När AI tar musen: från browser use till en digital arbetshäst

Jag gav en AI tio minuter på sig att göra Mensas provtest. Efter ungefär tre och en halv minut var den klar och hade fått provtestets högsta resultat: 126 eller mer. 😁

Det som gjorde försöket extra intressant för mig var att jag använde GPT 6.1 Terra, en snabb arbetshäst snarare än den tyngsta modellen. Jag tror att vi kommer att prata allt mer om just den kombinationen: en AI som är tillräckligt bra för uppgiften, snabb nog att använda i vardagen och rimlig i kostnad. Men för att förstå varför det känns som ett stort steg får vi backa till en lite för liten tacobeställning.

En tacofest med lite för lite mat

I början av 2025 testade jag flera verktyg som kunde använda webbläsaren. Jag såg potentialen direkt. Jag var osäker på hur mycket nytta de gav just då, men övertygad om att de snart skulle bli värdefulla.

I februari fick Proxy från Convergence prova två uppgifter. Den första var att fylla i ett formulär med flera sidor. Det gick faktiskt smidigt men tog lång tid.

Den andra var att plocka ihop ingredienser till en tacofest för 20 vuxna och åtta barn. Proxy hittade relevanta varor, men missade att anpassa mängderna. Det hade kunnat bli en ganska hungrig fest. 🌮😅

Jag trodde på tekniken. Frågan var hur snabbt den skulle bli praktiskt användbar.

Sedan blev det färre felklick

I februari 2026 testade jag två agentiska webbläsare mot varandra: Strawberry Browser och Perplexity Comet. Den ena utmaningen var återigen tacos, den här gången ingredienser från Willys för högst 300 kronor. Den andra var att hitta tio relevanta personer på LinkedIn.

I just de försöken genomförde båda uppdragen utan felklick. Comet kändes lite snabbare och vassare för mig då. Men efter att ha arbetat vidare med Strawberry insåg jag att jag hade missat en viktig styrka.

Den kunde komma ihåg hur den hade utfört moment och använda den erfarenheten nästa gång. Det gick snabbare när den kände vägen och det behövdes färre omtag. Dessutom sparade det credits.

Det påminner om skills i Codex: vi kan samla instruktioner och erfarenheter så att AI:n inte behöver börja från noll nästa gång.

Mensas provtest i Chrome

Nu ville jag prova något annat. Mensas provtest består av 24 uppgifter där man ska hitta mönster i figurer. Testtiden är tio minuter.

Jag lät GPT 6.1 Terra arbeta i Chrome. Den fick läsa av figurerna, välja svar och gå vidare genom uppgifterna. Efter ungefär tre minuter och 34 sekunder visade provtestet resultatet 126 eller mer, vilket är det högsta resultatet på provtestet.

Det är roligt att se själva resultatet. Men jag tycker nästan att vägen dit är ännu mer intressant: AI:n behöver hantera en riktig webbsida samtidigt som den tolkar bilder, resonerar och väljer alternativ. Den gör alltså flera olika saker i ett och samma uppdrag.

Se när AI gör Mensas provtest på YouTube. Filmen är uppsnabbad och timern visar den förflutna testtiden.

I vissa avgränsade tester av datoranvändning ligger AI-agenter nu över den mänskliga referensnivån. Det säger något om hur långt tekniken har kommit. I mina egna försök är det också tydligt hur mycket smidigare och snabbare själva arbetet känns jämfört med de första verktygen jag testade.

Vilken modell vill jag arbeta med varje dag?

Länge har många av oss följt AI-utvecklingen genom att fråga vilken modell som är bäst. Nästa lansering, nästa rekord och nästa riktigt svåra uppgift. Jag tycker fortfarande att det är väldigt kul att se vad de mest kraftfulla modellerna klarar.

Men jag märker att min egen fråga håller på att förändras. Vilken modell vill jag använda till alla de där uppgifterna som dyker upp under en vanlig arbetsdag?

Terra är ett bra exempel. Den är gjord för snabba uppgifter och kan samtidigt hantera bildförståelse och datoranvändning. För mig handlar valet om vad uppgiften kräver, hur länge jag behöver vänta och vad det färdiga arbetet faktiskt kostar.

När modellen svarar snabbt och kostnaden är rimlig blir det lättare att använda den ofta. Då kan AI-hjälpen flytta in i den vanliga arbetsdagen.

Jag tänker lite som när man väljer verktyg i verkstaden. Man behöver inte plocka fram den största maskinen för varje moment. Men när ett besvärligt jobb verkligen kräver mer kraft är det bra att den finns där. En snabb arbetshäst kan ta hand om mycket, och en kraftfullare modell kan hjälpa till när uppgiften blir svårare.

När AI använder webbläsaren

Browser use betyder att AI:n får använda en webbläsare för att lösa en uppgift. Den kan läsa sidan, navigera, klicka och fylla i fält. Beroende på verktyget kan den använda både skärmbilder och information om sidans kontroller.

Det blir särskilt intressant när en uppgift går genom flera sidor. Jag har till exempel låtit en agent samla antal följare från fyra sociala plattformar för ett tiotal företag och föra in uppgifterna i ett Excel-ark. Det är ett sådant arbete där varje enskilt steg är ganska enkelt, men där många sökningar och upprepade klick tillsammans tar tid.

Ett annat försök började med något jag gärna skjuter framför mig: att flytta filer mellan SharePoint-sajter. Jag lät Comet hjälpa mig att bygga ett flöde i Power Automate. När det dök upp felmeddelanden arbetade agenten vidare med dem under bygget.

Alla uppgifter behöver inte lösas genom att AI:n klickar. En direkt koppling mellan system kan vara smidigare när den finns. Men för sådant man gör mer sällan kan en agentisk webbläsare vara ett väldigt användbart sätt att komma vidare utan att först bygga en stor integration.

Från webbläsaren till hela datorn

Computer use tar samma idé vidare till programmen på datorn. AI:n kan se vad som finns i ett fönster och använda mus och tangentbord för att arbeta i gränssnittet.

Jag ville testa det på ett lite mer kreativt sätt och bad AI:n måla ett porträtt i Paint med ett foto som förlaga. Den fick använda Paints egna verktyg och arbeta sig fram till bilden. 🎨

Se när AI målar ett porträtt i Paint. Där syns både förlagan och målningsprocessen i snabbversion.

Jag gillar hur tydligt försöket visar datorstyrningen: AI:n arbetar i programmet och jag kan följa hur bilden tar form.

Vad betyder det för ett mindre företag?

Jag tror att det bästa är att börja med ett arbete som faktiskt behöver göras och som någon lägger tid på i dag.

Det kanske är att samla uppgifter från flera webbplatser inför ett kundmöte. Eller att leta fram underlag i olika system och göra en första översikt. Eller att prova hur en idé skulle kunna se ut innan ni lägger pengar på att bygga den.

Välj en uppgift, ge AI:n ett tydligt mål och titta på resultatet tillsammans. Vad sparade tid? Var behövdes återkoppling? Går arbetssättet att använda igen? För återkommande moment kan en skill hjälpa till att samla instruktionerna och göra nästa försök smidigare.

För små och medelstora företag kan det här göra ny teknik mer tillgänglig. Man behöver inte börja med ett jättelikt projekt. Det går att lära sig genom ett konkret arbetsflöde och bygga vidare där man ser nytta.

Key Takeaway

AI kan allt oftare använda webbläsaren och datorns program som en del av ett större uppdrag. Den mest intressanta modellen i vardagen är inte alltid den största, utan den som får jobbet gjort bra och snabbt till en rimlig kostnad.

Vill du veta mer?

Vill du se hur ChatGPT, skills och AI-agenter kan hjälpa dig i praktiken? På min utbildning Bakom spakarna i ChatGPT visar jag hur jag arbetar och vi bygger ett arbetsflöde tillsammans. Du är också välkommen att kontakta mig om du vill prata om möjligheterna i din verksamhet.