Hvad er Prompt Engineering? Sådan skriver du bedre AI-prompts

Prompt Engineering er kunsten at formulere gode instruktioner til kunstig intelligens.

Når du bruger ChatGPT, Microsoft Copilot, Claude, Gemini eller andre generative AI-værktøjer, er kvaliteten af dit resultat i høj grad afhængig af, hvordan du beskriver opgaven.

En prompt kan være et spørgsmål, en instruktion, en tekst, et billede eller en kombination af flere typer input. Prompt Engineering handler om at formulere dette input på en måde, der gør det lettere for AI-modellen at forstå dit mål og levere et brugbart svar. OpenAI beskriver prompt engineering som processen med at designe og optimere prompts, så en sprogmodel styres mod bedre svar.

Det betyder ikke, at du skal lære et særligt “AI-sprog”. Moderne modeller er blevet langt bedre til at forstå almindeligt sprog. Det vigtigste er at være tydelig om opgaven, give den nødvendige kontekst og forklare, hvilket resultat du ønsker.

Hvad er en prompt?

En prompt er det input, du giver en AI-model. Det kan eksempelvis være: “Opsummer denne rapport.” eller: “Skriv et kort resumé af rapporten til direktionen. Fokusér på økonomiske risici, muligheder og anbefalede næste skridt. Maksimalt 300 ord.” Begge dele er prompts. Forskellen er, at den anden prompt giver AI'en langt mere information om:

• målgruppen
• formålet
• fokusområdet
• længden
• det ønskede resultat

Derfor vil den typisk give et bedre svar.

Hvorfor er Prompt Engineering vigtigt?

Generativ AI er meget fleksibel. Det er både en styrke og en udfordring. Hvis du giver en uklar instruktion, må modellen selv gætte, hvad du egentlig ønsker. Eksempelvis: “Skriv noget om vores nye produkt.” AI ved ikke:

• hvem teksten er til
• hvor lang den skal være
• hvilken tone den skal have
• hvad produktets vigtigste fordele er
• hvor teksten skal bruges

Jo mere relevant kontekst du giver, desto bedre kan AI tilpasse resultatet. OpenAI anbefaler blandt andet klare og specifikke prompts, tilstrækkelig kontekst og en iterativ arbejdsform, hvor man forbedrer prompten ud fra det første svar.

En god prompt starter med målet

En af de vigtigste fejl i arbejdet med AI er at starte med spørgsmålet: “Hvad skal jeg skrive til AI?”. Start i stedet med: “Hvad vil jeg opnå?”. Hvis målet eksempelvis er at forberede et kundemøde, er det vigtigere at beskrive dette mål end at finde en smart promptformulering.

Du kan eksempelvis skrive: “Jeg skal mødes med en eksisterende kunde i morgen. Hjælp mig med at forberede mødet. Kunden har tidligere købt vores softwareløsning, men bruger kun halvdelen af funktionerne. Mit mål er at afdække behov og identificere muligheder for mersalg. Lav fem relevante spørgsmål, jeg kan stille.” Her får AI:

• situationen
• kundens kontekst
• dit mål
• den ønskede leverance

Det giver et langt bedre udgangspunkt.

De vigtigste elementer i en god prompt

Der findes ikke én perfekt promptskabelon, men gode prompts indeholder ofte nogle af de samme elementer.

Opgaven

Forklar tydeligt, hvad AI skal gøre. Eksempel: “Opsummer dokumentet.” eller: “Analyser disse kundefeedbacks og identificér de fem mest almindelige problemer.”

Konteksten

Giv den baggrund, AI har brug for. Eksempel: “Rapporten er skrevet til ledelsen i en roduktionsvirksomhed med 250 medarbejdere.”

Formålet

Forklar, hvorfor opgaven skal løses. Eksempel: “Analysen skal bruges til at prioritere forbedringer i næste kvartal.”

Målgruppen

Fortæl, hvem resultatet er til. Eksempel: “Skriv til ledere uden teknisk baggrund.”

Formatet

Beskriv, hvordan resultatet skal præsenteres. Eksempel: “Start med en kort konklusion og skriv derefter fem anbefalinger.”

Begrænsninger

Fortæl, hvad AI skal undgå eller holde sig inden for. Eksempel: “Brug maksimalt 400 ord og undgå tekniske forkortelser.”

Prompt Engineering handler mindre om magiske formuleringer

I de første år med generativ AI opstod der mange komplicerede promptskabeloner. Nogle indeholdt lange instruktioner som: “Du er verdens førende ekspert med 30 års erfaring…”

Sådanne formuleringer kan stadig påvirke stil og perspektiv, men moderne AI-modeller er blevet bedre til at forstå almindelige instruktioner. Derfor handler god prompting i stigende grad om:

• klare mål
• relevant kontekst
• præcise krav
• gode eksempler
• løbende dialog

OpenAI anbefaler i sin aktuelle vejledning desuden at holde prompts relativt fokuserede og undgå unødvendige gentagelser, fordi enklere instruktioner i mange tilfælde kan være både mere effektive og mere token-efficiente. Det betyder, at den bedste prompt ikke nødvendigvis er den længste. Den er den prompt, der giver modellen præcis den information, den har brug for.

Brug AI som en samtalepartner

En anden vigtig ændring i måden, vi bruger AI på, er, at prompting ikke behøver være en enkeltstående instruktion. Du kan arbejde iterativt. Eksempelvis: Første prompt: “Lav et udkast til en projektplan.” Derefter: “Gør planen mere realistisk for en organisation med kun tre projektmedarbejdere.” Derefter: “Tilføj de største risici.” Derefter: “Lav nu en kort version til styregruppen.” Denne arbejdsform er ofte bedre end at forsøge at skrive én enorm prompt, der beskriver alt fra starten. OpenAI anbefaler netop iterativ forfinelse som en central del af effektiv prompting.

Prompting med roller

Det kan nogle gange være nyttigt at give AI en rolle. Eksempel: “Agér som erfaren projektleder.” eller: “Vurder dette forslag som økonomichef.” Formålet er ikke at få AI til at “blive” en rigtig ekspert. Formålet er at give modellen et perspektiv.

En stærkere version kunne være: “Vurder projektforslaget fra en økonomichefs perspektiv. Fokusér især på økonomisk risiko, tilbagebetalingstid og usikre antagelser.” Det er bedre, fordi rollen kombineres med konkrete vurderingskriterier.

Brug eksempler

Hvis du ønsker en bestemt type resultat, kan et eksempel ofte være mere effektivt end en lang forklaring. Du kan eksempelvis skrive: “Jeg vil have produktbeskrivelser i denne stil:

• Kort overskrift.
• To sætninger om kundens problem.
• Tre konkrete fordele.
• Kort afslutning.
• Skriv nu samme type tekst for dette produkt.”

Denne teknik kaldes ofte few-shot prompting, fordi modellen får et eller flere eksempler på det ønskede resultat.

Bed AI om at stille spørgsmål

Hvis en opgave kræver information, som du endnu ikke har givet, kan du bede AI om at spørge først. Eksempel: “Jeg skal lave en kommunikationsplan. Stil mig de vigtigste spørgsmål én ad gangen, før du udarbejder planen.” Det er særligt nyttigt ved komplekse opgaver som:

• strategiarbejde
• projektplanlægning
• analyse
• kommunikation
• problemløsning

På den måde bliver AI mere en sparringspartner end blot en tekstgenerator.

Bed AI om alternativer

Du behøver ikke acceptere det første forslag. Du kan eksempelvis skrive: “Giv mig tre forskellige løsninger.”

eller:

“Lav én konservativ, én realistisk og én ambitiøs løsning.”

eller:

“Argumentér først for forslaget og derefter imod det.” Det er en enkel måde at bruge AI til at udfordre egen tænkning.

Brug AI til kritik

En af de mest værdifulde anvendelser af prompting er at få AI til at kritisere dit arbejde. Eksempel: “Læs dette projektforslag som en kritisk styregruppe. Find de fem største svagheder.”

eller:

“Find antagelser i denne analyse, som ikke er tilstrækkeligt dokumenteret.” AI bliver dermed et værktøj til kvalitetssikring og sparring.

Prompting til analyse

Når AI skal analysere information, er det vigtigt at definere, hvad du mener med analyse. En svag prompt er: “Analyser denne rapport.”

En bedre prompt er: “Analyser rapporten med fokus på tre områder: økonomiske risici, organisatoriske konsekvenser og de vigtigste beslutninger ledelsen skal træffe. Skeln mellem fakta fra rapporten og dine egne vurderinger.” Det reducerer risikoen for et generelt og overfladisk svar.

Prompting til dokumenter

Moderne AI kan arbejde med lange dokumenter. Det åbner mange muligheder. Du kan eksempelvis bede AI om at:

• opsummere
• sammenligne
• finde uoverensstemmelser
• identificere risici
• forklare vanskelige afsnit
• omskrive
• udtrække information

En god prompt kunne være: “Læs den vedhæftede kontrakt. Identificér de vigtigste forpligtelser for vores virksomhed, betalingsbetingelser, opsigelsesvilkår og potentielle risici. Henvis til de relevante afsnit i dokumentet.” Ved juridiske, økonomiske eller andre kritiske opgaver bør AI's resultat dog altid kontrolleres fagligt.

Prompting med billeder, lyd og filer

En prompt behøver ikke længere kun bestå af tekst. Moderne multimodale AI-modeller kan arbejde med:

• billeder
• PDF-filer
• regneark
• lyd
• video
• diagrammer

Du kan eksempelvis uploade et regneark og skrive: “Analyser udviklingen i salget. Identificér de største ændringer og foreslå tre områder, vi bør undersøge nærmere.”

Eller vise et billede: “Beskriv, hvilke sikkerhedsrisici du kan se på dette billede.” Prompting handler derfor i stigende grad om at kombinere instruktioner med den rette kontekst og de rette data.

Prompt Engineering og ræsonnement

Moderne AI-modeller er blevet bedre til komplekse opgaver og ræsonnement. Det betyder også, at brugeren ikke altid behøver instruere modellen i præcis, hvordan hvert enkelt mellemtrin skal udføres. I mange tilfælde er det mere effektivt at give:

• et tydeligt mål
• relevante fakta
• klare begrænsninger
• kriterier for et godt resultat

og derefter lade modellen vælge fremgangsmåden. Det gør prompting mere naturligt og mindre mekanisk end tidligere.

Prompt Engineering og AI-agenter

Prompt Engineering er også vigtigt i arbejdet med AI-agenter. Men her ændrer promptens funktion sig. I stedet for kun at bede AI om at generere et svar kan instruktionen definere:

• agentens rolle
• dens mål
• hvilke værktøjer den må bruge
• hvilke oplysninger den må tilgå
• hvornår den skal spørge brugeren
• hvornår menneskelig godkendelse kræves

Eksempel: “Du hjælper kundeservice med reklamationer. Du må læse kundehistorik og vores reklamationspolitik. Du må foreslå en løsning, men refunderinger over 2.000 kr. skal altid godkendes af en medarbejder.” Her bliver prompting en del af styringen af agentens adfærd.

Hvad er Prompt Injection?

Når AI får adgang til eksterne dokumenter, hjemmesider og systemer, opstår en særlig sikkerhedsrisiko kaldet prompt injection. Et dokument eller en hjemmeside kan indeholde instruktioner, der forsøger at få AI-agenten til at gøre noget andet end det, brugeren ønskede.

Dette bliver vigtigere i takt med, at AI-agenter får mulighed for at browse på nettet og udføre handlinger på brugerens vegne. OpenAI beskriver prompt injection som en voksende sikkerhedsudfordring for agentiske systemer, netop fordi eksternt indhold kan forsøge at manipulere agentens adfærd.

For almindelige brugere betyder det især, at man ikke bør betragte AI-agenter som fuldstændig autonome eller ukritiske systemer. Adgangsrettigheder, kontrol og menneskelig godkendelse er fortsat vigtige.

De mest almindelige fejl i prompting

For lidt kontekst

“Lav en strategi.” AI ved ikke, hvilken virksomhed, hvilket marked eller hvilket mål strategien vedrører.

For mange opgaver på én gang

Hvis en prompt indeholder 15 forskellige opgaver, kan resultatet blive ujævnt. Komplekse opgaver fungerer ofte bedre som flere trin.

Uklart output

Hvis du ikke beskriver, hvad du ønsker tilbage, vælger AI selv formatet.

Blind tillid

Et velformuleret svar kan stadig indeholde fejl.

Fokus på den perfekte prompt

Prompting er en proces. Du behøver ikke ramme perfekt første gang.

En enkel promptmodel

Hvis du vil have en enkel metode, kan du bruge fem spørgsmål:

Hvad skal AI gøre?

Beskriv opgaven.

Hvorfor skal den gøre det?

Forklar formålet.

Hvilken kontekst skal den kende?

Giv relevante oplysninger.

Hvordan skal resultatet se ud?

Angiv format, længde og stil.

Hvilke begrænsninger gælder?

Fortæl, hvad AI skal være særligt opmærksom på. Et eksempel kunne være: “Lav en kort opsummering af den vedhæftede markedsrapport til vores salgschef. Fokusér på udviklingen i Danmark, de tre vigtigste konkurrenter og de største muligheder det kommende år. Maksimalt 500 ord. Skeln tydeligt mellem oplysninger fra rapporten og dine egne vurderinger.” Det er en god prompt, fordi modellen ved præcis, hvad den skal levere.

Prompt Engineering i virksomheder

For virksomheder er Prompt Engineering ikke kun en individuel færdighed. Det kan også standardiseres. Virksomheder kan eksempelvis udvikle:

• fælles promptbiblioteker
• godkendte AI-skabeloner
• rollebaserede prompts
• arbejdsprocesser med AI
• instruktioner til specialiserede AI-assistenter
• kvalitetssikringsprocedurer

Dermed bliver gode AI-metoder ikke afhængige af enkelte medarbejdere. De bliver en del af organisationens måde at arbejde på.

Fra prompts til workflows

Udviklingen går samtidig mod, at medarbejdere skal skrive færre prompts manuelt. Hvis virksomheden har en tilbagevendende opgave, kan den gode prompt bygges direkte ind i et workflow eller en AI-agent. I stedet for at medarbejderen hver uge skriver: “Analyser denne rapport…” kan systemet automatisk:

• hente rapporten
• analysere den
• bruge en standardiseret instruktion
• generere konklusionerne
• sende resultatet til medarbejderen

Prompt Engineering bliver dermed gradvist en del af designet af arbejdsprocesser.

Vil Prompt Engineering stadig være vigtigt i fremtiden?

Ja, men formen ændrer sig. De tidlige AI-modeller krævede ofte meget præcise og tekniske prompts.

Nyere modeller er blevet bedre til at forstå naturligt sprog, brugerens hensigt og mere komplekse instruktioner. OpenAI anbefaler i dag netop en mere mål- og kontekstorienteret tilgang frem for unødigt komplicerede formuleringer. Det betyder, at fremtidens vigtigste færdighed sandsynligvis ikke bliver at kunne huske den perfekte promptformel. Den bliver at kunne:

• definere et problem
• beskrive et mål
• levere relevant kontekst
• vurdere et resultat kritisk
• samarbejde effektivt med AI

Det er i virkeligheden mere en kompetence i problemløsning og kommunikation end en teknisk AI-færdighed.

Ofte stillede spørgsmål om Prompt Engineering

Hvad er Prompt Engineering?

Prompt Engineering er processen med at udvikle og forbedre instruktioner til AI, så modellen bedre forstår opgaven og leverer det ønskede resultat.

Hvad er en prompt?

En prompt er det input eller den instruktion, du giver til en AI-model. Det kan være tekst, billeder, lyd, dokumenter eller en kombination.

Skal man kunne programmere for at skrive gode prompts?

Nej. De fleste medarbejdere kan bruge Prompt Engineering uden programmeringskundskaber.

Skal en prompt være lang?

Nej. Den bør være så lang som nødvendigt, men ikke længere. Klarhed og relevant kontekst er vigtigere end længde.

Hvad skal en god prompt indeholde?

En god prompt beskriver typisk opgaven, formålet, relevant kontekst, målgruppen og det ønskede output.

Kan AI hjælpe med at skrive prompts?

Ja. Du kan eksempelvis forklare AI dit mål og bede den hjælpe med at formulere en bedre instruktion.

Er Prompt Engineering kun relevant for ChatGPT?

Nej. Principperne anvendes på tværs af generative AI-systemer som ChatGPT, Copilot, Claude, Gemini og andre AI-modeller.

Kan Prompt Engineering forhindre AI i at lave fejl?

Nej. En god prompt kan forbedre kvaliteten betydeligt, men AI kan stadig levere forkerte eller misvisende oplysninger.

Hvad er Prompt Injection?

Prompt injection er et sikkerhedsproblem, hvor eksternt indhold forsøger at give en AI skjulte eller uønskede instruktioner.

Bliver Prompt Engineering overflødigt?

Ikke nødvendigvis. Men fokus flytter sig fra komplicerede promptformler til evnen til at beskrive mål, kontekst og krav tydeligt.

Konklusion

Prompt Engineering handler grundlæggende om god kommunikation med kunstig intelligens. Jo bedre AI forstår dit mål, din kontekst og dine krav, desto større er sandsynligheden for et nyttigt resultat. Men moderne prompting handler ikke om at finde hemmelige kommandoer eller perfekte formuleringer.

Det handler om at kunne definere en opgave, give relevant information, arbejde iterativt og vurdere AI's resultat kritisk. For medarbejdere bliver denne kompetence stadig vigtigere, fordi generativ AI gradvist bliver integreret i de programmer og arbejdsprocesser, vi allerede bruger. Den vigtigste AI-kompetence er derfor måske ikke at kunne skrive den perfekte prompt. Det er at kunne beskrive det problem, man ønsker løst.

Lær mere

Hvis du vil forstå teknologien og metoderne bag effektiv prompting, anbefaler vi også:

• Hvad er Kunstig Intelligens (AI)?
• Hvad er Generativ AI?
• Hvad er en Large Language Model (LLM)?
• Hvad er AI-agenter?
• Hvad er RAG?
• Hvad er Model Context Protocol (MCP)?

På Akademiets AI-kurser lærer du at anvende prompting i praksis til blandt andet analyse, tekstproduktion, research, problemløsning og automatisering – med fokus på konkrete arbejdsopgaver og ansvarlig anvendelse af AI.