Pangram, ett amerikanskt företag som bygger verktyg för att avgöra om text och bilder är AI-genererade, tog in 9 miljoner dollar i en Serie A-runda i juli 2026. Menlo Ventures ledde. Samtidigt släppte bolaget en ny textmodell, Pangram 4 och en bilddetektor i forskningsversion. För dig som driver webbyrå, skriver kundtexter, gör fotouppdrag eller köper in innehåll betyder det en sak: kravet på att kunna styrka vem som skapat något är på väg att bli ett affärsvillkor, inte en principfråga.
Substack och Quora screenar redan inkommande innehåll
Pangram grundades 2024 av Max Spero och Bradley Emi, båda från Stanfords AI-lab. Bolaget har nu tagit in ungefär 13 miljoner dollar totalt, inklusive 2,7 miljoner från juni 2025. Bland kunderna finns Substack och Quora, som använder tekniken för att märka och sålla i det som publiceras.
Det är den detaljen som är intressant, inte finansieringssumman. Två stora publiceringsplattformar kör redan detektion på inflödet. Vill du sälja texter, bilder eller poddavsnitt vidare till någon som publicerar, kan du räkna med att materialet passerar en klassificerare någon gång på vägen.
Pangram anger själva över 99 procents noggrannhet på AI-assisterad och blandad text och en falskt positiv-frekvens på ett dokument av tiotusen. Bilddetektorn ligger på 99,5 procent enligt bolagets egna mätningar. Det är interna tal, inte oberoende granskning och det är värt att hålla i minnet. Konkurrenterna heter Winston AI, Originality.ai, Copyleaks och GPTZero och samtliga presenterar liknande siffror om sig själva.
En falskt positiv-frekvens på 1 av 10 000 låter försumbar. Skriver din byrå tvåhundra texter i månaden blir det ändå en felaktigt flaggad text ungefär var fjärde år. Frågan är vad som händer med den texten och vem som får förklara sig.
Skolor och redaktioner köper detta först, kunderna kommer efter
Efterfrågan kommer från tre håll: utbildningsinstitutioner, förlag och plattformar. Alla tre har samma problem, att mängden odeklarerat AI-innehåll gör det omöjligt att bedöma vad som är gjort av en människa. Spero pekar själv ut desinformationskampanjer på sociala medier som en del av det man vill fånga.
I Sverige märks det redan. Universitet och högskolor har byggt in plagiat- och AI-kontroller i inlämningsflöden. Redaktioner har infört interna riktlinjer för vad som får produceras med språkmodell.
Google började märka ut AI-genererad reklam från juli 2026, vilket flyttar frågan från etik till annonspolicy. Nästa steg är småföretagens kunder. En kommun som upphandlar textproduktion, en förlagsredaktör som köper in en bok, en marknadschef som beställer tio landningssidor. De kommer att fråga.
Sex saker att göra innan din kund frågar
Det här är inte tekniskt komplicerat. Det handlar om att bestämma sig och skriva ner det.
- Bestäm din faktiska policy. Använder du språkmodell för research men skriver själv? Låter du modellen skriva utkast som du redigerar? Producerar du helt AI-genererade texter för lågprissegmentet? Alla tre är legitima affärsmodeller. Att inte veta vilken du kör är inte.
- Skriv in det i avtalet. En rad om AI-användning hör hemma i uppdragsavtalet, precis som upphovsrätt och nyttjanderätt gör. Vem äger resultatet, vilka verktyg får användas, vad gäller om kunden vidarelicensierar. Har du inget skriftligt avtal alls är det ett större problem än AI-frågan.
- Prissätt de två nivåerna olika. Handskriven text och AI-assisterad text tar olika lång tid och bör kosta olika mycket. Ta hjälp av [timpriskalkylatorn](https://battreaffarer.nu/timpriskalkylator/) och räkna på vad varje nivå faktiskt kräver av dig i timmar.
- Spara arbetsspår. Versionshistorik i Google Docs, utkast i mejlkorgen, anteckningar från intervjuer, råfiler från kameran. Blir en text eller bild felaktigt flaggad är det ditt enda motbevis. En detektor kan inte visa hur något blev till, bara vad det liknar.
- Kolla vad dina underleverantörer gör. Lägger du ut skrivjobb på frilans eller köper stockbilder ärver du deras metod. Din kund vänder sig till dig, inte till dem.
- Testa dina egna texter. Kör ett par av dina publicerade texter genom ett detektionsverktyg innan en kund gör det. Får du utslag på något du skrivit själv vill du veta det i förväg.
Detektionen bygger på hur människor skrev före 2021
Metoden bakom Pangram är en klassificerare, ett neuralt nätverk tränat på känd mänsklig text från tiden före 2021 plus AI-genererad text. Bolaget har själv pekat på svagheten: språket förändras. Redan nu skriver människor delvis som språkmodeller, eftersom vi läser deras output hela dagarna. Det som i dag ser ut som ett AI-mönster kan om fem år vara vanlig svensk sakprosa.
Detektion är ett rörligt mål, ingen slutgiltig kontroll. Pangram 4 kan enligt bolaget även upptäcka så kallade humanizer-verktyg, alltså program byggda för att maskera AI-text. Kapprustningen fortsätter i båda riktningarna. Vill du läsa deras egen tekniska beskrivning finns den på Pangram.
Slutsatsen är inte att detektion är värdelös. Det är att du inte ska bygga din trovärdighet på att klara ett test. Bygg den på att kunna visa hur jobbet gjordes.
Märkningskravet blir en säljfördel innan det blir ett tvång
Det snabbaste sättet att göra frågan ofarlig är att svara på den innan någon ställer den. En rad på din offertmall om hur du arbetar med AI, en mening på hemsidan, ett tydligt svar när kunden undrar. Företag som har det på plats framstår som organiserade. Företag som mumlar framstår som osäkra.
Samma logik gällde när GDPR kom. De som hade sin personuppgiftshantering klar vann upphandlingar mot dem som inte hade det, långt innan någon fick en sanktionsavgift. Det handlar sällan om regelverket i sig, utan om vad ordningen signalerar.
Och det finns en ren affärsmöjlighet i det här. När ett AI-verktyg pekade ut fel företag blev konsekvensen ett skadat rykte som ingen ville ta ansvar för. Kunder som blivit brända på generiskt AI-innehåll betalar gärna extra för någon som kan bevisa motsatsen. Det är en position värd att ta nu, medan den fortfarande är ledig.
FAQ
Kan en detektor bevisa att jag skrivit en text själv?
Nej. Detektorer anger sannolikhet, inte ursprung. Ett negativt utslag betyder att texten inte liknar de AI-mönster modellen tränats på, vilket inte är samma sak som bevis. Det enda som faktiskt visar hur en text blev till är ditt arbetsspår: utkast, versionshistorik och anteckningar.
Måste jag berätta för kunden att jag använt ChatGPT?
Det finns ingen svensk lag som kräver det generellt men avtalet kan göra det. Många upphandlingar och förlagsavtal har numera klausuler om AI-användning och bryter du mot en sådan är det ett avtalsbrott oavsett vad lagen säger. Läs igenom vad du skriver under.
Vad gör jag om en kund hävdar att min text är AI-genererad?
Visa arbetsspåret. Versionshistorik, tidsstämplar och research-anteckningar väger tyngre än en procentsats från ett verktyg. Har du inget att visa står du svagt, vilket är hela anledningen att spara utkast systematiskt från början.
Isabelle Andersson är chefsanalytiker på Bättre Affärer med över tio års erfarenhet av finansiell analys och bolagsvärdering. Hon arbetar med strukturerade och oberoende genomgångar av noterade bolag med fokus på affärsmodell, kassaflöden och långsiktigt värdeskapande. Isabelle publicerar inga investeringsråd utan strävar efter att ge läsaren ett sakligt och transparent beslutsunderlag.