Prompting
Prompting er at give klare instruktioner til en AI, så den kan levere brugbare svar. Jo mere præcist du beskriver opgaven, konteksten og dine forventninger, desto bedre bliver resultatet. Tænk på AI’en som en dygtig kollega, der ikke kender dit arbejde på forhånd.
De fem grundprincipper
- Vær specifik og tydelig
Skriv præcist hvad du ønsker. "Skriv et udkast til en velkomstmail til nye medarbejdere" er bedre end "skriv en mail". - Giv kontekst
Fortæl AI’en hvem du er, hvem modtageren er, og hvad formålet er. Kontekst gør svaret relevant og præcist. - Angiv format og omfang
Vil du have en kort opsummering, en dybdegående forklaring, en tabel eller en punktliste? Sig det eksplicit. - Iterér og forbedr
Den første prompt er sjældent perfekt. Brug svarene til at forbedre dine prompts. Prompting er en samtale, ikke en enkelt kommando. - Giv eksempler når det er muligt
Eksempler på det ønskede output er ofte mere effektive end lange beskrivelser af hvad du vil have.
Prompting-teknikker
Herunder introducerer vi de vigtigste greb og giver eksempler, som kan bruges på tværs af administration, undervisning og forskning.
Zero-shot prompting er den simpleste form: du stiller et spørgsmål eller giver en instruktion uden at give modellen eksempler på det ønskede output. Modellen trækker udelukkende på sin træning.
- Hvornår det virker: Når opgaven er velkendt og utvetydig – fx oversættelse, opsummering eller simple spørgsmål.
- Hvornår det fejler: Når outputformatet er vigtigt, eller når opgaven kræver en specifik stil eller tone.
Eksempel
Simpelt prompt: Hvad er forskellen på GDPR og databeskyttelsesloven?
Hvorfor det virker: Spørgsmålet er entydigt og velkendt. AI’en kan svare korrekt uden yderligere kontekst.
Forbedret prompt: Forklar forskellen mellem GDPR og den danske databeskyttelseslov. Fokusér på de praktiske forskelle man skal kende som ansat på et dansk universitet. Hold forklaringen på maks 200 ord og undgå juridisk fagsprog.
Hvorfor det virker: Tilføjer målgruppe, format, længde og sprogstil – stadig zero-shot, men langt mere præcist.
Med few-shot prompting giver du modellen ét eller flere eksempler på det ønskede input-output-mønster, før du stiller din egentlige opgave. Dette er en af de mest effektive teknikker til at styre format, tone og kvalitet.
Eksempel
Prompt til klassificering: Kategorisér følgende henvendelser fra studerende som enten "IT-support", "Studieadministration" eller "Andet". Eksempler: - "Jeg kan ikke logge ind på DTU Learn" → IT-support - "Hvornår er fristen for tilmelding til eksamen?" → Studieadministration - "Hvor finder jeg kantinen?" → Andet Kategorisér nu: - "Min printer virker ikke på campus" - "Kan jeg skifte studieretning efter 1. semester?" - "Hvordan får jeg adgang til VPN hjemmefra?"
Hvorfor det virker: De tre eksempler viser det ønskede format. Modellen vil svare konsistent i samme stil.
Prompt til skrivestil: Skriv korte nyhedsresuméer til et internt nyhedsbrev i følgende stil: Input: "DTU har indgået et nyt samarbejde med Novo Nordisk om forskning i bæredygtig produktion." Output: "Nyt samarbejde: DTU og Novo Nordisk går sammen om bæredygtig produktionsforskning." Input: "IT-afdelingen opgraderer alle wifi-access-points i bygning 303-305 i uge 12." Output: "Wifi-opgradering: Bygning 303-305 får nyt trådløst netværk i uge 12." Skriv nu et resumé for: "Universitetet har besluttet at indføre en ny digital selvbetjeningsløsning til rejseafregning, der erstatter den nuværende papirbaserede proces fra 1. april."
Chain-of-Thought prompting beder modellen om at tænke trinvis igennem et problem før den giver sit endelige svar. Denne teknik forbedrer markant kvaliteten af svar på komplekse problemer, analyser og beslutninger.
Eksempel
Simpelt prompt: Vi overvejer at skifte fra lokale filservere til en cloudbaseret løsning for dokumentdeling på vores afdeling (ca. 80 medarbejdere). Tænk trin for trin igennem fordele, ulemper og risici ved dette skift. Overvej både økonomi, sikkerhed, brugervenlighed og GDPR.
Hvorfor det virker:"Tænk trin for trin" tvinger modellen til at gennemgå hvert perspektiv systematisk i stedet for at give et overfladisk svar.
Struktureret prompt: Vi skal arrangere en konference for 200 deltagere på campus om 3 måneder. Gennemgå planlægningen trin for trin: 1. Hvad skal afklares først? (lokaler, dato, budget) 2. Hvilke interessenter skal involveres? 3. Hvad er de typiske faldgruber ved denne størrelse? 4. Foreslå en tidsplan med milepæle 5. Hvad glemmer man oftest?
Ved at give AI’en en rolle definerer du dens ekspertise, tone og perspektiv. Dette er særligt effektivt, når du har brug for svar fra et bestemt fagligt synspunkt eller i en bestemt kommunikationsstil.
Eksempel
Prompt, ekspertrolle: Du er en erfaren HR-konsulent med speciale i onboarding på danske universiteter. En afdeling spørger: "Vi får tre nye medarbejdere på én gang næste måned. Hvordan sikrer vi en god opstart for dem alle?" Svar som en praktisk rådgiver med konkrete forslag, der kan implementeres med begrænsede ressourcer.
Prompt, multirolledialog: Simulér en diskussion mellem tre perspektiver på spørgsmålet: "Skal vi indføre AI-værktøjer bredere i vores administrative processer?" 1. En IT-sikkerhedsansvarlig (fokus på risici og data) 2. En afdelingsleder (fokus på effektivitet og tid) 3. En medarbejder (fokus på arbejdsglæde og tryghed) Hver person får tre indlæg. De skal reagere på hinanden.
Denne teknik specificerer det ønskede outputformat eksplicit. Særligt nyttigt når data skal bruges videre i regneark, præsentationer, mails eller andre systemer.
Eksempel
Prompt, tabelformat: Lav en sammenligningstabel over følgende videokonferenceplatforme: Zoom, Microsoft Teams, Google Meet og Webex. Kolonner: Platform | Maks deltagere | Optagelse | Skærmdeling | Integrationer | Pris Formatér som en markdown-tabel. Angiv den gratis version såvel som betalte licenser.
Prompt, struktureret mail-udkast: Skriv en mail til alle medarbejdere på afdelingen om planlagt nedetid på mailsystemet. Format: - Emne: [kort og klart] - Indledning: [1 sætning om hvad der sker] - Tidsramme: [hvornår det påvirker dem] - Hvad de skal gøre: [konkrete handlinger] - Kontakt: [hvor de henvender sig ved problemer] Tonen skal være professionel men venlig. Hold mailen under 100 ord.
Iterativ prompting handler om at bygge videre på AI’ens svar gennem en række prompts. I stedet for én stor prompt bygger du en dialog, hvor hvert svar informerer næste spørgsmål.
Eksempel
Prompt, itirativ fordybelse:
- Prompt 1:
Giv mig en overordnet oversigt over de vigtigste overvejelser ved implementering af et nyt tidsregistreringssystem. - Prompt 2 (efter svar):
Forklar integrationsudfordringerne mere detaljeret. Hvordan sikrer vi at det nye system taler sammen med vores eksisterende økonomisystem? - Prompt 3 (efter svar):
Lav et udkast til en implementeringsplan med faseopdeling og tidsestimater for en afdeling med 50 medarbejdere. - Prompt 4 (efter svar):
Skriv nu den kommunikationsmail der skal gå ud til medarbejderne 2 uger før go-live.
Meta-prompting bruger AI’en til at forbedre dine prompts. Du beder modellen evaluere, kritisere eller omskrive en prompt, før du bruger den. Dette er særligt nyttigt når du vil optimere din prompting-teknik.
Eksempel
Prompt-forbedring: Jeg vil bruge følgende prompt til at få hjælp med at skrive en projektansøgning: "Hjælp mig med en ansøgning" Analysér denne prompt og foreslå tre progressivt bedre versioner. Forklar hvad hver forbedring tilføjer.
Prompt-generering: Jeg arbejder i IT-afdelingen på et universitet og skal lave træningsmateriale om IT-sikkerhed for administrativt personale. De har varierende IT-kendskab. Generer fem prompts jeg kan bruge til at udvikle materialerne systematisk, fra behovs- analyse til færdigt indhold. Hver prompt skal bygge på output fra den foregående.
Constraint-baseret prompting definerer klare begrænsninger for AI’ens svar. Disse kan være sproglige, strukturelle, indholdsmæssige eller målgruppebaserede. Det er særligt nyttigt til at få fokuserede, brugbare svar.
Eksempel
Prompt, praktiske constraints: Skriv et oplæg til vores ledergruppe om at introducere en ny digital platform med følgende begrænsninger: - Maks 1 side (ca. 300 ord) - Ingen teknisk jargon – målgruppen er ledere uden IT-baggrund - Skal inkludere: problem, løsning, tidsplan, pris - Tone: professionel men overbevisende - Skal besvare indvendingen "hvorfor ikke bare beholde det nuværende system?" - Afslut med en klar anbefaling og næste skridt.
Prompt, sproglige constraints: Oversæt følgende engelske IT-meddelelse til dansk med disse begrænsninger: - Brug kun almindelige danske ord (undgå anglicismer hvor et godt dansk ord findes) - Bevar alle tekniske termer der ikke har en etableret dansk oversættelse - Tonen skal matche originalen - Tilføj [oversætternote] hvis noget er tvetydigt [indsæt tekst her]
De stærkeste prompts kombinerer ofte flere teknikker. Her er et eksempel der bruger rolle, chain-of-thought, constraints og struktureret output på én gang.
Prompt: Du er en erfaren projektleder på et dansk universitet. [ROLLE] En kollega spørger: "Vi har fået 500.000 kr. til at digitalisere vores studieadministration. Hvor skal vi starte?" Besvar spørgsmålet ved at: 1. Tænke trinvis igennem prioriteringerne [CoT] 2. Begrænse dig til tiltag der kan nås inden for 6 måneder [CONSTRAINT] 3. Strukturere svaret således: [FORMAT] a) Behovsanalyse (hvad giver størst effekt?) b) Top 3 anbefalinger (tabel: tiltag, pris, effekt) c) Implementeringsrækkefølge d) Typiske faldgruber at undgå Hold svaret under 500 ord.