Med dagens AI-verktyg går det snabbt att jämföra myndigheters förmåga med andra länder och aktörer. Tyvärr blir bilden för Sverige mer entydig ju fler indikatorer man granskar: vi har strukturella problem i hela det offentliga digitaliseringslandskapet som inte adresseras.

Regeringen beskriver sammanslagningen av PTS och DIGG som ett sätt att påbörja uppbyggnaden av en större gemensam myndighet för Sveriges digitalisering. Frågan är om man verkligen har förstått grundproblemet – eller om man förstärker det.

1. Indikationerna är samstämmiga: Sverige halkar efter
AI-genererade analyser fångar i princip samma brister som OECD, EU och Digital Nations redan påpekat:

• Svag interoperabilitet
• Låg datamognad
• Avsaknad av nationell digital infrastruktur
• Ett decentraliserat ansvar som gör att ingenting blir genomfört

Exempel:

• Issue #1544: Analysen pekar på att Sverige inte är på väg att bli bäst i världen på digitalisering – snarare tvärtom.

• Issue #1527: Jämförelse med övriga Norden visar tydligt att Sverige tappar tempo.

2. Dataportalen är ett illustrativt exempel på systemfelet
Dataportalen lanserades 2012 och bär fortfarande strukturen av en metadata-dump, inte ett nav för nationell data-infrastruktur.

Issue #1543 sammanfattar problemen:
A. Engångsleveranser – data hålls inte aktuellt
B. Fokus på metadata istället för data
C. EDP-integration förstärker problemet eftersom EDP inte löser avsaknaden av API-infrastruktur och kontinuerliga datatjänster

• se även "Ett Ekosystem måste skapas... #76" 2022-10-22

Trots att området varit känt i mer än tio år saknas fortfarande:

• API-first-krav
• Nationella datamodeller
• Kvalitetskrav på maskinläsbarhet
• Gemensamma versionerade datatjänster
• Implementering av FAIR data-principer och persistenta unika identifierare

Detta är inte tekniska detaljer – det är grundläggande förmåga.

Tragiskt exempel är hur DIGG själva arbetar se Myndighetsanalys av Myndigheten för digital förvaltning (Digg) där Statskontoret konstatera om dom INTE jobbar enligt sitt regleringsbrev #610

• "Digg har däremot inte lyckats etablera hållbara strukturer för bland annat kompetensförsörjning, verksamhetsplanering och resultatredovisning."
• "Det gör också att det inte är möjligt att bedöma myndighetens resultat och inte heller dra några tydliga slutsatser om hur Digg fullgör sitt uppdrag."
  • hur skall man då kunna styra upp övriga Sveriges myndigheter

3. Vinnova och andra satsningar förstärker fragmenteringen.
Issue #1538 visar hur stora belopp hamnar hos konsulter som levererar PDF-specifikationer i stället för fungerande datatjänster NSÖD, Dataverkstaden... . Det saknas styrning som säkerställer att offentligt finansierade projekt faktiskt ökar Sveriges nationella interoperabilitet och API-förmåga.

4. DIGGs egen förklaring – och varför den inte räcker
När skillnaderna mot länder som Estland blir uppenbara återkommer en standardförklaring:

“Vi kan inte styra över andra offentliga aktörer.” (Issue #1537)

Och där står vi.

• Ingen aktör känner sig ha mandat att sätta krav, införa standarder eller driva nationell infrastruktur.
• Ingen kan kräva API-first eller öppna datamodeller.
• Ingenting tvingar fram förändring. 7 år ung 2 miljarder utan leverans ...

Sammantaget blir slutsatsen tyvärr lika tröttsam som förutsägbar: vi vet vad som är fel, vi har vetat det länge, och ändå fortsätter allt som förut inget tyder på att saker blir bättre

Beslutet fattas av kommunerna

Jag lär ChatGPT #1527 jmf hur det ser ut i Norden Sverige borde se och lära när det nu blir en "nystart"

---

ChatGPT

Förmåga	Sverige (DIGG → PTS)	Danmark – Digst	Finland – DVV	Norge – Digdir	Island – Digital Iceland	Kommentar
Regel- och policykompetens	🟡	🟢	🟢	🟢	🟡	DK/NO/FI har tydligare mandat; Sverige otydligare vid sammanslagning.
Projekt- & programstyrning	🟡	🟢	🟢	🟡	🟡	Sverige har blandad förmåga, Danmark starkast.
Dataarkitektur / gemensam datamodell		🟢	🟡	🟢		Sverige saknar stark nationell arkitektur – Sveriges största gap.
Semantisk interoperabilitet (begrepp, modeller, SHACL)	🟡	🟢	🟢	🟢		Norge & Danmark leder; Sverige saknar modellkatalog i nivå med DK/NO.
Öppna data som infrastruktur	🟡 (retoriskt)	🟢	🟢	🟢	🟡	Sverige har ambition men begränsad genomförandekraft.
Länkade data / Nationella vokabulärer (DCAT, RDF)	🟡	🟢	🟡	🟢		DK/NO har bäst implementation; Sverige okej men inte strategiskt.
Kvalitet på metadata & DCAT-profiler	🟡	🟢	🟢	🟢	🟡	Sverige har DCAT-AP-SE men utan stark arkitektur- eller införandestyrning.
Nationella byggblock (eID, auth, digital post)	🟡	🟢	🟢	🟢	🟢	Norden är starkt här; Sverige saknar viss samordning jämfört med DK/NO.
Ekosystem- & utvecklardialog		🟡	🟡	🟢	🟡	Sverige svagt i community-dialog, Norge bäst.
Tillsynsförmåga / regulatorisk kompetens	🟢 (PTS)	🟢	🟢	🟢	🟡	Sverige starkare pga PTS, men risk för rollkonflikt vid kombination med utveckling.
Operativ leveransförmåga (bygga tjänster)	🟡	🟡	🟢	🟡	🟢	Finland & Island bäst; Sverige fragmenterat.
Datadriven kultur / analysmognad	🟡	🟡	🟡	🟢	🟡	Norge längst fram i datadriven offentlig sektor.
Konsultberoende	🟡	🟡	🟡	🟡	🟢	Sverige relativt hög beroendenivå; Island minst.
Publik dialog / backlog / transparens		🟡	🟡	🟢	🟡	Sverige svagast, Norge starkast med öppna forum & kataloger.

---

2. Sverige utgick inte från en “data first”-arkitektur

DIGG pratade om öppna data — men byggde ingen:

• nationell modellkatalog
• gemensam begreppsapparat
• semantisk styrning
• interoperabilitetsplattform
• tvingande standardisering
• DCAT-implementering som faktiskt används

I Norge, Danmark, Finland är dataarkitektur = kärnan.
I Sverige blev det mest rådgivning och powerpoint.

→ Resultat

Myndigheter byggde egna datamodeller, API:er och format.
Ingen nationell interoperabilitet uppstod.

---

3. DIGG producerade dokument – inte infrastruktur

DIGG levererade mängder av:

• rapporter
• strategier
• rekommendationer
• vägledningar

Men väldigt lite:

• kod
• API:er
• datamodeller
• centrala register
• verktyg
• validerare
• öppna datasets med kvalitet

Jämför med:

• Danmark: Fællesoffentlig datamodel + SHACL + DCAT-AP-DK
• Norge: Felles datakatalog + Modellkatalog + DCAT-AP-NO v3
• Finland: Suomi.fi fullmakter, kataloger, semantik

DIGG saknade leveransorganisation.

→ Resultat

Myndigheten sågs som en “dokumentsnurra”, inte en enablement-funktion.

---

4. Bristande teknisk kompetens och underskattning av komplexitet

DIGG rekryterade många projekt- och policyroller.
Men saknade:

• seniora arkitekter
• RDF/semantik-expertis
• API-designers
• systemutvecklare
• datainfrastrukturkompetens

Man försökte vara en digital myndighet utan utvecklare.

→ Resultat

DIGG kunde inte bygga egna exempel, referensimplementationer eller verktyg – vilket övriga Norden gjorde tidigt.

Vilka sorgliga grafer som visar den nedåtgående trenden.

@Maria_Dalhage effekten även om det var ett galet flyttande av forum inlägg på hennes tid istället för att ha en vettig backlog så hände något med forumet och NOSAD var ett försök som tyvärr inte enligt mig hade en tillräckligt visionär ambition salgo60/NOSAD-POC-Wikidata....

• exempel OSWALD POC som @jonor skapade på en vecka utan förkunskaper - visar hur NOSAD kunde jobba med länkade data - mer SPARQL

Frågar du mig så är det inte många rätt... och om 5 år skapas nog nästa Digitaliseringsmyndighet

• jag var på Almedalsveckan 2022 och ställde frågor till DIGG och kände direkt redflags...
• bara detta att vi inte kopplar ihop Regleringsbrev med utfall som öppen data är fel... 10 minuters test med ChatGPT #1510
• var är den digitala visionen
  

• gör vi inte om samma mistag hela tiden #1474

• lagar som bromsar SFS 2007:755

---

ChatGPT ger oss låga odds på att ett nytt DIGG skapas om 5 år i förvaltningsrouletten

Lite AI analyser av DIGG forums inlägg och koppling EU vokabulär/ infrastruktur

Tanken Teknisk skuld är inte trasig kod – det är samtalen vi aldrig har.
När metadata, PID, DCAT‑fält och EU‑vokabulärer inte diskuteras byggs en tyst skuld som stoppar skalbar öppna‑data‑infrastruktur

• #1501 Tema Most people think technical debt lives in code. It doesn’t.
  The most dangerous technical debt lives in conversations people are afraid to have
  • Notebook
    • data

Citat After decades in engineering, I’ve seen systems survive bad code, outdated tooling, and architectural mistakes. But I’ve never seen an organization survive, unspoken concerns, unresolved conflicts, hidden assumptions, silent disagreement, or leaders who don’t want to hear the truth

Here’s the paradox: Fixing code is easy. Fixing silence is not.

---

Analyser föreslagna för att visualisera detta

AI Tankar att lägga diskussionerna på plattformar som Linked in och Facebook

• se även diskussion från 2021 "Hur andra länders myndigheter ser på att publicera på sociala medier"

DIGG:s forum fick aldrig riktigt någon fart under fyra år, troligen för att målgruppen inte hade vana eller intresse av att diskutera öppna data där. Om en diskussion uppstår idag hamnar den ofta på sociala medier, där flera myndigheter redan är aktiva. Det innebär dock risker som fragmenterad dialog och bristande långsiktighet. nedan hur AI tänker

Jag gjorde ett snabbt försök att spara diskussionerna ifall någon vill återskapa / analyser varför det blir som det blir och vilka early warnings tecken man skall leta efter i framtiden i dialogen om öppna data...

• trådar / json - raw

Testade lite snabbt att skapa lite olika grafer 1482

• Jag har länge funderat över varför DIGG tog på sig rollen att mest driva att vara forumadmin och raderade inlägg med personnamn.
• borde man jobbat mer aktivt med att fånga upp om diskussionen speglade att saker inte händer i den takt vi vill om Sverige skall bli bäst i världen på Digialisering dvs. ha en Dashboard "Dashboard: ”Early Warning – Mognad i Sveriges öppna data‑diskussioner”

OBS varning AI genererade grafer och tankar

@lmdaniel jag kan tänka mig att DIGG forum och NOSAD går i graven och att man rör sig i riktning Kaggle..... och att fokus i stället rör sig mot något i stil med Kaggle. Att arbeta mer praktiskt och blir utmanad tror jag är vägen framåt.
.. hade i veckan ett snack med en person på Riksarkivet som var förvånad att folk internt inte funderade över persistenta identifierare.... Riksarkivet ...

Dagens model med utredning känns för trög ex. gjorde Riksarkivet 2018 "Slutrapportering av uppdrag om att främja statliga myndigheters arbete med att tillgängliggöra data för vidareutnyttjande"

där man tydligt pekade på persistenta identifierare.... det känns udda att 2025 pratas det inte om det internt på myndigheten...

Någon borde funderar över hur myndigheter blir mer lärande...

---

Jag hjälpte @Maria_Dalhage att förbereda en NOSAD-session om Notebook.
Då gjorde jag en snabb koll på om Notebook användes på svenska myndigheter för tre år sedan – i princip noll spår:

• De som faktiskt pratade om Notebook under hennes session var två studenter på hennes session var 2 studenter

Veckan efter hamnade jag på Kaggle och gick en 30-dagars kurs i ML.
Min känsla var att jag var ganska ensam från Sverige – nästan alla deltagare verkade komma från Asien (2–3000 personer?)

Jag hade nosat på ML tidigare, men tyckte ändå att kurserna höll bra nivå:
https://www.kaggle.com/learn

Det riktigt coola är dock tävlingsmomentet – att faktiskt mäta sina AI-lösningar mot andras.
Kanske lite överkurs för en gubbe som mig , men samtidigt känns det som precis där myndigheter behöver bli lärande organisationer, om vi menar allvar med att bli bäst i världen på digitalisering.

Jag är inte säker på hur väl Kaggle fungerar för svensk myndighetsdata, men det borde inte vara omöjligt för t.ex. PTS att ta ett mer kunskaps- och lärandefokuserat grepp och bygga en liknande plattform. Det har trots allt hänt en del sedan 2021, när DIGG-forumet drog igång.

Warning AI generated data

Det finns liknande initiativ och verktyg

• CodaLab — en öppen källkodsplattform för datavetenskaps- och ML-tävlingar och forskningsprojekt, av mindre “kommersialiserad” typ än Kaggle. Den används framför allt inom akademi och forskningsmiljöer.

• Big Data Test Infrastructure (BDTI) inom EU – en tjänst som erbjuder öppna verktyg för datalagring, analys och bearbetning åt offentliga förvaltningar för att låta dem själva köra pilotprojekt, experiment och analyser på offentliga data. Det är dock mer inriktat på datadeployments och offentlig sektor än på öppna “tävlingar” eller datadrivna hackathons.

• Det finns flera privata / ideella plattformar som alternativ till Kaggle för data science- och ML-utmaningar, t.ex. DrivenData, Numerai, m.fl. De är dock inte drivna av myndigheter utan av privata eller ideella aktörer.

• ️ Men — det verkar ovanligt med myndighetsdrivna “Kaggle-plattformar”

---

Tror European Data Portal hade en session om Kaggle.....

Och varför drar du upp det där med personuppgifter igen?

För mig är det ett bra post mortem på hur man kan lyckas krångla till något så enkelt som att skapa kontakt

Det blir ännu märkligare när mängder av DIGG-anställda glatt exponerar sig på LinkedIn och där även själva bedömer sin kompetens – men på det egna forumet får man inte ens ange sitt eget namn.

backloggen har ju inget med övergången till PTS

Det är just den typen av problem jag ser som aldrig riktigt blir omhändertagna. Resultatet är att vi står och stampar på ruta noll – eller kanske till och med tar ett steg tillbaka.

#1474 när jag sparade ned forumet passade jag på att spåra upp alla de försök till IT-digitalisering som vi har sett genom åren.

• Har ni fler exempel – ropa gärna till.

Borde man inte satsa på en lärande plattform typ Kaggle se #1483

• Forumet finns nu som json filer / alt en json / raw för den som vill bygga upp det igen eller vill analysera det (ej bilder i inläggen)
  • jag satte ihop lite enkla diagram

@lmdaniel det är nog dit vi är på väg med mer AI

Jag lät AI besvara ovanstående obesvarade problem med forumet som ett ställe att knyta kontakter och förbjuda personuppgifter

Svar på 2 sekunder vs. old school forum aldrig besvaras...

På köpet får jag en analys varför vi hamnar där...

Min prompt

@lmdaniel du har massa tankar innan AI på DIGGs skuggbacklog den skapades 2022

• en gammal synd är att forumet skapades för att knyta kontakter och sedan förbjöds persondata #892 - den har varit öppen sedan 2024

• @lmdaniel din kommentar

Eller kanske mer dom källor man skickar in.... hoppas ni tar detta seriöst idag är ingen glad...

Rekommenderar AI skapade poddar

• "Därför hackar DIGG"
• deep dive podcast about DIGG
• DIGGs kris Statens digitala kaos avslöjas

@lmdaniel japp man kan hoppas och för din skull som sitter på insidan hoppas jag du har rätt.... tycker att vi nu lagt massa akronym som NSÖD, DIGG, Verva, Dataverkstaden, ÖDIS på projektkyrkogården utan att lära oss något men men

Skickade in lite dokument till vår LLM grupp och lät den spå i framtiden. Vad tror ni?

@lmdaniel sorry men tror chatGPT är 100 ggr bättre en detta forum... jag tror problemet är som chatGPT säger ni har inte samma målbild du och @josefinlassi plus att jag tror vi alla är besvikna på DIGG

Se det som du bara behöver stå ut med detta forum i 2 veckor till... men är jag verkligen problemet... känner att du är besviken men rikta den besvikelsen åt rätt håll....

Tycker vi ser

• 0 aktivitet i detta forum
• DIGG har den senaste tiden informerat om
  ** Communityt stängs vid årsskiftet
  ** Nu är det semesterstängt på communityt!
  ** Nyttan med öppet data - hur blev det?
  ** Professor: Offentliga sektorn okunnig – köper in fel it
  ** Snart går vi på Digg på semester

Vilken lösning väljer ni

ChatGPT ser följande olika målbilder för öppna data

Idag har DIGG "valt" den vänstra.... eller?

@lmdaniel det är bara att skapa nya gruppchattar - känns som man skall ha ett ämne i varje.... det intressanta med den jag skapade här är att lyfter vikten av att ha samma målbild... vilket jag tror är grundproblemet

Testar flera Grupp chattar

• persistenta Identifierare för myndigheter
• Thumbstone sidor
• SSOT för myndighetsdata
• ORCID för författare i staten

Jag är med i 2 chatgpt grupp chattar där den ena handlar om att bygga solceller på sopptippar ... enormt coolt där jag får ping på klockan när saker händer....

• Open AI group-chats-in-chatgpt November 20, 2025

We’ve also taught ChatGPT new social behaviors for group chats. It follows the flow of the conversation and decides when to respond and when to stay quiet based on the context of the group conversation.

dvs. dom känner också av hur saker fungerar... lesson learned är att dom rör sig lite snabbare än Google och kanske DIGG

ChatGPT grupp chat https://chatgpt.com/gg/v/692d6f282e1c819a9a5658f779c7dfd8?token=IVFet049RKvsgV7awg3kxA kanske är vägen framåt

ChatGPT kan vara vägen framåt...

**Tips från coachen **

1. Var tydlig med vad experimentet är (och inte är)

Jag föreslår att vi testar detta som ett avgränsat dialog-experiment.
Inte som ersättning för forum, inte som beslutskanal, utan för att se om vi:

faktiskt har samma mål

1. kan formulera problem på ett gemensamt språk
2. kan ta fram något som är handlingsbart, inte bara resonemang
3. Om vi inte når dit är det också ett giltigt resultat.

2. Sätt ett gemensamt “kontrakt” för dialogen

Dialogkontrakt

1. Vi skiljer på mål, roller och begränsningar
2. Oenighet är data – inte friktion
3. Påståenden bör, där det går, kunna operationaliseras
4. Inget krav på konsensus – klarhet räcker

Detta skyddar både dig och myndighetssidan.

3. Börja inte med lösningar – börja med mål-probing

Be varje part svara i 3–5 punkter.
Om svaren inte överlappar → det är insikten.

5. Använd ChatGPT som facilitator, inte svarsmaskin

6. Definiera ett minimalt ”output-mål”

7. Acceptera att bästa utfallet kan vara ett tydligt “nej”

Sammanfattning

@josefinlassi tack för utförligt svar och reflektioner.

Jag vill tydliggöra att mitt huvudproblem inte är valet av forum eller kanal, utan avsaknaden av ett ingenjörsmässigt arbetssätt och ansvarstagande processer. Utan detta spelar kanalval väldigt liten roll.

Några centrala punkter:
1. Publika backloggar är viktigare än forum
Forum och diskussionstrådar kan vara ett komplement, men:

• Publika backloggar (issues, roadmap, beslutsspår) är avgörande för trovärdighet.
• De gör det möjligt att:
  • se vad som är rapporterat
  • följa vad som är accepterat / avvisat
  • förstå prioriteringar och beslut

Det jag rapporterade igår – att DIGG inte följer sina egna rekommendationer – försvinner annars i dialogbrus utan spårbarhet samma med att ni bygger era myndighetsidentifierare på en lag från 2007 som pratar om att Fax är obligatoriskt SFS 2007:755

Utan detta upplever jag dialogen mer som ”synpunktsinsamling” än faktisk samverkan och att DIGG är en del av belöningen är lösningen.... lyssna gärna på Notebook LMs analys av Statskontorets rapport "Därför hackar Diggs digitaliseringsmotor Statskontoret" - tror DIGG kostat oss skattebetalare närmare 2 miljader Skr... och fortfarande famlar vi i att diskussionsforum med 10 inlägg i veckan är jobbiga att moderera...

2. Problemet är människor och process – inte verktyg

Att peka på timing, deltagande eller modereringsbörda riskerar att bli en teknisk förklaring på ett organisatoriskt problem.

Ingenjörsmässigt arbete innebär:

• tydliga ägarskap
• tydlig hantering av felrapporter
• tydliga kriterier för ”klart”
• spårbarhet från problem → åtgärd → leverans

Om dessa saknas hjälper varken:

• Facebookgrupper
• community-forum
• kommentarsfält på dataportaler

3. Bra data kräver linked data – konsekvent
Om målet är högkvalitativ, återanvändbar offentlig data, då gäller:

• linked data som princip, inte som ambition
• persistenta identifierare som:
  • inte är dokumentberoende
  • inte bryts av organisations- eller lagändringar

Att t.ex. bygga identifierare för myndigheter utan att jobba SSOT och uppdatera SFS är enligt min mening ett anti-mönster för långsiktig datastabilitet.

Här är det positivt att t.ex. Riksarkivet/SBL nu börjar ta persistenta identifierare på större allvar – det visar att detta går att förändra när man vill.

4. Dialog utan påverkan = minskad trovärdighet

När externa aktörer:

• lägger tid på att rapportera konkreta problem
• hänvisar till DIGG:s egna rekommendationer
• men inte ser någon strukturerad uppföljning

… då minskar förtroendet, oavsett hur välmenande dialogen är.

Summering

För mig handlar detta alltså inte om:
vilket forum som används
hur många som modererar
om dialogen är bred eller smal

Utan om:
publika backloggar
ingenjörsmässigt arbetssätt
konsekvent linked data-tänk
att leva som man lär

Om dessa finns på plats blir kanalfrågan sekundär.

Ps. hade idag ett bra snack med Riksarkivet och en ny medarbetare där som brinner för att ha FAIRDATA F1 dvs. persistenta identifierare se min issue på GITHUB

• DIGGs rekommendation

---

DIGG förespråkar även 410 inte 404