Diplomkurs · Distans · 3 november 2026
3 november 2026, kl 9–13, på distans. Tolv deltagare i tre grupprum. Målet var inte att lära sig ett verktyg utan att gå hela vägen från fråga till användbart resultat: välja en fastighet, arbeta fram en bra instruktion, beställa en Deep Research-rapport, och sedan göra något med rapporten – en egen assistent, en podd, en video eller en webbsida.
Alla tre grupper tog sig från start till färdig Deep Research-rapport och vidare till en NotebookLM med poddar på drygt två timmars grupparbete. Två grupper hann dessutom bygga en egen assistent (Gem i Gemini respektive GPT i ChatGPT) med rapporten som källa. En grupp gjorde två webbsidor på rapporten med Lovable. En grupp gjorde quiz och en kort video ur sitt material.
Grupperna valde olika typer av objekt: en äldre industrifastighet i Jämtland med försäljning som syfte, ett slott i Sigtuna kommun, och en adress i Göteborg. Alla arbetade enbart med offentliga uppgifter. Ingen intern information, inga personuppgifter.
↺ 4 → 2: iterera
Välj fastighet → Arbeta fram prompten med Promptverkstaden (frågor och svar, 15–20 min) → Beställ Deep Research i ett eller flera verktyg (5–20 min) → Jämför rapporterna → Lägg rapporten som källa i en assistent eller i NotebookLM → Beställ ut det som behövs: svar på frågor, podd, video, quiz, webbsida.
Pilen tillbaka från "Jämför rapporterna" till "Arbeta fram prompten" är poängen: den första prompten var ingen grupps sista. En grupp fick först ett svar på några sekunder och insåg att det var en vanlig sökning, inte Deep Research; omkörningen i rätt läge gav en rapport med över 200 källor. En annan grupp såg att en prompt med "fokus på skyfall" gav en ensidig rapport och lät en andra körning i ett annat verktyg komplettera.
En prompt → 2–3 Deep Research-rapporter (olika verktyg) → en NotebookLM med rapporterna som källor → podd · video · quiz · infografik · chatt som svarar med hänvisning till källan → vid behov en webbsida.
Rapporterna följde de sju lagren utifrån och in: fastighet och plan, mark, vatten och klimat, miljö, byggnaden, register, historik, plus en lista över det som måste kontrolleras på plats. Där handlingar saknades skrev rapporterna "ej verifierat" i stället för att gissa – det bedömdes som rätt beteende. Byggnadens tekniska egenskaper finns sällan i offentliga källor; det som kommer ut är omgivning, risker och planförhållanden. Byggnaden själv kräver bygglovsarkiv eller platsbesök.
Förvärv eller försäljning: Deep Research på platsen (skyfall, markföroreningar, plan) → rapporten som underlag för besiktningen · Övertagande av drift: bygglovsarkivets handlingar i ett verktyg som får läsa filer → kronologi över huset · Egen kompetens: kursmaterial i NotebookLM → poddar och quiz om det man behöver lära sig · Rutinärenden: en assistent med fasta instruktioner och egna källor som svarar på samma sätt varje gång.
Grundregeln genom hela dagen: AI förstärker det du kan granska. Rapporterna ser alltid färdiga ut, men de ska läsas som en lista över vad som behöver kontrolleras, inte som svar. Att köra samma prompt i flera verktyg och låta ett tredje jämföra är ett sätt att hitta fel; att kunna ämnet är ett annat. Forskningen pekar åt samma håll: ovana användare lyfts mest av verktygen, och rutinerade användare behåller sin fördel i att bedöma resultatet (Dell'Acqua m.fl. 2023, https://www.hbs.edu/faculty/Pages/item.aspx?num=64700; Brynjolfsson m.fl. 2023, https://www.nber.org/papers/w31161).
Mängden skriven instruktion var för stor för 45 minuters grupparbete; den muntliga handledningen fungerade bättre. Deep Research måste väljas aktivt i verktyget, annars får man en vanlig sökning. Gratiskonton slog i taket för antal körningar. Två versioner av Promptverkstaden i materialet skapade förvirring. Det tas med till nästa gång.
Testa kedjan på egen hand: ta allt material från en kurs och lägg det i en NotebookLM, eller gör en Deep Research på en fastighet du känner. Slides och instruktioner finns nedan.
Version 0.3, uppdaterad 3 november 2026.