Efter den här lektionen vet du vilka två frågor du ska ställa till varje sifferuppgift innan du använder den — oavsett varifrån den kommer, inklusive Munin.
Munins graf innehåller inte bara siffror — den innehåller en märkning av hur säkra de siffrorna är. Det är en medveten konstruktion: en uppgift hämtad direkt från ett reviderat bokslut är inte lika säker som en uppgift som är en beräknad uppskattning, och skillnaden ska synas, inte gömmas.
| Räkenskapsår 2024 | soliditet 32 % — confidence: verified |
| Räkenskapsår 2022 | soliditet 25 % — confidence: estimate |
Bolaget bär också en samlad flagga: audited. För JM AB är den satt till sant, och den backas av fyra separata källor som tillsammans styrker bolagets struktur, ägarbild och ledning — inte en enda referens, utan flera oberoende av varandra:
Poängen är inte att fyra källor per definition räcker för att något ska stämma. Poängen är att en verifierad uppgift går att spåra tillbaka till namngivna, kontrollerbara dokument — och att du som läsare kan öppna dem själv och se om de faktiskt säger det som påstås.
Det här är inte en särskild regel för Munins data. Det är den regel du ska tillämpa på varje sifferuppgift ett AI-verktyg ger dig, oavsett leverantör. Ett verktyg som inte kan visa källa och datum för en siffra ska behandlas som om siffran vore obekräftad — även om den låter exakt, även om verktyget är dyrt, även om det är Munin som svarar.
En modell — vilken som helst — kan formulera ett falskt påstående lika flytande som ett sant. Det enda som skiljer dem åt är om påståendet går att spåra till ett dokument med ett datum. Bygg den vanan in i hur du läser varje AI-genererat svar om ett bolag, en motpart eller en affär, och du har redan höjt din egen träffsäkerhet mer än något enskilt verktyg kan göra åt dig.
Ett vanligt misstag hos verktyg som presenterar bolagsdata är att göra allt lika säkert i gränssnittet — samma typsnitt, samma självsäkra ton, oavsett om siffran kommer från ett reviderat bokslut eller är en grov uppskattning. Det gör det bekvämt att läsa, men det gömmer precis den information du behöver för att veta hur mycket du kan luta dig mot uppgiften. Munins graf gör tvärtom: confidence-fältet och audit_sources är synliga, inte begravda, så att skillnaden mellan "det här är styrkt" och "det här är en uppskattning" alltid går att se direkt i underlaget.
Det gäller även när Munin själv är fel, ofullständigt eller föråldrat — vilket kan hända precis som med vilken annan datakälla som helst. Om något ser inaktuellt eller motsägelsefullt ut, kontrollera primärkällan innan du bygger vidare på det. Ett verktyg som är öppet med sina egna begränsningar är inte ett svagare verktyg — det är ett verktyg du faktiskt kan kalibrera ditt förtroende mot, vilket är precis vad källkritik handlar om.
Ett AI-svar utan källa och datum är en åsikt. Med källa och datum är det ett underlag du kan pröva.