Prompt engineering: sådan får I bedre svar fra AI

Prompt engineering er kunsten at formulere sine instruktioner til en AI, så den leverer et brugbart svar første gang. En prompt er den besked, I sender til modellen, og kvaliteten af svaret afhænger næsten altid mere af, hvordan I spørger, end af hvilken model I bruger. De fleste dårlige AI-oplevelser skyldes ikke en dårlig model, men en for vag prompt. Den gode nyhed: det kan læres på en eftermiddag.

Hvad er en god prompt egentlig?

En god prompt er en instruktion, der er så tydelig, at en dygtig ny kollega kunne løse opgaven ud fra den alene, uden at skulle spørge tilbage. Tænk på AI’en som en hurtig, velvillig medarbejder, der ved en masse generelt, men intet ved om jeres virksomhed, jeres kunder eller den konkrete opgave, før I fortæller det.

Dårlige prompts har typisk ét af tre problemer: de er for korte (“skriv en tekst om vores produkt”), de mangler kontekst (modellen kender ikke målgruppen eller formålet), eller de lader formatet være op til tilfældet. Resultatet bliver generisk, og I bruger mere tid på at rette svaret end I ville have brugt på at skrive opgaven selv.

En god prompt gør det modsatte: den er specifik, den giver kontekst, og den siger klart, hvad output skal indeholde og hvordan det skal se ud.

Fem principper, der løfter næsten enhver prompt

Nedenstående fem greb er de mest effektive, og de virker på tværs af opgaver, om I skriver e-mails, opsummerer dokumenter eller analyserer data.

1. Vær specifik

Fjern al tvetydighed. Sig præcis hvad I vil have, hvor langt det skal være, hvem det er til, og hvad det skal opnå. “Skriv kort” er upræcist; “skriv 3 bulletpoints på maks. 15 ord hver” er en instruktion modellen kan ramme.

2. Giv kontekst og en rolle

Fortæl modellen, hvem den er, og hvad den arbejder med. En rolle (“du er en erfaren dansk B2B-tekstforfatter”) kalibrerer tone og fagligt niveau. Kontekst (“teksten skal på vores hjemmeside og læses af indkøbschefer i mellemstore produktionsvirksomheder”) gør svaret relevant i stedet for generelt. Læg gerne baggrundsmateriale ved (et uddrag af jeres tidligere tekster, en produktbeskrivelse eller et referat) så modellen har noget at bygge på.

3. Vis et eksempel

Et enkelt eksempel på det ønskede output siger mere end tre linjers forklaring. Vil I have svar i et bestemt format eller en bestemt tone, så vis modellen ét færdigt eksempel og bed den efterligne mønsteret. Denne teknik kaldes ofte “few-shot” og er blandt de mest pålidelige måder at styre output på.

4. Bed om en fremgangsmåde ved komplekse opgaver

Til opgaver med flere trin (en analyse, en beregning, en vurdering) hjælper det at bede modellen tænke i trin (“gennemgå først materialet, opstil derefter fordele og ulemper, konkludér til sidst”). Modellen laver færre fejl, når den ikke skal springe direkte til svaret, og I kan se ræsonnementet undervejs.

5. Beskriv det ønskede format

Sig eksplicit hvordan svaret skal struktureres: en tabel, en punktliste, et afsnit, JSON, en e-mail med emnelinje. Hvis I ikke beder om et format, vælger modellen selv, og så bruger I tid på at omforme bagefter.

Før og efter: samme opgave, to prompts

Forskellen mellem en svag og en stærk prompt er sjældent mere arbejde, det er bare mere præcision. Her er tre typiske eksempler (generiske illustrationer):

Opgave	Svag prompt	Stærk prompt
Kunde-e-mail	“Skriv et svar til en utilfreds kunde.”	“Du er kundeservicemedarbejder. Skriv et venligt, beklagende svar på maks. 120 ord til en kunde, hvis levering er 4 dage forsinket. Tilbyd en løsning, undgå undskyldninger der lyder som en skabelon, og slut med et konkret næste skridt.”
Opsummering	“Opsummer dette dokument.”	“Opsummer vedhæftede referat i 5 bulletpoints for en ledelse, der ikke deltog. Fremhæv beslutninger og ansvarlige, ikke diskussionen. Maks. 20 ord pr. punkt.”
Idéudvikling	“Giv mig idéer til markedsføring.”	“Du er marketingrådgiver for en dansk B2B-softwarevirksomhed. Foreslå 5 LinkedIn-opslags-vinkler, der taler til IT-chefer om datasikkerhed. For hver: en overskrift og én sætning om vinklen. Undgå buzzwords.”

Bemærk mønsteret: rolle, kontekst, konkret afgrænsning, format. Den stærke prompt tager tredive sekunder længere at skrive og sparer typisk flere runder med rettelser.

En simpel skabelon, I kan genbruge

Når I er i tvivl, så fyld fire felter ud, før I trykker send:

• Rolle, hvem er modellen? (“Du er en dansk juridisk assistent…”)
• Opgave, hvad skal den lave, helt konkret?
• Kontekst, hvad skal den vide for at ramme rigtigt? (målgruppe, formål, baggrundsmateriale)
• Format, hvordan skal svaret se ud? (længde, struktur, tone)

De fire felter dækker langt de fleste hverdagsopgaver, og de er nemme at lære et helt team.

Sådan itererer I jer frem

Den første prompt behøver ikke være perfekt. Ofte er den hurtigste vej at sende en rimelig prompt, se svaret og så justere: “Det er for langt: halvér det.” “Tonen er for formel, gør den mere ligefrem.” “Tilføj et konkret eksempel i afsnit to.” AI’en husker samtalen, så I kan finjustere i dialog i stedet for at skrive den perfekte instruktion fra bunden. Behandl det som en samtale, ikke en engangsordre.

Når prompt engineering ikke rækker

Her er den vigtige grænse, som mange virksomheder rammer: prompt engineering gør et enkelt svar bedre, men det løser ikke en opgave, der skal køre igen og igen, hente data fra jeres systemer eller foretage handlinger på egen hånd.

En prompt er en engangsinstruktion i et chatvindue. Hvis I opdager, at I skriver den samme type prompt hver dag, kopierer data ind og ud manuelt, eller ønsker at noget sker automatisk uden en person ved tastaturet, så er I ude over, hvad en prompt kan klare. Typiske tegn:

• Opgaven gentages: samme prompt, nye data, mange gange om ugen.
• Den kræver adgang til jeres data: kundesystem, e-mails, dokumenter, database.
• Den skal udføre handlinger: oprette en sag, sende et svar, opdatere en post, ikke bare producere tekst.
• Den skal køre uden opsyn: om natten, ved en hændelse, på et fast tidspunkt.

Når et eller flere af disse punkter er opfyldt, er svaret ikke en bedre prompt, men et system: en AI-agent eller en automatisering, hvor prompten er indbygget, koblet til jeres data og sat op til at køre af sig selv. Prompt engineering er stadig fundamentet (agenten bygger på præcis de samme principper) men instruktionen bliver til en fast, testet del af en arbejdsgang i stedet for noget, en medarbejder skriver forfra hver gang.

Kort sagt: prompt engineering gør jeres medarbejdere hurtigere. En agent fjerner selve opgaven fra deres bord.

Kom godt i gang

Start i det små. Vælg én tilbagevendende skriveopgave i jeres hverdag, byg en god prompt med rolle, opgave, kontekst og format, og gem den et sted, hele teamet kan finde den. Del jeres bedste prompts internt, de er lige så meget værd som en god skabelon. Når I begynder at mærke grænsen (de gentagne opgaver, dataadgangen, handlingerne) er det tidspunktet, hvor det giver mening at kigge på automatisering.

Skal vi kigge på jeres arbejdsgange sammen?

Agent360 hjælper danske virksomheder med at komme fra “vi bruger AI lidt i ny og næ” til AI, der reelt løfter arbejdet, både den gode prompt-praksis og de agenter og automatiseringer, der tager de tilbagevendende opgaver helt af hænderne. Vi rådgiver om, hvor I får mest værdi, og bygger løsningerne, når det er den rigtige vej.

Book en uforpligtende AI-samtale hos Agent360, så ser vi på jeres konkrete arbejdsgange og finder ud af, hvor I hurtigst kan komme videre.