Google Gemini er ikke bare en chatbot. Det er et helt økosystem av AI-verktøy som flyter sammen med Google-tjenestene jeg allerede bruker hver dag. Gmail, Docs, Sheets, Drive – alt med Gemini integrert. Og etter å ha testet det grundig de siste månedene, har noen bruksområder blitt helt uunnværlige.
For mange er valget mellom ChatGPT, Claude og Gemini bare en spørsmål om hvilken chatbot som gir best svar. Men det er ikke der Gemini skiller seg ut. Den største fordelen ligger i hvordan den er vevd inn i verktøyene jeg bruker daglig – og hvordan den får tilgang til data jeg allerede har lagret.
La meg vise deg hva jeg faktisk bruker Gemini til, hva som fungerer bra, og hva jeg fortsatt sliter med.
Notebook LM – Research-assistenten som faktisk forstår kontekst
Dette er favorittverktøyet mitt. Notebook LM er en Google-tjeneste med Gemini integrert, og den gjør én ting veldig bra: den analyserer kun de dokumentene du gir den.
Når du jobber med ChatGPT eller Claude, blander de inn alt de vet fra treningsdataene sine. Det kan være nyttig, men hvis du jobber med spesifikke dokumenter – rapporter, kontrakter, research papers – blir det mye støy.
Notebook LM gjør det motsatte. Den lager hyperpartisjonert data som Gemini kun analyserer. Last opp en rapport, still spørsmål, få svar basert utelukkende på den rapporten.
Jeg bruker dette til research for artikler. Samler YouTube-transcripts, PDF-rapporter, og relevante artikler. Laster alt inn i ett Notebook LM-prosjekt. Så kan jeg spørre: «Hva er hovedargumentene mot dette synet?» eller «Hvor er hullene i denne forskningen?»
Men her er en funksjon jeg ikke visste jeg trengte: Audio Overview. Notebook LM kan generere en podcast-lignende diskusjon mellom to AI-verter som diskuterer dokumentene dine. Det høres rart ut, men det fungerer utrolig bra.
Jeg hører på det når jeg er ute og kjører. To stemmer som diskuterer research-filen min på 15 minutter. Det er som å ha en personlig oppsummering av alt jeg har lagt inn, uten å måtte lese hundre sider.
Pro tip: Hvis du får generiske svar fra Notebook LM (eller hvilken som helst AI), si «Dette er level one analysis. Jeg vil ha level two analysis.» Det fungerer. Noen ganger ber jeg om level three også – da blir det virkelig detaljert.
Jeg har skrevet mer om NotebookLM tidligere.
Google Workspace – Gemini der jeg faktisk jobber
ChatGPT og Claude lever i egne vinduer. Gemini lever i Gmail, Docs, Sheets og Slides. Det er en enorm forskjell.
Når jeg skriver en artikkel i Google Docs, trykker jeg bare Gemini-knappen i sidefeltet. «Draft a paragraph based on this Drive file» – boom, ferdig. Ingen copy-paste mellom vinduer. Ingen context switching.
I Gmail bruker jeg det til å oppsummere e-posttråder. «Catch up on project emails» gir meg en rask oversikt over hva som har skjedd mens jeg var borte. Eller «Find the hotel name in this thread» – umiddelbar verdi uten å scrolle.
Google Sheets er kanskje det kraftigste eksemplet. Du kan skrive direkte i en celle: =AI("kategoriser denne kredittkorttransaksjonen for årsregnskap") og velge cellen. Gemini analyserer transaksjonen og kategoriserer den.
Dette høres ut som en liten ting, men hvis du gjør månedsavslutning eller regnskap, sparer dette timer. Tidligere kopierte jeg data til ChatGPT, ventet på svar, limte tilbake. Nå skjer alt inline.
Selvfølgelig fungerer ikke alt perfekt. Noen ganger gir Gemini generiske svar som ikke tar hensyn til konteksten i dokumentet. Men når det fungerer – og det fungerer mesteparten av tiden – er det vanskelig å gå tilbake til å gjøre det manuelt.
Custom Gems – Bygg ditt eget team av eksperter
Gems er Googles versjon av Claude Projects eller ChatGPT’s custom GPTs. Du bygger personas – en redaktør, en koder, en karriereveileder – med spesifikke instruksjoner og kontekst.
Jeg har en Gem for artikkelredigering. Den kjenner min tone, målgruppen min, og hva slags feil jeg pleier å gjøre. I stedet for å gi generiske tilbakemeldinger («dette er bra!»), får jeg konkrete forslag basert på min egen skrivestil.
Her er trixet: Bruk Google Docs som datakilde for Gems. Lag ett Google Doc med brand voice, målgruppe, personlig bakgrunn. Bruk det dokumentet på tvers av alle Gems. Når du oppdaterer dokumentet, oppdateres alle Gems automatisk.
En annen ting: Gemini 3 er en reasoning model, ikke bare en chat-modell. Det betyr den er mer sensitiv for hvordan du skriver prompts. Vær presis. Hvis du sier «skriv en artikkel», får du generisk output. Hvis du sier «skriv en 2000 ords artikkel for norske AI-entusiaster, fokuser på praktiske eksempler, skriv i en avslappet men kunnskapsrik tone», får du mye bedre resultater.
SOP-generator – For alle som hater å skrive dokumentasjon
Jeg hater å skrive dokumentasjon. Intenst. Men jeg vet at hvis jeg ikke dokumenterer noe, glemmer jeg hvordan jeg gjorde det 3 dager senere.
Gemini løser dette på en elegant måte: Ta opp video av prosessen, last opp til Google Drive, klikk Gemini-knappen, si «Create a step-by-step written SOP based on this video. Use bold headers for each major step.»
Ferdig. Dokumentasjonen er klar på minutter i stedet for timer.
Jeg bruker dette for alt fra hvordan jeg setter opp n8n workflows til hvordan jeg komprimerer bilder før WordPress-opplasting. Ting jeg gjør sjelden nok til at jeg glemmer detaljene, men ofte nok til at det lønner seg å dokumentere.
Nano Banana Pro – Bildegenerering som faktisk fungerer
Nano Banana Pro er Googles bildegenererings-AI. Den er integrert i Gemini, og den er sinnssykt bra til å generere bilder som ser realistiske ut.
Jeg bruker det til tre ting:
Featured images for WordPress-artikler. Last opp et referansebilde, beskriv hva jeg vil ha, få et profesjonelt bilde på sekunder. Ingen Midjourney-abonnement nødvendig (som jeg aldri har hatt uansett).
Facebook-plakatbilder. Scroll-stoppende visuals for sosiale medier. Nano Banana Pro er spesielt god til å håndtere tekst i bilder – noe mange AI-bildegeneratorer fortsatt sliter med.
Headshots og profilbilder. Last opp et bilde av deg selv, be om et optimalisert LinkedIn-bilde. Resultatet er umulig å skille fra et ekte foto.
Tekstgenereringen i bilder er det som gjør dette til et legitimt produktivitetsverktøy, ikke bare en gimmick. Når jeg ber om et bilde med «AI 2025» som tekst, vises teksten faktisk korrekt – ikke som «A1 20Z5» eller noe tilfeldig.
Du trenger per nå en custom API-nøkkel for å bruke Nano Banana Pro via aistudio.google.com, men Google har antydet at dette snart blir tilgjengelig for alle. Men en api key er enkel å sette opp og man kan følge bruken rimelig enkelt.
Konkurrentanalyse med live data
Gå til aistudio.google.com, opprett en ny chat, slå på «Google Search» toggle på høyre side. Så kan du spørre: «Create a comparison table of the top five CRM pricing models for 2025, include any hidden fees and suggest where your pricing is most vulnerable.»
Gemini går ut på nettet, henter live data, bygger en komplett konkurranseanalyse med kilder.
Hvorfor er dette bedre enn ChatGPT eller Claude? Fordi Gemini har direkte tilgang til Googles søkeinfrastruktur. Det bare fungerer bedre for denne typen oppgaver.
Pro tip: Etter du har fått analysen, be Gemini ta motsatt side. «Argue why a competitor’s approach might be better than yours.» Det stress-tester antagelsene dine og identifiserer blinde flekker.
Hva med Gemini Canvas?
Gemini Canvas lar deg bygge enkle webapper ved å skrive én setning. «Create a tool that takes an email I copy and paste in, analyze it with Gemini and then runs it through a checklist.»
Det høres imponerende ut, og det er imponerende – men jeg bruker det ikke selv. For min del holder det å kjøre n8n workflows eller bare bruke eksisterende verktøy i claude code som klarer å bygge de appene jeg trenger relativt greit.
Men hvis du jobber i et team og trenger å bygge mikroapper raskt uten å kode, er Canvas kraftig. Du kan dele appene med teammedlemmer via aistudio.google.com.
Hva fungerer ikke så bra?
Gemini er ikke perfekt. Her er tingene jeg fortsatt sliter med:
Reasoning-modellen er sensitiv for prompts. Hvis du er uvant, kan du få rare svar. Det tar tid å lære hvordan man prater med Gemini på en måte som gir gode resultater.
Generiske svar. Noen ganger gir Gemini svar som høres bra ut, men mangler spesifisitet. Da må jeg be om «level two analysis» eller omformulere spørsmålet.
Integrering med norske verktøy. Google Workspace fungerer utmerket, men mange norske bedrifter bruker andre systemer. Gemini integrerer ikke med Visma, Tripletex, eller andre norske spesifikke løsninger, men som jeg skrev tidligere om Gemini CLI og MCP servere så er det ikke utenkelig at vi snart fåre denne muligheten også direkte i Workspace.
API-tilgang for Nano Banana Pro. Per nå krever det en custom API-nøkkel. Det kommer snart til alle, men foreløpig er det en barriere.
Hvordan står Gemini mot Claude og ChatGPT?
Jeg bruker alle tre. Claude er best for skriving – den forstår tone og struktur bedre. ChatGPT er best for generell chat og brainstorming. Gemini er best når jeg jobber med Google Workspace, deep research eller trenger live data fra nettet eller i CLI til brainstorming og generellt AI arbeid.
Det er ikke et spørsmål om hvilken som er «best». Det er et spørsmål om hvilken som passer best til oppgaven.
Men hvis du allerede lever i Google-økosystemet – Gmail, Docs, Sheets, Drive – er Gemini en no-brainer. Integreringen alene gjør den verdt å bruke.
Konklusjon
Gemini er ikke den beste chatboten. Den er heller ikke den mest avanserte AI-modellen. Men den er kanskje den mest praktiske AI-assistenten jeg bruker daglig – fordi den er der jeg jobber.
Notebook LM for research. Google Workspace for inline editing. SOP-generator for dokumentasjon. Nano Banana Pro for bilder. Custom Gems for gjentakende oppgaver.
Dette er ikke teoretiske use cases. Dette er ting jeg faktisk bruker hver dag.
Hvis du aldri har testet Gemini, start med Notebook LM. Last opp en rapport eller noen dokumenter. Still spørsmål. Generer en Audio Overview og hør den på en eller annen tur joggetur, biltur, gåtur.
Når du ser hva som er mulig, begynner du å se bruksområder overalt.
Hva bruker du Gemini til? Er det noe jeg burde teste?
