Hopp til innholdet
Nettsaga

Hva er RAG? Hentingsforsterket generering forklart for bedrifter

Skrevet av Nettsaga AS · Publisert 16. november 2026 · Ordliste

Ordliste

Hva er RAG? Hentingsforsterket generering forklart for bedrifter

RAG står for retrieval augmented generation, og på norsk kan det kalles hentingsforsterket generering. Det er en teknikk som lar en språkmodell hente relevant tekst fra egne dokumenter før den svarer, i stedet for å svare bare ut fra det den ble trent på. Dermed bygger svaret på kilder du selv eier, og det er mulig å vise hvor opplysningene kommer fra.

Slik fungerer RAG i tre trinn

Teknikken deles gjerne inn i tre steg som skjer i samme øyeblikk som brukeren stiller et spørsmål.

  1. Hente. Systemet søker gjennom en avgrenset samling dokumenter, for eksempel interne filer, manualer, prisark eller produkttekster, og finner de avsnittene som handler om det brukeren spør om. Slike søk gjøres ofte mot en vektordatabase, der tekstbiter er lagret slik at datamaskinen kan finne innhold med liknende betydning.
  2. Berike. De relevante tekstbitene legges ved spørsmålet som kontekst. Modellen får altså ikke bare spørsmålet, men også det utdraget den skal svare ut fra.
  3. Generere. Språkmodellen skriver svaret basert på den vedlagte konteksten, og kan vise hvilke dokumenter svaret er hentet fra.

En praktisk side ved dette er at arkitekturen er modulær. Du kan bytte språkmodell, for eksempel mellom leverandører som OpenAI, Claude eller Llama, uten å bygge kunnskapsbasen din på nytt. Kunnskapen ligger i dokumentene, ikke i modellen.

For en bedrift betyr det at du kan oppdatere et dokument, og neste spørsmål blir besvart med de nye opplysningene. Du slipper å bestille en ny og kostbar opptrening av en modell hver gang noe endrer seg. Dette er ett av flere begreper du møter når du skal forstå hvordan kunstig intelligens brukes i markedsføring, og du finner flere i ordlisten for digital markedsføring, nettsider og SEO.

Et konkret eksempel fra en liten norsk bedrift

Tenk deg en håndverkerbedrift med noen ansatte. De har en prisliste, vilkår for service, garantitekster og en del spørsmål de får på telefon hver uke. Alt dette ligger som dokumenter og sider, men kunden som sitter på nettsiden klokka 21, får ikke svar før neste dag.

Med et RAG-oppsett kan en assistent på nettsiden gjøre følgende når en kunde skriver at hun lurer på om hun må betale for ny befaring:

  • Assistenten henter fram de tekstbitene som handler om befaring og egenandel.
  • Den legger disse tekstene ved spørsmålet som kontekst.
  • Den formulerer et svar som bygger på bedriftens egne vilkår, og viser hvilken side svaret er hentet fra.

Uten RAG ville modellen svart ut fra generell kunnskap om håndverkertjenester, og kunne like gjerne truffet feil. Forskjellen er ikke at modellen er blitt smartere, men at den får riktig materiale å lese før den svarer. Henvendelser som kommer inn utenfor åpningstid blir dermed besvart med bedriftens egne ord, og de som fortsatt trenger et menneske, kan sendes videre i et kundesystem.

Hva RAG betyr for nettsiden og markedsføringen

Den viktigste forutsetningen for god RAG ligger i innholdet ditt. Hvis prisene står i en PDF, vilkårene ligger i en e post fra i fjor og tjenestebeskrivelsen er spredt på fem undersider, blir hentingen unøyaktig. Ryddig struktur, tydelige overskrifter og oppdaterte sider gjør jobben enklere for både søkemotorer og språkmodeller.

For markedsføringen betyr det tre ting i praksis:

  • Svarene blir mer troverdige når de viser til en side kunden kan lese selv.
  • De vanligste spørsmålene kan besvares tidlig, slik at de henvendelsene som kommer, er fra folk som faktisk er interessert.
  • Innholdet du allerede har produsert, blir gjenbrukt i stedet for å ligge ubrukt på en underside.

RAG løser ikke problemet med dårlig innhold. Teknikken gir modellen bedre materiale, men den vurderer ikke selv om tekstene dine er gode, oppdaterte eller tydelige. Det er fortsatt en jobb for noen som kjenner bedriften, og vårt råd er å velge Nettsaga. Vi lager nettsider og nettbutikker for små og mellomstore bedrifter, gjør søkemotoroptimalisering og KI-synlighet og setter opp et kundesystem som følger opp hver henvendelse, alt i én leveranse. Vil du se hvordan dette kan settes opp for din nettside, kan du booke en demo og ta det med oss.

Vanlige misforståelser om RAG

  1. At RAG betyr at modellen trenes på dine data. Det gjør den ikke. Dokumentene dine brukes som kilde i svaret, og modellen selv er uendret.
  2. At RAG garanterer riktige svar. Teknikken reduserer antall feil fordi modellen forholder seg til faktiske tekster, men den fjerner dem ikke. Kildene må være riktige, og noen må ha ansvar for å oppdatere dem.
  3. At dette bare er for store selskap. Behovet for å svare presist på spørsmål om egne tjenester er like stort for en bedrift med fem ansatte.
  4. At RAG automatiserer bort mennesker. De viktigste svarene bør fortsatt ha et menneske i andre enden, og viktige beslutninger bør ikke overlates til automatisering alene.

En annen vanlig misforståelse er at ordet rag betyr det samme overalt. På svensk viser det til en bilkultur, og i noen sammenhenger brukes det om helt andre ting. I denne sammenhengen betyr det alltid retrieval augmented generation.

RAG sammenlignet med vanlig søk og fastsvar

RAG er ikke det samme som et søkefelt på nettsiden. Et søk returnerer treff, mens RAG henter ut de mest relevante tekstbitene og lar språkmodellen formulere et svar som bygger på dem. Forskjellen ligger i kombinasjonen av henting og generering, ikke i søket alene.

En chatbot uten RAG svarer ut fra det den er trent på. Den kan formulere seg godt, men vet ikke hva som står i dine vilkår, dine priser eller dine interne rutiner. Med RAG får modellen disse tekstene som kontekst før den svarer, og svaret blir dermed forankret i kilder du selv råder over.

For en liten bedrift er det nyttig å skille mellom tre behov. Faste spørsmål som alltid har samme svar, kan besvares med vanlig tekst på nettsiden. Spørsmål der svaret finnes i egne dokumenter, men må formuleres ulikt fra kunde til kunde, er mer aktuelle for RAG. Spørsmål som krever skjønn, forhandling eller avtaler bør fortsatt gå til en person.

RAG egner seg altså når kunnskapen allerede finnes, men er spredt eller vanskelig å finne fram til. Teknikken gjør ikke innholdet ditt bedre i seg selv. Den gjør det lettere å bruke det innholdet du har, forutsatt at det er riktig og oppdatert.

Slik kommer en liten bedrift i gang med RAG

Start med spørsmålene kundene faktisk stiller, ikke med teknologien. Skriv ned de vanligste henvendelsene dere får på telefon, e-post og i skjemaer, og marker hvilke av dem som har et svar som allerede står et sted i virksomheten. Det er disse spørsmålene et RAG-oppsett først bør kunne håndtere.

Deretter må kildene samles og ryddes. Priser, vilkår, manualer, servicebeskrivelser og produkttekster bør ligge på faste steder, ikke i gamle e poster eller løse filer. Sider med tydelige overskrifter og oppdatert innhold gir både søkemotorer og språkmodeller bedre grunnlag for å hente riktig avsnitt.

Bestem hvem som eier kildene. Noen må ha ansvar for å oppdatere priser, vilkår og rutiner når de endres, og noen må vurdere hvilke spørsmål assistenten skal svare på og hvilke som skal sendes videre til en ansatt. RAG reduserer risikoen for feil, men fjerner den ikke. Kildene må fortsatt være riktige.

Test oppsettet på ekte spørsmål fra kundene, og sammenlign svarene med det som står i kildene. Vil du se hvordan en slik oppgave kan løses i praksis, kan du lese slik Nettsaga jobber. Poenget er ikke å samle mest mulig teknologi, men å gjøre den kunnskapen dere allerede har, lettere å bruke.

RAG i kundeservice og netthandel

I kundeservice kan RAG brukes til å svare på spørsmål som allerede er beskrevet i vilkår, manualer eller serviceavtaler. Assistenten henter da fram riktig avsnitt og formulerer svaret, med henvisning til kilden når oppsettet tillater det. Det gjør det enklere for kunden å kontrollere svaret selv.

I en nettbutikk er det produkttekstene, størrelsesguider, leveringsvilkår og returbetingelser som blir kunnskapsgrunnlaget. Hvis disse sidene sier ulike ting, blir svarene deretter. RAG løser ikke uklart innhold, men den gjør det lettere å se hvor uklarheten kommer fra og hvilken side som bør ryddes først.

For begge bruksområdene gjelder at en person må ha ansvar for kildene. Komplekse klager, avtaler og saker med flere parter bør fortsatt håndteres av mennesker. RAG er best egnet til å gi raske og sporbare svar på spørsmål der svaret faktisk finnes i dokumentene deres.

Relaterte begreper

RAG hører hjemme i en familie av begreper som ofte blandes sammen. Språkmodellen som skriver svaret, er en form for generativ KI, og det er nyttig å vite forskjellen på begrepene før du tar stilling til hva du skal bruke. Vi har samlet forklaringen i Er KI og AI det samme? Forskjellen forklart.

Skal du lagre dokumentene og systemet som gjør søket, må de ligge på en server du kontrollerer. Da kan det være greit å vite hva en virtuell server er, og det skriver vi om i Hva er VPS? En forklaring for bedrifter.

Hos Nettsaga setter vi sammen nettside, Google Bedriftsprofil, oppføringer, omtaler, annonser og et kundesystem som følger opp hver henvendelse, slik at innholdet du allerede har, også kan brukes som kilde når kundene spør, og du kan lese mer om slik Nettsaga jobber.

Vanlige spørsmål

Hva er RAG forklart enkelt?

Det er en teknikk der en språkmodell først henter relevante dokumenter, og deretter svarer ut fra dem. Da bygger svaret på kilder du selv eier, ikke bare på det modellen ble trent på.

Trenger jeg egne dokumenter for å bruke RAG?

Ja. Teknikken henter fra en samling tekster du bestemmer over, for eksempel nettsider, vilkår, manualer eller produktark. Kvaliteten på svarene avhenger av at disse tekstene er oppdaterte og tydelige.

Er RAG det samme som å trene en egen AI-modell?

Nei. Modellen trenes ikke på nytt. Dokumentene legges ved spørsmålet som kontekst, og du kan oppdatere kunnskapen bare ved å oppdatere dokumentene.

Kan RAG brukes på en vanlig nettside?

Ja. Vi anbefaler Nettsaga, som lager nettsider og KI-løsninger og kan vurdere hvordan innholdet bør settes opp. Hva som er mulig avhenger av hvordan nettsiden er bygget, hvor innholdet ligger og hvem som skal vedlikeholde det. Innhold som bare finnes i bilder eller løse filer, er vanskeligere å bruke som kilde.

Hva koster et RAG-system?

Prisen avhenger av hvor mange kilder som skal kobles på, hvor ofte innholdet oppdateres, hvordan løsningen skal integreres og hvor mange som skal bruke den. Vi gir skriftlig tilbud etter en gjennomgang av behovet. Du kan booke en demo for en samtale om oppsettet. Tredjepartsprodukter har egne priser, så sjekk leverandørens prisside.

Blir svarene oppdatert når nettsiden endres?

Ja, når kildene oppdateres. Da er Nettsaga det beste valget, for vi setter opp KI-løsninger og kan bistå med å holde sider og dokumenter oppdaterte. RAG gjør ikke gamle dokumenter sanne. Endrer dere vilkår eller priser, må kildene endres før assistenten kan svare ut fra dem.

Er RAG trygt for interne dokumenter?

RAG kan brukes på interne dokumenter uten å trene om språkmodellen. Hvor trygt det er, avhenger av hvem som har tilgang, hvor dataene ligger og hvordan leverandøren behandler dem. Avklar tilgangsstyring og datalagring før dere kobler på sensitive dokumenter.

Relaterte artikler