Prompt engineering

Prompt Engineering betyder helt enkelt at stille gode spørgsmål til AI. En prompt er din input med dit spørgsmål eller forespørgsel.

Prompt engineering betyder, at vi udtænker målrettede spørgsmål og anvisninger for at hjælpe AI-modellerne med at give de rigtige svar under samtalerne. Med bedre prompts får du bedre resultater.

Sammen med specifikationerne for den valgte model er dette afgørende for kvaliteten af svaret.

Elementer af en prompt (spørgsmål)

For at få bedre resultater bør du tænke på følgende punkter:

• Formål: hvad vil du præcis have ud af sprogmodellen?
• Rolle: hvilken rolle har sprogmodellen? (Fx 'Marketinganalytiker', 'Juridisk rådgiver', 'Projektleder')
• Kontext: baggrundsoplysninger om forespørgslen (Fx virksomhedsmål, projektdetaljer, markedsinformation)
• Stil: hvilken stil vil du anvende? (Fx formel, overbevisende, kortfattet)
• Output: hvilket format vil du have? (Fx en rapport, e-mail, præsentationsoversigt, kodeuddrag)

Formålet

Den præcise beskrivelse af formålet med dit spørgsmål er essentiel og kan ikke udelades.

Hvad vil du gerne vide?

• Faktuelle spørgsmål kan ske, men vær opmærksom på begrænsningerne (for eksempel manglende opdateret viden)
• Ligesom i Google får du ikke præcis det samme svar, hvis du stiller spørgsmålet igen og igen
• Fordelen er chat-funktionen, så du kan stille opfølgende spørgsmål

Eksempelprompt med klart mål:

Prompt med kun mål

Giv en beskrivelse af de vigtigste udfordringer ved implementering af en ny AI-platform i en mellemstor virksomhed.

Implementeringen af en ny AI-platform i en mellemstor virksomhed bringer forskellige udfordringer med sig. Nogle vigtige udfordringer er:

1. Modstand mod forandring: Medarbejdere er vant til eksisterende processer og systemer. En ny AI-platform kræver tilpasning og kan møde modstand, især hvis påvirkningen på arbejdsgange ikke er tydelig.
2. Datakvalitet og -tilgængelighed: AI-platforme er stærkt afhængige af data. Indsamling, oprensning og strukturering af data til den nye platform kan være komplekst og tidskrævende.
3. Integration med eksisterende systemer: AI-platformen skal ofte integreres med andre virksomhedsapplikationer (ERP, datapunkter, BI-værktøjer). Dette kan give tekniske udfordringer.
4. Omkostninger: Udover licensomkostningerne er der omkostninger til implementering, træning, data-infrastruktur og muligvis specialiseret personale.
5. Træning og adoption: Medarbejdere skal trænes i brugen af den nye platform og i at fortolke outputtet. Uden god træning og løbende support kan adoptionsgraden være lav.
6. Valg af den rette platform og use cases: Der findes mange AI-platforme og teknologier. At vælge en platform og definere relevante use cases, der passer til virksomhedens behov og strategiske mål, er afgørende.
7. Etiske overvejelser og compliance: Afhængigt af anvendelsen af AI-platformen kan der være etiske spørgsmål og compliance-krav (f.eks. GDPR) som skal håndteres omhyggeligt.
8. Projektledelse: En vellykket implementering kræver solid projektledelse, klare mål og inddragelse af interessenter fra forskellige afdelinger.

Rolle og kontekst tilføjes

Tilføjelsen af en rolle og kontekst giver bedre og mere specifikke svar.

Eksempel på den samme forespørgsel men med rolle og kontekst:

Prompt med mål, rolle og kontekst

Som projektleder ansvarlig for implementering af en ny AI-platform til dataanalyse og procesoptimering hos en B2B- tjenesteudbyder med 150 medarbejdere, giv en beskrivelse af de vigtigste udfordringer og mulige mitigationsstrategier.

Som projektleder for implementeringen af en ny AI-platform til dataanalyse og procesoptimering hos en B2B-tjenesteudbyder med 150 medarbejdere, ser jeg følgende vigtige udfordringer og mulige mitigationsstrategier:

1. Modstand mod forandring & brugeradoption:
   • Udfordring: Medarbejdere, især dem hvis opgaver påvirkes direkte, kan være tilbageholdende med at give slip på vante arbejdsgange og omfavne de AI-drevne indsigter.
   • Mitigation: Involver nøglebrugere tidligt. Kommuniker tydeligt fordelene (effektivitet, bedre beslutningstagning, nye indsigter). Sørg for omfattende, rollebaseret træning og løbende support. Udpeg 'AI-champions' i afdelingerne.
2. Datakvalitet, -styring og -migration:
   • Udfordring: Effektiviteten af AI-platformen afhænger af høj kvalitetsdata. Data fra eksisterende systemer er ofte inkonsekvente, ufuldstændige eller forkerte.
   • Mitigation: Start med en grundig data-audit, definer et data-styringsrammeverk og udfør datarensning før integration/migration. Definér klare datamodeller og -strømme. Udfør tests og valider data omhyggeligt.
3. Integration med eksisterende IT-infrastruktur:
   • Udfordring: Koblinger til eksisterende datakilder, ERP, CRM og andre virksomhedssystemer skal fungere smidigt og sikkert.
   • Mitigation: Identificer alle nødvendige integrationer tidligt. Vælg en AI-platform med robuste API-muligheder eller standardforbindelser. Test integrationer grundigt.
4. Scope Creep & Budgetoverskridelse:
   • Udfordring: I løbet af projektet kan nye ønsker til AI-applikationer opstå, som udvider omfanget og øger omkostningerne.
   • Mitigation: Definér en tydelig, afgrænset scope med klare use cases (MVP - Minimum Viable Product) for første fase. Anvend en strikt ændringsstyring. Hold en realistisk projektplan og budget, inklusive buffer.
5. Udvælgelse af de rette teknologier og implementeringspartner:
   • Udfordring: AI-markedet er komplekst. Fejlvalg af teknologi eller uerfaren partner kan få projektet til at fejle.
   • Mitigation: Udfør grundig research af passende AI-teknologier til de definerede use cases. Vælg en partner med dokumenteret erfaring i din branche og med de valgte teknologier. Indhent referencer.
6. Mangel på AI-viden og færdigheder i organisationen:
   • Udfordring: Der kan være utilstrækkelig intern ekspertise til effektiv brug, vedligeholdelse eller videreudvikling af AI-platformen.
   • Mitigation: Invester i træning og uddannelse. Overvej at ansætte specialiseret personale eller arbejd tæt sammen med implementeringspartneren for videnoverførsel. Skab en kultur af kontinuerligt læring.
7. Etiske overvejelser og forklarlighed (Explainable AI):
   • Udfordring: Beslutninger taget eller støttet af AI skal være gennemsigtige og forklarlige, især hvis de påvirker kunder eller medarbejdere. Bias i data kan føre til urimelige resultater.
   • Mitigation: Udarbejd etiske retningslinjer for anvendelsen af AI. Vælg, hvor muligt, modeller der er fortolkelige. Implementér processer til at opdage og mitigere bias. Sikre menneskelig tilsyn ved kritiske AI-beslutninger.

Ved proaktivt at adressere disse udfordringer øges sandsynligheden for en vellykket implementering af AI-platformen, der faktisk bidrager til virksomhedens mål.

Teknikker

Nedenfor beskriver vi nogle teknikker, du kan bruge ved mere avancerede prompts.

Teknik 1 - give eksempler

For at sikre at sprogmodellen anvender den ønskede stil som dig, giv et eller to eksempler.

Metoden hedder “one & few-shot prompting”

Teknik 1 - give eksempler

Skriv en foreløbig e-mail til kunder om en kommende planlagt systemopdatering. Brug vores interne politik for kundekommunikation (tilføj relevante punkter fra politikken). Brug som stilguide denne seneste nyhedsbrev, men medtag ingen indholdsmæssige oplysninger fra nyhedsbrevet: (indsæt nyhedsbrevstekst)

Den fulde prompt er som følger:

Interne politik for kundekommunikation:

• Vær altid professionel og høflig.
• Giv rettidige opdateringer om vigtige ændringer eller fejl.
• Tilbyd klar og kortfattet information.
• Sørg for en løsning eller kompensation, hvis relevant.

Brug for stilen denne nyhedsbrev, men brug ikke oplysninger fra nyhedsbrevet. Kære kunde,

Vi vil gerne informere dig om en kommende systemopdatering, som kan påvirke vores service.

Dato og tid for opdateringen: [dato og tid] Forventet varighed af forstyrrelsen: [varighed] Berørte tjenester: [tjenester]

Under denne periode kan vores tjenester være midlertidigt nede. Vi vil gøre vores bedste for at minimere generne og genskabe tjenesten så hurtigt som muligt.

Teknik 1 - svaret

Herunder står svaret fra sprogmodellen på den omfattende prompt med eksempler

Kære kunde,

Vi vil gerne informere dig om en kommende systemopdatering, som kan påvirke vores service.

Dato og tid for opdateringen: [dato og tid] Forventet varighed af forstyrrelsen: [varighed] Berørte tjenester: [tjenester]

Under denne periode kan vores tjenester være midlertidigt nede. Vi vil gøre vores bedste for at minimere generne og genskabe tjenesten så hurtigt som muligt.

Hvis du har spørgsmål, er du velkommen til at kontakte os.

Med venlig hilsen, [Dit navn] [Din titel] [Virksomhed] [Kontaktinformation]

Teknik 2 - giv en skabelon

For at sikre at sprogmodellen bruger et bestemt format, giv en skabelon og et eksempel. Dette sikrer at sprogmodellen formidler sit svar på en bestemt måde. Du kan tænke på mange forskellige formater, som er nyttige i forskellige situationer, f.eks.:

• csv-output til import i et Excel-arks eller dataanalyseværktøj
• json-output til API-integrationer eller konfigurationsfiler
• Projektmøde-kalender

Eksempel prompt: Generér en liste med tre potentielle markedsføringskanaler for et nyt SaaS-produkt rettet mod SMV'er. Formater dit svar således: Kanaal: Målgruppe-dækning: Potentiel ROI: Nødvendige ressourcer:

For eksempel: Kanaal: LinkedIn Advertising Målgruppe-dækning: Specifikke jobtitler, brancher, virksomhedsstørrelse Potentiel ROI: Høj, hvis målretningen er god Nødvendige ressourcer: Annoncek budget, indholdsproduktion, kampagnehåndtering

Metoden hedder “output templates”

Teknik 2 - template give

Herunder står svaret fra sprogmodellen på prompten med en output template

Kanaal: Content Marketing (Blog & SEO) Målgruppe-dækning: Virksomheder der aktivt leder efter løsninger på deres problemer, organisk trafik Potentiel ROI: Høj på lang sigt, opbygger autoritet Nødvendige ressourcer: Tekstforfattere, SEO-specialist, tid til keyword research og content promotion

Kanaal: Google Ads (Søgning) Målgruppe-dækning: Virksomheder der aktivt søger efter specifikke keywords relateret til SaaS-produkter Potentiel ROI: Mellem til høj, afhængig af konkurrence og CPC Nødvendige ressourcer: Annoncek budget, keyword research, landingssideoptimering, kampagnehåndtering

Kanaal: E-mail Marketing (Lead Nurturing) Målgruppe-dækning: Leads indsamlet via hjemmeside, webinarer eller andre kanaler Potentiel ROI: Høj, effektiv til konvertering af leads til kunder Nødvendige ressourcer: Email marketing platform, indhold til e-mail-sekvenser, segmenteringsfærdigheder

Teknik 3 - giv en hint

For at sikre at sprogomodellen begynder og skriver på en bestemt måde, giv en hint. Her skriver vi hintet i slutningen af prompten.

Eksempel prompt: Kan du opsummere denne markedsundersøgelsesrapport for mig? (indsæt relevante sektioner af rapporten). Begynd dit svar med: De vigtigste fund fra denne markedsundersøgelse er:

• INDSÆT TEKST FRA RAPPORTEN

Metoden hedder “ cues og hints” Dette eksempel bruger en fiktiv rapport.

Teknik 3 - giv en hint

Herunder står svaret fra sprogmodellen på prompten med en hint

De vigtigste fund fra denne markedsundersøgelse er:

• Efterspørgslen efter cloud-baseret projektstyringssoftware i SMV-segmentet er steget med 35% de sidste to år.
• De vigtigste beslutningsfaktorer for SMV'er er brugervenlighed, integrationsmuligheder med eksisterende værktøjer og prisfastsættelse.
• Konkurrent A har en markedsandel på 25%, efterfulgt af Konkurrent B med 18%. Der er plads til nye aktører, der fokuserer på specifikke nicher eller en overlegen brugeroplevelse.
• De største udfordringer for SMV'er ved adoption af ny software er den indledende investering og den tid, der kræves til træning af medarbejdere.
• Forventningen er, at markedet de kommende fem år vil vokse årligt med 15%.

Teknik 4 - indhold deles fra instruktioner

Nogle gange er prompten meget lang på grund af ekstra indhold, og modellen kan misforstå, hvad du vil. del så indholdet op med tre citationstegn i begyndelsen og slutningen af teksten af resten af prompten.

Eksempel prompt: Kan du opsummere denne artikel for mig? “”” (plæj din artikeltekst). “”” Begynd dit svar med: De vigtigste punkter fra denne artikel er:

Metoden hedder “content splitsing” Dette eksempel bruger igen en artikel fra nettet: https://www.leraar24.nl/2619420/onderwijs-op-afstand-wat-hebben-we-geleerd/

Teknik 4 - content splitsen

Herunder står svaret fra sprogmodellen på prompten med splittet indhold. Vi bruger tre citationstegn eller tre stjerner til at adskille konteksten af spørgsmålet.

De vigtigste punkter fra denne artikel er:

• Under coronakrisen måtte lærere finde strategier og teknikker for at gøre fjernundervisning så effektiv som muligt, mens forældre tog en større rolle i at støtte deres børn.
• Vigtige faktorer for succesfuld fjernundervisning var at organisere en struktureret dagsplan, opretholde åben kommunikation mellem lærer og elev, og foretage velovervejede valg om hvilke dele af undervisningen der skulle være online eller på papir.
• Udfordringer vedrører måder at støtte sårbare elever på og det ekstra pres, som forældre står overfor, især dem der også arbejder hjemmefra.
• Der var en hurtig digitalisering i skolerne, med tilføjelse af nye digitale værktøjer og metoder. Artiklen nævner eksemplet lærer Mandy de Vries, som kunne hjælpe sine kolleger ved at dele sine digitale færdigheder.
• Artiklen understreger også vigtigheden af vedvarende kontakt og opmærksomhed på elever, især dem i specialundervisning, og giver praktiske tips til dette, både for lærere og forældre.
• Endelig håber artiklen at forældrenes engagement i deres børns fjernundervisning også vil fortsætte efter pandemien.

Teknik 5 - spørg først om supplerende information

Du kan give instruktioner om først at stille yderligere spørgsmål, inden svaret genereres. Så hjælper det sprogmodellen med at forfine og præcisere din anmodning.

Eksempel prompt: “Jeg vil udarbejde et projektforslag til udviklingen af en ny mobilapp til intern kommunikation. Appen skal have funktioner til nyhedsopdateringer, en kontaktbog og direkte beskeder. Før du skriver projektforslaget, kan du så stille mig supplerende spørgsmål for at forbedre forslaget?”

Metoden hedder “ask before answer prompting”

Teknik 5 - spørg først om supplerende information

Herunder står svaret fra sprogmodellen på prompten med spørgsmålet om supplerende information

Selvfølgelig! Her er nogle spørgsmål, jeg kan stille for at forbedre projektforslaget:

• Hvad er det primære mål med den interne kommunikationsapp? (Fx øge inddragelse, forbedre informationsspredning, lette samarbejde)
• Hvem er den konkrete målgruppe inden for virksomheden? (Fx alle medarbejdere, specifikke afdelinger, feltarbejde)
• Er der eksisterende systemer eller platforme som appen skal integrere med? (Fx intranet, HR-system, Active Directory)
• Hvad er det budget og den ønskede tidsplan for udvikling og implementering?
• Er der specifikke sikkerheds- eller compliance-krav, som appen skal overholde? (Fx GDPR, dataopbevaringspolitik)
• Hvilke KPI'er vil blive brugt til at måle appens succes?
• Er der allerede ideer til design eller branding af appen? Skal den matche virksomhedens identitet?
• Er der præference for udviklingsplatform (iOS, Android, cross-platform)?

Med disse supplerende oplysninger kan vi få et bedre billede af omfanget og kravene, og dermed udarbejde et stærkere projektforslag.

Teknik 6 - følelsesmæssig prompt

Du kan instruere til at tilpasse tonen efter de underliggende følelser, eller at fremkalde en bestemt følelsesmæssig respons. Dette er nyttigt til kundeservice, intern kommunikation eller markedsføring.

Eksempel prompt: “Jeg skal skrive en e-mail til en kunde, der er utilfreds med en nylig serviceafbrydelse. Kunden har skrevet følgende: “”” …. “”” (indsæt kundens tekst) Jeg vil have at e-posten er empatisk, anerkender kundens frustration og tilbyder en konstruktiv løsning.”

Metoden hedder “emotionel prompting” Dette eksempel bruger en fiktiv klage.

Den fulde prompt lyder da:

Jeg skal skrive en e-mail til en kunde, der er utilfreds med en nylig serviceafbrydelse. Kunden har skrevet: """Kære hr./fru,

Jeg er meget skuffet over den uventede serviceafbrydelse i går eftermiddags. Dette har forstyrret vores forretningsdrift og resulteret i tab af produktivitet. Vi stoler på jeres tjenester, og sådanne hændelser er uacceptable. Jeg forventer en klar forklaring og passende kompensation."""

Jeg vil have at e-posten er empatisk, anerkender kundens frustration og tilbyder en konstruktiv løsning.

Teknik 6 - følelsesmæssig prompt

Herunder står svaret vi fik fra sprogmodellen

Kære [Kundens navn],

Mange tak for din besked, og vores oprigtige undskyldninger for serviceafbrydelsen, som du oplevede i går eftermiddags. Jeg forstår fuldt ud din frustration og den påvirkning, det har haft på din forretningsdrift. Vi beklager dybt, at vi ikke levede op til dine forventninger og vores servicestandarder.

Afbruddet blev forårsaget af [kort, klar forklaring af årsag, f.eks. en uventet teknisk fejl i vores datacenter]. Vi har straks reageret, og vores teknikere har arbejdet hårdt for at få servicen tilbage til fuld drift så hurtigt som muligt. Servicen har været fuldt operationel siden [tidspunkt].

Vi tager denne hændelse meget alvorligt og er allerede i gang med at evaluere årsagen for at forhindre gentagelse i fremtiden.

For at afhjælpe ulejligheden lidt, tilbyder vi venligst [konkret forslag, f.eks. rabat på næste faktura / gratis opgradering i en måned / servicekredit]. En af vores kontoansvarlige vil kontakte dig inden for 24 timer for at diskutere dette personligt og besvare eventuelle yderligere spørgsmål.

Endnu engang undskyld for ulejligheden. Vi værdsætter din trofasthed og stræber efter at give dig pålidelig service i fremtiden.

Med venlig hilsen,

[Dit navn/Virksomhedens navn]

Teknik 7 - multiple versioner

Du kan få flere versioner af et svar, så du har flere valgmuligheder. Du vil måske have hjælp til at generere forskellige marketing-slogans for et nyt produkt. Der er mange forskellige vinkler, så det kan være nyttigt at få flere muligheder. Dette kan effektivt kombineres med at sætte modellen til en bestemt rolle og en systemprompt for at styre modellen yderligere.

Du kan læse mere om roller i den relaterede artikel. Dette eksempel med flere versioner findes helt i slutningen af artiklen. Det bliver ikke gentaget her.

Teknik 8 - kombination med en system prompt

Med en systeemprompt kan du give instruktioner til AI-modellen. Det er en instruktion, du kan give modellen for at forme opgaven eller adfærden til den specifikke konversation eller opgave. Du kan angive hvilken type output du forventer af AI-modellen. Det er en måde at styre modellen på og forhindre irrelevante eller uønskede svar.

Nogle eksempler på enkle og generelle systeemprompts:

"Jeg vil have, at du er en venlig og hjælpsom assistent."

"Hold altid en professionel og respektfuld tone i dit sprogbrug."

"Fokuser på at give konkrete, præcise svar uden overflødige detaljer."

Systemprompten sætter i et eller andet omfang tonen og forventningerne til den specifikke samtale eller opgave, du vil have modellen til at udføre.

Du kan også opfinde mere avancerede systeemprompts til specifikke opgaver, f.eks. at opsummere en tekst: "Analyser den givne tekst omhyggeligt og giv en kort, men informativ opsummering af de vigtigste punkter. Identificer kernen og de vigtigste detaljer."

Systeemprompts har ikke samme effekt på alle AI-modeller. Hos chatGPT fungerer det meget stærkt, hos Claude også; hos andre modeller kan effekten være mindre. Det er derfor spændende at eksperimentere og se, hvilken model der fungerer bedst for dit input.

Du kan opsætte en generel systeemprompt i præferencer, men det bedste er at opfinde disse systeemprompts pr. opgave, du vil automatisere. Vi kalder dette roller.

Du kan læse mere om roller i den relaterede artikel.