Hvad er Generativ AI?

Generativ AI er kunstig intelligens, der kan skabe nyt indhold. Hvor traditionelle AI-systemer ofte bruges til at analysere data, genkende mønstre eller lave forudsigelser, kan generativ AI producere tekst, billeder, lyd, video, programmeringskode og andre former for indhold. Det er teknologien bag værktøjer som ChatGPT, Microsoft Copilot, Google Gemini og Claude, og den har på få år ændret den måde, mange mennesker arbejder på.

En medarbejder kan eksempelvis bede generativ AI om at skrive et udkast til en rapport, opsummere et møde, analysere et dokument, udvikle idéer til en kampagne eller forklare et komplekst regneark. Generativ AI fungerer derfor ikke kun som en søgemaskine. Den fungerer i stigende grad som en digital assistent, der kan hjælpe med både kreative, analytiske og administrative arbejdsopgaver.

Hvad betyder Generativ AI?

Ordet generativ kommer af at generere – altså at skabe noget.Generativ AI er derfor en betegnelse for AI-modeller, der kan skabe nyt indhold på baggrund af en instruktion fra brugeren.

Denne instruktion kaldes ofte en prompt. En prompt kan være meget enkel: "Skriv et kort resumé af denne rapport." Men den kan også være mere avanceret: "Analyser denne rapport og identificér de fem største risici. Lav derefter en tabel med risiko, konsekvens, sandsynlighed og forslag til handling."

AI analyserer instruktionen og genererer et nyt svar på baggrund af den kontekst og de mønstre, modellen har lært.

Hvad kan Generativ AI skabe?

Generativ AI forbindes ofte med tekst, fordi ChatGPT gjorde teknologien kendt for et bredt publikum. Men moderne generativ AI kan arbejde med langt mere end tekst.

Eksempler

Tekst. E-mails, rapporter, artikler, resuméer og forslag
Billeder. Illustrationer, produktvisualiseringer og grafiske koncepter
Kode. Programmering, fejlfinding og dokumentation
Lyd. Tale, transskription og syntetiske stemmer
Video. Videoklip, animationer og præsentationsmateriale
Data. Analyse, kategorisering og forklaring af datasæt
Dokumenter. Analyse og opsummering af PDF'er, Word-filer og præsentationer

Grænserne mellem disse områder bliver samtidig mindre tydelige, fordi moderne AI-modeller i stigende grad er multimodale.

Hvad betyder multimodal AI?

En multimodal AI-model kan arbejde med flere forskellige typer information. Du kan eksempelvis give AI:

et billede
en PDF
et regneark
et lydklip
en video
en tekst

og derefter stille spørgsmål til materialet. Det betyder eksempelvis, at AI kan analysere et billede af en graf, forklare udviklingen og efterfølgende skrive et resumé til en rapport. Denne udvikling gør generativ AI langt mere anvendelig i virksomheder, fordi arbejdsopgaver sjældent kun består af tekst.

Hvordan fungerer Generativ AI?

Generativ AI bygger typisk på store neurale netværk, som er trænet på meget store datamængder. For tekstbaseret AI anvendes ofte en Large Language Model (LLM). Under træningen lærer modellen mønstre og sammenhænge i sproget. Den lærer eksempelvis, hvordan:

ord hænger sammen
sætninger opbygges
spørgsmål besvares
forskellige skrivestile ser ud
begreber relaterer sig til hinanden
forskellige typer dokumenter struktureres

Når du skriver en prompt, analyserer modellen din instruktion og genererer et svar ud fra disse mønstre. Det sker typisk et lille stykke ad gangen. For en sprogmodel betyder det forenklet, at modellen løbende beregner, hvilket næste element i teksten der sandsynligvis passer bedst til den eksisterende kontekst. Resultatet kan virke meget menneskeligt, men modellen tænker ikke på samme måde som et menneske.

Hvad er en Large Language Model?

En Large Language Model (LLM) er en stor sprogmodel, som kan forstå og generere naturligt sprog. LLM'er er fundamentet under mange af de mest kendte generative AI-løsninger. De bruges blandt andet til:

ChatGPT
Microsoft Copilot
Claude
Gemini
forskellige virksomhedsspecifikke AI-assistenter

En vigtig forskel er, at en AI-tjeneste og en AI-model ikke nødvendigvis er det samme. ChatGPT er eksempelvis et produkt og en brugergrænseflade, mens de underliggende GPT-modeller udfører en stor del af selve AI-behandlingen. Det svarer lidt til forskellen mellem en bil og dens motor.

Generativ AI er ikke en søgemaskine

En af de mest almindelige misforståelser er, at generativ AI fungerer som Google. Der er en væsentlig forskel. En traditionel søgemaskine finder eksisterende information og viser links til kilder. Generativ AI skaber derimod et nyt svar. Det betyder, at AI kan sammenfatte information, omskrive den, forklare den på forskellige niveauer og kombinere flere informationer til et samlet svar.

Moderne AI-løsninger kan dog også kombinere generativ AI med websøgning og andre informationskilder. Dermed bliver grænsen mellem søgemaskiner og AI-assistenter mindre tydelig.

Hvad kan virksomheder bruge Generativ AI til?

Generativ AI kan anvendes i næsten alle funktioner i en virksomhed.

Administration

AI kan hjælpe med:

e-mails
referater
dokumenter
informationssøgning
opsummeringer
standardbreve

Ledelse

Ledere kan anvende AI til:

beslutningsoplæg
strategiske analyser
præsentationer
mødeforberedelse
scenarieanalyse
kommunikation

HR

HR kan blandt andet bruge AI til:

jobopslag
onboardingmateriale
kompetencebeskrivelser
medarbejderkommunikation
uddannelsesmateriale

Marketing

Generativ AI kan hjælpe med:

idéudvikling
kampagner
nyhedsbreve
sociale medier
produktbeskrivelser
markedsanalyse

Salg

Sælgere kan bruge AI til:

mødeforberedelse
tilbud
kundekommunikation
research
opsummering af kundemøder

Projektledelse

Projektledere kan anvende AI til:

projektplaner
risikovurderinger
statusrapporter
mødeopsummeringer
interessentanalyser

Generativ AI er derfor ikke ét værktøj til én bestemt afdeling. Det er en generel teknologi, der kan understøtte mange forskellige vidensbaserede arbejdsopgaver.

Eksempel: Fra 30 minutters arbejde til få minutter

Forestil dig, at du har deltaget i et projektmøde. Efter mødet skal du:

skrive referat
identificere beslutninger
finde actions
skrive en statusmail
opdatere projektplanen

Traditionelt kan dette tage betydelig tid.

Med generativ AI kan en transskription af mødet analyseres, hvorefter AI kan udarbejde forslag til alle fem elementer. Medarbejderen skal stadig kontrollere resultatet, men AI udfører en stor del af det indledende arbejde. Det er et godt eksempel på den rolle, generativ AI kan spille: AI erstatter ikke nødvendigvis medarbejderen – men reducerer tiden brugt på rutinepræget vidensarbejde.

Hvad er fordelene ved Generativ AI?

Generativ AI kan give en række fordele.

Hurtigere arbejdsprocesser

AI kan skabe første udkast på sekunder. Medarbejderen kan derefter bruge sin tid på kvalitetssikring og forbedring.

Bedre adgang til viden

Store dokumentmængder kan analyseres og sammenfattes hurtigt.

Idégenerering

AI kan fungere som sparringspartner og komme med alternative perspektiver.

Personalisering

Det samme indhold kan tilpasses forskellige målgrupper, sprog og kommunikationsformer.

Automatisering

Generativ AI kan kombineres med virksomhedens systemer og automatisere dele af arbejdsprocesser.

Hvad er begrænsningerne?

Generativ AI er kraftfuld, men ikke fejlfri. Det er vigtigt at forstå begrænsningerne.

AI kan hallucinere

AI kan generere oplysninger, der lyder korrekte, men faktisk er forkerte. Det kaldes ofte hallucinationer. Derfor bør vigtige oplysninger altid kontrolleres.

AI mangler menneskelig dømmekraft

En AI-model kan analysere information, men den har ikke menneskelig erfaring, ansvar eller situationsfornemmelse.

Datasikkerhed

Medarbejdere bør ikke ukritisk kopiere fortrolige oplysninger ind i AI-tjenester. Virksomheden bør have klare retningslinjer for, hvilke værktøjer og data medarbejderne må anvende.

Bias

AI-modeller kan videreføre skævheder fra træningsdata eller den kontekst, de får.

Ophavsret

Generativ AI rejser også spørgsmål om ophavsret, ejerskab og anvendelsen af AI-genereret materiale.

Hvorfor er gode prompts vigtige?

Kvaliteten af AI's resultat afhænger i høj grad af den instruktion og kontekst, modellen får. Sammenlign:

"Skriv en mail."

med:

"Skriv en kort og professionel mail til vores kunder om, at vores kundeservice holder lukket fredag. Tonen skal være venlig, og mailen må højst være 100 ord."

Den anden prompt giver AI langt mere information om opgaven. At kunne kommunikere effektivt med AI kaldes ofte Prompt Engineering.

Efterhånden som AI-systemerne bliver bedre til at forstå intentioner og kontekst, ændrer disciplinen sig dog fra at handle om særlige "prompt-tricks" til i højere grad at handle om at give AI klare mål, relevant kontekst, data og kriterier for et godt resultat.

Fra Generativ AI til AI-agenter

Generativ AI startede primært som teknologi, der kunne skabe indhold. Næste udviklingstrin er AI-systemer, der også kan udføre handlinger. En traditionel AI-assistent kan eksempelvis fortælle dig:

"Her er de fem kunder, du bør kontakte."

En AI-agent kan potentielt gå videre og:

hente oplysninger om kunderne
udarbejde personlige mails
oprette opfølgningsopgaver
opdatere CRM-systemet
foreslå mødetidspunkter

AI bevæger sig dermed fra generering til handling. Det gør AI-agenter til et vigtigt område for virksomheder, der ønsker at automatisere mere komplekse arbejdsprocesser.

Generativ AI kræver ansvarlig anvendelse

Den største gevinst kommer ikke nødvendigvis fra at give alle medarbejdere adgang til et AI-værktøj. Virksomheder bør samtidig arbejde med:

AI-kompetencer
datasikkerhed
governance
kvalitetssikring
ansvar
godkendte AI-værktøjer
retningslinjer for anvendelse

I EU spiller AI-regulering desuden en stadig større rolle, og organisationer skal forholde sig til blandt andet EU's AI Act og eksisterende regler om databeskyttelse. Generativ AI bør derfor ses som både en teknologisk og organisatorisk forandring.

Ofte stillede spørgsmål om Generativ AI

Hvad betyder Generativ AI?

Generativ AI er kunstig intelligens, der kan skabe nyt indhold som tekst, billeder, lyd, video og programmeringskode.

Er ChatGPT Generativ AI?

Ja. ChatGPT er et eksempel på en tjeneste baseret på generativ AI.

Er Copilot Generativ AI?

Ja. Microsofts forskellige Copilot-løsninger anvender generativ AI til blandt andet tekstproduktion, analyse og assistance i arbejdsprocesser.

Hvad er forskellen på AI og Generativ AI?

AI er den overordnede betegnelse. Generativ AI er en type AI, der er specialiseret i at generere nyt indhold.

Er Generativ AI det samme som en LLM?

Nej. En LLM er en type model, der arbejder med sprog. Generativ AI er et bredere begreb og omfatter også modeller til billeder, video, lyd og andre typer indhold.

Kan Generativ AI lave fejl?

Ja. AI kan generere faktuelt forkerte oplysninger og bør derfor ikke anvendes ukritisk.

Kan Generativ AI bruges med virksomhedens egne data?

Ja. AI kan forbindes med virksomhedens dokumenter og systemer, blandt andet gennem søgning, integrationer og teknikker som Retrieval-Augmented Generation (RAG). Adgangsstyring og datasikkerhed er afgørende.

Vil Generativ AI erstatte medarbejdere?

AI kan automatisere dele af mange arbejdsopgaver, men effekten varierer betydeligt mellem jobfunktioner. I mange situationer fungerer teknologien bedst som et værktøj, der hjælper medarbejderen med at arbejde hurtigere og løse nye typer opgaver.

Konklusion

Generativ AI har på få år ændret vores opfattelse af, hvad computere kan. Fra tidligere primært at analysere information kan AI nu skabe tekst, billeder, kode, lyd og video og hjælpe mennesker med komplekse vidensopgaver.

For virksomheder ligger potentialet ikke kun i at producere indhold hurtigere. Den større mulighed opstår, når generativ AI kombineres med virksomhedens egen viden, systemer og arbejdsprocesser.

Udviklingen mod multimodale modeller og AI-agenter betyder samtidig, at AI i stigende grad bevæger sig fra at være en chatbot til at blive en integreret digital assistent. Det gør forståelsen af generativ AI til en vigtig kompetence for både medarbejdere og ledere.

Lær mere om Generativ AI

På Akademiets AI-kurser kan du lære at anvende generativ AI i praksis. Fokus er på konkrete arbejdsopgaver, effektive prompts, AI-værktøjer, automatisering og ansvarlig anvendelse af AI i virksomheder.

Du kan samtidig gå videre i AI-videnscenteret og læse om Large Language Models (LLM'er), Prompt Engineering, AI-agenter og Machine Learning.