Prompt engineering: Varför det spelar roll för företag
Prompt engineering är skillnaden mellan AI som ger generiska svar och AI som levererar affärsnytta. Så fungerar det i praktiken.
Samma AI-modell kan faktiskt ge dig ett helt oanvändbart svar eller en riktigt bra lösning, och skillnaden ligger oftast i hur du formulerar din fråga. Det är ju i grund och botten vad prompt engineering handlar om.
Även om det låter som en enkel sak att skriva en fråga, kräver det nog en hel del eftertanke för att få rätt resultat.
Vad prompt engineering är
I praktiken handlar prompt engineering om att utforma instruktioner till en AI-modell så att du får ut bästa möjliga kvalitet på svaret. Du kommunicerar ju med en maskin som är väldigt bra på att följa tydliga direktiv, men som är ganska dålig på att läsa mellan raderna.
Man kan nog bäst beskriva det som att ge arbetsuppgifter till en oerhört snabb men väldigt bokstavlig assistent. Assistenten gör exakt det du ber om och tar inte hänsyn till vad du egentligen menade, utan utgår enbart från de ord du faktiskt skrev ner.
Varför det är viktigt
När vi pratar om användning i företag blir skillnaden mellan en bra och en dålig instruktion förstås väldigt tydlig. Om du till exempel skriver:
"Skriv en sammanfattning" (då får du förmodligen en allmän text som missar det viktigaste)
och
"Sammanfatta det här avtalet på max 200 ord med fokus på betalningsvillkor, uppsägningstid och eventuella begränsningar, anpassat för en vd som har ont om tid." (då får du faktiskt ett underlag som går att använda direkt)
Det är alltså samma AI-modell och samma grunddokument, men resultatet blir helt annorlunda beroende på hur du styr verktyget.
Grundprinciperna
När du formulerar dina instruktioner är det viktigt att vara specifik, eftersom en tydlig beställning ju nästan alltid ger ett bättre utfall. Att bara be om en text ger ett sämre resultat än om du ber om en produktbeskrivning på 100 ord för en ergonomisk kontorsstol riktad till inköpsansvariga.
Det är förstås också bra att ge sammanhang genom att berätta vem som ska läsa texten och varför den skrivs. Eftersom modellen inte känner till din vardag måste du förklara vad som är viktigt.
Om du är ute efter ett visst format är det nog oftast lättast att visa ett exempel. Att be modellen följa en specifik mall fungerar i regel mycket bättre än att försöka förklara strukturen med egna ord.
Du bör faktiskt också sätta gränser för vad svaret ska innehålla. Genom att ange hur lång texten ska vara, vilken ton som passar och vad som absolut inte får vara med, hjälper du modellen att hålla sig till ämnet.
Slutligen kan det ju vara värdefullt att tilldela en roll. Om du ber AI:n agera som en erfaren ekonom får du ett helt annat perspektiv och ordval än om du ber den svara som en kommunikatör.
Bra och dåliga instruktioner i praktiken
En otydlig instruktion: "Hjälp mig med vår prissättning."
En betydligt bättre instruktion: "Vi säljer molntjänster till medelstora företag med 50 till 500 anställda i Norden. Vår nuvarande prissättning är 299 kronor per användare och månad. Vi har 200 kunder och ett kundtapp på 5 % per månad. Analysera tre alternativa prismodeller vi kan testa: användningsbaserad, nivåindelad och en gratisversion. För varje modell vill jag att du beskriver potentiella fördelar, risker och vad vi behöver mäta för att utvärdera den. Skriv max 500 ord totalt."
Den andra texten är visserligen längre, men den stora fördelen är att den faktiskt ger modellen all information som krävs för att leverera ett relevant svar.
Att arbeta med instruktioner i företaget
När man inför AI på en arbetsplats är det viktigaste att skapa gemensamma arbetssätt, snarare än att enbart förlita sig på att enskilda medarbetare blir duktiga på att skriva instruktioner.
Om ni har många medarbetare som använder AI för liknande uppgifter är det nog klokt att ta fram standardiserade mallar. Utan gemensamma riktlinjer riskerar ni annars att få väldigt varierande kvalitet på arbetet.
När ni bygger egna AI-lösningar är det förstås också viktigt att arbeta med övergripande instruktioner som styr hur systemet beter sig i grunden. Dessa sätter de ramar och den ton som sedan gäller för alla användare.
Dessutom behöver ni ju testa era instruktioner kontinuerligt för att se om de fungerar i vardagen. Det är bra att undersöka om de ger en jämn kvalitet och om det finns undantagsfall där modellen missförstår uppgiften.
Nästa steg
Om du vill fördjupa dig i hur man formulerar bra instruktioner kan du ju gärna läsa vår praktiska guide. Skulle du hellre vilja ha ett färdigt underlag att utgå ifrån rekommenderar vi att du kikar på vår återanvändbara promptmall.
Vi pratar ju dagligen med företag som från början kände att AI var lite för stort och komplicerat för deras verksamhet. Men faktum är att vi nästan alltid hittar något litet och konkret som de kan börja med redan nästa dag. Det är ofta klokt att börja i liten skala och sedan låta det växa. Om du vill bolla några tankar kring hur ni skulle kunna komma igång är du varmt välkommen att boka ett samtal med oss.