
När en AVM används som underlag för bolån räcker det inte att modellen är träffsäker. Både banken och tillsynsmyndigheten måste också kunna förstå hur värdet har kommit till och kunna ifrågasätta det.
Det är utgångspunkten i EAA Technical Note III, AI Transparency in Comparables Based AVMs: Beyond Explainability and Interpretability, som European AVM Alliance (EAA) publicerade i november 2026. Magnus Persson, analyschef på Värderingsdata, är en av medförfattarna.
Regelverket ställer krav på två nivåer
EBA:s riktlinjer för kreditgivning och CRR3 kräver att institut förstår, dokumenterar, validerar och styr de modeller de använder. EU:s AI-förordning bygger vidare på samma tanke och uppmuntrar frivillig tillämpning av sina transparenskrav även för AI-system som inte klassas som högrisk.
Kraven finns på två nivåer. Institutet måste förstå modellen, inklusive metod, indata och antaganden. Samtidigt måste underlaget bakom varje enskild värdering vara tillräckligt transparent för att en kvalificerad person ska kunna följa, bedöma och vid behov ifrågasätta värderingen.
Förklarbarhet räcker inte
Metoder som SHAP och LIME kan visa vilka faktorer som generellt driver en modells resultat och de är användbara för validering och övervakning. Men de ger inte en spårbar redovisning av hur just en enskild värdering har tagits fram. Det kräver vad noten kallar transaktionell transparens: att det konkreta underlaget för värderingen redovisas. För en AVM baserad på jämförelseobjekt är det de jämförelseobjekt som värderingen bygger på.
Fyra dimensioner av transparens
Noten delar upp transparens i fyra dimensioner:
- Global transparens handlar om att förstå modellen som helhet. Teknisk förklarbarhet är inte nog. Det krävs även styrning, dokumenterat utvecklingsmotiv, valideringsresultat, ändringshantering, tydligt ansvar samt öppenhet om modellens begränsningar och avsedda användning.
- Lokal transparens handlar om att kunna granska en enskild värdering, till exempel genom en strukturerad redovisning av jämförelseobjekten och uppgifter om konfidensnivå eller prediktionsintervall.
- Datatransparens innebär dokumentation av datakällor och uppdateringsfrekvens, kvalitetskontroller, hantering av avvikande värden och saknade uppgifter samt väsentlig förbehandling av data.
- Transparens i urval av jämförelseobjekt innebär att redovisa hur jämförelseobjekt väljs: vilka egenskaper som bedöms, till exempel boyta, tomtstorlek, byggår, fastighetstyp och skick, och på vilken geografisk nivå.
Jämförelseobjekt som underlag, inte som alibi
En viktig poäng i noten är att jämförelseobjekten ska vara det faktiska underlaget för värderingen, inte något som väljs i efterhand för att stödja ett redan beräknat värde. Sådana efterhandsval riskerar att skapa bekräftelsebias och jämförelseobjekt som bara bekräftar ett resultat räknas inte som lokal transparens.
Urvalsmetoden ska därför vara fastlagd i förväg, dokumenterad och tillämpad konsekvent. Urvalet ska bygga på objektiva likhetskriterier. Tidigare värden, som transaktionspriser eller tidigare värderingar, bör inte användas som urvalsfilter, eftersom det kan skapa cirkularitet och försämrar objektiviteten.
Meningsfull, inte maximal
Noten pekar också på att alltför mycket teknisk detaljinformation kan skapa informationsöverbelastning, särskilt för icke-tekniska mottagare. Transparensen ska vara relevant för tillsyn, ansvar och riskbedömning. Där mänsklig granskning krävs ska även granskningsprocessen vara transparent och dokumenterad. Jämförelseobjekten ger då en konkret grund för att bedöma eller ifrågasätta värderingen.
Vad noten slår fast
Slutsatsen är att AVM:er baserade på jämförelseobjekt kan ha transparens inbyggd i själva modellen. Generiska maskininlärningsramverk ger däremot inte automatiskt den transparens som krävs i reglerade värderingsmiljöer. Instituten behåller ansvaret för modellens lämplighet och prestanda, och transparens fungerar därmed inte bara som ett regelkrav utan som ett riskhanteringsverktyg.
Noten behandlar enbart transparens. Testning och empirisk träffsäkerhet ligger utanför dess ramar.
Läs noten i sin helhet hos European AVM Alliance.




