7 fejl begyndere laver med AI – og hvordan du undgår dem

Når mennesker begynder at bruge AI, sker der ofte det samme mønster. Først bliver de overraskede over, hvor hurtigt værktøjet kan svare. Derefter bliver de skuffede over, at nogle svar er overfladiske, upræcise eller ikke passer til opgaven. Mange konkluderer derfor enten, at AI er fantastisk, eller at AI ikke kan bruges. Begge konklusioner kommer ofte for hurtigt.

AI er hverken magi eller almindelig søgning. Det er et værktøj, der reagerer på den opgave, du giver det, og på den kontekst, du stiller til rådighed. Når outputtet bliver dårligt, skyldes det ofte, at opgaven var uklar, data var mangelfulde, forventningen var forkert, eller svaret ikke blev kontrolleret. Det er ikke et tegn på, at du ikke kan bruge AI. Det er et tegn på, at du skal lære arbejdsformen.

Den første fejl er at stille for brede spørgsmål. Hvis du skriver ‘lav en tekst om kundeservice’, får du typisk en generisk tekst. Den kan være pænt skrevet, men den passer sjældent præcist til din situation. En bedre prompt forklarer, hvem teksten er til, hvad den skal bruges til, hvilken tone den skal have, og hvad modtageren skal gøre efter at have læst den. Jo tydeligere opgaven er, desto bedre bliver svaret.

Den anden fejl er at acceptere første svar som færdigt. ChatGPT fungerer bedst som et dialogværktøj. Første svar er ofte et udkast, ikke en slutversion. Du kan bede om en mere konkret version, en kortere version, en mere professionel tone, flere eksempler, en bedre struktur eller en kritisk gennemgang. Når du arbejder iterativt, bliver svaret gradvist mere brugbart.

Den tredje fejl er at tro, at et velformuleret svar også er korrekt. AI kan formulere sig sikkert, selv når indholdet er forkert, upræcist eller baseret på en misforståelse. Det gælder især fakta, regler, tal, priser, juridiske forhold, tekniske detaljer og aktuelle oplysninger. Derfor skal du altid kvalitetssikre AI-output, før det bruges. Jo større konsekvens svaret har, desto grundigere kontrol kræver det.

Den fjerde fejl er at give AI for lidt kontekst. Mange vil gerne spare tid og skriver derfor en meget kort prompt. Det kan fungere til simple spørgsmål, men det giver sjældent gode resultater i arbejdsopgaver. Hvis AI skal skrive til en bestemt målgruppe, analysere en situation eller forberede et dokument, har den brug for baggrund. Fortæl hvad opgaven handler om, hvem modtageren er, hvilken beslutning teksten skal understøtte, og hvilke begrænsninger der gælder.

Den femte fejl er at dele for meget. Det er næsten den modsatte fejl. Brugeren opdager, at AI bliver bedre med mere kontekst, og begynder derfor at kopiere alt ind: mails, kontrakter, kundedata, tilbud, interne dokumenter, personaleoplysninger eller priser. Det kan være en alvorlig fejl. Før du deler materiale med et AI-værktøj, skal du vurdere, om det er fortroligt, personfølsomt, forretningskritisk eller reguleret af virksomhedens politikker.

En enkel tommelfingerregel er denne: Hvis du ikke måtte sende materialet til en ekstern konsulent uden aftale og sikkerhedsafklaring, skal du heller ikke bare kopiere det ind i et AI-værktøj. Brug i stedet anonymiserede data, fiktive eksempler, korte uddrag uden følsomme detaljer eller godkendte virksomhedsløsninger, hvor datahåndteringen er afklaret.

Den sjette fejl er at bruge AI uden at definere rollen. Rollen bestemmer ikke kun tonen, men også perspektivet. Hvis du beder AI skrive som en kundeservicemedarbejder, vil den typisk fokusere på venlighed, klarhed og løsning af kundens problem. Hvis du beder den vurdere teksten som en salgschef, ser den måske mere på kommerciel effekt og kundens næste skridt. Hvis du beder den agere kritisk reviewer, vil den lede efter svagheder. En god rolle kan gøre svaret langt mere relevant.

Den syvende fejl er at bruge AI som en facitliste. AI er god til at foreslå, opsummere og strukturere, men den bør ikke være den eneste kilde til vigtige beslutninger. Hvis du bruger AI til beslutningsstøtte, skal du forstå antagelserne, kontrollere datagrundlaget og vurdere konsekvenserne. AI kan hjælpe dig med at tænke, men den skal ikke overtage dit ansvar.

Der findes også en mere skjult begynderfejl: Mange beder AI om at bekræfte deres egen idé. De skriver måske: ‘Er dette ikke en god plan?’ eller ‘Kan du forklare, hvorfor denne idé er stærk?’ Så får de ofte et svar, der lyder positivt og hjælpsomt. Det kan være rart, men det er ikke altid nyttigt. Hvis du vil have kvalitet, skal du også bede AI udfordre dig.

Prøv i stedet formuleringer som: ‘Gennemgå denne plan kritisk’, ‘Find de tre største svagheder’, ‘Hvilke antagelser bygger dette på?’, ‘Hvad kan gå galt?’, eller ‘Hvad ville en skeptisk leder spørge om?’ Den type prompts giver ofte langt mere værdi end endnu en pæn bekræftelse.

En god begyndermetode kan samles i fem trin. Først beskriver du opgaven. Derefter giver du kontekst. Så beder du om et konkret output. Når svaret kommer, kontrollerer du det. Til sidst justerer du prompten eller beder om en ny version. Den metode virker enkel, men den ændrer kvaliteten markant.

Det er også en god idé at gemme de prompts, der virker. Mange bruger AI tilfældigt fra gang til gang, selv når de løser de samme typer opgaver. Hvis du ofte skriver kundemails, mødereferater, LinkedIn-opslag, produkttekster eller interne forklaringer, kan du opbygge små standardskabeloner. Det sparer tid og giver mere ensartede resultater.

AI bliver først rigtig nyttigt, når du holder op med at behandle det som et orakel og begynder at behandle det som et arbejdsredskab. Et orakel forventes at give rigtige svar. Et arbejdsredskab skal bruges korrekt. Du skal stadig vælge opgaven, styre processen, kontrollere resultatet og tage ansvar for det, du sender videre.

Begynderfejl er ikke et problem i sig selv. De er en del af læringen. Problemet opstår, hvis man bruger AI ukritisk i vigtige opgaver uden at forstå, hvad der sker. Start med ufarlige opgaver, lær af fejlene, byg en enkel metode, og udvid gradvist. Så bliver AI ikke bare noget, du prøver, men noget du kan bruge professionelt.

En ottende fejl, der ofte følger med de andre, er at bruge AI uden et klart næste skridt. Brugeren får et svar, synes måske det ser fint ud, og så stopper processen. Men et AI-svar bør næsten altid føre til en handling: skal teksten redigeres, faktatjekkes, sendes til en kollega, sammenlignes med en kilde, eller bruges som råmateriale til noget andet? Hvis næste skridt ikke er klart, ender svaret let som digitalt støj.

Det hjælper at skrive formålet ind i prompten. I stedet for ‘lav en oversigt over dette emne’ kan du skrive ‘lav en oversigt, jeg kan bruge til at beslutte, hvilke tre punkter der skal med i en intern præsentation’. Så ved AI, hvad oversigten skal bruges til. Du får ikke bare information. Du får information formet mod en opgave.

En niende fejl er at bruge samme prompt til alle målgrupper. En tekst til en kunde, en kollega, en direktør og en ny medarbejder skal sjældent lyde ens. AI kan let tilpasse sprog og fokus, men kun hvis du beder om det. Målgruppen bør derfor være en fast del af de fleste arbejdsrelaterede prompts.

En tiende fejl er at glemme virksomhedens stemme. AI skriver ofte i et neutralt, pænt og lidt generisk sprog. Det kan være udmærket som start, men det passer ikke nødvendigvis til virksomhedens måde at kommunikere på. Hvis du arbejder med kundetekster, nyhedsbreve, supportmateriale eller ledelseskommunikation, bør du altid justere tonen, så teksten føles som jer, ikke som en tilfældig standardtekst.

For at undgå fejlene kan du bruge en enkel efterkontrol. Spørg: Er formålet tydeligt? Er målgruppen tydelig? Er der følsomme data? Er svaret korrekt? Er tonen passende? Er der noget, AI har gættet på? Hvad er næste skridt? Hvis du kan svare på de spørgsmål, har du allerede reduceret risikoen for de fleste begynderfejl.

Det er også værd at huske, at dårlige AI-svar kan være nyttige. De viser ofte, hvad prompten manglede. Hvis svaret bliver for langt, manglede der måske en længdeangivelse. Hvis det bliver for overfladisk, manglede der kontekst. Hvis det bliver for sælgende, manglede der tone. Hvis det gætter, manglede der afgrænsning. På den måde kan hvert dårligt svar lære dig noget.

En professionel AI-bruger er derfor ikke en person, der altid får perfekte svar første gang. Det er en person, der kan se, hvorfor et svar ikke virker, og som kan styre processen videre. Det er en mere realistisk og langt mere brugbar kompetence.

Begynderfejlene forsvinder ikke ved at læse om dem én gang. De forsvinder ved at arbejde bevidst med små opgaver, hvor du kan se effekten af dine justeringer. Når du opdager, hvor meget en bedre prompt ændrer svaret, bliver AI mindre tilfældigt og langt mere anvendeligt.

En praktisk måde at fastholde læringen på er at skrive din oprindelige prompt og den forbedrede prompt ved siden af hinanden. Så kan du se, hvad der ændrede resultatet. Var det målgruppen, rollen, formatet, afgrænsningen eller kvalitetstjekket? Den lille sammenligning gør prompting konkret og fjerner følelsen af, at AI bare svarer tilfældigt.

Du kan også lave en fast regel om, at vigtige AI-svar aldrig bruges uden en anden runde. Første runde skaber udkastet. Anden runde forbedrer og kontrollerer. Tredje runde kan være menneskelig gennemlæsning eller faktatjek. Det lyder langsommere, men i praksis sparer det ofte tid, fordi du undgår at sende noget videre, der senere skal rettes eller forklares.

Den vigtigste pointe er, at begynderfejl kan gøres ufarlige, hvis du øver på ufarligt materiale. Brug ikke din første AI-erfaring på en følsom kundesag eller et vigtigt ledelsesoplæg. Brug den på en tekst, en tjekliste eller en forklaring, hvor konsekvensen er lav. Når metoden sidder bedre, kan du gradvist bruge AI i mere værdifulde opgaver med passende kontrol.

Næste gang du bruger AI, så prøv ikke kun at bede om et svar. Bed også om en kritisk vurdering af svaret.