Har du nogensinde talt med ChatGPT eller Claude og fået et svar, der ramte helt ved siden af? Du er ikke alene. De fleste mennesker undervurderer, hvor meget formuleringen af et spørgsmål påvirker kvaliteten af svaret. I denne guide dykker vi ned i prompt engineering – kunsten at kommunikere effektivt med AI – og giver dig de værktøjer, du skal bruge for at få markant bedre resultater fra dag ét.
Hvad er prompt engineering egentlig?
Lad os starte med det grundlæggende. Et "prompt" er simpelthen den tekstinstruktion, du giver til en AI-model. Prompt engineering er så kunsten at formulere disse instruktioner på en måde, der maksimerer kvaliteten og relevansen af det output, du får tilbage.
Tænk på det som forskellen mellem at bede en praktikant om at "lave noget research" versus at give dem en detaljeret briefing med målgruppe, formål, deadline og forventet format. I begge tilfælde vil du få et resultat – men kvaliteten vil være vidt forskellig.
AI-modeller som GPT-4, Claude og Gemini er utroligt kraftfulde, men de har ingen mulighed for at læse dine tanker. De arbejder udelukkende ud fra de ord, du giver dem. Jo mere præcist og struktureret du formulerer din forespørgsel, jo bedre bliver resultatet.
Hvorfor er prompt engineering blevet så vigtigt?
I takt med at AI-værktøjer bliver en integreret del af vores arbejdsliv, bliver evnen til at bruge dem effektivt en kernekompetence. Ifølge en nylig undersøgelse fra McKinsey bruger over 70% af vidensarbejdere nu AI-assistenter i deres daglige arbejde. Men der er en markant forskel på, hvor meget værdi forskellige brugere får ud af disse værktøjer.
De bedste brugere – dem der mestrer prompt engineering – sparer typisk 2-3 timer om dagen sammenlignet med kollegaer, der bare "skriver løs". Det svarer til at få en ekstra arbejdsdag hver uge. På årsbasis er det over 500 timer i øget produktivitet.
Derudover handler det ikke kun om hastighed. Kvaliteten af AI-genereret indhold varierer enormt baseret på promptet. Et veludformet prompt kan producere tekst, der kræver minimal redigering, mens et dårligt prompt ofte resulterer i output, der er så misvisende eller irrelevant, at du ville have været hurtigere til at skrive det selv.
De 5 gyldne regler for effektive prompts
Efter at have arbejdet med hundredvis af kunder og analyseret tusindvis af prompts, har jeg identificeret fem grundlæggende principper, der adskiller gode prompts fra dårlige. Lad os gennemgå dem én for én med konkrete eksempler.
1. Vær specifik og præcis
Den mest almindelige fejl er at være for vag. AI-modeller har ingen kontekst ud over det, du giver dem. Hvis du skriver "skriv en email", har modellen ingen idé om, hvem modtageren er, hvad formålet er, eller hvilken tone der er passende.
Dårligt eksempel: "Skriv en email til en kunde."
Godt eksempel: "Skriv en venlig men professionel email til en B2B-kunde, der har ventet 3 uger på en leverance. Anerkend forsinkelsen, forklar at problemet skyldtes leverandørproblemer, og tilbyd 10% rabat på næste ordre som kompensation. Hold tonen positiv og fokuser på løsningen fremfor problemet."
Bemærk hvordan det gode eksempel inkluderer målgruppe, kontekst, ønsket tone og konkret indhold. AI'en har nu alle de informationer, den behøver for at levere et brugbart resultat.
2. Giv kontekst og baggrund
AI-modeller performer dramatisk bedre, når de forstår den bredere sammenhæng. Fortæl dem, hvem du er, hvad din virksomhed laver, hvem målgruppen er, og hvad det overordnede formål er.
En særligt effektiv teknik er at bede AI'en om at "påtage sig en rolle". Når du starter med "Du er en erfaren marketingchef i en B2B SaaS-virksomhed", aktiverer du et helt andet sæt af viden og formuleringsevner end hvis du bare bad om "marketingtekst".
Eksempel på kontekstgivende prompt: "Du er en senior finansrådgiver med speciale i danske SMV'er. En kunde spørger, om de skal lease eller købe deres næste firmabil. Forklar fordele og ulemper ved begge muligheder, med fokus på skattemæssige konsekvenser og cashflow-påvirkning. Målgruppen er en ejer af en lille tømrervirksomhed uden finansiel baggrund."
3. Brug eksempler (few-shot learning)
En af de mest kraftfulde teknikker i prompt engineering er at give AI'en eksempler på det output, du ønsker. Dette kaldes "few-shot learning", og det virker fordi modellen kan ekstrapolere mønstre fra eksemplerne.
Hvis du for eksempel ønsker produktbeskrivelser i en bestemt stil, kan du inkludere 2-3 eksempler på eksisterende beskrivelser, du er tilfreds med, og bede AI'en om at skrive nye i samme stil. Modellen vil automatisk opfange tonefald, længde, struktur og ordvalg.
Eksempel: "Skriv produktbeskrivelser i samme stil som disse eksempler: [indsæt 2-3 eksempler]. Her er de nye produkter, der skal beskrives: [liste over produkter]."
4. Definér outputformat tydeligt
Vil du have punktopstilling, afsnit, en tabel, JSON-format eller kode? Sig det eksplicit. AI'en kan ikke gætte, hvilket format der passer bedst til din use case.
Du kan endda specificere længde, struktur og opbygning: "Skriv 3 afsnit à 100 ord hver. Første afsnit skal introducere problemet, andet afsnit skal præsentere løsningen, og tredje afsnit skal have en call-to-action."
For mere komplekse opgaver kan du bruge markdown-formatering i dit prompt for at strukturere forventningerne. Dette er særligt nyttigt, når du arbejder med længere dokumenter eller teknisk indhold.
5. Iterér og forfin
Det perfekte prompt kommer sjældent i første forsøg. Se det som en dialog snarere end en enkelt forespørgsel. Hvis det første svar ikke rammer plet, så justér dit prompt baseret på, hvad der manglede eller var forkert.
En god strategi er at starte bredt og så indsnævre. Bed først AI'en om at give dig et overblik, og brug så opfølgende prompts til at dykke ned i specifikke områder. Dette giver dig også mulighed for at justere retningen undervejs.
Gem dine bedste prompts! Opbyg en personlig "prompt-bibliotek" med formuleringer, der virker godt til dine typiske opgaver. Over tid vil du udvikle skabeloner, der konsistent producerer høj kvalitet.
"Et godt prompt er som en god briefing – det fjerner al tvivl om, hvad der forventes. Jo mere arbejde du lægger i promptet, jo mindre arbejde skal du lægge i redigeringen bagefter."
— Sofie Nielsen, AI Udvikler
Avancerede teknikker for viderekomne
Når du har mestret de grundlæggende principper, er der flere avancerede teknikker, der kan tage dine resultater til næste niveau.
Chain-of-thought prompting
Ved komplekse problemstillinger kan du bede AI'en om at "tænke højt" ved at tilføje fraser som "Tænk trin-for-trin" eller "Forklar din ræsonnering undervejs". Dette tvinger modellen til at arbejde sig igennem problemet metodisk fremfor at springe til konklusioner.
Negativt prompting
Nogle gange er det nemmere at specificere, hvad du IKKE vil have. "Undgå buzzwords og jargon", "Brug ikke passive formuleringer", eller "Lad være med at starte sætninger med 'I'" kan hjælpe med at styre outputtet væk fra uønskede mønstre.
Persona-baseret prompting
Kombiner roller med specifikke personlighedstræk: "Du er en erfaren journalist kendt for din skarpe, humoristiske skrivestil. Du skriver for Børsen og din læserskare er topchefer i danske virksomheder." Jo mere specifik personaen er, jo mere distinkt bliver outputtet.
Almindelige fejl du bør undgå
Selvom de fem gyldne regler dækker det meste, er der nogle specifikke faldgruber, jeg ser igen og igen:
- For lange prompts: Mere er ikke altid bedre. Fokuser på det essentielle og undgå irrelevant information, der kan forvirre modellen.
- Modstridende instruktioner: Hvis du beder om noget "kort men detaljeret" eller "formelt men venligt", skaber du forvirring. Prioritér hvad der er vigtigst.
- Manglende målgruppespecifikation: Tekst til en CEO kræver anderledes formulering end tekst til en praktikant. Gør målgruppen eksplicit.
- At stole blindt på første output: AI'en kan lave fejl, hallucinere fakta, eller misforstå intentionen. Validér altid kritisk information.
Praktiske eksempler fra hverdagen
Lad os afslutte med nogle konkrete prompt-eksempler til almindelige arbejdsopgaver:
Til mødereferat: "Omskriv disse mødenoter til et struktureret referat med sektionerne: Deltagere, Beslutninger, Handlingspunkter (med ansvarlig og deadline), og Næste skridt. Hold sproget professionelt og kortfattet."
Til LinkedIn-opslag: "Skriv et LinkedIn-opslag på 150-200 ord om [emne]. Brug en personlig, engagerende tone. Start med en hook der fanger opmærksomheden. Afslut med et spørgsmål til læserne. Inkluder 3-5 relevante hashtags."
Til kodereview: "Gennemgå denne kode for potentielle bugs, performance-problemer og manglende edge case håndtering. Foreslå forbedringer med konkrete kodeeksempler. Prioriter de vigtigste issues først."
Kom i gang i dag
Prompt engineering er en færdighed, der udvikles med øvelse. Start med at anvende de fem gyldne regler på dine daglige AI-interaktioner, og læg mærke til forskellen i kvaliteten af dine resultater.
Husk: Det handler ikke om at finde det "perfekte" prompt, men om at kommunikere klart og struktureret. Jo mere du øver dig, jo mere intuitivt bliver det. Og jo bedre du bliver til at tale med AI, jo mere værdi vil du kunne udtrække fra disse utroligt kraftfulde værktøjer.
Har du spørgsmål eller brug for hjælp til at optimere dine AI-workflows? Vi tilbyder workshops i prompt engineering skræddersyet til din virksomheds behov. Kontakt os for en uforpligtende snak om, hvordan vi kan hjælpe jer med at få mere ud af jeres AI-investeringer.