Der findes en hel genre af opslag med 20 prompts der vil ændre dit arbejdsliv. De begynder næsten alle med at fortælle værktøjet at det er en verdensklasse-ekspert. Svarene bliver ikke mærkbart bedre af det.
Det er ikke fordi folk lyver. De fleste af de tricks stammer fra 2023, hvor modellerne var svagere og reelt skulle overtales. Det behøver de ikke længere. Alligevel bliver rådene kopieret videre, og resultatet er at prompt engineering i mange hoveder er blevet et spørgsmål om formuleringskunst.
Det er det ikke. Det handler om at give værktøjet den information opgaven kræver, og om at kunne se på svaret om der mangler noget. Mindre poetisk, betydeligt mere effektivt.
De fire ting der ligner prompt engineering, men ikke er det
Vi ser de samme fire vaner på næsten alle kurser. De har det til fælles at de føles som teknik.
- Rollebesværgelsen. “Du er en verdensklasse-ekspert i kommunikation.” En rolle hjælper kun når den faktisk indsnævrer noget. “Skriv det som en revisor der skal kunne stå på mål for tallene bagefter” ændrer svaret. “Verdensklasse” gør ikke, for der findes ikke en dårligere indstilling den kunne skifte fra.
- Høfligheden og truslerne. Tak, venlig hilsen, det er meget vigtigt for min karriere, tag en dyb indånding. Det koster ingenting at skrive, og det er derfor det er svært at slippe. Men det er ikke dét der afgør om svaret rammer.
- Mega-prompten. 400 ord instruktion der forsøger at forudse alt. Har du brugt tyve minutter på at beskrive en opgave du kunne have løst på tyve minutter, har du ikke sparet tid. Du har flyttet den.
- Samlingen du aldrig åbner. 200 gemte prompts, tre der bliver brugt. En prompt bliver ikke et aktiv fordi den er gemt. Den bliver det når nogen bruger den anden gang.
De fire vaner handler alle om at formulere sig anderledes. Ingen af dem tilføjer information værktøjet ikke havde. Det er derfor de ikke flytter svaret.
Hvad er prompt engineering, når teatret er skrællet af?
En brugbar definition: at stille opgaven så præcist at der kun er ét rimeligt svar tilbage. Fire ting afgør det, og de er ikke lige svære.
| Element | Spørgsmålet det svarer på | Hvor tit det bliver glemt |
|---|---|---|
| Opgaven | Hvad skal der komme ud af det? | Sjældent |
| Materialet | Hvilke tal, noter og dokumenter bygger det på? | Næsten altid |
| Modtageren | Hvem læser det, og hvad skal de gøre bagefter? | Ofte |
| Formen | Hvor langt, hvilket format, hvilken tone? | Ofte |
Materialet er den store. Et værktøj der ikke kender jeres tal, jeres kunder eller jeres sidste tre møder kan kun skrive noget der passer på alle. Det er præcis derfor generiske svar føles generiske: de er det. Ingen omformulering kan lave manglende information om til viden.
Den anden misforståelse er at en prompt skal ramme i første forsøg. Det skal den ikke. Værdien ligger typisk i tredje forsøg, hvor du har set to svar og ved hvad du egentlig ville have. Det er ikke tegn på at du gør det forkert. Det er sådan arbejdet ser ud.
Fem mønstre der flytter svaret
De fem nedenfor er det prompt engineering reelt består af i hverdagen. Ingen af dem er smarte. De virker.
1. Læg materialet ved
Det enkleste og mest oversete. Forskellen mellem de to nedenfor er ikke ordvalg, det er input.
Skriv en projektstatus til ledelsen.
Her er mine noter fra de sidste tre uger og budgettallene pr. 1. august. Skriv en projektstatus på maks en halv side til vores direktion. De skal beslutte om vi kører videre i Q4.
2. Sig hvem der læser det, og hvad de skal gøre
“Professionelt” betyder ingenting. En bestyrelse der skal træffe en beslutning, en kunde der er utilfreds og en ny kollega der skal læres op har brug for tre vidt forskellige tekster om det samme.
3. Vis et eksempel i stedet for at beskrive det
To sætningers eksempel slår ti sætningers beskrivelse af en tone. Læg to referater du selv har skrevet ved, og bed om det tredje i samme form. Det er den hurtigste vej til at slippe for den glatte AI-klang.
4. Bed om arbejdet, ikke kun om resultatet
Det mønster der overrasker folk mest på kurserne.
Stil mig de fem spørgsmål du har brug for svar på, før du skriver noget.
Find de tre svageste led i argumentet nedenfor, før du foreslår rettelser.
Du får hullerne i din egen opgavebeskrivelse gratis, i stedet for at opdage dem i et svar der lyder rigtigt.
5. Sæt grænserne eksplicit
Den vigtigste af de fem, og den der oftest mangler.
Brug kun tal fra det vedhæftede. Skriv “det står ikke i materialet” hvis noget mangler, i stedet for at udfylde det selv. Maks en side.
Den midterste sætning er den bedste enkeltstående beskyttelse mod opdigtede oplysninger vi kender. Den fjerner dem ikke, men den giver værktøjet et alternativ til at gætte, og den gør det synligt hvor du selv skal ind.
Sådan ser du at problemet ikke er prompten
Halvdelen af de svar folk kalder dårlige, bliver ikke bedre af en bedre formulering. De skal have noget andet.
| Det du ser | Hvad der reelt mangler | Hvad du gør |
|---|---|---|
| Svaret kunne handle om enhver virksomhed | Materiale | Læg noterne, tallene eller dokumentet ved |
| Pænt sprog, men faktuelt forkert | Adgang til kilden | Giv kilden, eller lad opgaven være |
| Rigtigt indhold, forkert form | Modtager og format | En linje om hvem og hvor langt |
| Svaret er nyt hver gang | Afgrænsning | Stram opgaven, eller accepter at der ikke er ét rigtigt svar |
| Du retter længere end du ville have skrevet | Ingenting | Det er den forkerte opgave at bruge AI til |
Den nederste linje er den sværeste at sige højt. Nogle opgaver bliver ikke hurtigere. Den vurdering er en del af håndværket, og den er værd at træne lige så meget som teknikkerne.
Prompt engineering i praksis: kvalitetssikringen hører med
Her stopper de fleste guides, og det er her det bliver alvorligt. Et svar du ikke kan bedømme, kan du ikke bruge. Fire vaner er nok.
- Spørg om mindst én ting du selv kender svaret på. Gratis kalibrering af hvor meget du kan stole på resten.
- Tjek alle tal mod kilden. Ikke stikprøve. Tal er dét der bliver videresendt uden at nogen ser efter, og dét der koster mest når det er galt.
- Bed om henvisning til hvor det står, når du har vedhæftet materiale. Så kan du kontrollere i stedet for at tro.
- Send ikke noget videre du ikke selv kunne have skrevet. Ikke fordi du skal kunne det hurtigere, men fordi du skal kunne stå ved det.
Reglen på vores kurser: den der sender teksten, ejer teksten. Værktøjet er ikke en medforfatter man kan henvise til bagefter.
Når prompten skal virke for otte andre end dig
En prompt der virker for dig, er en personlig vane. Den bliver først noget værd for en afdeling når den kan bruges af nogen der ikke sad ved siden af dig da den blev skrevet. Det kræver ikke et system, men det kræver fire ting.
- Gem kun det der løser en tilbagevendende opgave. Ikke gode ideer. Kommer opgaven en gang om året, er der ingen grund til at standardisere den.
- Sæt et navn på hver. En prompt uden ejer bliver ikke rettet når værktøjet ændrer sig, og det gør værktøjerne ofte.
- Skriv hvad den ikke kan. To linjer om hvor den er prøvet af og hvor den fejler, sparer den næste for at finde ud af det på en kundeleverance.
- Hold jer til ti. Ti prompts alle kender slår hundrede ingen kan finde. Et bibliotek der vokser hurtigere end brugen, er en kirkegård.
Skal I have et startsted frem for et blankt dokument, kan I hente vores syv færdige AI-prompts til rigtigt kontorarbejde og bygge videre derfra. De er skrevet til rapporter, referater, regneark og ledelsesresuméer, altså den slags opgaver der findes i alle huse.
Prompt engineering er svært at læse sig til. Man kan lære mønstrene på tyve minutter, og alligevel tager det nogle uger at få dem ind i fingrene, fordi de skal bruges på egne opgaver før de betyder noget. Det er også derfor vores undervisning er bygget som hands-on arbejde frem for teori, og hvorfor et AI-firmakursus arbejder i virksomhedens egne opgaver i stedet for opfundne eksempler.
Vil I lære at prompte på jeres eget arbejde?
Vi underviser ikke i tricks. Vi tager de opgaver der ligger på jeres borde, og arbejder i dem på dagen. Også dem der viser sig ikke at egne sig til det.
Paw Lundin
Stifter af Digital Forlomme. 15+ års erfaring med digitalisering, først som intern leder, nu som rådgiver. Underviser, implementerer og rådgiver.
Ofte stillede spørgsmål
Hvad er prompt engineering egentlig?
Det er at stille en opgave til et AI-værktøj så præcist at der kun er ét rimeligt svar tilbage. I praksis består det af fire ting: hvad der skal komme ud af det, hvilket materiale det bygger på, hvem der skal læse det, og hvilken form det skal have. Materialet er det der oftest mangler, og det er derfor svarene bliver generiske. Det er ikke en teknisk disciplin, og det kræver ingen programmering.
Skal jeg skrive mine prompts på engelsk?
Nej. De store modeller håndterer dansk fint i dag, og du skriver mere præcist på det sprog du tænker på. Præcision betyder mere end sprogvalg. Der er én undtagelse værd at nævne: skal svaret bruge en fast faglig term der kun findes på engelsk, så skriv den term på engelsk midt i den danske prompt i stedet for at oversætte den.
Virker det at give værktøjet en rolle?
Kun når rollen faktisk indsnævrer noget. At bede om en tekst skrevet af en revisor der skal kunne stå på mål for tallene bagefter, ændrer svaret, fordi det siger noget om hvilken standard der gælder. At kalde værktøjet verdensklasse ændrer ingenting, for der findes ikke en dårligere indstilling det kunne skifte fra. Rollen skal bære information, ellers er den pynt.
Hvor lang skal en god prompt være?
Lang nok til at rumme opgaven, materialet, modtageren og formen. Det er typisk tre til fem linjer plus det vedhæftede. Bliver den meget længere, er det som regel fordi man forsøger at forudse alt på forhånd i stedet for at se på det første svar og rette derfra. Regn med at bruge tre forsøg. Det er ikke spild, det er sådan arbejdet ser ud.
Hvordan lærer jeg at prompte uden at læse 40 guides?
Tag en opgave du alligevel skal lave i denne uge, og lav den med værktøjet i stedet for uden. Gør det tre gange med den samme type opgave. Mønstrene kan læres på tyve minutter, men de sætter sig først når de er brugt på noget der betyder noget, og hvor du selv kan bedømme om svaret er godt. Det er derfor undervisning i det her giver mest mening som hands-on arbejde i egne opgaver.
Hvordan laver vi gode prompts til ChatGPT som hele teamet kan bruge?
Gem kun dem der løser en opgave I har igen og igen, sæt et navn på hvem der ejer hver enkelt, skriv to linjer om hvor den fejler, og hold jer til omkring ti i alt. Ti prompts alle kender slår hundrede ingen kan finde. Et bibliotek der vokser hurtigere end brugen, bliver ikke brugt.