.jpg)
Sammanfattning: Hur mycket arbetar Gasellbolag med att synas i AI-sök och SEO, egentligen? Inte speciellt mycket, visar det sig. Smarkifys Performance Marketing expert gjorde en djupdykning. Här delar han med sig av insikterna och hur du lätt kan rätta till problemen för att stärka er synlighet.
- Skriven av Oscar Aston Brovall, Performance Marketing Specialist
llms.txt och strukturerad data diskuteras idag flitigt i AI- och SEO-kretsar. Kort förklarat är llms.txt en liten textfil som beskriver vad företaget gör så att AI snabbt ska förstå sajten, istället för att behöva gissa sig fram genom menyer och löptext. Men om svenska bolag använder dem rätt – på ett sätt som ger effekt – är oklart. Det ville vi få klarhet i. Därför undersökte Smarkify 281 av Sveriges snabbast växande bolag 2025, för att se hur det verkligen ligger till, utifrån vad som finns på deras sajter.
I juli 2026 hämtade vi filen /llms.txt från 281 svenska Gasellbolag från år 2025. Endast 37 av dem, 13,2 procent, hade en.
Ännu mer intressant är vilka bolag som faktiskt hade filen. Företagstjänster, alltså konsulter, rådgivare och byråer som pratar om AI varje dag, hade lägst andel av alla: ett bolag av trettio.
Utöver llms.txt tittade vi också på schema markup, det vill säga, den strukturerade datan i sidans kod. Bland bolagen med llms.txt hade 89,2 procent även schema. Bland dem utan llms.txt var talet 63,9 procent. Sett över hela urvalet hade två tredjedelar, 67,3 procent, strukturerad data i någon form.
Den siffran låter dock bättre ut än vad den är. Av bolagen som har schema markup har 71 procent bara den mest grundläggande varianten, en så kallad boilerplate, den ett CMS genererar automatiskt. Räknar man istället på samtliga 281 bolag har 19,2 procent schema som beskriver vad de säljer.
De två teknikerna hänger ihop, men den ena är en etablerad standard och den andra inte. Schema markup används av sökmotorer redan idag. llms.txt avvisas uttryckligen av Google, men hämtas av Perplexity, Claude och kodagenter. Det är också därför vi rekommenderar er att prioritera dem olika.
Men låt oss börja från början, vad är llms.txt och schema markup? llms.txt är en textfil som läggs i roten på en webbplats, på dindomän.se/llms.txt. I den skriver du kort vad företaget gör och listar länkar till de viktigaste sidorna. Tanken är att en AI-tjänst ska kunna läsa filen och snabbt förstå sajten istället för att gissa sig fram genom menyer och löptext.
Formatet är enkel markdown och en fil kan vara så kort som det här:
# Exempelbolag AB
> Vi säljer och installerar värmepumpar i Mälardalen. Grundat 1998.
## Tjänster
- [Installation av värmepump](https://exempel.se/installation)
- [Service och reparation](https://exempel.se/service)
## Om oss
- [Kontakt och orter vi täcker](https://exempel.se/kontakt)
En rubrik med bolagsnamnet, ett par meningar om vad ni gör, och länkar grupperade under rubriker är allt som behövs här.
Schema markup är strukturerad data som läggs in i sidans kod, oftast i formatet JSON-LD. Den beskriver vad innehållet på sidan är: att sidan handlar om en tjänst, att företaget bakom är en organisation med en viss adress, att stycket längst ner är en fråga med ett svar.
Ta öppettider som exempel. Utan schema måste Google gissa sig till, utifrån löptexten, att "vi har öppet nio till sjutton" beskriver när butiken är öppen. Med schema anges klockslagen istället i ett eget fält i koden, och gissningen försvinner helt.
Båda löser samma grundproblem, de gör det tydligt för maskiner vad sajten och innehållet handlar om. Skillnaden ligger i hur väl de är etablerade, och vi återkommer till det längre ner i artikeln.
Vi utgick från Dagens Industris Gasellista för 2025, alltså de bolag DI utsett till Sveriges snabbast växande. Listan omfattade totalt 300 bolag.
Från det urvalet uteslöt vi bolag utan egen kundvänd webbplats, som rena holdingbolag och koncernmoderbolag, eftersom de saknar den typ av innehåll studien mäter. Kvar blev 281 verifierade bolag, som vi delade in i fem branschgrupper: handel, IT och kommunikation, bygg och installation, tillverkning och hårdvara, samt företagstjänster.
Varje hemsida är verifierad genom ett faktiskt besök. Vi har inte gissat oss till någon webbadress utifrån bolagsnamnet. Vid tvetydiga namn kontrollerade vi mot Allabolag och Ratsit så att vi mätte rätt aktiebolag.
För varje domän hämtade vi /llms.txt och /llms-full.txt, kontrollerade robots.txt för att se om kända AI-robotar blockeras, letade efter sitemap och kontrollerade om sidan hade schema markup. Insamlingen skedde i två omgångar, den 23 juli och den 28 juli 2026.
38 domäner behövde granskas manuellt. Vid genomgången visade det sig handla om tre olika saker: sajter med botskydd som svarade normalt i en webbläsare, ett fall med utgånget SSL-certifikat, och sajter där innehållet byggs med JavaScript. Två bolag fick sitt schema-resultat korrigerat efter kontrollen.
Men startsidan räcker inte för att mäta schema. Ett bolag kan ha tjänstemarkering på sina undersidor utan att den syns på förstasidan. Vi gick därför vidare och kontrollerade upp till fyra tjänste- och produktsidor per bolag för samtliga 247 bolag som saknade kommersiell markup på startsidan. Sidorna hittades via sitemap, och där sitemap inte räckte gick vi via startsidans navigation. Det gav 19 ytterligare träffar. Efter den genomgången återstår 18 bolag, 6,4 procent av urvalet, där vi inte fick en användbar observation från undersidorna. De är jämnt fördelade över branscherna, så bortfallet snedvrider inte jämförelserna.
Endast 37 av 281 bolag, 13,2 procent, hade en fungerande llms.txt. Konfidensintervallet är 10 till 18 procent.
Vi räknade bara filer som fungerade. 18 bolag hade något som såg ut som en träff men i själva verket var en felsida förklädd till ett giltigt svar. Servern svarade att allt var bra och skickade tillbaka en HTML-sida. Den typen av fel syns inte om man bara tittar på statuskoden, och det är förmodligen en av anledningarna till att siffror om llms.txt-adoption varierar mellan olika undersökningar.
Internationellt ligger nivån något lägre. SE Rankings genomgång av närmare 300 000 domäner fann llms.txt på 10,13 procent. Ahrefs hittade filen på 28 procent av 137 000 domäner, men det urvalet lutar mot tekniskt orienterade sajter och bör läsas som en övre gräns.
SE Rankings data säger också något om vad filen är. Adoptionen är i stort sett lika hög oavsett sajtens storlek. Sajter med låg trafik ligger på 9,88 procent, mellanskiktet på 10,54 procent och de största på 8,27 procent. Filen är alltså inte något de ledande aktörerna gör och andra kopierar. Spridningen är slumpartad.
Svenska tillväxtbolag ligger i linje med eller något över den allmänna internationella nivån. Svensk digitalisering beskrivs ofta som eftersläpande i den här typen av diskussioner. På den här punkten stämmer det med andra ord inte.
Av de 37 bolag som hade llms.txt-filen var 32 korrekt utformade (drygt 86 procent). De hade en rubrik och pekade mot faktiska sidor. Tre filer existerade men följde inte formatet, och två filer var i stort sett tomma mallar.
Vi kunde upptäcka två vanliga misstag i de formatbrutna filerna. Två av filerna hade innehåll men länkade inte till en enda sida, vilket gör dem meningslösa för sitt syfte. Den tredje filen var på 25 kilobyte med 31 länkar, men saknade den inledande rubriken som formatet kräver. Här har någon lagt ner ett omfattande arbete utan att läsa specen tillräckligt noga.
Fördelningen är bättre än vad tidigare studier visat internationellt, där omkring 40 procent av filerna beskrivits som automatgenererade tomma mallar. En trolig förklaring är att svenska Gasellbolag som lagt filen har gjort det som ett medvetet val, snarare än att den installerats automatiskt av ett plugin. Vi kan inte bevisa det utifrån vår data, men mönstret pekar dit.
Bara 10 bolag, 3,6 procent, hade även llms-full.txt. Det är den utökade varianten som innehåller hela textinnehållet istället för bara länkar.
Företagstjänster ligger lägst av alla på llms.txt, ett bolag av trettio. På schema ligger de högst av alla, 80 procent mot snittet 67,3. Läser man bara de tre första kolumnerna ser det ut som en bransch som valt bort en oprövad teknik och satsat på den etablerade istället.
De två sista kolumnerna säger något annat. Vi delade upp schematyperna i två grupper. Den ena är grundläggande schema som ett CMS genererar av sig själv: WebSite, WebPage, Organization och liknande. Den andra är typer som beskriver vad bolaget säljer: Service, Product, LocalBusiness, FAQPage och deras släktingar. Hos företagstjänster är 92 procent av schemat grundläggande schema, den högsta andelen i hela urvalet. Bara två av trettio bolag har schema som beskriver deras erbjudande, och det gäller även efter att vi gått igenom deras tjänstesidor.
Företagstjänster ligger alltså sist på båda måtten som kräver ett aktivt beslut. Deras höga totalsiffra på schema betyder att de har WordPress, vars plugins genererar grundläggande schema automatiskt, inte att någon byggt egen kommersiellt relevant markup.
Det ändrar tolkningen av mönstret. Vår hypotes var att branschen som pratar mest om AI hade förberett sina egna sajter sämst. Med den uppdelningen stämmer hypotesen, även om totalsiffrorna först antydde motsatsen.
Skillnaden i kommersiellt schema mellan handel och företagstjänster är statistiskt säkerställd. 34,1 procent mot 6,7 procent ger p = 0,0086 med Fishers exakta test. Även mot tillverkningsindustrin håller skillnaden, p = 0,039.
Men var försiktig med hur långt slutsatsen sträcks. Jämför man företagstjänster mot samtliga övriga branscher tillsammans, 6,7 mot 20,7 procent, hamnar resultatet strax utanför signifikans, p = 0,084. Det korrekta är alltså att handeln ligger säkerställt högre än företagstjänster, inte att företagstjänster är säkerställt sämst av alla. Konfidensintervallen är dessutom breda vid dessa gruppstorlekar: företagstjänster ligger mellan 2 och 21 procent, handeln mellan 22 och 49.
Samma typ av reservation gäller för llms.txt-siffrorna. Skillnaden mellan handel och företagstjänster är säkerställd, p = 0,0095, men företagstjänster är inte unikt lägst: skillnaden mot tillverkning är ett bolag mot tre. Vi kan heller inte påstå att handel är bättre än IT och kommunikation, eftersom 26,8 mot 16,2 procent inte går att skilja från slumpen. En liten grupp konsumentprodukter låg på 33 procent med bara sex bolag, ett konfidensintervall så brett att siffran inte säger något.
Vad förklarar handelns försprång på båda måtten? Vi kan bara spekulera. En rimlig gissning är att e-handel har ett direkt kommersiellt skäl att beskriva sina produkter maskinläsbart, eftersom det påverkar hur varor visas i sökresultat. Den vanan spiller över på annat. Ett konsultbolag ser aldrig samma direkta återkoppling mellan markup och intäkt.
Tillbaka till sambandet vi nämnde inledningsvis: 89,2 procent av bolagen med llms.txt hade även schema. Av bolagen utan llms.txt var motsvarande siffra 63,9 procent. Skillnaden är säkerställd, p = 0,0022.
Men den verkligt intressanta siffran är en annan. Räknar vi bara medvetet vald markup, alltså typer som beskriver vad bolaget säljer, blir skillnaden större. Bland bolagen med llms.txt har 48,6 procent kommersiellt schema. Bland dem utan är talet 14,8 procent. Det är mer än tre gånger så hög andel, och det är studiens mest robusta resultat med p under 0,0001.
Detta antyder att bolag som lagt en llms.txt oftare har en människa som faktiskt satt sig in i hur maskiner läser sajten, inte bara ett CMS som råkar generera viss kod automatiskt. Nästan hälften av dem som lagt en llms.txt har också beskrivit sitt erbjudande i strukturerad data, mot drygt en av sju bland övriga. Det handlar alltså inte bara om att ha ett modernt CMS, för då skulle sambandet varit lika starkt för grundläggande schema som för medveten markup, vilket det inte är.
Att två tredjedelar av bolagen hade schema var högre än vi väntade oss. Men när vi kollade närmare visade det sig att siffran är missvisande. Bara 19,2 procent har schema som faktiskt beskriver vad de säljer, och det är den siffran som visar hur läget verkligen ser ut.
Vi testade även om en tredje signal kunde skilja ut mer AI-mogna bolag. Att inte blockera kända AI-robotar i sin robots.txt gav inget utslag: bland dem med llms.txt släppte 89,2 procent in robotarna, bland dem utan 88,5 procent. Det var alltså ingen skillnad alls. Att inte blockera AI-robotar är redan standard oavsett hur AI-moget bolaget är i övrigt, så den detaljen säger ingenting om ambitionsnivå.
Gör båda, men i den här ordningen: schema först, llms.txt sedan.
Schema markup är den viktiga av de två. Schema är en etablerad standard som sökmotorer och AI-system använder.
Men för att schema ska göra skillnad krävs mer än att bara ha det på plats. Vår data visar att 71 procent av bolagen med strukturerad data bara har den grundläggande schema deras CMS genererar automatiskt: WebSite, WebPage, Organization. Den beskriver att sajten är en sajt. Den säger ingenting om vad ni säljer. Räknat över alla 281 bolag hade fem en Service-markering, elva en FAQPage, nio en Product och åtta en Offer. Det är där arbetet ligger, och det är också där utrymmet är störst, eftersom så få bolag har gjort det.
Efter du fixat schema, lägg en timme på llms.txt. Skälet är enkel kostnadsnytta. Perplexity och Anthropics Claude hämtar filen redan idag, och kodagenter som Cursor och GitHub Copilot är rent beroende av den för att förstå en sajt. Enligt Profounds research hämtar även crawlers från Microsoft och OpenAI både llms.txt och llms-full.txt, där den utökade varianten hämtas oftare. Att Stripe, Cloudflare, Vercel och Anthropic alla har filen beror sannolikt på att de bygger för en publik som faktiskt läser den.
Har ni teknisk dokumentation, ett API eller utvecklare bland kunderna flyttar filen upp i prioritet. Där är läsarna bekräftade och nyttan konkret, vilket också förklarar varför de tidiga användarna nästan uteslutande är utvecklarplattformar.
Vad ni inte ska förvänta er är synlighet i Google. Search Central-dokumentationen slår fast att filen varken hjälper eller skadar rankning, och att Search inte använder den för sina AI-funktioner. Vägledningen som uppdaterades i juni 2026 säger att du inte b[Gä1] [Gä2] ehöver några nya maskinläsbara filer för att synas i Google, inklusive de generativa delarna. Gary Illyes sa samma sak i juli 2025, och John Mueller har jämfört filen med den gamla keywords-metataggen, en signal som sajtägaren själv kontrollerar och som sökmotorer därför lärt sig ignorera.[Gä3] [Gä4]
Trycket på filen är dessutom lågt totalt sett. Ahrefs fann att 97 procent av de llms.txt-filer de spårade inte fick en enda förfrågan under maj 2026, och OtterlyAI mätte 84 av 62 100 AI-robotbesök över nittio dagar. SE Ranking testade direkt om filen samvarierar med hur ofta en domän citeras av AI och fann inget samband: när de tog bort variabeln ur sin modell blev den mer träffsäker, och bland de femtio mest AI-citerade domänerna hade endast en filen. Den som säljer in llms.txt som en väg till fler AI-omnämnanden har alltså inget stöd för det.
Vi hittade att llms.txt samvarierar starkt med medveten strukturerad data, SE Ranking att den inte samvarierar med citeringar. Båda kan stämma samtidigt. Filen visar att någon arbetat tekniskt med sajten, men den köper ingen synlighet i sig. Det som ger effekt är arbetet den råkar signalera.
Och det arbetet är ogjort nästan överallt. Sju av tio bolag med strukturerad data har bara plugin-output. Det gäller alla branscher, hårdast just hos företagstjänster. Slutsatsen blir därför enklare än den brukar formuleras: det finns ingen bransch i svensk tillväxtekonomi som kan luta sig tillbaka på sin tekniska grund, och arbetet börjar med schema som faktiskt beskriver erbjudandet, inte med en ny fil i roten.
Urvalet är Gasellbolag, inte svenskt näringsliv i stort. Snabbväxande bolag är sannolikt mer digitalt aktiva än genomsnittet, så 13,2 procent bör betraktas som en övre uppskattning för svenska företag generellt.
Vi mätte förekomst, inte effekt. Studien säger ingenting om huruvida bolagen med llms.txt syns bättre i AI-genererade svar. Det är en annan undersökning, och betydligt svårare att göra tillförlitligt.
Sambandet säger bara att llms.txt och schema ofta förekommer tillsammans, inte att det ena leder till det andra. Den mest troliga förklaringen är gemensam: någon på företaget bryr sig om teknisk SEO, och det arbetet syns i båda måtten.
Uppdelningen i grundläggande schema och medvetet valt schema är vår egen. Vi räknade WebSite, WebPage, Organization, BreadcrumbList, ImageObject och Person som generiska, eftersom vanliga CMS och SEO-plugin genererar dem utan att någon behöver besluta något. Typer som Service, Product, LocalBusiness, FAQPage och motsvarande räknade vi som medvetna. Gränsen är inte knivskarp: ett bolag kan ha konfigurerat sin Organization-markering omsorgsfullt, och en LocalBusiness kan komma från en mall. Vi mätte förekomst av typer, inte kvaliteten på innehållet i dem.
Vi kontrollerade upp till fyra undersidor per bolag, inte hela sajter. Ett bolag med markup djupt i strukturen kan därför ha missats, vilket gör 19,2 procent till en undre gräns. För 18 bolag, 6,4 procent av urvalet, fick vi ingen användbar observation från undersidorna alls, oftast på grund av botskydd eller att inga tjänstesidor kunde identifieras.
Branschgrupperna är vår egen indelning. Källdatan har en mycket finare kategorisering där de flesta kategorier bara innehåller ett bolag, så vi har slagit samman dem till större grupper för att kunna jämföra. Gränsdragningen är en bedömningsfråga och en annan indelning ger något andra tal. Företagstjänster och IT/kommunikation är undantag, eftersom de fanns som egna kategorier i källdatan och inte behövde slås samman. Det är också de två grupperna som våra branschslutsatser om företagstjänster vilar på.
Mätningen gjordes den 23 och 28 juli 2026 och beskriver läget då. Området förändras snabbt, så bilden kan redan se annorlunda ut idag.
Vad är llms.txt? En textfil som placeras på dindomän.se/llms.txt. Den beskriver kort vad webbplatsen handlar om och listar länkar till de viktigaste sidorna, så att AI-tjänster snabbare ska kunna förstå sajten. Formatet är markdown och filen skrivs för hand på ungefär en timme.
Använder ChatGPT och Google llms.txt? Google nej, andra delvis ja. Google har uttryckligen sagt att Search inte använder filen, varken för rankning eller för AI-funktioner. Perplexity och Anthropics Claude hämtar den däremot, och kodagenter som Cursor och GitHub Copilot är beroende av den. Enligt Profounds mätningar hämtar även crawlers från Microsoft och OpenAI filen. Samtidigt fann Ahrefs att 97 procent av de llms.txt-filer de spårade inte fick en enda förfrågan under maj 2026, så det totala trycket är lågt.
Vad är skillnaden mellan llms.txt och robots.txt? robots.txt styr vad robotar får hämta och används för att säga nej. llms.txt beskriver vad som är viktigt och pekar ut var man bör börja. De ersätter inte varandra.
Behöver mitt företag en llms.txt? Ja, men inte först. Filen tar en timme, skadar ingenting och läses av Perplexity, Claude och kodagenter, så insatsen är lätt att motivera. Se bara till att strukturerad data, sitemap och robotåtkomst är på plats innan, eftersom det är där effekten finns. Säljer ni till utvecklare eller har API-dokumentation flyttar filen längre upp i kön.
Ger llms.txt fler citeringar i AI-svar? Det finns inget belägg för det idag. SE Ranking testade sambandet på närmare 300 000 domäner och hittade inget. När de tog bort filen som variabel ur sin prediktionsmodell blev modellen mer träffsäker. Bland de femtio mest AI-citerade domänerna hade en enda filen.
Vad är schema markup? Kod som beskriver vad innehållet på en sida är, oftast i formatet JSON-LD. Den talar om att en sida beskriver en tjänst, att företaget är en organisation med en viss adress, eller att ett stycke är en fråga med ett svar. Sökmotorer och AI-system använder den, vilket gör den till en tryggare investering än llms.txt.
Hur många svenska bolag har schema markup? I vår mätning av 281 Gasellbolag i juli 2026 hade 67,3 procent någon form av strukturerad data. Räknar man bara schema som beskriver vad bolaget säljer, alltså typer som Service, Product eller FAQPage, faller andelen till 19,2 procent. Resten är grundläggande schema som CMS:et genererat automatiskt.
Räcker det att ha schema markup? Nej. Sju av tio bolag med strukturerad data i vår mätning har bara generiska typer som beskriver att sajten är en sajt. Räknat över alla 281 bolag hade fem en Service-markering och elva en FAQPage. Värdet ligger i att beskriva erbjudandet, inte i att markeringen finns.
Egna mätningar av 281 svenska Gasellbolag insamlade 23 och 28 juli 2026, med kontroll av undersidor 3 augusti 2026. Statistiska test är Fishers exakta test, tvåsidigt. Konfidensintervall enligt Wilson.
Vår studie visar att både llms.txt och medveten schema markup fortfarande är ovanligt, vilket också betyder att utrymmet att sticka ut är stort. Genom vår AI Visibility Audit (AVA) kartlägger vi hur ert innehåll används i AI-genererade svar idag, vad som skiljer er från konkurrenterna strukturellt, och vilka konkreta steg som ger mest effekt: rätt schema, en fungerande llms.txt om den passar er verksamhet, och innehåll AI-tjänster faktiskt kan hämta och citera.
.jpg)
Mycket av grundtekniken finns redan på plats hos många bolag, men det saknas specifik informationen som hjälper AI-tjänster att förstå och rekommendera företaget.
.jpg)
AEO är answer engine optimization - arbetet med att synas i AI-svar. Lär dig vad det är, hur det skiljer sig från SEO och hur du kommer igång med AEO.
.jpg)
Artikeln går igenom hur filen struktureras korrekt i Markdown-format, vilka vanliga misstag som dyker upp vid implementation och hur du verifierar att filen faktiskt fungerar som den ska.