Der er noget næsten tragikomisk over den måde, mange bruger AI på lige nu.
Vi har fået adgang til et af de mest kraftfulde arbejdsredskaber i nyere tid. Et værktøj, der kan hjælpe os med at tænke klarere, skrive bedre, træne samtaler, udvikle ideer, udfordre antagelser og skabe materiale på et niveau, der tidligere krævede både tid, erfaring og flere mennesker omkring bordet.
Og hvad gør mange så?
De skriver:
“Lav et opslag om ledelse.”
Eller:
“Skriv en ansøgning til den her stilling.”
Eller:
“Lav et sjovt billede af en leder med stress.”
Og så bliver de skuffede, når resultatet bliver fladt, generisk og lidt for glad for tankestreger.
Det er ikke mærkeligt.
For når du giver AI en tynd opgave, får du ofte et tyndt svar.
Ikke fordi AI nødvendigvis er dårlig. Men fordi den ikke aner, hvem du er, hvad du vil, hvem du taler til, hvad der er vigtigt, hvilken tone du ønsker, hvad der allerede er prøvet, eller hvordan et godt resultat ser ud for dig.
Den gætter.
Og AI er ret god til at gætte.
Problemet er bare, at gæt ofte lyder som gæt.
Pæne. Flydende. Overfladiske. Almindelige. Lidt for korrekte. Lidt for meget som noget, man har læst før. Den sproglige udgave af et hotelkonferencerum uden vinduer: funktionelt, neutralt og sjæledræbende kedeligt.
Når alle ansøgninger pludselig lyder ens
Jeg talte for nylig med en medarbejder fra HR. Hun fortalte, at mange ansøgninger efterhånden begynder at ligne hinanden påfaldende meget.
Samme opbygning. Samme ord. Samme høflige entusiasme. Samme formuleringer om at være “motiveret”, “struktureret”, “teamorienteret” og “klar til at bidrage positivt”.
Man får næsten lyst til at sige: Tillykke, du har bevist, at du kan kopiere et stillingsopslag ind i en chatbot.
Det er selvfølgelig lidt groft sagt.
Men kun lidt.
For det er præcis det, der ofte sker. Ansøgeren tager stillingsopslaget, sender det ind i AI og beder den skrive en ansøgning, der passer til jobbet. Det gør AI så. Den matcher ordene. Den rammer kravene. Den producerer en pæn ansøgning.
Men den glemmer det vigtigste.
Mennesket.
Hvem er ansøgeren? Hvad har hun faktisk oplevet? Hvilke erfaringer har formet hende? Hvad er hendes måde at arbejde på? Hvor har hun fejlet, lært, flyttet sig, skabt resultater, taget ansvar eller gjort en forskel?
Hvis AI ikke får det at vide, kan den ikke bruge det.
Så får vi bare en ansøgning, der passer til stillingen, men ikke til personen.
Og det kan HR godt mærke.
Ligesom kunder kan mærke det, når en mail lyder, som om den er skrevet af en høflig robot med adgang til LinkedIn-floskler. Ligesom vi alle kan mærke det, når et opslag på sociale medier har den der særlige AI-duft af “professionel, men død indeni”.
AI er ikke magi. Det er en samtalepartner.
En af de største misforståelser om AI er, at den skal levere det perfekte svar på første forsøg.
Det er måske derfor, mange bruger den som en avanceret Google-søgning. De skriver et spørgsmål, får et svar, kopierer måske lidt af det, og så videre med dagen.
Men AI er ikke bedst, når den bliver brugt som en søgemaskine.
Den er bedst, når den bliver brugt som en samtalepartner, sparringspartner, redaktør, modspiller, strukturhjælper, analytiker eller træningsmakker.
Det kræver bare, at du behandler den sådan.
Hvis du vil have noget bedre ud, skal du give noget bedre ind.
Det er her, prompt engineering kommer ind i billedet.
Og ja, det lyder en smule teknisk. Som noget, der burde foregå i en kælder med tre skærme, sort hættetrøje og energidrik i blodet.
Men i praksis er prompt engineering ret jordnært.
Det handler om at stille bedre opgaver.
Ikke bare flere spørgsmål.
Bedre opgaver.
De fleste stopper ved opgaven
Når folk bruger AI, starter de ofte med selve opgaven:
“Skriv en tekst.”
“Lav en mail.”
“Lav et LinkedIn-opslag.”
“Hjælp mig med en ansøgning.”
Det er ikke forkert.
Det er bare utilstrækkeligt.
Opgaven er kun begyndelsen. Det svarer lidt til at gå ind til en medarbejder og sige: “Lav noget godt til i morgen.”
Det kan man godt sige.
Men man skal ikke bagefter være alt for fornærmet over, at resultatet ikke rammer plet.
For hvad betyder “godt”? Til hvem? Med hvilket formål? I hvilken tone? Med hvilke begrænsninger? Med hvilket udtryk? Hvad skal modtageren tænke, føle eller gøre bagefter?
Hvis du ikke giver AI den slags informationer, får du standardvaren.
Og standardvaren er netop det, mange er blevet trætte af.
Min enkle opskrift på prompt engineering
Jeg bruger ofte denne model, når jeg hjælper mennesker med at få mere ud af AI:
Opgave
Kontekst
Eksempel
Persona
Format
Tone
Den er enkel nok til at bruge i hverdagen og stærk nok til at løfte kvaliteten markant.
Lad os tage dem én ad gangen.
1. Opgave: Hvad skal AI faktisk gøre?
Det første er opgaven. Den er nødvendig.
Men den skal være konkret.
Ikke bare:
“Skriv en tekst om ledelse.”
Hellere:
“Skriv en artikel til min hjemmeside om, hvorfor mange ledere undgår svære samtaler, og hvordan de kan begynde at tage dem tidligere og mere ordentligt.”
Eller:
“Hjælp mig med at skrive en ansøgning til denne stilling, men brug mine konkrete erfaringer og undgå generiske formuleringer.”
Opgaven skal give retning. Den skal fortælle AI, hvad den skal producere, og hvad formålet er.
Men den kan ikke stå alene.
2. Kontekst: Hvad skal AI vide for at ramme rigtigt?
Kontekst er ofte den store forskel på et generisk svar og et brugbart svar.
Der er forskel på, om du skriver til en direktørgruppe, en ny leder, en HR-afdeling, en medarbejdergruppe, en kunde, en samarbejdspartner eller en potentiel arbejdsgiver.
Der er også forskel på, om teksten skal sælge, forklare, udfordre, berolige, inspirere, invitere eller skabe refleksion.
AI kan ikke læse dine tanker.
Heldigvis.
Det ville i mange tilfælde være både forvirrende og juridisk interessant.
Så du skal give den det, den mangler.
Eksempel:
“Jeg skriver til mellemledere, der ofte udskyder svære samtaler, fordi de gerne vil bevare den gode stemning. Artiklen skal få dem til at genkende sig selv uden at føle sig udskammet. Den skal være praktisk, lidt provokerende og ende med en invitation til at overveje ledertræning.”
Nu har AI noget at arbejde med.
Ikke bare et emne.
En situation.
3. Eksempel: Vis, hvad godt ligner
Det her punkt springer mange over.
Det er en fejl.
Hvis du har eksempler på noget, der fungerer, så giv dem til AI.
Det kan være en tidligere ansøgning, der ramte godt. Et opslag i din egen tone. En mail, du synes var skarp. En tekst fra din hjemmeside. En struktur, du godt kan lide. Eller et eksempel på noget, du absolut ikke vil have.
Eksempler hjælper AI med at forstå kvalitet, stil og retning.
Når mennesker skal lære noget, bruger vi også eksempler. Vi siger ikke bare til en ny medarbejder: “Skriv i vores tone of voice.” Vi viser forhåbentlig, hvad det betyder.
AI har brug for det samme.
Du kan skrive:
“Her er et eksempel på en tekst, jeg synes fungerer godt. Brug den ikke ordret, men analyser tonen, opbygningen og rytmen, og skriv den nye tekst i samme ånd.”
Eller:
“Her er en ansøgning, der lyder for generisk. Undgå den type formuleringer.”
Det gør en kæmpe forskel.
For AI bliver bedre, når den får noget konkret at kalibrere efter.
4. Persona: Hvilken rolle skal AI spille?
AI svarer forskelligt afhængigt af, hvilken rolle du giver den.
Skal den være redaktør? Kritisk sparringspartner? Kommunikationsrådgiver? HR-konsulent? Forhandlingscoach? Underviser? Djævlens advokat? Stram korrekturlæser? Kreativ konceptudvikler?
Hvis du ikke vælger, får du ofte en venlig generalist.
Og venlige generalister er rare.
Men de flytter sjældent ret meget.
Prøv i stedet:
“Du er en skarp redaktør, der skal hjælpe mig med at gøre teksten mere konkret, mere levende og mindre corporate.”
Eller:
“Du er en kritisk HR-chef, der læser denne ansøgning og markerer alt, der lyder generisk eller utroværdigt.”
Eller:
“Du er min sparringspartner. Din opgave er ikke at give mig ret, men at stille de spørgsmål, der gør ideen bedre.”
Det ændrer kvaliteten af svaret.
Nogle gange markant.
5. Format: Hvordan skal svaret se ud?
Formatet er undervurderet.
Skal du bruge en artikel, en mail, en liste, en tabel, et manuskript, en disposition, tre versioner, en kort teaser, en dyb analyse eller et konkret udkast?
AI kan lave det hele.
Men du skal fortælle, hvad du vil have.
Ellers får du ofte noget, der ser rimeligt ud, men som ikke passer til den situation, du faktisk skal bruge det i.
Eksempel:
“Giv mig først fem overskrifter, derefter tre hooks, derefter en artikel på cirka 1.000 ord og til sidst tre citatvenlige punchlines.”
Eller:
“Lav svaret som en tabel med tre kolonner: problem, bedre prompt og hvorfor det virker.”
Eller:
“Skriv tre versioner: én kort, én mere personlig og én mere modig.”
Format er ikke pynt.
Format er styring.
6. Tone: Hvordan skal det føles at læse?
Tone er dér, mange AI-tekster dør.
De bliver pæne. Korrekte. Glatte. Intetsigende.
AI elsker som udgangspunkt at lyde hjælpsom. Det kan hurtigt blive en sproglig kop lunken havregrød.
Derfor skal du styre tonen.
Vil du have teksten direkte? Varm? Nøgtern? Provokerende? Menneskelig? Professionel? Humoristisk? Skarp? Enkel? Poetisk? Jordnær?
Skriv det.
Og skriv også, hvad den skal undgå.
Eksempel:
“Skriv i en direkte, menneskelig og jordnær tone. Gerne med lidt tør humor. Undgå corporate-floskler, overdrevet entusiasme, guru-sprog og tomme motivationssætninger.”
Den slags instruktioner gør det langt lettere for AI at ramme noget, der faktisk lyder som dig.
Eller i hvert fald noget, der ikke lyder som alle andre.
Et eksempel på forskellen
En svag prompt kunne være:
“Skriv en ansøgning til denne stilling.”
Det er sådan, man får en ansøgning, der lyder som 47 andre.
En bedre prompt kunne være:
“Du er en kritisk og erfaren karriererådgiver. Hjælp mig med at skrive en personlig og troværdig ansøgning til denne stilling. Målgruppen er en HR-chef og en afdelingsleder. Jeg vil gerne fremstå fagligt stærk, men ikke selvfed. Brug mine konkrete erfaringer nedenfor, især projektet med X, min erfaring med Y og min måde at samarbejde på. Undgå generiske formuleringer som ‘jeg er struktureret’, ‘jeg brænder for’ og ‘jeg kan have mange bolde i luften’. Skriv ansøgningen i en klar, personlig og professionel tone. Giv mig først en disposition, derefter et udkast på maks. én side.”
Det er ikke magi.
Det er bare bedre instruktion.
Og bedre instruktion giver bedre output.
AI gør ikke automatisk dit arbejde bedre
Det er vigtigt at sige: Prompt engineering betyder ikke, at AI pludselig gør alt genialt.
AI kan stadig ramme forkert. Den kan stadig misforstå. Den kan stadig lyde for poleret. Den kan stadig opfinde ting, den ikke burde opfinde. Den kan stadig levere tekst, hvor man får lyst til at lukke computeren og gå en lang tur i regnvejr.
Men når du bliver bedre til at prompte, bliver du også bedre til at tænke over dit eget behov.
Hvad vil jeg egentlig sige? Hvem taler jeg til? Hvad skal det bruges til? Hvad er godt nok? Hvad er vigtigt? Hvilken tone passer til mig? Hvad vil jeg ikke lyde som?
Det er næsten den skjulte gevinst.
God prompt engineering gør ikke bare AI bedre.
Det gør din bestilling bedre.
Og mange dårlige AI-resultater starter ikke med dårlig teknologi.
De starter med en uklar bestilling.
Vi skal væk fra “lav noget”
Hvis vi vil have mere ud af AI, skal vi væk fra “lav noget”-prompterne.
Lav en tekst. Lav et billede. Lav en strategi. Lav en plan. Lav en ansøgning. Lav et opslag.
Det er for tyndt.
Vi skal blive bedre til at give retning, kontekst, eksempler, roller, formater og tone.
Ikke fordi alle skal være AI-eksperter.
Men fordi alle, der bruger AI, allerede er i gang med at uddelegere tænkning.
Og når du uddelegerer uklart, får du uklare resultater.
Det kender vi fra ledelse.
En medarbejder, der får en uklar opgave, kan sagtens arbejde hårdt og stadig ramme forkert. Det samme gælder AI. Den arbejder bare hurtigere, klager mindre og bruger lidt flere tankestreger.
Min korte opskrift
Næste gang du bruger AI, så prøv dette:
Opgave: Hvad skal den lave?
Kontekst: Hvem er det til, og hvorfor skal det laves?
Eksempel: Hvad ligner et godt resultat?
Persona: Hvilken rolle skal AI tage?
Format: Hvordan skal svaret struktureres?
Tone: Hvordan skal det lyde og føles?
Bare det at tilføje kontekst og tone vil ofte løfte resultatet markant.
Tilføjer du også eksempler og en tydelig persona, begynder du for alvor at få noget, der kan bruges.
Ikke nødvendigvis færdigt.
Men brugbart.
Og det er en vigtig forskel.
Det handler ikke om at få AI til at lyde mere menneskelig
Mange tror, målet er at få AI til at lyde menneskelig.
Det er ikke helt rigtigt.
Målet er at bruge AI på en måde, der gør dit eget arbejde mere præcist, mere relevant og mere personligt.
AI skal ikke erstatte din stemme.
Den skal hjælpe dig med at finde den, skærpe den og bruge den bedre.
Men det sker kun, hvis du giver den noget at arbejde med.
Ellers får du bare endnu en pæn, glat tekst, der kunne være skrevet af hvem som helst, til hvem som helst, om hvad som helst.
Og dem har vi nok af.
Vi har også rigeligt med “sjove” AI-billeder, hvor folk har seks fingre, for meget glans i huden og et ansigtsudtryk, der siger: “Jeg er fanget i en PowerPoint fra fremtiden.”
Potentialet er langt større end det.
Men det kræver, at vi holder op med at bruge AI som en ønskebrønd.
Skriv ikke bare et ønske og håb på magi.
Giv den en ordentlig opgave.
Så begynder der at ske noget.
Vil du blive bedre til at bruge AI som sparringspartner, skrivehjælp eller træningsrum i dit lederskab? Så er prompt engineering et godt sted at starte.
Jeg hjælper ledere og organisationer med at bruge AI mere konkret, mere menneskeligt og langt mindre generisk. Ikke som tryllestøv, men som et praktisk værktøj, der kan trænes.
Lad os tage en uforpligtende samtale om, hvordan det kunne se ud hos jer.