Prompt engineering

Prompt Engineering betyder enkelt uttryckt att ställa bra frågor till AI:n. En prompt är din input med din fråga eller begäran.

Prompt engineering innebär att vi formulerar riktade frågor och instruktioner för att hjälpa AI-modeller att ge rätt svar under chattar. Med bättre prompts får du bättre resultat.

Tillsammans med specifikationerna för den valda modellen avgör detta kvaliteten på svaret.

Element i en prompt (fråga)

För att få bättre resultat bör du tänka på följande punkter:

• Syfte: vad vill du exakt ha från språkmodellen?
• Roll: vilken roll har språkmodellen? (t.ex. 'Marknadsanalytiker', 'Juridisk rådgivare', 'Projektledare')
• Kontext: bakgrundsinformation om begäran (t.ex. företagsmål, projektdetaljer, marknadsinformation)
• Stil: vilken stil vill du använda? (t.ex. formell, övertygande, kortfattad)
• Output: vilket format vill du ha? (t.ex. en rapport, e-post, presentationsöversikt, kodsnutt)

Syftet

Att exakt beskriva syftet med din fråga är avgörande och kan inte utelämnas.

Vad vill du veta?

• Faktabaserade frågor går bra, men var medveten om begränsningarna (t.ex. saknas aktuell kunskap)
• Precis som i Google får du inte exakt samma svar om du ställer frågan flera gånger
• Fördelen är "chatt"-funktionen så att du kan följa upp

Exempel på prompt med ett tydligt syfte:

Prompt med endast syfte

Ge en beskrivning av de viktigaste utmaningarna vid implementering av en ny AI-plattform i ett medelstort företag.

Att implementera en ny AI-plattform i ett medelstort företag medför flera utmaningar. Några viktiga utmaningar är:

1. Motstånd mot förändring: Medarbetare är vana vid befintliga processer och system. En ny AI-plattform kräver anpassning och kan möta motstånd, särskilt om påverkan på arbetsflöden inte är tydlig.
2. Datakvalitet och tillgänglighet: AI-plattformar är starkt beroende av data. Att samla in, rensa och strukturera data för den nya plattformen kan vara komplext och tidskrävande.
3. Integration med befintliga system: AI-plattformen måste ofta integreras med andra företagsapplikationer (ERP, datakällor, BI-verktyg). Detta kan innebära tekniska utmaningar.
4. Kostnader: Utöver licenskostnader för plattformen finns kostnader för implementering, utbildning, datainfrastruktur och eventuellt specialiserad personal.
5. Utbildning och adoption: Medarbetare måste utbildas i att använda den nya plattformen och tolka output. Utan bra utbildning och kontinuerligt stöd kan adoptionsgraden förbli låg.
6. Val av rätt plattform och användningsfall: Det finns många AI-plattformar och teknologier. Att välja en plattform och definiera relevanta användningsfall som passar företagets specifika behov och strategiska mål är avgörande.
7. Etiska överväganden och efterlevnad: Beroende på AI-plattformens användning kan det finnas etiska frågor och efterlevnadskrav (t.ex. GDPR) som måste hanteras noggrant.
8. Projektledning: En framgångsrik implementering kräver gedigen projektledning, tydliga mål och engagemang från intressenter i olika avdelningar.

Lägg till roll och kontext

Att lägga till en roll och kontext ger bättre och mer specifika svar.

Exempel på samma fråga men med roll och kontext:

Prompt med syfte, roll och kontext

Som projektledare ansvarig för implementeringen av en ny AI-plattform för dataanalys och processoptimering hos en B2B-tjänsteleverantör med 150 anställda, ge en beskrivning av de viktigaste utmaningarna och möjliga strategier för att mildra dem.

Som projektledare för implementeringen av en ny AI-plattform för dataanalys och processoptimering hos en B2B-tjänsteleverantör med 150 anställda ser jag följande viktiga utmaningar och möjliga strategier för att mildra dem:

1. Motstånd mot förändring & användaradoption:
   • Utmaning: Medarbetare, särskilt de vars arbetsuppgifter direkt påverkas, kan vara tveksamma till att släppa sina invanda arbetssätt och omfamna de nya AI-drivna insikterna.
   • Mildring: Involvera nyckelanvändare tidigt. Kommunicera tydligt fördelarna (effektivitet, bättre beslutsfattande, nya insikter). Erbjud omfattande, rollbaserad utbildning och kontinuerligt stöd. Utse 'AI-mästare' inom avdelningarna.
2. Datakvalitet, styrning och migrering:
   • Utmaning: AI-plattformens effektivitet beror på högkvalitativ och välhanterad data. Data från befintliga system är ofta inkonsekvent, ofullständig eller felaktig.
   • Mildring: Börja med en grundlig datarevision, definiera ett ramverk för datastyrning och genomför datarensning före integration/migrering. Definiera tydliga datamodeller och flöden. Testa och validera data noggrant.
3. Integration med befintlig IT-infrastruktur:
   • Utmaning: Kopplingar till befintliga datakällor, ERP, CRM och andra affärssystem måste fungera sömlöst och säkert.
   • Mildring: Identifiera alla nödvändiga integrationer tidigt. Välj en AI-plattform med robusta API-möjligheter eller standardkopplingar. Testa integrationerna noggrant.
4. Scope Creep & budgetöverskridande:
   • Utmaning: Under projektets gång kan nya önskemål om AI-applikationer uppstå som breddar omfattningen och ökar kostnaderna.
   • Mildring: Definiera en tydlig, avgränsad scope med klara användningsfall (MVP - Minimum Viable Product) för första fasen. Använd en strikt förändringshanteringsprocess. Håll en realistisk projektplan och budget, inklusive buffert.
5. Val av rätt teknik och implementeringspartner:
   • Utmaning: AI-marknaden är komplex. Fel teknikval eller en oerfaren partner kan göra att projektet misslyckas.
   • Mildring: Gör noggrann research om lämpliga AI-teknologier för de definierade användningsfallen. Välj en partner med dokumenterad erfarenhet inom din bransch och med de valda teknologierna. Begär referenser.
6. Brist på AI-kunskap och kompetens inom organisationen:
   • Utmaning: Det kan saknas intern expertis för att effektivt använda, underhålla eller vidareutveckla AI-plattformen.
   • Mildring: Investera i utbildning och träning. Överväg att anställa specialiserad personal eller samarbeta nära med implementeringspartnern för kunskapsöverföring. Skapa en kultur av kontinuerligt lärande.
7. Etiska överväganden och förklarbarhet (Explainable AI):
   • Utmaning: Beslut som fattas eller stöds av AI måste vara transparenta och förklarbara, särskilt om de påverkar kunder eller medarbetare. Bias i data kan leda till orättvisa resultat.
   • Mildring: Sätt upp etiska riktlinjer för AI-användning. Välj där möjligt modeller som är tolkbara. Implementera processer för att upptäcka och mildra bias. Säkerställ mänsklig övervakning av kritiska AI-beslut.

Genom att proaktivt hantera dessa utmaningar ökar vi chansen för en framgångsrik implementering av AI-plattformen som verkligen bidrar till företagets mål.

Tekniker

Nedan beskrivs några tekniker du kan använda för mer avancerade prompts.

Teknik 1 - ge exempel

För att säkerställa att språkmodellen använder samma stil som du vill, ge ett eller två exempel.

Metoden kallas “one & few-shot prompting”

Teknik 1 - ge exempel

Skriv ett konceptmail till kunder om en kommande planerad systemuppdatering. Använd vår interna policy för kundkommunikation (lägg in relevanta punkter från policyn). Använd som stilguide detta senaste nyhetsbrev, men ta inte med innehållsinformation: (lägg in text från nyhetsbrev)

Den fullständiga prompten är som följer:

Intern policy för kundkommunikation:

• Var alltid professionell och artig.
• Ge i tid uppdateringar om viktiga förändringar eller störningar.
• Ge tydlig och kortfattad information.
• Erbjud en lösning eller kompensation om tillämpligt.

Använd för stilen detta nyhetsbrev, men använd ingen information från nyhetsbrevet. Bästa kund,

Vi vill informera dig om en kommande systemuppdatering som kan påverka vår tjänst.

Datum och tid för uppdateringen: [datum och tid] Förväntad avbrottstid: [varaktighet] Berörda tjänster: [tjänster]

Under denna period kan vår tjänst vara tillfälligt avbruten. Vi gör vårt bästa för att minimera störningarna och återställa tjänsterna så snabbt som möjligt.

Teknik 1 - svaret

Nedan är språkmodellens svar på den utökade prompten med exempel

Bästa kund,

Vi vill informera dig om en kommande systemuppdatering som kan påverka vår tjänst.

Datum och tid för uppdateringen: [datum och tid] Förväntad avbrottstid: [varaktighet] Berörda tjänster: [tjänster]

Under denna period kan vår tjänst vara tillfälligt avbruten. Vi gör vårt bästa för att minimera störningarna och återställa tjänsterna så snabbt som möjligt.

Om du har några frågor, tveka inte att kontakta oss.

Med vänliga hälsningar, [Ditt namn] [Din titel] [Företagsnamn] [Kontaktinformation]

Teknik 2 - ge mall

För att säkerställa att språkmodellen använder ett visst format, ge en mall och ett exempel. Detta gör att språkmodellen formaterar eller strukturerar sitt svar på ett visst sätt. Du kan tänka på mycket olika format som är användbara i situationer som:

• csv-output för att kunna importera i ett Excel-ark eller dataanalysverktyg
• json-output för API-integrationer eller konfigurationsfiler
• Agenda-upplägg för ett projektmöte

Exempelprompt: Generera en lista med tre potentiella marknadsföringskanaler för en ny SaaS-produkt riktad mot små och medelstora företag. Formatera ditt svar så här: Kanal: Målgrupp: Potentiell ROI: Nödvändiga resurser:

Till exempel: Kanal: LinkedIn Advertising Målgrupp: Specifika befattningar, branscher, företagsstorlek Potentiell ROI: Hög, om väl riktad Nödvändiga resurser: Annonsbudget, innehållsskapande, kampanjhantering

Metoden kallas “output templates”

Teknik 2 - ge mall

Nedan är språkmodellens svar på prompten med en output-mall

Kanal: Content Marketing (Blogg & SEO) Målgrupp: Företag som aktivt söker lösningar på sina problem, organiskt trafikflöde Potentiell ROI: Hög på lång sikt, bygger auktoritet Nödvändiga resurser: Innehållsskribenter, SEO-specialist, tid för sökordsanalys och innehållsmarknadsföring

Kanal: Google Ads (Sök) Målgrupp: Företag som aktivt söker specifika nyckelord relaterade till SaaS-produkten Potentiell ROI: Medel till hög, beroende på konkurrens och CPC Nödvändiga resurser: Annonsbudget, sökordsanalys, landningssidesoptimering, kampanjhantering

Kanal: E-postmarknadsföring (Lead Nurturing) Målgrupp: Leads insamlade via webbplats, webbinarier eller andra kanaler Potentiell ROI: Hög, effektiv för konvertering av leads till kunder Nödvändiga resurser: E-postmarknadsföringsplattform, innehåll för e-postsekvenser, segmenteringskompetens

Teknik 3 - ge hint

För att säkerställa att språkmodellen börjar och skriver på ett visst sätt, ge en hint. Här skriver vi hinten i slutet av prompten.

Exempelprompt: Kan du sammanfatta denna marknadsundersökningsrapport för mig? (klistra in relevanta avsnitt från rapporten). Börja ditt svar med: De viktigaste resultaten från denna marknadsundersökning är:

• KLISSA IN RAPPORTTEXTEN

Metoden kallas “cues och hints” Detta exempel använder en fiktiv rapport.

Teknik 3 - ge hint

Nedan är språkmodellens svar på prompten med en hint

De viktigaste resultaten från denna marknadsundersökning är:

• Efterfrågan på molnbaserad projektledningsprogramvara inom små och medelstora företag har ökat med 35 % under de senaste två åren.
• Viktigaste beslutsfaktorer för små och medelstora företag är användarvänlighet, integrationsmöjligheter med befintliga verktyg och prissättning.
• Konkurrent A har en marknadsandel på 25 %, följt av Konkurrent B med 18 %. Det finns utrymme för nya aktörer som fokuserar på specifika nischer eller erbjuder en överlägsen användarupplevelse.
• De största utmaningarna för små och medelstora företag vid adoption av ny programvara är den initiala investeringen och den tid som krävs för utbildning av medarbetare.
• Marknaden förväntas växa med 15 % årligen under de kommande fem åren.

Teknik 4 - dela upp innehåll från instruktioner

Ibland blir prompten väldigt lång på grund av extra innehåll och språkmodellen tolkar inte exakt vad du vill. Det såg du troligen redan i föregående exempel. Dela då upp innehållet med tre citattecken i början och slutet av texten från resten av prompten.

Exempelprompt: Kan du sammanfatta denna artikel för mig? “”” (klistra in din artikeltext). “”” Börja ditt svar med: De viktigaste punkterna i denna artikel är:

Metoden kallas “content splitting” Detta exempel använder en artikel eller rapport från internet som källmaterial. Du kan till exempel använda en policy-notis, forskningsrapport eller offentlig informationssida.

Teknik 4 - dela upp innehåll

Nedan är språkmodellens svar på prompten med uppdelat innehåll. Vi använder tre citattecken eller tre stjärnor för att avgränsa kontexten i frågan.

De viktigaste punkterna i denna källa är:

• Rapporten beskriver vilka målgrupper som påverkas av policyn.
• Källan nämner förutsättningar för noggrann genomförande, såsom integritet, tillgänglighet och tydlig kommunikation.
• Analysen visar vilka risker och beroenden som måste beaktas i förväg.
• Dokumentet innehåller rekommendationer som kan översättas till konkreta åtgärder för team eller avdelningar.
• För beslutsfattande är det viktigt att göra antaganden, osäkerheter och nästa steg tydliga.

Teknik 5 - fråga först efter mer information

Du kan ge instruktioner att först ställa kompletterande frågor innan svaret genereras. På så sätt hjälper språkmodellen dig att förfina och specificera din begäran.

Exempelprompt: “Jag vill skapa ett projektförslag för utveckling av en ny mobilapp för intern kommunikation. Appen ska innehålla funktioner för nyhetsuppdateringar, en personalförteckning och direktmeddelanden. Innan du skriver projektförslaget, kan du ställa kompletterande frågor för att förbättra förslaget?”

Metoden kallas “ask before answer prompting”

Teknik 5 - fråga först efter mer information

Nedan är språkmodellens svar på prompten med begäran om kompletterande information

Självklart! Här är några frågor jag kan ställa för att förbättra projektförslaget: Vad är det primära syftet med den interna kommunikationsappen? (t.ex. öka engagemang, förbättra informationsspridning, underlätta samarbete) Vilken är den specifika målgruppen inom företaget? (t.ex. alla anställda, specifika avdelningar, fältpersonal) Finns det befintliga system eller plattformar som appen måste integreras med? (t.ex. intranät, HR-system, Active Directory) Vad är den avsedda budgeten och önskad tidsplan för utveckling och implementering? Finns det specifika säkerhets- eller efterlevnadskrav som appen måste uppfylla? (t.ex. GDPR, datapolicys) Vilka nyckeltal (KPI:er) kommer att användas för att mäta appens framgång? Finns det redan idéer om design eller varumärke för appen? Ska den stämma överens med organisationens identitet? Finns det en preferens för utvecklingsplattform (iOS, Android, cross-platform)?

Med denna kompletterande information kan vi få en bättre bild av omfattningen och kraven, och därmed skapa ett starkare projektförslag.

Teknik 6 - emotionell prompt

Du kan ge instruktioner för att anpassa textens ton till underliggande känslor eller för att framkalla en specifik känslomässig respons. Detta är användbart för kundservice, intern kommunikation eller marknadsföring.

Exempelprompt: “Jag måste skriva ett e-postmeddelande till en kund som är missnöjd med en nyligen inträffad serviceavbrott. Kunden har skrivit följande: “”” …. “”” (klistra in kundens text) Jag vill att e-postmeddelandet ska vara empatiskt, erkänna kundens frustration och erbjuda en konstruktiv lösning.”

Metoden kallas “emotional prompting” Detta exempel använder ett fiktivt klagomål.

Den fullständiga prompten lyder:

Jag måste skriva ett e-postmeddelande till en kund som är missnöjd med en nyligen inträffad serviceavbrott. Kunden har skrivit följande: """Bästa herr/fru,

Jag är mycket besviken över det oväntade serviceavbrottet igår eftermiddag. Detta har allvarligt störts vår verksamhet och lett till produktivitetsförlust. Vi litar på era tjänster och sådana incidenter är oacceptabla. Jag förväntar mig en tydlig förklaring och en lämplig kompensation."""

Jag vill att e-postmeddelandet ska vara empatiskt, erkänna kundens frustration och erbjuda en konstruktiv lösning.

Teknik 6 - emotionell prompt

Nedan är svaret vi fick från språkmodellen

Bästa [Kundens namn],

Tack för ditt meddelande och våra uppriktiga ursäkter för serviceavbrottet som du upplevde igår eftermiddag. Jag förstår fullt ut din frustration och den påverkan detta har haft på din verksamhet. Vi beklagar verkligen att vi inte levde upp till dina förväntningar och våra servicestandarder.

Avbrottet orsakades av [kort, tydlig förklaring av orsaken, t.ex. ett oförutsett tekniskt fel i vårt datacenter]. Vi agerade omedelbart och våra tekniker har arbetat hårt för att återställa tjänsten så snabbt som möjligt. Tjänsten är sedan [tidpunkt] åter fullt fungerande.

Vi tar denna incident på största allvar och arbetar redan med att utvärdera orsaken för att förhindra att det händer igen i framtiden.

För att kompensera för besväret erbjuder vi gärna [konkret förslag, t.ex. rabatt på nästa faktura / en gratis uppgradering i en månad / en servicekredit]. En av våra kundansvariga kommer att kontakta dig inom 24 timmar för att personligen diskutera detta och besvara eventuella ytterligare frågor.

Återigen, våra ursäkter för besväret. Vi uppskattar ditt förtroende och strävar efter att i framtiden ge dig den pålitliga service du förväntar dig av oss.

Med vänliga hälsningar,

[Ditt namn/Företagsnamn]

Teknik 7 - be om flera versioner

Här ber du om flera versioner av ett svar så att du får olika valmöjligheter. Du kanske vill att modellen hjälper till att generera olika marknadsföringsslaglines för en ny produkt. Det finns många olika infallsvinklar, så du vill gärna ha flera alternativ. Detta kan effektivt kombineras med att sätta en specifik roll för modellen och en system-prompt för att styra modellen ytterligare.

Du kan läsa mer om roller i den relevanta artikeln. Detta exempel med flera versioner finns längst ner i artikeln. Det upprepas inte helt här.

Teknik 8 - kombinera med en system-prompt

Med en system-prompt kan du ge uppdrag till AI-modellen. Det är en instruktion som du kan ge modellen för att specifikt forma modellens uppgift eller beteende. Du kan ange vilken typ av output du förväntar dig från AI-modellen. Det är ett sätt att styra modellen och förhindra att den ger irrelevanta eller oönskade svar.

Några exempel på enkla och generella system-promptar:

"Jag vill att du är en vänlig och hjälpsam assistent."

"Var alltid professionell och respektfull i ditt språkbruk."

"Fokusera på att ge konkreta, kortfattade svar utan onödiga detaljer."

System-prompten sätter tonen och förväntningarna för den specifika konversationen eller uppgiften du vill utföra med AI-modellen.

Du kan också skapa mer avancerade system-promptar för specifika uppgifter, som att sammanfatta en text: "Analysera den givna texten noggrant och ge en kort men informativ sammanfattning av de viktigaste punkterna. Identifiera kärnbudskapet och viktigaste detaljer."

System-promptar har inte samma påverkan på resultatet i alla AI-modeller. Hos chatGPT är det mycket starkt, hos Claude också, medan påverkan är mindre hos andra modeller. Det är intressant att prova och se vilken modell som fungerar bäst för din input.

Du kan ställa in en generell system-prompt i inställningarna, men det bästa är att skapa dessa system-promptar per uppgift du vill automatisera. Vi kallar detta roller.

Du kan läsa mer om roller i den relevanta artikeln.

Annotera ett avsnitt

Markera text i ett avslutat chattmeddelande och välj Annotera. Skriv i fönstret en fråga eller ändringsinstruktion, till exempel ‘Gör bara denna mening enklare’, och välj Spara. Du kan annotera flera avsnitt. Skicka sedan; en extra prompt i inmatningsfältet behövs inte, men är tillåten. Avsnittet sparas med kommentaren, även om du byter till ett annat fönster under tiden. Du kan ta bort en annotation innan du skickar. På mobil håller du ned texten för att markera.