Ett helt dygns ljud från kameran. De orange strecken är skotten, och förstoringsglaset ligger över nattens första.
När vi är bortresta har vi en övervakningskamera i ett fönster som filmar vår egen uppfart. En onsdag i oktober dök det upp ett skadat rådjur i bilden strax efter sju på morgonen. Det haltade fram över gräsmattan med bakdelen hopsjunken. På eftermiddagen upptäckte våra vänner, som var hos oss och vattnade blommorna, att det låg kvar. De ringde polisen, som skickade en eftersöksjägare. Strax före halv sju på kvällen fick djuret till slut slippa lidandet, och färdas till rådjurshimlen.
Jag var inte hemma. Men jag hade ett helt dygns video, och två frågor som jag inte kunde släppa.
⏱️
Fråga 1
Hur länge hade djuret lidit?
🚗 eller 🎯
Fråga 2
Var det en bil som körde på det och smet, eller en jägare som skadeskjutit det?
Så jag gav uppdraget till AI:n. Jag döpte den till Mästerdetektiven.
🤖 Viktigt att veta
Alla slutsatser i det här inlägget har AI:n dragit utifrån materialet. Det är AI:n som har lyssnat igenom ljudet, tittat på bilderna och bedömt vad som är ett skott, vad som rör sig i bild och när saker hände. Jag har bara bidragit med sådant som inte finns i materialet, som när vi ringde och vilka ljud som hör till vårt hus. Därefter har jag själv lyssnat på alla ljud och tittat på alla stillbilder som AI:n identifierade, och godkänt dess slutsatser. Det gick snabbt, för AI:n tog själv fram inzoomade bilder på just det som spelade roll.
Ett vittne som inte kan prata
41 GB
video i 4K-upplösning
24 h
ljud och bild, ett helt dygn
25
videofiler
0
rader kod skrivna av mig
Kameran står inomhus bakom en fönsterruta, så ljudet är dåligt och nattbilderna mest mörker. Ingen människa orkar titta igenom 24 timmar video och samtidigt lyssna efter en enda knall. Det är precis den sortens jobb där människor slarvar och maskiner inte gör det.
Jag använde Claude Code, en AI som inte bara svarar på frågor utan kan skriva och köra egna program på datorn. Jag beskrev uppdraget på vanlig svenska, och sedan satte den igång. Filerna låg fortfarande och kopierades från disken när den började med de första timmarna.
Därför räcker inte chattverktygen
Såna här stora, tunga uppdrag klarar ChatGPT, Copilot eller Claude-chatten inte av, inte ens i närheten. Chattverktygen är utmärkta för texter, mejl och idéer, men de är byggda för att svara på en fråga i taget, om det du klistrar in. Jag gör nästan alla stora analyser och kartläggningar i Claude Code eller ChatGPT Codex. Skillnaden ser ut så här:
💬 Chattverktyg
🛠️ Claude Code / Codex
Du laddar upp några filer, med en gräns för hur stora de får vara
Arbetar direkt med alla filer på datorn, även 41 gigabyte video
Svarar på en fråga i taget
Tar sig an ett helt uppdrag och arbetar i timmar
Läser och resonerar utifrån det du visar
Skriver och kör egna program som mäter, räknar och kontrollerar
Bra för texter, mejl och idéer
Byggt för stora analyser och kartläggningar
Det här är det nya sättet att använda AI, och det är ett måste för de flesta verksamheter.
Så gick Mästerdetektiven till väga
AI:n tittade inte på videon som du och jag skulle ha gjort. Den byggde sig små verktyg, ett i taget, efter vad den behövde veta. Här är först hela dygnet i en bild, och sedan tidslinjen ledtråd för ledtråd, med hur varje ledtråd löstes.
Dygnet på en rad
6 oktober kl 21:00 till 7 oktober kl 21:00
Rådjuret lider i upp till 19 h 40 min
1
2
3
4
21
00
06
12
18
21
1Fyra skott i natten, 22:44–00:08
2Bocken syns, 07:16
3Vännerna hittar den, 16:38
4Larm, eftersök och avlivning, 17:21–18:25
22:44–00:08🔊 Ljud
Fyra skott i natten
Fyra korta knallar hörs under natten: 22:44:53, 22:45:40, 23:22:36 och 00:08:08. Två skott tätt efter varandra är ett vanligt mönster när det första inte dödar.
🔎 Så löstes ledtråden
AI:n plockade ut ljudet ur alla 24 timmarna och skrev ett litet program som letade efter knallar. Ett gevärsskott känns igen på formen: ljudet går från tyst till fullt på några tusendels sekunder och klingar av fort, ungefär som en handklapp. Varje misstänkt knall ritades sedan upp som ett spektrogram, en bild av ljudet där man ser vilka toner det innehåller. Till sist jämfördes knallarna med ett facit: eftersöksjägarens skott på kvällen.
Skott
Från tyst till fullt på några tusendels sekunder, och sedan tyst igen.
Bil som passerar
Sväller upp och ebbar ut under flera sekunder.
Knackning
Några korta stötar i jämn takt.
Till vänster ett av nattens skott, till höger eftersöksjägarens skott nära kameran. Samma form, men nattens skott är svagare och har nästan bara bas kvar.🎧 Lyssna: nattens fyra skott efter varandra, förstärkta så att de hörs (32 sekunder). Knallarna kommer vid 0:04, 0:12, 0:20 och 0:28.
Hela natten🔊🎞️ Ljud och bild
Ingen påkörning hörs
Ett tiotal bilar passerar på vägen under natten. Vid ingen av dem hörs en duns, ett bromsljud eller en tuta.
🔎 Så löstes ledtråden
Programmet hittade varje bil på att det mullrar till i basen i några sekunder. Runt varje passage letade det sedan efter tre saker: en kort smäll som en duns, ett utdraget gnissel som en inbromsning och en ren, ihållande ton som en tuta. Inget av det fanns. Dessutom tittade AI:n på vägen i bild en och en halv minut före och efter varje skott. Där syntes inget fordon.
✕Ingen duns
✕Inget bromsljud
✕Ingen tuta
✕Inget fordon vid skotten
07:16🎞️ Bild
Bocken kommer in i bild
Den skadade bocken kommer in på gräsmattan. Den kan gå, men bakdelen är hopsjunken och bakbenen står brett isär.
🔎 Så löstes ledtråden
AI:n såg inte filmen i realtid. Den plockade ut en bild med några sekunders mellanrum och jämförde varje bild med bilderna strax före och efter. Det som skiljer sig är något som rör sig. De intressanta bilderna lade den i ett stort rutnät, som ett kontaktark från fotoaffären förr, och tittade sedan själv på dem. Där såg den inte bara att det var ett rådjur. Den upptäckte att rörelsemönstret var onormalt: bakdelen sjönk ihop och bakbenen hölls brett isär, så som ett djur rör sig när det är skadat.
16:38🎞️ Bild
Vännernas mobilvideo
Våra vänner kommer 16:37 för att vattna blommorna, ser bocken och filmar den med mobilen. Nu kan den inte längre bära sin bakdel alls.
🔎 Så löstes ledtråden
Mobilvideon hade tappat sin tidsstämpel när den skickades mellan telefoner. AI:n sa det rakt ut i stället för att gissa, och den rätta tiden fick vi från vännerna. Sedan gick AI:n igenom videon bild för bild och jämförde bockens rörelser med morgonens bilder från övervakningskameran. Rörelsemönstret var nu ännu mer onormalt: på morgonen kunde bocken gå, nu kunde den inte bära sin bakdel alls. AI:ns slutsats var att skadan hade blivit allvarligare under dagen.
17:21–17:38📞 Uppgift från oss
Larmet och grannen
17:21 ringer vännerna polisen. 17:26 ringer jag grannen och ber honom kolla läget. 17:38 ringer han tillbaka: bocken lever fortfarande.
🔎 Så löstes ledtråden
Samtalen syns inte på film, de är uppgifter från oss. Men AI:n kunde pröva dem mot filmen: två minuter efter mitt samtal går en person ut på vägen mot platsen och står kvar och tittar i en minut. När det vi minns och det kameran visar stämmer överens blir tidslinjen starkare.
18:14🔊🎞️ Ljud och bild
En förbipasserande ringer på
En förbipasserande som rastade sin hund såg rådjuret och gick fram till vårt hus. Ringklockan hörs 18:14:27 och en knackning på dörren 18:14:59. Ingen var hemma.
🔎 Så löstes ledtråden
I bild såg AI:n en person med hund gå mot huset en minut innan, och kopplade ihop det med ljuden. I spektrogrammet syns ringklockan som raka linjer, alltså rena toner, och knackningen som fem korta stötar. AI:n trodde först att knackningen var ett hundskall, eftersom det fanns en hund i bild. Det var jag som kände igen ljudet. Ett bra exempel på att människa och AI är starkare tillsammans.
18:22🎞️ Bild
Eftersöksjägaren kommer
En bil med extraljus svänger in, vänder på vår uppfart och kör tillbaka mot platsen där bocken låg.
🔎 Så löstes ledtråden
Jag frågade bara om eftersöksjägaren eller dennes bil syntes någonstans i bild. AI:n letade då själv efter rörelser i bilderna under halvtimmen före avlivningsskottet, och hittade en röd kombi med extraljus som svängde in två och en halv minut före skottet, en typisk jägarbil. För att följa bilen skrev den sedan ett program som gick igenom tusentals bilder och räknade röda bildpunkter i varje. Att söka efter en färg i stället för att titta själv tar sekunder i stället för timmar.
18:25:16🔊 Ljud
Lidandet tar slut
Dygnets i särklass starkaste ljud. Sedan hörs inga fler skott, varken den kvällen eller under resten av inspelningen.
🔎 Så löstes ledtråden
Skottet var så starkt att mikrofonen nästan slog i taket. Det blev facit för hur ett skott låter nära kameran, och därmed nyckeln till att känna igen nattens svaga knallar som just skott.
Svaren på mina två frågor
Så här bedömde AI:n till slut:
⏱️ Hur länge led djuret?
Från första skottet 22:4419 h 40 min
Från sista nattliga skottet 00:0818 h 17 min
Minst, från första gången det syns 07:1611 h 9 min
Vilket av nattens skott som träffade går inte att avgöra. Därför blir svaret ett intervall.
🚗 / 🎯 Bil eller jakt?
PåkörningJakt
✓Fyra skott under natten, två av dem med 47 sekunders mellanrum
✓Knallarna har samma form som eftersöksjägarens skott
✕Ingen duns, inget bromsljud och ingen tuta vid någon bil
AI:ns bedömning: troligen jakt, men inte bevisat. Ett ljudspår är inget bevis. Det säkra svaret har eftersöksjägaren, som såg djuret och kan skilja ett skottsår från skadorna efter en bil.
FÖR HAND
1–2 veckor
och knallen 22:44 hade jag garanterat missat runt timme fjorton
MED AI
Ett par timmar
en söndag, från första filen till färdig tidslinje med bilder och ljud
Detektiven gjorde fel också
Det vore oärligt att säga att allt gick smidigt.
!Fel fil. Två filnamn började likadant, och AI:n valde fel. Den märkte det själv när bilderna inte stämde med tiden, och gjorde om.
!Tjugo minuter fel. AI:n räknade med fel starttid för en fil. Även det upptäckte den själv och rättade.
✎Mina rättelser. Vissa saker kunde bara jag veta, som vilka ljud som hör till vårt hus och vem som hade ringt vem. Ofta räckte en skärmdump och ”Ta bort” eller ”Slå ihop dessa”.
AI:n gjorde grovjobbet. Jag stod för sammanhanget.
Integriteten först
En övervakningskamera fångar mer än man tror, och då gäller kameraövervakningslagen och GDPR. Därför ser du inga människor, inga bilar och inga grannhus i det här inlägget, bara ljudet av dygnet.
Under utredningen tog AI:n fram inzoomade bilder på rätt saker: bocken och hur den rörde sig, bilen som kom och personerna på vägen. Det var de bilderna som gjorde att jag kunde kontrollera och godkänna slutsatserna. Ingen av dem är med i det här inlägget, av integritetsskäl.
🛡️ Så skyddades integriteten i utredningen
✓Varje bild beskars så att så lite som möjligt av vägen och grannens hus syns
✓Registreringsnummer på tomten maskerades
✓AI:n kontrollerade i full upplösning att ansikten och registreringsskyltar ute på vägen inte går att urskilja
✓Ljud- och bildanalysen gjordes med program på min egen dator, och bara utvalda stillbilder och diagram visades för AI:n
✓Händelser som inte hörde till saken plockades bort
Det är en viktig poäng: en AI som kan hitta allt måste också få veta vad den inte ska visa.
Byt ut rådjuret mot din verksamhet
Titta på vad Mästerdetektiven egentligen gjorde. Den trålade igenom en enorm mängd data och hittade de få sekunder av ett helt dygn där något avvek från det normala. Sedan lade den ihop ledtrådarna till ett mönster som gick att lita på, med tider och källor. Det är fyra steg som fungerar på nästan vad som helst:
🌊
STEG 1
Tråla
Låt AI:n gå igenom allt material, inte ett stickprov.
🔎
STEG 2
Hitta avvikelserna
Det som sticker ut från det normala är ledtrådarna.
🧩
STEG 3
Pussla ihop
Ledtrådarna läggs på en tidslinje och blir ett mönster.
✅
STEG 4
Kontrollera
Varje slutsats ska gå att följa tillbaka till källan.
Precis så ser de flesta pengar ut som ligger och skräpar i en verksamhet. De döljer sig i material som ingen hinner gå igenom: fakturor, loggar, samtal, mejl, kvitton. Ingen enskild rad är märkvärdig, men mönstret är det. Det är där man kan öka intäkterna eller sänka kostnaderna.
FÖRR
Veckor av manuellt arbete
som aldrig blev gjort
NU
Några timmars jobb
som faktiskt blir gjort
📈 Öka intäkterna
🚪
Kunderna som är på väg att lämna
Hundratals timmar kundtjänstsamtal och mejl visar vad som oftast händer veckorna innan någon säger upp avtalet. Då kan man ringa den kunden i tid.
🤝
Affärerna ni vinner, och dem ni förlorar
Ett år av offerter och mejl jämförs. Vilket erbjudande, vilken svarstid och vilken formulering hänger ihop med ett ja?
🧾
Kvittona som berättar vad kunderna vill ha
Tiotusentals köp visar vad som köps tillsammans och när. Det blir paketerbjudanden, smartare bemanning och bättre inköp.
📉 Sänk kostnaderna
📑
Fakturorna som ingen läser
Tre års leverantörsfakturor jämförs rad för rad. Ut kommer dubbelbetalningar, smygande prishöjningar och abonnemang som ingen använder.
⚙️
Maskinen som började låta
Samma metod som hittade skotten hittar dagen då ett kullager började låta annorlunda, veckor före haveriet.
🏢
Fastigheterna som läcker
El, värme och vatten läggs bredvid felanmälningar och väder. Huset som drar mer än grannhusen syns direkt.
Gemensamt för alla exemplen: materialet är för stort för en människa, frågan går att ställa på vanlig svenska, och svaret går att kontrollera med siffror och källor, inte bara en AI:s ord. Ta bort namn och andra personuppgifter innan analysen när det går, och använd bara de verktyg som din arbetsplats har godkänt.
Det är inte magi, det är ett hantverk
Jag skrev inte en enda rad kod. Jag beskrev vad jag ville veta, tittade på det som kom tillbaka och sa till när det var fel. Det kallas vajbkodning: du är beställaren, AI:n är programmeraren, och tillsammans bygger ni verktyg som löser just ditt problem, i stället för att leta efter en färdig app som nästan gör det. Och verktyget för det är just Claude Code eller ChatGPT Codex, inte de vanliga AI-chattverktygen.
Men det är ett hantverk. Man behöver veta hur man ger AI:n rätt ramar, hur man granskar resultatet, och var gränserna går för vad man får lägga in. Det är precis det vi lär ut.
KURS · 29 OKTOBER 2026 · 08:30–11:30
Vajbkodning
Bygg egna verktyg med Claude Code och liknande AI, utan att vara utvecklare. Kursen för dig som läste det här och tänkte ”det där vill jag kunna”.
Och till sist, ett tack till alla som brydde sig om den stackars rådjursbocken den ödesdigra dagen. Hittar du ett skadat vilt: ring polisen direkt, och gå inte fram till djuret själv. Ju tidigare eftersöksjägaren kommer, desto kortare blir lidandet.
/Rickard Eriksson Rickard startade världens första sociala medium LunarStorm för 30 år sedan. Det förändrade sättet att umgås för fler än 2 miljoner svenskar. Sedan några år tillbaka är han helt fokuserad på AI, och har hjälpt fler än 7 000 företag och offentliga verksamheter att få mer gjort och med högre kvalitet med hjälp av AI. Rickard är alltså stor förespråkare av AI, men på rätt sätt, och i rätt miljö. Mer om Rickard Eriksson
/Rickard Eriksson