Prompt engineering

Prompt Engineering betyder enkelt sagt at stille gode spørgsmål til AI'en. En prompt er din input med dit spørgsmål eller anmodning.

Prompt engineering indebærer, at vi udtænker målrettede spørgsmål og anvisninger for at hjælpe AI-modeller med at give de rigtige svar under chats. Med bedre prompts får du bedre resultater.

Sammen med specifikationerne for den valgte model er dette afgørende for kvaliteten af svaret.

Elementer i en prompt (spørgsmål)

For at opnå bedre resultater skal du tænke på følgende punkter:

• Formål: hvad vil du præcist have fra sprogmodellen?
• Rolle: hvilken rolle har sprogmodellen? (Fx 'Marketinganalytiker', 'Juridisk rådgiver', 'Projektleder')
• Kontekst: baggrundsinformation om anmodningen (Fx virksomheds mål, projektdetaljer, markedsinformation)
• Stil: hvilken stil ønsker du at anvende? (Fx formel, overbevisende, kortfattet)
• Output: hvilket format ønsker du? (Fx en rapport, e-mail, præsentationsoversigt, kodeeksempel)

Formålet

At beskrive formålet med dit spørgsmål præcist er essentielt og kan ikke udelades.

Hvad vil du vide?

• Faktaspørgsmål kan stilles, men vær opmærksom på begrænsningerne (fx manglende aktuel viden)
• Ligesom i Google får du ikke nødvendigvis det samme svar, hvis du stiller spørgsmålet flere gange
• Fordelen er “chat”-funktionen, så du kan følge op med flere spørgsmål

Eksempel på prompt med et klart formål:

Prompt med kun formål

Giv en beskrivelse af de vigtigste udfordringer ved implementering af en ny AI-platform i en mellemstor virksomhed.

Implementeringen af en ny AI-platform i en mellemstor virksomhed indebærer flere udfordringer. Nogle vigtige udfordringer er:

1. Modstand mod forandring: Medarbejdere er vant til eksisterende processer og systemer. En ny AI-platform kræver tilpasning og kan møde modstand, især hvis påvirkningen på arbejdsgange ikke er tydelig.
2. Datakvalitet og -tilgængelighed: AI-platforme er stærkt afhængige af data. Indsamling, oprydning og strukturering af data til den nye platform kan være komplekst og tidskrævende.
3. Integration med eksisterende systemer: AI-platformen skal ofte integreres med andre virksomhedsapplikationer (ERP, datakilder, BI-værktøjer). Dette kan give tekniske udfordringer.
4. Omkostninger: Ud over licensomkostninger er der omkostninger til implementering, træning, datainfrastruktur og eventuelt specialiseret personale.
5. Træning og adoption: Medarbejdere skal trænes i brugen af den nye platform og i at fortolke output. Uden god træning og løbende support kan adoptionsgraden forblive lav.
6. Valg af den rette platform og use cases: Der findes mange AI-platforme og teknologier. At vælge en platform og definere relevante use cases, der passer til virksomhedens specifikke behov og strategiske mål, er afgørende.
7. Etiske overvejelser og compliance: Afhængigt af anvendelsen af AI-platformen kan der være etiske spørgsmål og compliance-krav (fx GDPR), som skal håndteres omhyggeligt.
8. Projektledelse: En succesfuld implementering kræver solid projektledelse, klare mål og involvering af interessenter fra forskellige afdelinger.

Tilføj rolle og kontekst

At tilføje en rolle og kontekst sikrer bedre og mere specifikke svar.

Eksempel på samme spørgsmål, men med rolle og kontekst:

Prompt med formål, rolle og kontekst

Som projektleder ansvarlig for implementeringen af en ny AI-platform til dataanalyse og procesoptimering hos en B2B-tjenesteudbyder med 150 medarbejdere, giv en beskrivelse af de vigtigste udfordringer og mulige afbødningsstrategier.

Som projektleder for implementeringen af en ny AI-platform til dataanalyse og procesoptimering hos en B2B-tjenesteudbyder med 150 medarbejdere ser jeg følgende vigtige udfordringer og mulige afbødningsstrategier:

1. Modstand mod forandring & brugeradoption:
   • Udfordring: Medarbejdere, især dem hvis opgaver direkte påvirkes, kan være tilbageholdende med at opgive deres velkendte arbejdsmetoder og omfavne de nye AI-drevne indsigter.
   • Afbødning: Involver nøglebrugere tidligt. Kommuniker klart fordelene (effektivitet, bedre beslutningstagning, nye indsigter). Sørg for omfattende, rollebaseret træning og løbende support. Udpeg 'AI-champions' i afdelingerne.
2. Datakvalitet, -governance og -migration:
   • Udfordring: Effektiviteten af AI-platformen afhænger af høj kvalitet og veladministrerede data. Data fra eksisterende systemer er ofte inkonsistente, ufuldstændige eller forkerte.
   • Afbødning: Start med en grundig datarevision, definer et data-governance framework og udfør dataoprydning før integration/migration. Definer klare datamodeller og -flows. Test og valider data omhyggeligt.
3. Integration med eksisterende IT-infrastruktur:
   • Udfordring: Integrationer med eksisterende datakilder, ERP, CRM og andre virksomhedssystemer skal fungere sømløst og sikkert.
   • Afbødning: Identificer alle nødvendige integrationer tidligt. Vælg en AI-platform med robuste API-muligheder eller standardconnectorer. Test integrationer grundigt.
4. Scope Creep & budgetoverskridelse:
   • Udfordring: Under projektet kan nye ønsker til AI-anvendelser opstå, som udvider scope og øger omkostningerne.
   • Afbødning: Definer et klart, afgrænset scope med tydelige use cases (MVP - Minimum Viable Product) til første fase. Anvend en streng change management-proces. Hold en realistisk projektplan og budget, inklusive buffer.
5. Valg af den rette teknologi og implementeringspartner:
   • Udfordring: AI-markedet er komplekst. Forkert teknologivalg eller en uerfaren partner kan få projektet til at fejle.
   • Afbødning: Foretag grundig research af egnede AI-teknologier til de definerede use cases. Vælg en partner med dokumenteret erfaring i din branche og med de valgte teknologier. Indhent referencer.
6. Manglende AI-viden og -færdigheder i organisationen:
   • Udfordring: Der kan mangle intern ekspertise til effektiv brug, vedligeholdelse eller videreudvikling af AI-platformen.
   • Afbødning: Invester i træning og uddannelse. Overvej at ansætte specialiseret personale eller samarbejd tæt med implementeringspartneren for vidensoverførsel. Skab en kultur for kontinuerlig læring.
7. Etiske overvejelser og forklarbarhed (Explainable AI):
   • Udfordring: Beslutninger truffet eller understøttet af AI skal være transparente og forklarlige, især hvis de påvirker kunder eller medarbejdere. Bias i data kan føre til urimelige resultater.
   • Afbødning: Udarbejd etiske retningslinjer for brug af AI. Vælg hvor muligt modeller, der er fortolkelige. Implementer processer til at opdage og afbøde bias. Sørg for menneskelig overvågning af kritiske AI-beslutninger.

Ved at tackle disse udfordringer proaktivt øger vi chancen for en succesfuld implementering af AI-platformen, som reelt bidrager til virksomhedens mål.

Teknikker

Nedenfor beskriver vi nogle teknikker, du kan bruge ved mere avancerede prompts.

Teknik 1 - give eksempler

For at sikre, at sprogmodellen anvender den stil, du ønsker, giv et eller to eksempler.

Metoden kaldes “one & few-shot prompting”

Teknik 1 - give eksempler

Skriv et udkast til en e-mail til kunder om en kommende planlagt systemopdatering. Brug vores interne politik for kundekommunikation (indsæt relevante punkter fra politikken). Brug denne nylige nyhedsbrev som stilguide, men overtag ikke indhold: (indsæt tekst fra nyhedsbrev)

Den fulde prompt er som følger:

Intern politik for kundekommunikation:

• Vær altid professionel og høflig.
• Giv rettidige opdateringer om væsentlige ændringer eller nedbrud.
• Tilbyd klar og kortfattet information.
• Sørg for en løsning eller kompensation, hvis relevant.

Brug denne nyhedsbrev som stilguide, men brug ikke information fra nyhedsbrevet. Kære kunde,

Vi vil gerne informere dig om en kommende systemopdatering, som kan påvirke vores service.

Dato og tidspunkt for opdateringen: [dato og tidspunkt] Forventet varighed af afbrydelsen: [varighed] Berørte tjenester: [tjenester]

I denne periode kan vores service være midlertidigt afbrudt. Vi gør vores bedste for at minimere generne og genoprette tjenesterne så hurtigt som muligt.

Teknik 1 - svaret

Nedenfor er svaret fra sprogmodellen på den udvidede prompt med eksempler

Kære kunde,

Vi vil gerne informere dig om en kommende systemopdatering, som kan påvirke vores service.

Dato og tidspunkt for opdateringen: [dato og tidspunkt] Forventet varighed af afbrydelsen: [varighed] Berørte tjenester: [tjenester]

I denne periode kan vores service være midlertidigt afbrudt. Vi gør vores bedste for at minimere generne og genoprette tjenesterne så hurtigt som muligt.

Hvis du har spørgsmål, er du velkommen til at kontakte os.

Med venlig hilsen, [Dit navn] [Din stilling] [Firmanavn] [Kontaktinformation]

Teknik 2 - give skabelon

For at sikre, at sprogmodellen bruger et bestemt format, giv en skabelon og et eksempel. Dette sikrer, at sprogmodellen former eller strukturerer sit svar på en bestemt måde. Du kan tænke på meget forskellige formater, som er nyttige i situationer som:

• csv-output til import i et Excel-ark eller dataanalyseværktøj
• json-output til API-integrationer eller konfigurationsfiler
• Agenda-opstilling til et projektmøde

Eksempel på prompt: Generer en liste med tre potentielle marketingkanaler for et nyt SaaS-produkt rettet mod SMV'er. Formater dit svar som følger: Kanal: Målgruppe: Potentiel ROI: Nødvendige ressourcer:

For eksempel: Kanal: LinkedIn Advertising Målgruppe: Specifikke jobtitler, brancher, virksomhedsstørrelse Potentiel ROI: Høj, hvis målrettet korrekt Nødvendige ressourcer: Annoncebudget, indholdsproduktion, kampagnestyring

Metoden kaldes “output templates”

Teknik 2 - give skabelon

Nedenfor er svaret fra sprogmodellen på prompten med en output-skabelon

Kanal: Content Marketing (Blog & SEO) Målgruppe: Virksomheder, der aktivt søger løsninger på deres problemer, organisk trafik Potentiel ROI: Høj på lang sigt, opbygger autoritet Nødvendige ressourcer: Indholdsskribenter, SEO-specialist, tid til søgeordsanalyse og indholdsmarkedsføring

Kanal: Google Ads (Search) Målgruppe: Virksomheder, der aktivt søger specifikke søgeord relateret til SaaS-produktet Potentiel ROI: Mellem til høj, afhængig af konkurrence og CPC Nødvendige ressourcer: Annoncebudget, søgeordsanalyse, optimering af landingssider, kampagnestyring

Kanal: E-mail Marketing (Lead Nurturing) Målgruppe: Leads indsamlet via hjemmeside, webinarer eller andre kanaler Potentiel ROI: Høj, effektiv til konvertering af leads til kunder Nødvendige ressourcer: E-mail marketing platform, indhold til e-mailsekvenser, segmenteringsfærdigheder

Teknik 3 - give hint

For at sikre, at sprogmodellen starter og skriver på en bestemt måde, giv et hint. Her skriver vi hintet til sidst i prompten.

Eksempel på prompt: Kan du opsummere denne markedsundersøgelsesrapport for mig? (indsæt relevante afsnit fra rapporten). Start dit svar med: De vigtigste fund fra denne markedsundersøgelse er:

• INDSÆT TEKST FRA RAPPORTEN

Metoden kaldes “cues og hints” Dette eksempel bruger en fiktiv rapport.

Teknik 3 - give hint

Nedenfor er svaret fra sprogmodellen på prompten med et hint

De vigtigste fund fra denne markedsundersøgelse er:

• Efterspørgslen efter cloud-baseret projektstyringssoftware i SMV-segmentet er steget med 35% over de sidste to år.
• De vigtigste beslutningsfaktorer for SMV'er er brugervenlighed, integrationsmuligheder med eksisterende værktøjer og prisfastsættelse.
• Konkurrent A har en markedsandel på 25%, efterfulgt af Konkurrent B med 18%. Der er plads til nye aktører, der fokuserer på specifikke nicher eller tilbyder en overlegen brugeroplevelse.
• De største udfordringer for SMV'er ved adoption af ny software er den indledende investering og den tid, der kræves til medarbejdertræning.
• Markedet forventes at vokse med 15% årligt de næste fem år.

Teknik 4 - opdele indhold i instruktioner

Nogle gange er prompten meget lang på grund af ekstra indhold, og sprogmodellen fortolker ikke præcist, hvad du ønsker. Det så du måske allerede i det foregående eksempel. Opdel da indholdet med tre anførselstegn i starten og slutningen af teksten fra resten af prompten.

Eksempel på prompt: Kan du opsummere denne artikel for mig? “”” (indsæt din artikeltekst). “”” Start dit svar med: De vigtigste punkter fra denne artikel er:

Metoden kaldes “content splitting” Dette eksempel bruger en artikel eller rapport fra internettet som kildemateriale. Du kan fx bruge en politiknotat, forskningsrapport eller offentlig informationsside.

Teknik 4 - opdele indhold

Nedenfor er svaret fra sprogmodellen på prompten med opdelt indhold. Vi bruger tre anførselstegn eller tre stjerner til at afgrænse konteksten for spørgsmålet.

De vigtigste punkter fra denne kilde er:

• Rapporten beskriver, hvilke målgrupper der påvirkes af politikken.
• Kilden nævner forudsætninger for omhyggelig gennemførelse, såsom privatliv, tilgængelighed og klar kommunikation.
• Analysen viser, hvilke risici og afhængigheder der skal tages højde for på forhånd.
• Dokumentet indeholder anbefalinger, som kan omsættes til konkrete handlinger for teams eller afdelinger.
• Til beslutningstagning er det vigtigt at gøre antagelser, usikkerheder og næste skridt eksplicitte.

Teknik 5 - spørg først om ekstra information

Du kan give instruktioner om først at stille supplerende spørgsmål, før svaret genereres. På den måde hjælper sprogmodellen dig med at præcisere og gøre din anmodning mere specifik.

Eksempel på prompt: “Jeg vil udarbejde et projektforslag til udvikling af en ny mobilapp til intern kommunikation. Appen skal indeholde funktioner til nyhedsopdateringer, et medarbejderregister og direkte beskeder. Før du skriver projektforslaget, kan du stille mig supplerende spørgsmål for at forbedre forslaget?”

Metoden kaldes “ask before answer prompting”

Teknik 5 - spørg først om supplerende information

Nedenfor er svaret fra sprogmodellen på prompten med anmodning om supplerende information

Selvfølgelig! Her er nogle spørgsmål, jeg kan stille for at forbedre projektforslaget: Hvad er det primære formål med den interne kommunikationsapp? (Fx øge engagement, forbedre informationsdeling, facilitere samarbejde) Hvem er den specifikke målgruppe i virksomheden? (Fx alle medarbejdere, specifikke afdelinger, feltmedarbejdere) Er der eksisterende systemer eller platforme, som appen skal integreres med? (Fx intranet, HR-system, Active Directory) Hvad er det forventede budget og ønskede tidsplan for udvikling og implementering? Er der specifikke sikkerheds- eller compliance-krav, som appen skal opfylde? (Fx GDPR, datalagringspolitik) Hvilke nøglepræstationsindikatorer (KPI'er) vil blive brugt til at måle appens succes? Er der allerede idéer til design eller branding af appen? Skal den matche organisationens identitet? Er der en præference for udviklingsplatform (iOS, Android, cross-platform)?

Med denne supplerende information kan vi få et bedre billede af scope og krav og dermed udarbejde et stærkere projektforslag.

Teknik 6 - følelsesmæssig prompt

Du kan give instruktioner om at tilpasse tekstens tone til underliggende følelser eller fremkalde en specifik følelsesmæssig respons. Dette er nyttigt til kundeservice, intern kommunikation eller marketing.

Eksempel på prompt: “Jeg skal skrive en e-mail til en kunde, der er utilfreds med en nylig serviceafbrydelse. Kunden har skrevet følgende: “”” …. “”” (indsæt kundens tekst) Jeg vil have, at e-mailen er empatisk, anerkender kundens frustration og tilbyder en konstruktiv løsning.”

Metoden kaldes “emotional prompting” Dette eksempel bruger en fiktiv klage.

Den fulde prompt lyder:

Jeg skal skrive en e-mail til en kunde, der er utilfreds med en nylig serviceafbrydelse. Kunden har skrevet følgende: """Kære hr./fru,

Jeg er meget skuffet over den uventede serviceafbrydelse i går eftermiddag. Det har alvorligt forstyrret vores drift og ført til produktivitetstab. Vi stoler på jeres tjenester, og denne slags hændelser er uacceptable. Jeg forventer en klar forklaring og passende kompensation."""

Jeg vil have, at e-mailen er empatisk, anerkender kundens frustration og tilbyder en konstruktiv løsning.

Teknik 6 - følelsesmæssig prompt

Nedenfor er svaret, vi fik fra sprogmodellen

Kære [Kundens navn],

Mange tak for din henvendelse, og vi beklager dybt den serviceafbrydelse, du oplevede i går eftermiddag. Jeg forstår fuldt ud din frustration og den påvirkning, det har haft på din drift. Vi er meget kede af, at vi ikke levede op til dine forventninger og vores servicestandarder.

Afbrydelsen skyldtes [kort, klar forklaring på årsagen, fx en uforudset teknisk fejl i vores datacenter]. Vi har straks taget handling, og vores teknikere har arbejdet hårdt for at genoprette servicen så hurtigt som muligt. Servicen har været fuldt operationel siden [tidspunkt].

Vi tager denne hændelse meget alvorligt og er allerede i gang med at evaluere årsagen for at forhindre gentagelser i fremtiden.

For at kompensere for ulejligheden tilbyder vi dig gerne [konkret forslag, fx rabat på din næste faktura / en gratis opgradering i en måned / en servicekredit]. En af vores account managers vil kontakte dig inden for 24 timer for at drøfte dette personligt og besvare eventuelle yderligere spørgsmål.

Endnu en gang undskylder vi for ulejligheden. Vi værdsætter din kundetilfredshed og stræber efter at levere den pålidelige service, du forventer af os fremover.

Med venlig hilsen,

[Dit navn/Firmanavn]

Teknik 7 - anmode om flere versioner

Her beder du om flere versioner af et svar, så du har valgmuligheder. Du vil fx have, at modellen hjælper med at generere forskellige marketing slogans til et nyt produkt. Der er mange forskellige vinkler, så du ønsker flere muligheder. Dette kan effektivt kombineres med at sætte en specifik rolle for modellen og en systemprompt til at styre modellen yderligere.

Du kan læse mere om roller i den relevante artikel. Dette eksempel med flere versioner findes nederst i artiklen. Det gentages ikke her.

Teknik 8 - kombinere med en systemprompt

Med en systemprompt kan du give opgaver til AI-modellen. Det er en instruktion, du kan give modellen for at forme opgaven eller modellens adfærd specifikt. Du kan angive, hvilken slags output du forventer fra AI-modellen. Det er en måde at styre modellen på og forhindre, at den giver irrelevante eller uønskede svar.

Nogle eksempler på simple og generelle systemprompts:

"Jeg vil have, at du er en venlig og hjælpsom assistent."

"Forbliv altid professionel og respektfuld i dit sprogbrug."

"Fokuser på at give konkrete, præcise svar uden overflødige detaljer."

Systemprompten sætter på en måde tonen og forventningerne for den specifikke samtale eller opgave, du vil udføre med AI-modellen.

Du kan også finde på mere avancerede systemprompts til specifikke opgaver, som at opsummere en tekst: "Analyser den givne tekst grundigt og giv en kort, men informativ opsummering af de vigtigste punkter. Identificer hovedbudskabet og de vigtigste detaljer."

Systemprompts har ikke samme effekt på alle AI-modeller. Hos chatGPT virker det meget stærkt, hos Claude også, mens effekten er mindre hos andre modeller. Det er interessant at prøve og se, hvilken model der fungerer bedst til din input.

Du kan sætte en generel systemprompt under indstillinger, men det bedste er at lave disse systemprompts for hver opgave, du vil automatisere. Vi kalder det roller.

Du kan læse mere om roller i den relevante artikel.

Annotere et uddrag

Marker tekst i en afsluttet chatbesked og vælg Annoter. Skriv i vinduet et spørgsmål eller en ændringsinstruktion, fx ‘Gør kun denne sætning enklere’, og vælg Gem. Du kan annotere flere uddrag. Send derefter; en ekstra prompt i inputfeltet er ikke nødvendig, men må gerne bruges. Uddraget bevares ved kommentaren, også hvis du skifter til et andet vindue undervejs. Du kan slette en annotation før afsendelse. På mobil holder du teksten nede for at markere.