Vi har vant oss vid att använda AI ungefär så här:

Jag frågar.

AI svarar.

Jag tar nästa steg.

OpenAI Dots bygger på en annan idé.

En Dot är en AI-agent i ChatGPT som kan få ett löpande ansvar, fortsätta arbeta mellan konversationer och komma tillbaka när något har förändrats, blivit klart eller kräver ett beslut.

Det tycker jag är betydligt mer intressant än ännu en bättre chattmodell.

För skiftet är egentligen inte från sämre AI till smartare AI.

Det är från uppgift till ansvar.

Vad är OpenAI Dots?

OpenAI lanserade Dots på DevDay i slutet av september 2026.

En Dot är en persistent agent i ChatGPT, byggd för arbete som fortsätter över tid.

Den har:

  • en egen molndator
  • möjlighet att använda anslutna appar
  • minne och löpande kontext
  • schemalagda uppgifter
  • proaktiv research
  • regler för vad den får göra själv och när den behöver fråga
  • möjlighet att lämna över beslut till dig

OpenAI beskriver det som en agent som kan fortsätta göra framsteg mellan era samtal.

Det är en ganska viktig skillnad.

En vanlig chatt väntar på nästa prompt.

En Dot kan ha ett uppdrag som fortfarande pågår när du har gått vidare till något annat.

Det är kontinuiteten som är ny

Automatisering är förstås inget nytt.

Jag kan redan i dag schemalägga en kontroll varje morgon eller be ett system skicka en rapport varje fredag.

Men en vanlig automation är i grunden:

Kör den här instruktionen vid den här tiden.

En Dot kan i stället arbeta mer som:

Håll ihop det här området åt mig. Följ vad som händer, kom ihåg vad vi redan har beslutat och säg till när jag behöver göra något.

Den kan arbeta vidare, läsa information från anslutna källor och bygga upp kontext över tid.

OpenAI kallar en del av detta för proactive research.

Det innebär att agenten kan leta efter relevanta förändringar och spara privata anteckningar även när du inte precis har bett om en ny analys.

Där börjar det likna något annat än en chatbot.

En Dot har sin egen dator

Varje Dot har en egen molndator.

Det innebär att arbetet inte behöver vara beroende av att din laptop står öppen på skrivbordet.

Agenten kan arbeta med filer, webbläsare och andra verktyg i sin molnmiljö.

Det går också att ge den åtkomst till en lokal dator, men det är en separat behörighet. Då behöver datorn vara online och ChatGPT-appen vara öppen.

Det är en viktig nyans bakom formuleringen “always-on”.

Molnarbetet kan fortsätta utan din dator.

Lokalt arbete kan det inte.

Den kan arbeta över flera system

Dots delar app- och pluginbehörigheter med resten av ChatGPT.

Om du har kopplat en tjänst kan din Dot, inom de rättigheter du har gett den, använda informationen i sitt arbete.

Den kan exempelvis arbeta med kalender, e-post eller andra anslutna system där stöd finns.

OpenAI har också stöd för att Dots kan finnas i Slack och Microsoft Teams, och Specialist Dots testas för mer avgränsade roller i organisationer.

Det här gör att agenten inte bara behöver känna till ett projekt genom det du klistrar in i en prompt.

Den kan i stället få tillgång till delar av den miljö där arbetet faktiskt pågår.

Det är både styrkan och den stora frågan.

Ju mer användbar agenten blir, desto mer åtkomst behöver den

För att en Dot verkligen ska kunna hjälpa till behöver den kontext.

Kalender.

Dokument.

E-post.

Projektinformation.

Kanske kod, kundsystem eller andra verktyg.

Men det betyder också att diskussionen om AI-agenter snabbt flyttar från:

Hur bra är modellen?

till:

Vad får agenten läsa, komma ihåg och göra?

OpenAI har flera nivåer av kontroll.

Det går att ange egna regler för om en handling får göras direkt, om den måste vara förgodkänd, om agenten ska fråga varje gång eller om uppgiften ska lämnas över till dig.

De mest känsliga handlingarna kan kräva att du själv tar över.

Proaktiv research har dessutom striktare begränsningar. Den får inte på egen hand skicka meddelanden, ändra innehåll via plugins eller styra en browser eller dator.

Det är bra.

Men det tar inte bort behovet av att tänka igenom behörigheter.

Minne är också en större fråga när agenten lever vidare

En Dot kan ta emot minne från ChatGPT och bygga upp egen kontext från samtal och anslutna appar.

Det är en del av poängen.

Om den varje gång måste börja om från noll försvinner mycket av värdet med ett löpande ansvar.

Men här finns en detalj som är värd att känna till.

Om du kopplar bort en app slutar ny information att hämtas, men information som redan har blivit en del av Dotens kontext försvinner inte automatiskt.

OpenAI skriver också att man i nuläget inte kan gå in och redigera enskilda Dot-minnen. För att rensa Dotens egen sparade kontext behöver man återställa eller ta bort den.

Det gör valet av information och behörigheter ännu viktigare.

Vad skulle jag själv använda en Dot till?

Jag hade inte börjat med att ge den rätt att skicka kundmail, publicera saker eller göra förändringar i produktion.

Jag hade börjat betydligt enklare.

Min arbetsvardag innehåller många parallella spår, webb, growth, analys, research, kunder, interna frågor och saker som behöver följas upp över tid.

Där ser jag framför allt tre användningsfall.

En löpande researchradar

Jag följer redan utvecklingen inom AI, sök, WordPress, webb, tracking och dataskydd.

I dag är det fortfarande jag som måste gå tillbaka och fråga:

Har något viktigt hänt sedan sist?

En Dot skulle i stället kunna ha ansvaret:

Följ de här områdena. Lyft inte varje ny produktlansering. Kom tillbaka när något faktiskt förändrar hur jag bör arbeta, vad jag bör testa eller vad jag behöver känna till.

Det är precis den typen av kontinuitet jag tycker verkar intressant.

Hålla ihop pågående arbete

Ett annat test skulle vara projektuppföljning.

Inte att låta agenten driva projektet åt mig, utan att låta den hålla koll på sådant som lätt hamnar mellan stolarna:

  • vilka beslut som är tagna
  • vilka frågor som fortfarande är öppna
  • vad jag väntar på från någon annan
  • vilka deadlines som närmar sig
  • vilket nästa steg vi redan kommit överens om

Sedan kan den komma tillbaka när något behöver min uppmärksamhet.

Det är ganska långt från “skriv en att göra-lista åt mig”.

Det handlar mer om att slippa återskapa projektets tillstånd varje gång jag går tillbaka till det.

Förbereda arbetsdagen

Det enklaste användningsfallet kan också vara ett av de bästa.

Kalender, kommande möten, relevanta trådar och sådant jag själv har sagt att jag behöver följa upp.

Inte en generisk morgonsammanfattning.

Mer:

Här är de tre saker där du faktiskt behöver vara förberedd i dag. Det här beslutade ni sist. Det här saknas fortfarande. Här är underlaget.

Det hade sparat mig betydligt mer mental växling än ännu en AI som hjälper mig skriva ett mötesmail.

Samma princip går att använda i många roller

Det intressanta är att ansvarstanken fungerar långt utanför min egen vardag.

Ett webb- eller utvecklingsteam skulle kunna låta en agent följa inkommande feedback, samla reproducerbara buggar, förbereda tester och hålla ihop vad som redan är undersökt.

OpenAI ger själva ett exempel där en utvecklare använder en Dot för att följa kundfeedback och arbeta vidare med buggar och efterfrågade funktioner.

En forskare skulle kunna låta agenten följa nya experimentdata, köra om analyser och undersöka avvikande resultat. Det är också ett användningsfall OpenAI lyfter.

En projektledare skulle kunna använda den för att hålla ihop beslut, beroenden och uppföljningar.

En säljare eller kundansvarig skulle kunna använda den för att hålla ett levande konto-underlag inför möten, så länge rätt system och behörigheter är anslutna.

Ett marknadsteam skulle kunna låta den bevaka ett område, samla förändringar och förbereda underlag utan att agenten får publicera eller kontakta någon själv.

Och privat kan det vara betydligt enklare saker, som en kalenderkontroll eller ett återkommande bevakningsuppdrag.

Gemensamt för de bättre exemplen är att det finns något som förändras över tid.

Annars behövs förmodligen ingen Dot.

Det här är inte bara en bättre automation

Det finns en frestelse att se Dots som:

ChatGPT + schemalagda uppgifter.

Men jag tycker det missar det viktigaste.

En automation utför samma eller liknande instruktion igen.

En persistent agent kan i teorin:

  1. komma ihåg vad den redan har gjort
  2. ta in ny information
  3. ändra nästa steg utifrån den informationen
  4. driva flera deluppgifter
  5. veta när den behöver fråga dig
  6. fortsätta efter svaret

Det är den kombinationen som börjar likna delegering.

OpenAI beskriver själva den bredare agentutvecklingen som en förändring från korta enskilda interaktioner till delegerade uppgifter med längre tidshorisont.

Dots är en ganska tydlig produktversion av samma idé.

Men tidiga användarrapporter är blandade

Det är också alldeles för tidigt att låtsas att Dots redan fungerar som en pålitlig digital kollega.

De första användarrapporterna är blandade.

En användare på Reddit beskriver hur en Dot hållit ihop ett dokumentarbete över flera dagar, kunnat ta en sidofråga och sedan återgå till den större uppgiften utan att hela sammanhanget behövde byggas upp igen.

En annan tidig användare beskriver motsatsen, enkla handlingar tog lång tid, datoranvändningen var opålitlig och agenten kändes för långsam för realtidsarbete.

Det är anekdoter, inte ett benchmark.

Men de pekar på något viktigt.

Dots behöver kanske inte vara snabbast på varje liten uppgift för att vara användbar.

Den stora frågan är om den kan bära kontinuitet i arbete som annars kräver att en människa hela tiden kommer ihåg var allting befinner sig.

Den stora frågan är inte vad den kan göra

När en AI bara svarar på en fråga är riskytan ganska liten.

När samma AI har minne, appar, dator, schemalagda jobb och möjlighet att agera på dina vägnar blir frågan större.

Vad ska den få göra själv?

Vad kräver godkännande?

Vad ska den aldrig få göra?

Vilken information får den bära mellan uppgifter?

Vilket arbete är lätt att kontrollera i efterhand?

Och när är det enklare att bara göra jobbet själv?

Det är där jag tror nästa fas av AI-användning kommer avgöras.

Inte i vem som skriver den bästa prompten.

Utan i vem som blir bra på att delegera tydligt, sätta gränser och granska resultatet.

Kan jag sätta upp en Dot i Sverige?

Inte på vilket ChatGPT-konto som helst.

När jag uppdaterar den här texten den 3 oktober 2026 ser tillgängligheten ut så här:

  • Pro: Dots rullas ut, men Sverige omfattas inte eftersom lanseringen för Pro ännu exkluderar EES, Schweiz och Storbritannien.
  • Business Premium: Dots är tillgängligt i alla regioner där ChatGPT stöds, vilket även omfattar Sverige.
  • Enterprise, Edu och Healthcare: Dots finns som beta när arbetsytans administratör väljer att aktivera funktionen. Den är avstängd som standard.
  • Plus, Go och Free: Dots ingår inte i den nuvarande lanseringen.

Även för ett konto som är berättigat sker utrullningen gradvis. OpenAI skriver att det kan ta flera dagar innan funktionen dyker upp på kontot.

Själva skapandet görs dessutom på desktop web eller i ChatGPT-appen för dator. En Dot kan användas från mobil när mobilåtkomst finns, men den går i nuläget inte att skapa i mobilappen och stöds inte på mobilwebben.

För mig betyder det att jag ännu inte kan sätta upp och testköra en Dot på mitt svenska personliga konto.

Jag kan alltså se hur jag skulle vilja använda den, men exemplen ovan är fortfarande planerade användningsfall, inte erfarenheter från ett eget Dots-test.

Tillgängligheten förändras snabbt, så den aktuella OpenAI-sidan är värd att kontrollera om du läser detta senare.

Från prompt till ansvar

Jag tror inte att Dots blir intressant för att den kan göra fler saker än ChatGPT.

Det intressanta är om den kan göra samma arbete med kontinuitet.

Komma ihåg.

Följa upp.

Reagera när något förändras.

Driva nästa steg.

Och framför allt förstå när jobbet ska tillbaka till människan.

Det är en annan arbetsmodell än att öppna en chatt och börja om med en ny prompt.

Vi har under året sett AI-agenter få browser, dator, kodmiljöer, MCP-kopplingar och tillgång till fler system.

Med Dots paketeras mycket av det runt en ganska enkel idé:

Ge agenten ett ansvar som finns kvar även efter att samtalet är slut.

Det är där jag tror den större förändringen ligger.

Frågan är inte längre bara:

Vad kan AI hjälpa mig med just nu?

Utan:

Vilket ansvar är jag faktiskt beredd att lämna över, och vilka delar vill jag fortfarande hålla själv?

Källor