Så byggde jag ett agentbaserat system för kategoritexter (utan AI-slop)

Författare: Katarina Dahlin · Senior Growth Hacker & SEO-konsult
Uppdaterad: 2026-11-17 · Lästid: ~5 min

Du kan generera texter till kategorisidor med AI på några minuter. Det svåra är att få texter som är sanna, användbara för kunden och som AI-sökning kan citera, utan att behöva kontrollera varje mening för hand.

Så jag skrev inte en bättre prompt. Jag byggde ett system. Så här fungerar det, och principerna gäller vilken e-handel som helst.

Börja med en regel

Den viktigaste regeln visade sig vara den enklaste: en mening utan fakta raderas.

Inte skrivs om. Inte görs “mer engagerande”. Raderas.

“Ett brett sortiment för alla behov” raderas. “En klar polykarbonatskiva släpper igenom cirka 88–89 % av ljuset, en vit cirka 30 %” stannar kvar. Den sista är den enda meningen en kund faktiskt kan ha nytta av, och just den typen av mening som ChatGPT eller Googles AI Overviews kan citera.

Ett enkelt test: ta bort nyckelordet ur meningen. Om meningen förlorar information, behåll den. Om inte, var det bara beröm.

Dela upp rollerna

Hur vet du att AI-skriven text är sann? Det gör du inte, så jag byggde systemet kring det.

  • En skrivagent skriver bara utifrån kundens egen produktdata. Ingen allmän kunskap, inga “branschfakta”, inget innehåll från konkurrenter.
  • En kontrollagent kontrollerar varje mening mot färsk produktdata och markerar den som styrkt, behöver en människa eller fel, med källcitatet bredvid.
  • Skript avvisar automatiskt texter som bryter mot reglerna.
  • En människa avgör bara de fall som kräver bedömning.

I första testomgången var 966 meningar styrkta, 73 flaggades för en människa och 1 var fel. Regeln för rättningar var lika viktig som kontrollen: om du är osäker, gör påståendet smalare eller ta bort det. Lägg aldrig till.

Vad skrivagenten får veta

Svara först. AI-sökning läser inte din sida som en människa. Den tar en sektion, ibland bara en mening, och svarar med den. Därför börjar varje sektion med ett direkt svar på rubriken. Sedan kommer beviset, ett faktum eller en siffra ur produktdatan.

Varje mening står för sig själv. Inget “som nämnts ovan” och inga “den” eller “dessa” som pekar bakåt. Produktnamn skrivs ut i sin helhet varje gång. För en mänsklig läsare blir texten lite upprepande, men det är priset för att kunna bli citerad.

Dra inga slutsatser. Inga synonymer som datan inte använder, och ingen generalisering av en produkts egenskap till hela kategorin. Finns det inte i datan, finns det inte i texten.

Skriv inte sådant som ändras. Innan varje mening ställs frågan: kommer det här fortfarande att stämma om tre månader? Priser, tillgänglighet och “vår mest sålda modell” ändras, och produktlistan visar dem redan.

Gör texten till återförsäljarens egen. Ber du AI att skriva en kategoritext får du samma text som din konkurrent. Lösningen är att lägga till information som bara den här återförsäljaren har, som egna varumärken och vad de erbjuder i just den kategorin.

Gör varje lärdom till en regel

Varje gång jag upptäckte ett problem frågade jag mig själv hur jag ser till att det aldrig händer igen. Att skriva det i en prompt räcker inte, eftersom promptar glider och glöms bort.

Därför hamnade varje ny regel samma dag i kontrollskriptet, skrivguiden och hos varje agent. En text som bryter mot en regel avvisas automatiskt, oavsett vem eller vad som skrev den. Feedback som blir kod ackumuleras. Feedback som stannar i huvudet upprepas.

Använd människor till bedömning

Jag ville inte läsa varje varning. De tydliga fallen rättades automatiskt. Resten kom till mig som en kort numrerad lista med enradsfrågor, som jag besvarade på några minuter.

Det är det jag tror på: inte en människa som granskar allt, utan en människa som fattar de beslut som verkligen kräver bedömning.

Systemet hittar också problemen i datan

Den största överraskningen fanns inte i AI:ns text. Den fanns i kundens egen produktdata, där namn och beskrivningar motsade varandra. AI skapade inte de här felen. Den läste bara äntligen allt, rad för rad, så som inget mänskligt team hinner.

Nu väljer texten inte sida. Påståendet utelämnas, och motsägelsen hamnar på en lista till kunden. Bättre data ger bättre sidor och bättre svar i AI-sökning.

Varför det skalar

Ett sådant här system är inte beroende av hur många sidor du ger det. Reglerna delas av alla agenter och skript, och en människa ser bara de frågor som kräver bedömning. Fler sidor ger inte lika mycket mer manuell kontroll.

Texterna får också vara korta. Om produktdatan inte stöder en mening skrivs den inte, även om sidan blir 200 ord i stället för 600. Längd var aldrig målet. Användbarhet var det.

Om ditt AI-innehåll skulle kunna dyka upp på en konkurrents sida oförändrat är det inte ditt innehåll.

0