Du skriver "fortell litt om bærekraft" og får tilbake en generisk skolestil på 500 ord. Men det du trengte var fem konkrete tiltak for styrepresentasjonen på fredag. Feilen ligger ikke i verktøyet. Den ligger i at prompten din ga modellen for lite å jobbe med. Med fem prompting-teknikker kan du gå fra vage svar til resultater du bruker direkte.
Teknikk 1: Tydelig og konkret språk
Språkmodeller gjetter ikke hva du mener. De tolker det du skriver bokstavelig. Skriver du "skriv litt tekst om Kina", får du en bred introduksjonstekst om landet. Skriver du "forklar Kinas viktigste eksportindustrier i fem kulepunkter for en presentasjon til handelsstudenter", får du noe du kan bruke.
Unngå vage ord som "fortell om", "skriv litt" eller "gi noe info". Bytt dem ut med presise formuleringer: hva du vil ha, hvem det er til, og i hvilket format. Du trenger ikke skrive sidevis. Noen ekstra ord i prompten sparer deg for mye redigering etterpå.
Et eksempel: I stedet for "fortell om bærekraft" kan du skrive "lag en punktliste over tiltak små bedrifter kan gjøre for å bli mer bærekraftige". Ordene er enkle. Instruksjonen er tydelig. Resultatet blir drastisk bedre.
Teknikk 2: Gi rolle og kontekst
Når du gir språkmodellen en rolle, endrer du hele perspektivet på svaret. "Du er en karriererådgiver. Gi tips til en 18-åring som søker sin første jobb" gir noe helt annet enn "hvordan søker jeg jobb?". Rollen setter modellen i en posisjon der den tilpasser språk, detaljnivå og vinkling.
Kontekst fungerer på samme måte. Å si "du er en historielærer, forklar vikingtiden for elever i 7. klasse" gir et svar tilpasset aldersgruppa. Uten denne konteksten kan du ende opp med en akademisk tekst som ingen 12-åring orker å lese.
Kombinasjonen av rolle og kontekst er en av de mest effektive prompting-teknikkene du kan bruke. Rolle forteller modellen hvem den skal være. Kontekst forteller den hvem den snakker til og i hvilken situasjon. Sammen sørger de for at svaret treffer riktig nivå.
Teknikk 3: Sett begrensninger på svaret
Uten begrensninger velger modellen selv format, lengde og tone. Det er sjelden det du vil. Ved å sette rammer styrer du outputen mot noe du kan bruke.
Begrensninger kan handle om flere ting:
- Lengde: "Maks 200 ord" eller "mellom 100 og 150 ord".
- Format: "Svar i tabellformat med en kolonne for tiltak og en for effekt" eller "bruk kulepunkter".
- Tone: "Unngå fagspråk" eller "skriv i en uformell, engasjert tone".
- Språk: "Skriv på norsk bokmål".
Du kan også begrense innholdet: "Gi maksimalt tre punkter og unngå tekniske forklaringer". Slike instruksjoner fungerer spesielt godt når du skal kommunisere med folk som ikke trenger faglig dybde, men trenger raske, forståelige svar.
Husk at ChatGPT og andre modeller kan levere i mange formater: tabeller, CSV, punktlister, nummererte lister, ren tekst. Standardformatet er vanlig tekst. Vil du ha noe annet, må du si det.
Teknikk 4: Bruk eksempler
Av alle prompting-teknikker er eksempler den som gir raskest forbedring. I stedet for å forklare i detalj hvordan du vil ha svaret, viser du det. Modellen plukker opp struktur, stil, lengde og tone fra eksempelet ditt.
Si at du vil lage korte instruksjoner for hverdagsoppgaver. Du kan skrive: "Lag instruksjoner for enkle hverdagsoppgaver. Eksempel: Hvordan koker du ris? 1) Skyll risen. 2) Kok opp vann. 3) Tilsett ris. 4) La det småkoke i 15 minutter. Nå: Hvordan bretter du en skjorte?" Modellen ser formatet, lengden og stilen fra eksempelet og gjentar mønsteret.
Eksempler er spesielt nyttige når du har en bestemt struktur du vil gjenta. Oppsummeringer med tre kulepunkter, e-postsvar i en bestemt tone, produktbeskrivelser med fast oppsett. Gi ett godt eksempel, og modellen forstår hva du er ute etter uten lange forklaringer.
Teknikk 5: Del opp oppgaven med prompt chaining
Noen oppgaver er for store til en enkelt prompt. En årsplan for bedriften, en komplett markedsstrategi, en lang artikkel med research. Prøver du å gjøre alt i ett steg, blir resultatet grunt og usammenhengende.
Prompt chaining betyr at du deler oppgaven inn i trinn og bruker svaret fra ett trinn som utgangspunkt for neste. Først ber du modellen foreslå tre temaer for en artikkel om kunstig intelligens. Deretter velger du et tema og ber om en ingress. Så ber du om brødteksten med spesifikke krav til innhold. Hvert steg bygger på det forrige.
Et annet eksempel: Du vil lage salgsargumenter for et produkt. Steg 1: Be modellen beskrive produktet basert på informasjonen du gir. Steg 2: Be om fem salgsargumenter basert på beskrivelsen. Steg 3: Velg de tre beste og be modellen utvikle dem til korte tekster. Modellen husker hele samtalen, så du kan referere tilbake til tidligere svar.
Prompt chaining er spesielt kraftfullt for sparring og beslutningsstøtte, der du gradvis bygger opp kontekst gjennom en dialog frem og tilbake.
Du trenger ikke alle teknikkene hver gang
Ikke alle prompts krever rolle, kontekst, begrensninger, eksempler og chaining samtidig. Noen ganger holder det med et tydelig formulert spørsmål. Andre ganger trenger du alle fem teknikkene for å komme i mål.
Tommelfingerregelen: Jo mer kompleks oppgaven er, jo flere teknikker bør du ta i bruk. Et raskt spørsmål trenger bare teknikk 1. En komplett rapport kan kreve alle fem. Ha dem i bakhodet og trekk dem frem etter behov.
Neste steg
Vil du forstå grunnprinsippene bak disse teknikkene, starter du med hva prompt engineering er. Er du klar til å bruke KI til mer avanserte oppgaver, viser artikkelen om KI til grundig research hvordan du kombinerer flere av disse teknikkene i praksis.
Denne artikkelen er basert på en video fra kurset Generativ KI – komplett guide på Utdannet.no. I kurset får du konkrete eksempler på alle fem teknikker, ser dem brukt i virkelige arbeidsoppgaver, og lærer hvordan du tilpasser promptene dine til ulike situasjoner som e-post, rapporter og presentasjoner.
