Om information som förgiftar tänkandet och varför din AI hallucinerar av samma anledning som du fattar dåliga beslut på fredagseftermiddagar.
Bättre kontext är bättre, inte mer kontext.
Läs det igen.
Nej, inte snabbt. Läs det som om du precis hittat det inristat i en runsten utanför Göteborg och inte är säker på om det är ett filosofiskt statement eller en varning.
Det är båda.
Det vackra i ironin
Ju mer information vi samlar, desto sämre beslut fattar vi.
Inte för att vi är dummare.
Utan för att hjärnan — och AI-modellen — behandlar irrelevant information som ett gift som sakta förgiftar tänkandet. Signal-to-Noise Ratio handlar i grunden om ett enda påstående: ju mer signal och ju mindre brus, desto bättre.
Inte mer data. Inte fler perspektiv. Inte ytterligare ett möte.
Mer signal.
Det är allt.
Claude Shannon formulerade det matematiskt 1948. Kanalkapaciteten ökar logaritmiskt med SNR — inte linjärt. Det betyder att det alltid lönar sig mer att minska bruset än att öka råsignalen.
Matematiken bryr sig inte om att du jobbade hårt på den rapporten.
Fem myror är fler än fyra elefanter
Det gamla barnprogrammet hade faktiskt rätt.
Inte om myror. Inte om elefanter. Om något betydligt mörkare: antalet spelar ingen roll om du räknar fel sak.
I AI-sammanhang ser det ut så här: fyra träffsäkra, relevanta meningar i din kontext är mer värda än femtio sidor halvrelevant bakgrundsdokumentation. Men vi matar ändå in de femtio sidorna. För det känns tryggare. Mer genomarbetat. Mer professionellt.
Myran är din signal.
Elefanten är din SharePoint-wiki från 2018.
Din modell drunknar inte för att den är dum. Den drunknar för att du skickade fyra elefanter när en myra hade räckt.
Det klassiska barnprogrammet slutade sändas. SharePoint-wikin lever fortfarande.
Det säger något om vad vi värdesätter.
Varje åra i samma takt
Vikingarna hade ett enkelt system för att hålla ett långskepp i rörelse: varje man förväntades bära sin egen vikt och ro med årorna i exakt samma takt.
Inte lite mer. Inte lite annorlunda. Samma takt.
Det fanns inte mycket utrymme för brus på ett vikingaskepp. Varje kilo som togs ombord var ett medvetet beslut. Varje person vid en åra var där för att bidra till framdriften — inte för att “hålla sig informerad”, “säkerställa alignment” eller “bevaka processen”.
Ro. Eller gå av.
Det är värt att notera att vikingarna inte hade konsulter. Det är förmodligen inte en slump.
Vi har byggt organisationer som är exakta motsatsen till detta. Fler åror. Fler samordnare av åror. Ett styrningsdokument om framtida årorientering i enlighet med övergripande riktning. En uppföljningsworkshop om dokumentet.
Skeppet rör sig inte.
Inte för att det saknas resurser.
Utan för att hälften av besättningen inte ror — de dokumenterar att de sitter vid en åra.
Information som zombie
Zombies är inte skrämmande för att de är starka.
De är skrämmande för att de inte stannar.
Och för att det finns så många av dem.
Din organisation har zombiedokument. Du vet vilka de är. Slutlig.docx. Slutlig_v2.docx. Slutlig_denna_FAKTISKT.docx. Den fjärde filen vars namn antyder att de tre tidigare var lögner — men som ingen raderat för vad om någon frågar.
Ingen frågar.
Men dokumenten vandrar ändå. De hittar sig in i RAG-pipelines. De bäddas in i vektorstores. De hamnar i systemprompts som ingen uppdaterat sedan 2021. De lever inte — men de slutar inte heller att röra sig.
Och precis som i varje bra zombiefilm är problemet inte den enskilda zombien. Det är att de blockerar vägen för de levande.
Din signal försöker ta sig fram. Men den möter en vandring av halvdöda policydokument, inaktuella riktlinjer och mötesanteckningar från beslut som sedan ändrades — utan att anteckningarna uppdaterades.
Herbert Simon visade det på 1950-talet. Informationsöverskott försämrar beslutskvalitet. Det ironiska är att all forskning om informationsöverskott sedan dess har bidragit till informationsöverskottet.
Zombies hela vägen ner.
Men kostnaden är inte lagringsutrymmet.
Kostnaden är att de är med i kontexten. Och de skrämmer bort signalen.
AI förvärrade det. Förutsägbart.
Och sen kom stora språkmodeller. Och vi gav dem allt.
Gamla policies. Alla dokumentversioner. Konversationsloggar. Allt från föregående kvartal, föregående år, föregående livscykel av en produkt som slutade existera 2019 men lever kvar i systemet som ett slags institutionellt minne över saker vi borde ha glömt.
“Mer kontext borde hjälpa,” tänkte vi.
Det hjälpte inte.
Det finns ett väldokumenterat fenomen kallat lost in the middle — LLM:er presterar sämst på information placerad i mitten av långa kontexter. Uppmärksamhetsmekanismen sträcks ut. Modellen börjar gissa.
Och när det inte finns tillräcklig signal i kontexten — genererar modellen en.
Det kallas hallucination.
Vi matade systemet med brus.
Det returnerade brus.
Systemet fungerar exakt som avsett — vilket är det läskigaste möjliga svaret.
Konkreta sätt att höja din SNR
Det finns metoder. De kräver att du bestämmer dig för att faktiskt ta bort saker, vilket visar sig vara psykologiskt svårare än att lägga till — trots att det är enklare i praktiken.
Subtraktion först. Ta bort hälften av din systemprompt. Testa. Det fungerar förmodligen lika bra, förmodligen bättre. Känslan av att radera är obehaglig. Den känslan är brus.
Strukturera framför att volymöka. Rubriker. Sektioner. Tydlig hierarki. Markdown är inte estetik — det är signaldesign. En välstrukturerad kontext med halva informationsmängden slår konsekvent en ostrukturerad kontext med dubbla. Varje gång.
Selektiv retrieval. RAG med reranking — hämta relevant information och sortera om den efter faktisk relevans. 20–30% noggrannhetsförbättring i välkonfigurerade system. Skillnaden är vad du inte skickar med.
Komprimera historik. Modellen behöver inte veta allt du sa — den behöver veta det relevanta. Kondensera. Det reducerar tokens med upp till 80% med bevarad informationskvalitet. Det är som att berätta om en semester utan att ta med väderappen för varje dag.
Filtrera bort konflikter. Blandade källversioner är brus i sin renaste form. Välj en. Var tydlig. Resten lämnar du på stranden — precis som vikingarna lämnade allt de inte behövde.
Prompt noise: bruset du inte ser förrän det är för sent
Det finns en kategori brus som är extra perfid: prompt noise.
All kontext som modellen måste bearbeta men som inte förbättrar nästa svar. Redundanta policies. Inaktuella exempelpar. Verktyg som aldrig används men bärs med varje anrop. Instruktioner som motsäger varandra i lugn och ro, djupt inne i ett kontextfönster, medan du undrar varför svaret är konstigt.
Det är som att ge en ny medarbetare alla onboardingdokument från 2014 till idag, inklusive versionen från 2017 som sedan reviderades men inte ersattes officiellt, plus mötesanteckningarna från processen som beslutade att inte revidera den.
Och sen bli förvånad när de gör fel saker med övertygelse.
Fem myror hade löst det. Fyra elefanter löste det inte.
DIKW-pyramiden och var ditt brus faktiskt bor
Det finns ett gammalt ramverk inom informationsvetenskap som kallas DIKW-pyramiden: Data → Information → Kunskap → Visdom.
Idén är enkel: rå data är värdelös i sig. Den måste tolkas till information, destilleras till kunskap och slutligen omvandlas till visdom som kan vägleda beslut.
Det är en vacker modell.
Den har ett problem: de flesta organisationer stannar vid botten och kallar det transformation.
Vi har massor av data. Sjöar av det. Dataplattformar, datalager, datakataloger, datastyrningsramverk — och någonstans i den infrastrukturen, begravd under lager av metadata om metadata, finns den faktiska information som någon faktiskt behöver för att fatta ett faktiskt beslut.
SNR-perspektivet på DIKW är nedslående tydligt:
Rå data är i princip alltid brus. Loggfiler, rå databastabeller, obearbetade API-svar. Det är inte information — det är råmaterial. Att dumpa råmaterial i en AI:s kontextfönster och förvänta sig visdom är som att ge en snickare en skog och be om ett skåp till tisdag.
Metadata är brus med ambitioner. Den beskriver data men är inte information. Ändå bär vi med oss metadata som om den vore guld. Den kan vara guld — om den är rätt sorterad, rätt filtrerad och rätt kopplad till det faktiska beslutet. Annars är den ett extra lager zombiedokument att ta sig igenom.
Information börjar bli signal — men bara om den är tolkad i rätt sammanhang, av rätt system, för rätt fråga. Information ur sitt sammanhang är data med bättre formatering.
Kunskap är destillerad signal. Det är mönster, principer, arbetssätt som överlevt kontakt med verkligheten och visat sig hålla. Det är här SNR-kvoten börjar bli intressant.
Och längst upp i den moderna versionen av pyramiden — SKILL.md-filen.
En SKILL.md är paketerad kompetens. Inte ett dokument om hur något fungerar i teorin. Inte en wiki-sida som senast uppdaterades 2021. En precisionsformulerad instruktion som talar om för ett AI-system exakt vad det behöver veta för att utföra en specifik uppgift — och ingenting annat.
Det är pyramidens topp destillerad till en textfil.
Och sedan finns det visdom.
Visdom är det Oden offrade sitt öga för — förmågan att se det som inte syns, förstå det som inte kan förklaras, veta vad som faktiskt spelar roll när all information pekar åt fel håll. Han hängde i Yggdrasil i nio dagar, offrade synen på ena ögat, och fick i utbyte insikt som ingen datamängd kan ge.
Det är en hög kostnad för något som inte går att vektorisera.
Visdom kan din AI inte ge dig. Inte ännu. Kanske aldrig. Men den kan ge dig bättre kunskap — om du ger den bättre kontext. Det får räcka tills vidare.
Fyra elefanter ersatta av en myra. Varje gång.
Subtraktion är en kompetens ingen rekryterar för
Organisationer budgeterar för addition.
Fler verktyg. Fler licenser. Fler integrationer. Fler dashboards som visar hur effektivt du producerar saker ingen har bett om.
Ingen budgeterar för subtraktion.
Men förmågan att ta bort rätt saker — att faktiskt identifiera vad som är brus och radera det utan att spara en kopia ifall — är en av de mest värdefulla kompetenserna i ett informationsmättat samhälle.
Det kräver omdöme. Det kräver att du vet vad du faktiskt försöker uppnå. Och det kräver att du är villig att erkänna att hälften av det du producerat inte bidrar till det målet.
Det är den obekväma konsekvensen av SNR-tänkandet.
Signal kräver att du vet vad du vill säga. Och det visar sig vara svårare än att bygga ytterligare en integration.
Ro, eller gå av
Varje åra i samma takt.
Det är inte en metafor om lagarbete eller gemensamma värderingar. Det är en observation om system: ett långskepp rör sig framåt när varje komponent gör exakt sin uppgift, synkroniserat, utan last som inte bidrar.
Ditt informationssystem fungerar på samma sätt.
Varje token du skickar in ska förtjäna sin plats. Varje sektion i din systemprompt ska ro med sina egna åror. Varje dokument du hämtar via RAG ska bidra till framdriften — inte bara finnas med för säkerhets skull.
Resten är last.
Och last saktar ner skeppet.
Verktyget som hjälper dig ro rätt
SKILL.md-filen är pyramidens topp i praktiken — men i praktiken är det också där disciplinen brister. Det är lätt att börja. Det är svårt att hålla dem precisa, uppdaterade och faktiskt användbara när verkligheten förändras snabbare än dokumentationen.
Av den anledningen byggde jag Skill Manager — ett verktyg för att skapa, redigera och organisera SKILL.md-filer. Inte för att det är tekniskt komplicerat att skriva en textfil, utan för att strukturen är det svåra. Rätt rubrik. Rätt scope. Rätt mängd — varken för mycket eller för lite. Det är lätt att skriva mycket. Det är svårt att skriva rätt. Källkoden finns öppen på GitHub — fri för alla att använda, forka och bygga vidare på.
En myra, rätt packad, bär mer än fyra elefanter.
Bättre kontext är bättre — inte mer kontext.
Mer signal. Mindre brus.
Det är allt.
Vikingarna visste det. Shannon bevisade det. Barnprogrammet antydde det.
Vi skapade ändå en soptipp av värdelösa, inaktuella och ömsesidigt motsägelsefulla dokument — och kallade det kunskapshantering.