Claude eller ChatGPT i företaget – hur väljer man?

Gustav Brochmann

Välj inte AI-modell efter märke utan efter sex kriterier: resultat på era egna uppgifter, hur modellen når era system, hur data hanteras, kostnadsmodellen, hur ni styr vad agenten får göra och hur lätt det är att byta. Bygger ni verktygen mot era egna system på en öppen standard som MCP, och lägger spärrarna i era egna system, kan ni byta modell utan att börja om. Altu bygger på Claude, men kriterierna gäller oavsett leverantör.

Utgå från uppgifterna, inte från märket

”Claude eller ChatGPT?” är en vanlig fråga, men den är lite fel ställd. Den bästa modellen i dag är inte säkert den bästa om ett halvår, och bolag byter modell oftare än de byter affärssystem. Frågan som håller längre är: vad ska modellen göra hos oss, och hur gör vi oss oberoende av vilken det blir?

Öppenhet först: Altu bygger sina agenter på Anthropics Claude och är alltså inte neutrala. Därför är den här texten skriven som kriterier ni kan testa själva, inte som en lista över vem som vinner.

Sex kriterier att jämföra på

1. Resultat på era egna uppgifter

Testa. Ta fem verkliga uppgifter, till exempel ett mötesunderlag, en sammanfattning av en mejltråd och en sammanställning ur kunddata, och kör dem i båda. Låt de som ska använda verktyget bedöma resultaten utan att veta vilken modell som gjorde vilket. Offentliga jämförelser mäter andra saker än era.

2. Hur modellen når era system

Det avgörande för nyttan är sällan modellen utan vad den kommer åt. Model Context Protocol (MCP) är en öppen standard som används av flera leverantörer, bland annat Anthropic och OpenAI. Bygger ni verktygen som MCP-verktyg är de inte låsta till en modell. Läs mer i MCP för svenska bolag.

3. Hantering av data

Fråga leverantören hur data behandlas i just den produkt ni tänker använda: sparas den, används den för att träna modeller, var behandlas den och vad säger avtalet? Villkoren skiljer sig mellan privata konton, företagskonton och API-användning, så läs dem för den variant ni faktiskt köper. Vid osäkerhet om GDPR, fråga er jurist.

4. Kostnadsmodell

Vissa produkter tar betalt per användare och månad, andra efter hur mycket modellen används. Räkna på hur många som ska använda den och hur ofta. Priser och villkor ändras, så kontrollera dem när ni bestämmer er.

5. Hur ni styr vad agenten får göra

Den som låter en agent skriva i era system behöver spärrar. Det är en funktion i era egna system, inte i modellen. Om ni bygger spärrarna själva, med behörigheter per person och en godkännandekö, flyttar de med er om ni byter modell. Se Hur låter man en AI-agent uppdatera ett CRM utan att den förstör något?

6. Hur lätt det är att byta

Fråga er själva: om modellen blev dyrare eller sämre nästa år, vad skulle det kosta att byta? Är svaret att allt måste byggas om har ni valt en leverantör, inte en modell.

Ett praktiskt tillvägagångssätt

  1. Välj tre till fem uppgifter.
  2. Kör dem i två modeller under en vecka med de som ska använda dem.
  3. Notera vad som blev bra, vad som blev fel och vad ni saknade i åtkomst.
  4. Bygg verktygslagret mot er egen data så att det fungerar med båda.
  5. Utvärdera igen efter ett halvår.

Sammanfattning

Välj inte modell först. Börja med uppgifterna och datan, bygg ett styrt lager som ni äger, och låt modellen vara något ni kan byta. Det är också så vi bygger, och det beskriver vi på sidan om Claude och MCP.

Vill ni ha hjälp att testa på er egen data? Hör av er.