Hva er prompt engineering?

Prompt engineering er kunsten å formulere instruksjoner slik at en språkmodell gir pålitelige og brukbare svar. Ordet høres teknisk ut, men kjernen er enkel: Samme modell gir svært ulike svar avhengig av hvordan du spør, og prompt engineering handler om å spørre på en måte som konsekvent gir det du trenger. Her er det grunnleggende på omtrent ett minutt.

Dårlig kontra god prompt

Den raskeste måten å forstå verdien på er å sammenligne to prompter for samme oppgave.

Dårlig prompt: «Skriv om produktet vårt.»

Modellen vet ikke hvem den skal skrive som, for hvem, hvor langt eller i hvilken tone. Resultatet blir generisk og må ofte gjøres om.

God prompt: «Du er en produkttekstforfatter. Skriv en selgende, men saklig produktbeskrivelse på rundt 80 ord for regnskapstjenesten vår, rettet mot eiere av små bedrifter som synes økonomi er komplisert. Unngå teknisk sjargong.»

Samme modell, men nå kjenner den rollen sin, målgruppen, lengden og tonen. Svaret blir brukbart med én gang. Forskjellen i resultat er ikke liten, og den skyldes helt og holdent formuleringen, ikke modellen.

De tre byggesteinene

Nesten alle gode prompter inneholder de samme tre delene. Hvis du bare husker én ting fra denne siden, la det være denne tabellen:

• Rolle setter perspektivet. «Du er en jurist» og «du er en selger» gir ulike svar på samme spørsmål.
• Kontekst gir modellen det den trenger å vite: bakgrunn, målgruppe og eventuelt et grunnlag å ta utgangspunkt i.
• Format styrer utseendet: en punktliste, 80 ord, en tabell, en bestemt tone.

Får modellen alle tre, treffer den merkbart bedre. Mangler de, gjetter den, og gjetninger blir sjelden det du ønsket deg.

Må man kunne kode?

Nei. Å skrive gode prompter handler om å uttrykke seg tydelig og strukturert, og det kan hvem som helst øve seg på. Du trenger ikke å være utvikler for å merke at en gjennomtenkt instruksjon gir bedre svar enn en slurvete.

Det som krever teknisk kompetanse, er neste steg: å bygge promptene inn i et produksjonssystem, der de kjøres automatisk tusenvis av ganger. Men selve håndverket med å formulere instruksjoner er tilgjengelig for alle som jobber med språk og vil få mer ut av AI-verktøyene sine.

Vanlige fallgruver

Selv de som forstår det grunnleggende, går i de samme fellene. De vanligste:

• For vage instruksjoner. «Gjør det bedre» sier ingenting om hva «bedre» betyr. Angi heller nøyaktig hva som skal endres, og hvordan resultatet skal se ut.
• For mye på én gang. En prompt som ber om ti ting samtidig, gir ofte et svar som gjør alle ti halvgodt. Del opp, eller prioriter tydelig.
• Ingen avgrensning. Uten en grense, for eksempel «svar bare ut fra teksten nedenfor, ikke dikt opp noe», fyller modellen gjerne hullene med kvalifiserte gjetninger. I oppgaver der fakta er avgjørende, er det en risiko.
• Antar at modellen husker. En modell kjenner ikke den interne konteksten deres med mindre dere gir modellen den. Det som er selvsagt for dere, er usynlig for den.

Et eksempel til gjør poenget konkret. «Oppsummer dette møtet» gir en generisk oppsummering. «Oppsummer møtereferatet nedenfor i tre punkter: beslutninger, åpne spørsmål og neste steg. Ikke skriv noe som ikke står i teksten.» gir noe dere kan bruke med én gang, og den siste setningen reduserer risikoen for at modellen legger til ting som aldri ble sagt.

Hvorfor det betyr noe for en kjøper

For en virksomhet er prompt engineering ikke en kuriositet, men det som avgjør om en AI-løsning blir pålitelig nok til å stole på. En chatbot mot kunder, et verktøy som oppsummerer avtaler, eller en arbeidsflyt som klassifiserer henvendelser, står og faller med hvor godt promptene er skrevet og testet. Forskjellen på en løsning som imponerer i en demo, og en som holder i produksjon, ligger ofte her.

Det finnes også en personvernvinkel som er verdt å nevne: En gjennomtenkt prompt kan instruere modellen til ikke å be om eller gjenta sensitive opplysninger unødvendig. Prompten er altså ikke bare et kvalitetsverktøy, men en del av hvordan dere styrer hva som sendes til og kommer tilbake fra en ekstern modell.

Hvorfor prompter versjonsstyres som kode

Når en prompt går fra å være noe du skriver for hånd, til å bli en fast del av et system, endres kravene. I et produksjonssystem er prompten en del av logikken, akkurat som kode: Den avgjør hva tjenesten faktisk gjør.

Og fordi en liten endring i formuleringen kan endre resultatet merkbart, må prompter spores på samme måte som kode: hva ble endret, når og hvorfor. Da kan man teste en ny versjon kontrollert, måle om svarene ble bedre eller dårligere, og gå tilbake til den forrige hvis endringen gjorde noe dårligere. Å endre en prompt i produksjon uten sporbarhet er like risikabelt som å endre kode uten versjonskontroll.

Å bygge systemer der promptene er gjennomtenkte, testet og sporbare, er en del av det å gjøre AI pålitelig i drift. Vil du vite hvordan vi jobber med det, kan du lese mer om AI-tjenestene våre eller ta kontakt med en beskrivelse av hva dere vil at modellen skal gjøre.