kan vara både systemroll och produktkategori. Det avgörande är om modellen får välja verktyg eller steg under körning. Ett förutbestämt automationsflöde bör inte kallas agent enbart för att ett AI-steg ingår.
Nej. Säkerhet beror på bland annat dataflöden, behörigheter, integrationer, plan, region, användningskontext, loggar och mänsklig kontroll. Kategorin är en startpunkt för navigation, inte en säkerhetscertifiering.
Definiera ett konkret resultat och bygg representativa testfall. Jämför kvalitet, feltyper, datahantering, integration, styrning, språk, latens, kostnad per godkänt resultat och exitmöjlighet i den plan och version som ska användas.
Navigera vidare