Granskning av en parlamentarisk AI-studie
En granskning av Riksdagsledamöters AI-Användning
En forskningsstudie fann en växande andel svenska riksdagsmotioner med språkliga mönster som liknar AI-genererad text. Här granskar vi resultatet genom att återskapa metoden och koppla modellens indikationer till Riksdagens öppna data.
- Studieperiod
- 2021/22–13 april 2026
- Analyserade motioner
- 13 565
Studien i korthet
Vad undersökte forskarna?
Forskarna tränade textklassificeraren ICON för att skilja äldre, verkliga riksdagstexter från syntetiska texter och använde den sedan på nyare svenska motioner. De rapporterade en tydlig ökning efter 2022.
Detecting undisclosed LLM-generated content in parliamentary texts
Minerva Suvanto, Andrea McGlinchey, Peter J. Barclay och Mattias Wahde, 2026.
Resultatet för Sverige
För riksmötet 2025/26 klassificerade studien 6,5 procent som AI-liknande på heltextnivå. 9,4 procent hade minst ett stycke som passerade den högre stycketröskeln.
Varför vi säger återskapande
Författarna publicerade data och metodbeskrivning, men inte tränade vikter, fullständig träningskod eller dokumentvisa resultat. Vi har därför gjort en oberoende implementation. Den ligger nära studiens totalsiffror men är inte identisk.
En indikation, inte ett facit
Varken studien eller vår körning kan fastställa vem som skrev en motion eller hur ett AI-verktyg kan ha använts. Modellen känner igen språkmönster; den observerar inte själva skrivprocessen.
Kontrollpunkt 1
Testmängden matchar inte exakt
Tabellen visar hur väl modellerna skiljer de kända Gemini-texterna från de äldre verkliga motionerna. Författarnas dokumentvisa klassificeringar är inte publicerade, så jämförelsen bygger på deras avrundade sammanfattningsmått.
Om testdatan: Gemini skapade de syntetiska texterna från sammanfattningar av verkliga motioner. Testet mäter därför en kontrollerad skillnad. Verklig AI-användning kan innebära andra modeller, redigering, enstaka genererade delar eller endast idéstöd.
| Mått | Härlett från artikeln | Vår körning | Skillnad |
|---|---|---|---|
| TräffsäkerhetAndel korrekta klassificeringar | 97,16 % | 97,43 % | +0,28 % |
| Förmåga att hitta AI-texterna (F1)Sammanväger hur många AI-texter som hittas och hur ofta en AI-flagga är rätt i testet | 96,94 % | 97,22 % | +0,28 % |
| Falskpositiv andelAndel mänskliga texter som felaktigt flaggas | 4,33 % | 3,57 % | −0,76 % |
Härledd från artikeln
| Förutsagt mänsklig | Förutsagt AI | |
|---|---|---|
| Faktiskt mänsklig | 751 | 34 |
| Faktiskt AI | 7 | 650 |
Vår körning
| Förutsagt mänsklig | Förutsagt AI | |
|---|---|---|
| Faktiskt mänsklig | 757 | 28 |
| Faktiskt AI | 9 | 648 |
Kontrollpunkt 2
Resultaten för de nyare motionerna ligger nära studiens
Antalen från artikeln är härledda ur publicerade, avrundade procenttal. Att två körningar får samma eller nästan samma antal under en period betyder inte att de flaggar samma motioner. Överensstämmelsen över flera perioder och mått stärker bilden av samma övergripande mönster, men kan inte verifiera dokumentvisa träffar.
Heltextklassificering
Antal motioner som passerar respektive tröskel per riksmöte.
Visa som tabell
| Riksmöte | Artikeln | Vår körning |
|---|---|---|
| 2021-22 | 1 | 1 |
| 2022-23 | 2 | 2 |
| 2023-24 | 41 | 42 |
| 2024-25 | 123 | 135 |
| 2025-26 | 210 | 233 |
Styckeklassificering
Antal motioner som passerar respektive tröskel per riksmöte.
Visa som tabell
| Riksmöte | Artikeln | Vår körning |
|---|---|---|
| 2021-22 | 36 | 38 |
| 2022-23 | 31 | 33 |
| 2023-24 | 90 | 88 |
| 2024-25 | 208 | 211 |
| 2025-26 | 306 | 314 |
Styckeavståenden: artikeln rapporterar 288, vår körning ger 305.
Så ska resultaten läsas
Granska mönstret – inte personen
En modellflagga är en anledning att undersöka texten närmare, inte ett bevis på AI-användning. En undertecknare behöver inte heller vara den som skrev texten. Se därför totalsiffror, tidsutveckling och dokumentens källor tillsammans.