Dit problem med kunstig intelligens starter før du skriver en eneste instruktion

Mange danske virksomheder oplever, at output fra kunstig intelligens bliver vagt, upræcist eller skævt — også selvom man “skriver bedre prompts” (bedre instruktioner til kunstig intelligens). En pointe fra en ny artikel på dev.to er, at fejlen ofte opstår før systemet genererer noget: Grundlaget er simpelthen for rodet eller for uklart.

Kort fortalt

Dårligt output skyldes ofte uklar forretningskontekst og ustrukturerede noter — ikke selve teknologien

Flydende tekst kan skjule små misforståelser, der ender i en lang runde af rettelser

Løsningen er mere struktur: tydelige rammer, prioriteret kontekst og menneskelig kvalitetssikring

Fejlen sker, før systemet overhovedet begynder

Artiklen beskriver et mønster, mange kan genkende: En bred opgave + en stor bunke “alt hvad vi har” af baggrundsmateriale giver et output, der lyder rigtigt, men rammer forbi det, I faktisk skal bruge. Resultatet bliver, at medarbejdere bruger tiden på at styre og korrigere i små trin, i stedet for at få et stabilt svar, man kan arbejde videre med.

Pointen er enkel: Hvis systemet ikke får klare ankre (hvem er modtageren, hvilken beslutning skal understøttes, hvad må ikke antages), så vil det forsøge at udfylde hullerne selv — og det kan give pæne formuleringer med forkert prioritering.

Et dansk eksempel fra hverdagen

Forestil dig en økonomiafdeling, der beder kunstig intelligens om at opsummere kvartalets regnskabsnoter til ledelsen. Noterne ligger i forskellige dokumenter, med blandede formuleringer og uden tydelig markering af, hvad der er foreløbigt, og hvad der er endeligt godkendt. Systemet leverer en overbevisende sammenfatning, men får blandet foreløbige og endelige tal, fordi konteksten ikke fortæller, hvad der “vejer tungest”. Der er ikke tale om en teknisk fejl — men en forretningsmæssig uklarhed, der bliver til en kommunikationsfejl.

Struktureret kontekst slår smarte formuleringer

Når det går galt	Når det virker
Løse noter og “alt i samme mappe”	Prioriteret materiale med tydelige kilder
Bred opgaveformulering	Klar modtager + beslutningspunkt + succeskriterier
Ingen rammer for output	Tydelige begrænsninger (format, tone, hvad der ikke må antages)

Det kan du gøre nu

Start med rammerne, ikke instruktionen: Hvem skal bruge outputtet, og til hvilken beslutning?
Gør konteksten stabil: Udpeg “det vigtigste” (max 5–10 punkter) og markér, hvad der er foreløbigt vs. godkendt.
Indfør menneskelig kvalitetssikring: Output fra kunstig intelligens skal gennemgås, før det bruges i ledelsesbeslutninger, kundekommunikation eller offentlig sagsbehandling.

Kilder

Leigh K. Valentine (dev.to): Why AI Output Fails Before Generation Ever Begins