Sådan skriver du gode prompts: giv AI det, den skal bruge

De fleste får middelmådige svar fra ChatGPT, Copilot eller Claude af én simpel grund: de skriver til AI, som var den en søgemaskine. Fem ord ind, et gennemsnitligt svar ud. En god prompt ligner mere den opgavebeskrivelse, du ville give en dygtig ny kollega på første arbejdsdag. Hvad handler det om? Hvem skal du være? Hvad skal du lave? Hvordan skal det se ud? Og her er materialet.

Det er den struktur, vi underviser i, og den bygger artiklen her på.

Hvorfor giver den samme AI så forskellige svar?

Fordi den kun ved det, du fortæller den. En sprogmodel kender ikke jeres virksomhed, jeres modtagere eller grunden til, at du spørger. Når prompten er kort, udfylder den hullerne med det mest sandsynlige, og det mest sandsynlige er gennemsnittet. Derfor kan to kolleger med præcis samme værktøj få vidt forskellige resultater. Forskellen ligger sjældent i værktøjet. Den ligger i, hvad de giver det at arbejde med.

Leverandørerne siger det samme med hver deres ord. Anthropic beskriver Claude som en "brilliant but new employee who lacks context on your norms and workflows" og foreslår en enkel test: Vis prompten til en kollega, der ikke kender opgaven. Bliver kollegaen forvirret, gør modellen det også. Microsoft deler en god Copilot-prompt op i mål, kontekst, forventninger og kilde. Google skriver i sin Gemini-guide, at klare og specifikke instruktioner er den mest effektive måde at styre modellen på.

Guiderne er gode supplementer, men læs dem med et kritisk blik. De er skrevet til leverandørens egne modeller, ofte til udviklere, og de bliver løbende revideret. OpenAI råder ligefrem udviklere til at låse sig fast på en bestemt modelversion, fordi forskellige versioner opfører sig forskelligt. Konsekvensen for dig er, at smarte tricks og magiske formuleringer som "du er verdens bedste tekstforfatter" eller "tag en dyb indånding" forældes hurtigt. Det, der holder, er en præcis og detaljeret beskrivelse af opgaven. Derfor lærer vi strukturen, ikke formuleringerne.

Hvad er de fem byggesten i en god prompt?

En god prompt består af op til fem byggesten: kontekst, rolle, instruktion, output format og data. Du behøver ikke bruge dem alle hver gang, men jo vigtigere opgaven er, desto flere af dem betaler sig.

Byggesten	Hvad den gør	Eksempel
Kontekst	Giver baggrund, årsager og rammer	"Vi er en metalvirksomhed med 60 ansatte i produktionen."
Rolle	Fortæller, hvem AI skal agere som	"Du er en erfaren produktionschef."
Instruktion	Siger præcis, hvad der skal laves	"Skriv en mail til alle medarbejdere om lørdagsvagterne."
Output format	Bestemmer formen, ikke indholdet	"Højst 180 ord, afslut med en punktliste med datoer."
Data	Materialet, AI skal arbejde med, i XML-tags	<noter> ... </noter>

1. Kontekst

Konteksten fortæller, hvorfor opgaven findes, og hvilke rammer den skal løses inden for. Den leder modellens fokus hen på det, der betyder noget. Hvem er modtageren? Hvad er sket forud? Hvad er det svære ved situationen? I en lille prompt kan du ofte springe konteksten over. I en vigtig prompt er den tit det, der gør den største forskel.

2. Rolle

Rollen fortæller, hvem AI skal agere som: en advokat, en mekaniker, en direktør, en erfaren sælger. Rollen trækker ordvalg, detaljeniveau og perspektiv i en bestemt retning. En advokat læser en kontrakt anderledes end en indkøber, og det kan du bruge bevidst.

3. Instruktion

Instruktionen er selve ordren. Den skal være tydelig, komplet, præcis og ikke modsigende. Skriv kort, direkte og kommanderende: "Skriv", "Opsummér", "Find de tre største risici". Høflige omskrivninger som "kunne du måske hjælpe mig med" gør ingen skade, men de gør heller ikke noget godt. Pas især på modsigelser som "kort, men meget grundig". Så må modellen gætte, hvad du mente.

4. Output format

Output format handler om formen, ikke indholdet. Skal det være en tabel, en punktliste, en mail eller et notat? Hvor mange ord? Hvem er modtageren? Et klart format gør resultatet genbrugeligt, så du kan sætte det direkte ind i en mail, et regneark eller en præsentation i stedet for at bygge det om bagefter.

5. Data i XML-tags

Data er det materiale, AI skal behandle: et referat, en prisliste, dine stikord, en kundehenvendelse. Ram det ind med XML-tags som <referat> og </referat>. Navnene må gerne være på dansk; de er bare etiketter. Pointen er, at du kan henvise til materialet i instruktionen, fx "brug kun priserne i <prisliste>". Anthropic skriver, at XML-tags hjælper modellen med at skelne tydeligt mellem delene, når en prompt blander instruktioner, kontekst, eksempler og input. OpenAI og Google nævner XML-tags eller Markdown til samme formål.

Et før og efter-eksempel fra en dansk arbejdsdag

Mette er produktionschef i en metalvirksomhed i Midtjylland med 60 medarbejdere i produktionen. En stor ordre betyder, at der skal køres to ekstra lørdagsvagter, og hun skal fortælle det til sine folk. Sådan ser den første prompt ud:

Skriv en mail til medarbejderne om, at vi skal arbejde to lørdage i uge 44 og 45.

Svaret er høfligt og helt generisk. Det åbner med noget i retning af "Kære alle, vi står over for en travl og spændende periode", det forklarer ikke hvorfor, og det siger intet om løn, tidspunkter eller tilmelding. Mette bruger et kvarter på at skrive det om, og så kunne hun lige så godt have skrevet det selv.

Her er samme opgave med de fem byggesten:

Kontekst: Vi er en metalvirksomhed med 60 medarbejdere i produktionen. Vi har fået en stor ordre fra en fast kunde, som skal leveres 10. november. For at nå det skal vi køre to ekstra lørdagsvagter. Medarbejderne har arbejdet over flere gange i år, og stemningen omkring overarbejde er presset.

Rolle: Du er en erfaren produktionschef, der skriver ærligt og ligefremt til sine folk.

Instruktion: Skriv en mail til alle medarbejdere i produktionen om lørdagsvagterne. Forklar hvorfor, hvad det betyder for dem, og hvordan de melder sig. Anerkend, at det er endnu en omgang overarbejde. Brug kun fakta fra <noter>. Hvis du mangler oplysninger, så spørg mig, før du skriver.

Output format: En emnelinje og en mail på højst 180 ord i du-form. Afslut med en kort punktliste med datoer, tidspunkter og tilmeldingsfrist. Ingen floskler.

<noter>
Lørdag 31. oktober og lørdag 7. november, kl. 6 til 14.
Overtidsbetaling efter overenskomsten og frokost begge dage.
Vi skal bruge 20 personer pr. vagt.
Tilmelding til Mette senest fredag 23. oktober.
Ordren sikrer fuld beskæftigelse frem til februar.
</noter>

Hver byggesten løser et konkret problem fra første forsøg. Konteksten om det pressede humør giver en mail, der anerkender trætheden i stedet for at kalde overarbejde "spændende". Rollen giver et ligefremt sprog. Instruktionen sikrer, at hvorfor, hvad og hvordan kommer med. Formatet gør mailen kort nok til at blive læst på en telefon i pausen. Og fordi fakta står i <noter> med en klar besked om kun at bruge dem, er der langt mindre risiko for, at AI selv finder på en tilmeldingsfrist.

Prompten tog Mette to minutter mere at skrive. Til gengæld kan hun gemme den og bruge den igen, næste gang der skal meldes ekstravagter ud, og kun skifte noterne. Det er især den slags opgaver, AI bør tage sig af: de tilbagevendende, tidskrævende og lidt kedelige, som alligevel skal gøres ordentligt. Ugestatus, referater, tilbudstekster og svar på standardhenvendelser hører til samme familie.

To vaner, der løfter kvaliteten med det samme

Start en ny chat til hver opgave

Hver gang du skriver en ny besked, sendes hele samtalen med. Har du lige brugt chatten til at svare på en sur kundeklage, kan tonen og detaljerne derfra sive ind i din mail om lørdagsvagter. Tidligere kontekst forurener svaret, også når du ikke tænker over det. Ny opgave, ny chat.

Bed AI om at spørge ind

Du ved ikke altid selv, hvilken kontekst der er vigtig. Så lad AI finde ud af det. Jeremy Utley fra Stanford foreslår i en podcast hos Implement Studios en enkel tilføjelse: "Before beginning, please ask me at least three questions to make sure you have sufficient context to do a great job." På dansk: "Før du går i gang, så stil mig mindst tre spørgsmål, så du har nok kontekst til at gøre det godt." Så bliver det AI, der interviewer dig, og du opdager tit, at du havde glemt noget afgørende.

Hvad gør du, når dokumentet er langt?

Kopiér hele teksten ind i prompten, eller brug et værktøj, der læser hele dokumentet. Når du uploader en stor fil, deler nogle værktøjer den op i stykker og henter kun de stykker, der ligner dit spørgsmål. Det fungerer fint, når du leder efter én bestemt klausul. Det fungerer dårligt, når du spørger "hvad er de tre største risici i kontrakten?", for det kræver overblik over helheden.

Du kan ofte se det på svaret. Det henviser mest til begyndelsen af dokumentet, overser modsigelser mellem afsnit eller svarer forkert på noget, der står på side 40. En hurtig test er at spørge til en detalje, du ved står sidst i dokumentet.

Uanset værktøj: ram dokumentet ind i et tag som <kontrakt>, så du kan henvise præcist til det i instruktionen.

Hvad kan en prompt ikke redde?

En god prompt gør et godt svar mere sandsynligt, ikke sikkert. Tre ting kan ingen prompt reparere:

• Dårlige data. Lægger du en forældet prisliste ind, får du et forældet tilbud ud, bare pænere formuleret.
• Uklare mål. Ved du ikke selv, hvad mailen skal opnå, ved AI det heller ikke. Prompten tvinger dig faktisk til at tænke det igennem, og det er en sidegevinst.
• Fakta, som modellen ikke har. Sprogmodeller kan finde på tal, kilder og paragraffer, der lyder helt troværdige. Microsoft minder selv om, at man skal gennemgå Copilots svar for fejl, og at den samme prompt kan give forskellige svar fra gang til gang.

Derfor gælder én regel altid: tjek resultatet, før du bruger det. Især tal, navne, datoer og alt, der skal ud til kunder. Og tænk over, hvad du lægger ind. Mettes noter indeholder ingen personoplysninger, og sådan bør det være, hvis du bruger en gratis udgave. Hvilke data der er grønne, gule og røde, kan du læse i GDPR og AI i praksis. Vi gennemgår reglerne i Må vi bruge ChatGPT på arbejdet?

Vil du i gang i dag, så vælg én tilbagevendende opgave, du bruger tid på hver uge, og skriv prompten med de fem byggesten. Gem den, når den virker. Skal flere i organisationen med, kan du læse, hvordan I kommer i gang med AI i virksomheden, og hvordan I får hele holdet med.