Som .NET‑utvikler og seniorkonsulent i Advania valgte jeg en annen løsning enn å bruke enda en kveld på skatteetaten.no og tilfeldige Google‑søk. Jeg bygde en spesialisert AI‑løsning i Claude, det skulle være en personlig, norsk skattekonsulent som kan regelverket, bruker mine tall og hjelper meg å finne fradrag jeg ellers ville oversett.
Fra generell AI til spesialisert hjelper
Generelle AI‑verktøy gir ofte for brede og lite presise svar til at de kan brukes i regulerte områder som skatt, HR eller helse.
Løsningen min var å lage en spesialisert AI‑agent, inkludert en instruksjonsfil i markdown (SKILL.md) som endrer hvordan AI‑assistenten oppfører seg når temaet er norske skatter og fradrag. Agenten består av:
- En presis beskrivelse som forteller når den skal aktiveres (skattemelding, fradrag, restskatt, ASK, BSU, pendlerfradrag, hjemmekontor osv.).
- Et instrukssett med persona, arbeidsflyt, regler og tabeller med satser per år.
En viktig læring for meg og for alle som vil bygge egne AI‑assistenter, er at trigger‑beskrivelsen er like strategisk som resten av løsningen. Hvis du ikke treffer på det brukerne spør om («hvordan betaler jeg mindre skatt?», «hva kan jeg trekke fra?»), kommer ikke agenten på banen, uansett hvor god logikken bak er.
Kvalitet, kilder og personvern først
I norsk skatterett er «nesten riktig» det samme som feil. Derfor satte jeg noen harde krav som også er direkte relevante for virksomheter som vil ta i bruk AI i egne prosesser:
- Bruk bare offisielle og autoritative kilder (som skatteetaten.no og Altinn‑dokumentasjon) når du bygger regelverk inn i en AI‑assistent.
- Merk alle satser og grenser med årstall, for å unngå at fjorårets regler brukes på årets data.
- Vær eksplisitt på usikkerhet: når noe ikke kan verifiseres, skal AI‑assistenten si «sjekk her» i stedet for å gjette.
For at løsningen skulle være nyttig for meg personlig, måtte den også forstå tallene mine, altså årsoppgaver, kontoutskrifter og førsteutkast til skattemeldingen.
Her er det én ting som ikke er til diskusjon: personvern.
Jeg konverterte 25 PDF‑er til markdown med verktøyet «markitdown», og gikk deretter manuelt gjennom alle filene for å fjerne fødselsnummer, kontonumre, adresser og annen sensitiv informasjon før noe ble lastet opp.
Det samme prinsippet gjelder hos kunder: data må behandles bevisst, med anonymisering, tilgangsstyring og tydelig avgrenset formål.
Les også: Jeg lot en GPT-4.1 AI-agent styre lunsjbestillingen - og dette kan du lære av det.
Tydelige rammer: Hva AI skal – og ikke skal – gjøre
En AI‑basert skattekonsulent uten rammer kan bli direkte farlig. Derfor bygde jeg inn noen klare «guardrails» som norske virksomheter med ansvar for kvalitet og etterlevelse vil kjenne igjen:
- All veiledning merkes tydelig som AI‑generert, ikke som autorisert skatterådgivning.
- Mandatet er klart definert: personlig skatt, fradrag, investeringer og bolig – ikke selskapsbeskatning, komplisert næringsregnskap eller arbeidsgiveravgift.
- Assistenten skal være proaktiv, ikke bare svare på ett og ett spørsmål. Spør du om boliglånsfradrag, skal den også sjekke typiske «glemte» fradrag som fagforening, barnehage, BSU og pendlerfradrag.
I tillegg lærte jeg at det er bedre å bygge inn eksplisitt usikkerhet («verify») enn å gi et for selvsikkert, men feil svar. I regulerte domener bør en god AI‑løsning heller være litt forsiktig enn for skråsikker.
Fra «kul demo» til nyttig verktøy
Den første versjonen ga teknisk sett riktige svar, men var for lik en generell chatbot. Den ga for lange tekstvegger, hadde for lite bruk av de opplastede dokumentene og var litt for lite god til å se helheten.
Gjennom flere iterasjoner gjorde jeg tre grep som gjorde løsningen nyttig.
Disse er overførbare til – og som er overførbare til de fleste AI‑prosjekter:
- En konkret sjekkliste, ikke bare frie spørsmål. Agenten går systematisk gjennom de vanligste fradragene og intervjuer brukeren om situasjonen.
- Tallfesting av effekt. Assistenten beregner omtrentlig skatteeffekt for hvert fradrag, basert på riktig årstall – det gjør anbefalingene umiddelbart mer handlingsrettede.
- Egen logikk for vanlige «problemspørsmål» som «hvorfor skylder jeg restskatt?», «må jeg betale skatt på krypto?», eller «hvordan rapporterer jeg utleie av deler av boligen?».
Den største gevinsten merket jeg da jeg testet løsningen på utenlandske investeringer. En relativt liten sum investert via en robo‑rådgiver ga over 20 enkelttransaksjoner som ikke var forhåndsutfylt i skattemeldingen. Agenten identifiserte hvilke transaksjoner som var skattepliktige, beregnet gevinst og tap per handel og guidet meg til riktig felt i skjemaet.
Totalt avdekket løsningen rundt 2500 kroner i fradrag jeg ellers trolig ville oversett, og erstattet et mylder av usikre søk og manuelle sjekker med en strukturert, dokumentert prosess.
Les mer om hvordan vi kan hjelpe deg på din AI-reise
Hva norske virksomheter kan lære av dette
Selv om eksemplet mitt handler om privat skattemelding, er læringen direkte relevant for norske virksomheter som vil gå fra hype til verdi med AI:
- Start i behovet, ikke i teknologien. Identifiser et konkret, regelstyrt og tidkrevende problem, dette kan være alt fra rapportering og kvalitetskontroll, til saksbehandling eller intern veiledning. Bygg en spesialisert AI‑løsning rundt det.
- Kombiner offisielle kilder med egne data. Verdien får du når AI‑assistenten både kan regelverket og har tilgang til strukturerte, kvalitetssikrede virksomhetsdata.
- Bygg inn rammer fra dag én. Definer mandat, ansvar, disclaimere, databegrensninger og tydelige eskaleringspunkter til mennesker (human-in-the-loop).
- Design løsningen som en samtale, ikke en FAQ. De mest verdifulle assistentene er de som stiller de riktige oppfølgingsspørsmålene og hjelper brukeren gjennom en hel arbeidsprosess, ikke bare ett enkelt spørsmål.
I Advania jobber vi allerede med å utvikle slike spesialiserte AI‑løsninger for kunder som vil effektivisere arbeidsprosesser, heve kvaliteten og redusere risiko, men som ønsker å gjøre det uten å miste kontroll på egne data.
Mitt lille skatteeksperiment er bare ett eksempel på hvor mye verdi som ligger i å kombinere målrettet utvikling, domenekunnskap og ansvarlig bruk av AI, akkurat slik vi jobber med AI‑prosjekter for våre kunder i dag.
