Hvad er en LLM (sprogmodel)?

En LLM (en stor sprogmodel (på engelsk large language model)) er en type kunstig intelligens, der er trænet på enorme mængder tekst til at forstå og generere sprog. Den fungerer ved at forudsige det næste ord i en sætning ud fra mønstre, den har lært. Det er teknologien bag chatbots og AI-assistenter, og den udgør motoren, som moderne AI-agenter bygger oven på.

Kort fortalt: motoren bag moderne AI

Når du skriver til en chatbot og får et sammenhængende svar tilbage, er det en sprogmodel, der arbejder i baggrunden. Forkortelsen LLM står for large language model, på dansk en stor sprogmodel. “Stor” refererer både til den mængde tekst, modellen er trænet på, og til modellens egen størrelse målt i de parametre, den bruger til at repræsentere sprog.

For en virksomhed er det værd at forstå, hvad en sprogmodel er, fordi den er byggestenen i næsten alt, hvad der i dag kaldes “AI”: kundeservice-bots, tekstassistenter, søgeværktøjer og de AI-agenter, der kan udføre opgaver på tværs af systemer. Forstår man motoren, forstår man også bedre, hvad teknologien realistisk kan, og hvor den har sine grænser.

Hvordan fungerer en sprogmodel?

Man behøver ikke være dataekspert for at forstå grundprincippet. Det handler om tekst, mønstre og forudsigelse.

Trænet på store mængder tekst

En sprogmodel bygges ved at lade den læse gigantiske mængder tekst: bøger, artikler, hjemmesider, dokumentation og meget mere. Under denne træning lærer modellen ikke fakta udenad som et opslagsværk. I stedet lærer den de statistiske mønstre i sprog: hvilke ord der typisk følger efter hinanden, hvordan sætninger er bygget op, og hvordan begreber hænger sammen.

Resultatet er en model, der har opbygget en meget nuanceret fornemmelse for, hvordan sprog ser ud og bruges, på tværs af emner, tonefald og sprog.

Forudsigelse af det næste ord

Kernen i, hvordan en sprogmodel arbejder, er overraskende simpel at beskrive: den forudsiger det næste ord. Når du stiller et spørgsmål, beregner modellen, hvilket ord der er mest sandsynligt at komme derefter, og derefter det næste, og det næste, indtil et helt svar er dannet.

Fordi modellen har set så mange eksempler på velformuleret tekst, bliver disse forudsigelser så gode, at outputtet fremstår sammenhængende, relevant og ofte overraskende præcist. Det er dog vigtigt at huske, at modellen grundlæggende regner på sandsynligheder for sprog, den “forstår” ikke verden på samme måde som et menneske.

Hvad en sprogmodel kan, og ikke kan

En sprogmodel er et stærkt værktøj, men den har klare styrker og lige så klare begrænsninger. Det er afgørende at kende begge dele, før man baserer forretningsprocesser på teknologien.

Kan typisk godt	Kan ikke (uden hjælp)
Skrive, omskrive og opsummere tekst	Garantere, at alle fakta er korrekte
Besvare spørgsmål i naturligt sprog	Kende til jeres interne data uden adgang til dem
Oversætte mellem sprog	Handle i jeres systemer af sig selv
Klassificere og strukturere tekst	Vide noget, der ligger efter dens træning
Uddrage information fra dokumenter	Selv verificere sine egne svar

Kort sagt: en sprogmodel er fremragende til at arbejde med sprog og viden, den har set. Men den er i sig selv passiv: den svarer, når den bliver spurgt, og den handler ikke selv.

Forskellen på en sprogmodel og en AI-agent

Det er her, mange blander begreberne sammen, og forskellen er vigtig for enhver virksomhed, der overvejer AI.

Sprogmodellen er motoren. AI-agenten er det, der kører på motoren og faktisk udfører arbejdet.

En sprogmodel kan forstå og formulere sprog, men den kan ikke af sig selv slå op i jeres kalender, sende en e-mail, opdatere et CRM-system eller hente data fra en database. En AI-agent kombinerer sprogmodellen med værktøjer, adgange og en evne til at tage flere skridt i træk, så den ikke bare svarer, men handler.

Sagt enkelt:

• Sprogmodel: “Her er et forslag til et svar til kunden.”
• AI-agent: Læser kundens henvendelse, slår relevante oplysninger op, formulerer svaret og sender det, eller lægger det klar til godkendelse.

Vil du forstå det næste lag (hvordan en agent bruger sprogmodellen til at udføre reelle opgaver) kan du læse videre i vores gennemgang af hvad en AI-agent er til virksomheden.

Hos Agent360 bygger vi netop AI-agenter oven på sprogmodeller. Selve modellen er en færdig komponent; værdien opstår, når den kobles til jeres processer, data og værktøjer og sættes til at løse konkrete opgaver.

Kendte sprogmodeller

Der findes i dag flere store sprogmodeller, som mange kender ved navn. Blandt de mest udbredte er:

• GPT, udviklet af OpenAI og kendt fra blandt andet ChatGPT.
• Claude, udviklet af Anthropic.
• Gemini, udviklet af Google.

Fælles for dem er, at de er generelle sprogmodeller, som kan bruges til en bred vifte af opgaver. De adskiller sig i detaljer som stil, styrker og pris, men grundprincippet (træning på store tekstmængder og forudsigelse af sprog) er det samme. For de fleste virksomheder er det vigtigere at vælge den rigtige anvendelse og opsætning end at fokusere ensidigt på ét bestemt modelnavn.

Begrænsninger, du skal kende

En sprogmodel er et værktøj, ikke et orakel. To begrænsninger er særligt vigtige at forstå, inden man tager teknologien i brug i en professionel sammenhæng.

Hallucination

En sprogmodel kan producere svar, der lyder overbevisende, men som er faktuelt forkerte. Dette fænomen kaldes hallucination. Fordi modellen genererer sprog ud fra sandsynligheder (og ikke slår op i en verificeret kilde) kan den finde på at formulere noget, der ikke er korrekt, med samme selvsikre tone som et rigtigt svar.

I praksis betyder det, at man ikke bør bruge en ren sprogmodel som eneste kilde til vigtige beslutninger uden en form for kontrol. En veldesignet løsning håndterer dette ved at give modellen adgang til pålidelige kilder og ved at bygge kontrol ind i processen.

Forældet viden

En sprogmodel ved kun det, den så under sin træning. Den har med andre ord en “vidensgrænse”: begivenheder, priser eller regler, der er kommet til efter træningen, kender den som udgangspunkt ikke til.

Det betyder, at en sprogmodel ikke af sig selv er opdateret på det seneste, og at den ikke kender til jeres interne, aktuelle data, medmindre den får adgang til dem. Netop derfor kobles sprogmodeller i praksis ofte sammen med jeres egne systemer og opdaterede kilder, så svarene bygger på det, der faktisk gælder hos jer.

Fra teknologi til værdi

At forstå, hvad en sprogmodel er, er første skridt. Det næste er at oversætte teknologien til noget, der skaber reel værdi i en virksomhed. En sprogmodel alene løser sjældent en forretningsopgave: det gør den derimod, når den bliver sat ind i en sammenhæng med de rette data, adgange og kontroller omkring sig.

Det er præcis den kobling, en AI-agent leverer: den bruger sprogmodellen som motor, men tilføjer evnen til at handle på tværs af jeres værktøjer og processer. Sprogmodellen giver forståelsen af sprog; agenten giver den evnen til at udføre arbejdet.

Vil I forstå, hvad AI kan gøre for jeres virksomhed?

Hos Agent360 hjælper vi danske virksomheder med at komme fra “AI som begreb” til AI, der løser konkrete opgaver. Vi bygger AI-agenter oven på sprogmodeller og tilpasser dem til jeres processer.

Book en uforpligtende AI-samtale hos Agent360, så tager vi en snak om, hvor teknologien realistisk kan skabe værdi hos jer, og hvor den ikke kan.

---

Ordtal: ca. 1.240 ord. Faktatjek: 0 opdigtede påstande: ingen kunder, resultater, ROI-tal, certificeringer, studier eller specifikke modelspecifikationer er nævnt. Modelnavne (GPT/Claude/Gemini) er anført generisk med korrekt udvikler.