Datateams får en ny opgave: styr konteksten bag kunstig intelligens

Mange virksomheder oplever, at løsninger med kunstig intelligens kan svare forskelligt fra dag til dag – eller svare overbevisende, men forkert. En ny pointe fra New AI Order er, at problemet ofte ikke er teknologien, men virksomhedens egen viden: den er støjende, u-styret og fuld af modstridende versioner.

Kort fortalt

Kunstig intelligens bliver upålidelig, når den bygger på forældede eller modstridende dokumenter

Løsningen er et styret “kontekstlag”: versioneret og dokumenteret viden, som systemet må bruge

Mere information er ikke altid bedre: for meget gør det langsommere og dyrere – og kan forringe kvaliteten

Effekten bør måles på korrekthed, svarprocent, hastighed og omkostning

Datateams bør udvikle sig til “kontekstteams” med ansvar for den viden, der bruges i praksis

Fra datateam til kontekstteam

I indlægget argumenterer Claire Gouze for, at datateams skal tage ejerskab over det, der i praksis afgør, om en digital assistent virker: hvilken viden den får lov at “læse”.

Mange organisationer starter med at give kunstig intelligens adgang til “alt”: fællesdrev, intranet, gamle PDF’er og måske endda chat-uddrag. Men hvis der ligger tre versioner af samme HR-politik, eller hvis en økonomiprocedure er ændret uden at den gamle er arkiveret, kan systemet ikke vide, hvad der gælder. Resultatet kan blive “hallucination” (når systemet opfinder fakta eller vælger en forkert kilde).

Et centralt forslag er derfor et styret kontekstlag: et kurateret bibliotek af godkendte, opdaterede kilder med tydelig versionshistorik.

Det skal balanceres	Hvorfor det betyder noget
Korrekthed	Svar skal bygge på gældende retningslinjer
Svarprocent	Systemet skal kunne svare på de typiske spørgsmål
Hastighed	For meget materiale gør svartiden langsom
Omkostning	Jo mere tekst, jo dyrere bliver hvert svar

Hvad betyder det for danske virksomheder?

I danske virksomheder og kommuner handler det ofte om helt jordnære ting: personalehåndbog, indkøbspolitik, sagsgange, standardbreve, regnskabspraksis og interne retningslinjer. Hvis man vil bruge kunstig intelligens til intern support, udkast til notater eller hurtige svar om “hvordan gør vi her?”, skal man først kunne pege på én sandhed – og kunne dokumentere den.

Det kan du gøre nu

Udvælg 10–20 “kritiske dokumenter”, som medarbejdere ofte spørger til (HR, økonomi, drift).
Fjern dobbeltversioner og udpeg én gældende version pr. emne.
Aftal ejerskab: Hvem opdaterer og godkender hvert dokument – og hvor ofte?
Indfør simple kvalitetsmål: Hvor ofte er svaret korrekt, og hvor ofte kan systemet slet ikke svare?
Sørg for adgangsstyring og logning, så kilder og adgang kan dokumenteres.

Kilder

Claire Gouze: Data teams should become context teams (New AI Order, 9. februar 2026)
https://thenewaiorder.substack.com/p/data-teams-should-become-context?utm_source=tldrdata
Wikipedia: Retrieval-augmented generation (teknik hvor systemet slår op i dokumenter før det svarer)
https://en.wikipedia.org/wiki/Retrieval-augmented_generation
Pinecone: Overblik over, hvordan man reducerer “opfundne svar” i generativ kunstig intelligens
https://www.pinecone.io/learn/options-for-solving-hallucinations-in-generative-ai/