--- title: "Hva er grounding?" description: "Grounding er å forankre et AI-svar i eksterne kilder. Slik avgjør det om du kan siteres — og hvorfor et svar uten kilder er en annen konkurranse." canonical: https://kristerross.no/hva-er/grounding/ updated: 2026-08-23 term: "Grounding" term_en: "Grounding" category: "Hvordan AI finner informasjon" chain_link: "4. Kontekst (Context)" trust_step: "3. Kontekst" author: "Krister Ross" site: "Krister Ross" language: nb-NO --- # Hva er grounding? Hva skiller et svar som kan etterprøves fra et som bare høres riktig ut? ## Kort svar Grounding er å forankre et AI-generert svar i eksterne kilder framfor i modellens eget minne. Det er forskjellen mellom et svar som kan etterprøves og et svar som bare høres riktig ut. Et forankret svar peker på noe utenfor modellen. Et uforankret svar er modellens egen sammenfatning av alt den har lest, uten en kilde å holde noen ansvarlig for. For deg er skillet praktisk og ikke filosofisk: bare forankrede svar kan sitere deg. Svarer motoren uforankret, er det ikke innholdet ditt som konkurrerer — det er hvor mye som er skrevet om deg andre steder. ## Ikke å forveksle med ### RAG RAG er arkitekturen som henter dokumentene. Grounding er egenskapen ved svaret som følger av at de faktisk ble brukt. Et RAG-oppsett kan hente riktig og likevel gi et dårlig forankret svar. ### Sitering Grounding er at svaret hviler på en kilde. Sitering er at kilden oppgis. Et svar kan være godt forankret i teksten din uten at du får en eneste lenke — og da er du usynlig selv om du bar hele svaret. ### Grounding eligibility Kvalifiseringen er en egenskap ved siden din: er den tilgjengelig og lesbar nok til å kunne brukes. Grounding er en egenskap ved svaret. Det første er en forutsetning for det andre. ## Plass i kjeden Grounding hører hjemme i ledd 4 av 8, Kontekst (Context), som er trinn 3 — Kontekst — i TRUST-modellen. **Får teksten din plass i det modellen faktisk leser?** Bare de øverste passasjene får plass i kontekstvinduet. Det er passasjer som konkurrerer om plassen, ikke sider — en lang side med ett godt avsnitt taper mot en kort side der alt er relevant. Svikter leddet: Siden er hentet, men avsnittet som svarer kom aldri med. Hele modellen: https://kristerross.no/trust/ ## Hvorfor dette avgjør noe Forankring skjer i to trinn som ofte forveksles. Først må dokumentene være hentet og ligge i konteksten. Så må generatoren faktisk bruke dem i stedet for å skrive fra sin egen sammenfatning. Begge kan svikte, og de svikter av ulike grunner. Det andre trinnet er det minst omtalte. En modell som har fem dokumenter i konteksten kan fortsatt formulere et svar som er nærmere det den husker enn det den nettopp leste — særlig hvis dokumentene er vage, motsier hverandre eller er skrevet slik at påstanden ikke lar seg trekke ut. Derfor er tydelige, kontrollerbare påstander mer verdt enn velformulert prosa i denne sammenhengen. En setning som sier «X koster Y kroner per Z» kan forankres. En setning som sier «vi tilbyr konkurransedyktige priser» kan ikke. Forankring er heller ikke en garanti for at svaret blir riktig. Modellen kan forankre en påstand i en kilde som ikke støtter den. Det er derfor troskap er et eget måltall og ikke en antakelse. ## Eksempel: To setninger om det samme, én av dem forankrbar Sammenlign «Vi har lang erfaring med AI-synlighet i norske virksomheter» med «Siden 2024 har jeg gjennomført synlighetsmålinger for virksomheter i finans, helse og netthandel, med promptsett på minst 50 spørsmål per prosjekt». Den andre kan brukes som grunnlag for en påstand i et svar. Den første kan bare gjenfortelles som markedsføring, og et generativt system har lite bruk for markedsføring når det skal svare noen på et spørsmål. _Eksempelet viser to skrivemåter for samme innhold, ikke resultater fra en måling._ ## Sjekk selv Tidsbruk: 6 minutter. Utfall: Du vet hvor mange av påstandene på en viktig side som faktisk kan forankres. 1. Ta din viktigste tjeneste- eller produktside og strek under hver påstand om deg selv. 2. For hver påstand: kan noen kontrollere den uten å spørre deg? Tall, datoer, navn og avgrensninger kan. Adjektiver kan ikke. 3. Tell hvor mange som kan kontrolleres, av totalen. 4. Skriv om de tre viktigste påstandene som ikke kan det, slik at de får et tall, en dato eller en avgrensning. Forbehold: Kontrollerbarhet er en forutsetning for å bli brukt, ikke en garanti. En kontrollerbar påstand ingen spør om, blir heller ikke hentet. ## Hva du faktisk gjør 1. **Bytt adjektiver mot tall og avgrensninger.** «Rask levering» blir «levering innen tre virkedager». Det er den enkleste endringen med direkte effekt på om en påstand kan brukes. 2. **Oppgi avsender i teksten, ikke bare i designet.** Et hentet avsnitt kommer uten logo og uten meny. Står ikke navnet ditt i selve teksten, vet ikke modellen hvem påstanden tilhører. 3. **Daterte påstander slår udaterte.** En påstand med et tidspunkt kan vurderes for ferskhet. En uten må behandles som mulig utdatert, og taper mot en datert konkurrent. 4. **Publiser grunnlaget, ikke bare konklusjonen.** Metode, utvalg og forbehold gjør en påstand forankrbar. Det er også det som skiller en kilde fra en oppsummering av andres kilder. ## Vanlige feil - Å tro at schema forankrer et svar. Schema hjelper tolkningen; det er teksten som forankrer. - Å skrive om seg selv i tredjeperson uten å navngi seg. Da forsvinner avsenderen når biten løftes ut. - Å anta at forankring betyr riktighet. En sitering kan støtte en påstand du aldri har fremmet. - Å måle forankring på hele nettstedet. Den avgjøres per påstand, per spørsmål. ## Hva som lar seg måle Måltall: Andel forankrede svar, og troskap i dem Registrer for hver kjøring om svaret hadde kilder i det hele tatt, og — der du var kilde — om siteringen faktisk støtter påstanden den er knyttet til. Det andre tallet er det som avslører synlighet som i praksis er et tap. Frekvens: Månedlig, med manuell kontroll av et utvalg siteringer hver gang. ## Ofte stilte spørsmål ### Er et forankret svar alltid riktig? Nei. Forankring betyr at svaret hviler på en kilde, ikke at kilden er lest riktig. Feilaktig tilskrevne påstander er vanlige nok til at troskap måles som eget felt i TRUST-metoden, framfor å antas. ### Hvordan vet jeg om et svar var forankret? Se etter kildehenvisninger. Kommer svaret uten lenker, er det som regel skrevet fra modellens eget minne. Det er ikke helt vanntett — noen grensesnitt viser ikke kilder selv når de har hentet — men det er den beste indikasjonen du har uten API-tilgang. ### Kan jeg gjøre noe med svar som ikke er forankret? Ja, men ikke på ditt eget nettsted. Uforankrede svar avgjøres av hva modellen har lært, og det bygges av omtale hos andre, konsistent entitetsinformasjon og tilstedeværelse i kilder som faktisk inngår i treningsdata. ## Beslektede begreper - **Grounding eligibility**: Grounding eligibility er om en side i det hele tatt er tilgjengelig, lesbar og kvalifisert til å hentes som kilde. Det er den første porten i kjeden, og den er binær. - **Grounding query**: En grounding query er søket AI-systemet kjører internt for å finne stoff til svaret. Det er sjelden formulert som brukerens spørsmål, og det er derfor synlighet må måles på prompt og ikke på søkeord. - **Grounding source**: En grounding source er kilden som brukes som faktagrunnlag når svaret settes sammen. Den er ikke nødvendigvis den samme som kilden det lenkes til — å bære svaret og å bli kreditert er to utfall. - **Hallusinasjon**: En hallusinasjon er en påstand modellen produserer uten dekning i noen kilde. Den er noe annet enn feil troskap, der påstanden har en kilde — din — som ikke støtter det den tilskrives. - **RAG** (https://kristerross.no/hva-er/rag/): RAG (Retrieval-Augmented Generation) er når en språkmodell henter inn eksterne dokumenter før den svarer, i stedet for å svare kun fra det den er trent på. Det er denne mekanismen som gjør at ferskt innhold kan siteres. --- Kilde: https://kristerross.no/hva-er/grounding/