Prompt engineering
Teknik til effektive AI-forespørgsler
Hvad er Prompt engineering?
Prompt engineering er kunsten og teknikken i at formulere spørgsmål eller opgaver til en AI-model, så man får det mest relevante, klare og brugbare svar. AI, som ChatGPT, arbejder ved at analysere den tekst, den får som input – det, man kalder en prompt – og derefter generere output baseret på det. En god prompt formulerer derfor opgaven så tydeligt og konkret som muligt. Det kan eksempelvis være at bede ChatGPT om at skrive en kundemail, lave en produktbeskrivelse eller skabe idéer til en kampagne. Teknikken bruges til at undgå misforståelser og sikrer, at AI’en leverer svar, man i praksis kan bruge i marketingarbejdet.
I marketing handler prompt engineering typisk om at balancere mellem overordnede ønsker og detaljerede instruktioner. Hvis man bare skriver ’Fortæl om et produkt’, kan svaret blive bredt og upræcist. Hvis man i stedet skriver ’Skriv en kort og kundevendt tekst på 100 ord om fordelene ved vores nye løbesko, rettet mod begyndere’, skærpes både konteksten og målgruppen. Det gør det lettere for AI’en at skabe et værdifuldt resultat.
Effektiv prompt engineering hjælper med at spare tid, forbedre tekstkvaliteten og øge relevansen, når man arbejder med AI i marketing. Det er en praktisk færdighed, der bliver stadig vigtigere i takt med, at flere virksomheder bruger AI-assistenter til kreativ produktion, automatiserede opgaver og dataanalyse.
Et eksempel kan være en marketingmedarbejder, der vil lave sociale medie-opslag. I stedet for at bede AI’en om ’Skriv et opslag om vores nye produkt’, kan de bruge prompt engineering for at specificere stil, længde, målgruppe og tone, fx: ’Skriv et kort, venligt opslag til Instagram målrettet unge voksne, der fremhæver miljøvenlige aspekter ved vores nye produkt.’ På den måde bliver resultatet både mere præcist og lettere at bruge direkte.
Samlet set er prompt engineering en måde at tale med AI på, så den forstår opgaven bedst muligt og kan levere svar, som er klar til brug i professionel markedsføring.
Hvad der kendetegner en god prompt
En god prompt skal først og fremmest være klar og konkret, så AI’en ikke er i tvivl om, hvad der forventes. Utydelige eller for generelle prompts risikerer at give brede, ufokuserede svar, som ikke kan bruges direkte i marketingarbejdet. Derfor indeholder en effektiv prompt ofte flere specifikke oplysninger:
- Formålet med opgaven: Hvorfor skal der laves denne tekst eller analyse?
- Målgruppen: Hvem skal kommunikationen henvende sig til?
- Tone og stil: Skal teksten være formel, uformel, inspirerende eller informativ?
- Længde: Hvor langt skal svaret være? En kort tekst eller en mere udførlig forklaring?
- Formatet: Skal det være en overskrift, en liste, en annonce eller noget helt andet?
Dette gør det lettere for AI’en at levere det ønskede indhold. En anden vigtig egenskab ved en god prompt er enkelhed – den skal være forståelig uden kompliseret sprog eller unødvendige detaljer, som kan forvirre AI’en. Samtidig må prompten ikke være for kort eller vag.
Det kan også være en fordel at angive eksempler eller særlige krav, hvis opgaven kræver det. For eksempel at teksten ikke må indeholde tekniske termer, eller at den skal indeholde et bestemt call to action. Disse ekstra detaljer hjælper AI’en med at tilpasse svaret endnu mere præcist til formålet.
En anden fælde, man ofte undgår, når man arbejder med god prompt engineering, er at forvente at AI’en kan læse tanker. Den skal have al relevant information direkte i prompten – hvis noget er underforstået, kan AI’en misforstå opgaven. Derfor bliver det ofte en proces at prøve sig frem med forskellige formuleringer, indtil man finder den prompt, der giver det bedste resultat.
Som marketingfolk giver god prompt engineering derfor mulighed for at bruge AI mere effektivt, spare tid på omskrivning og sikre, at produktionen af tekst og idéer skaber værdi. At blive fortrolig med denne teknik kan gøre arbejdsprocesser mere agile og kreative med AI som støtteværktøj.
FAQ om Prompt engineering
Uden klare og velstrukturerede prompts kan AI’en give brede eller irrelevante svar. God prompt engineering sikrer, at AI’en forstår opgaven rigtigt og leverer præcist det, du har brug for, hvilket sparer tid og forbedrer kvaliteten af det genererede indhold.
En dårlig prompt kunne være: ‘Skriv noget om vores produkt.’ Den er for vag og giver et upræcist svar. En god prompt kunne være: ‘Skriv en kort, engagerende produktbeskrivelse på 100 ord om vores miljøvenlige løbesko, rettet mod unge voksne.’ Den fortæller AI’en præcis, hvad den skal lave.
Vær specifik omkring formål, målgruppe, tone, og format. Tænk over, hvad du vil have AI’en til at fokusere på, og inkluder de oplysninger i prompten. Brug klare sætninger og undgå tvetydigheder. Prøv evt. flere variationer for at finde den bedste formulering.
Ja, prompt engineering kan bruges til mange marketingopgaver som tekstproduktion, idéudvikling, automatisering og dataanalyse, så længe opgaven kommunikeres klart til AI’en via prompten.
Længden afhænger af opgaven, men en effektiv prompt er ofte præcis og samtidig detaljeret nok til at inkludere nøgleoplysninger. For korte prompts kan mangle vigtige detaljer, mens alt for lange kan forvirre AI’en. En god tommelfingerregel er at give tilstrækkelig kontekst uden at overkomplicere.
Du kan bruge både danske og engelske prompts, men kvaliteten af svar kan variere. ChatGPT fungerer godt på begge sprog, men det er vigtigt at skrive klare og præcise prompts uanset sprog for det bedste resultat.
Prøv at justere din prompt ved at tilføje mere detaljer eller konkretisere kravene. Du kan også bede AI’en om at uddybe eller ændre stilen. Nogle gange kræver det flere forsøg at finde den optimale prompt.
Ja, ved at mestre prompt engineering kan marketingteams få hurtigere og mere målrettede resultater fra AI, hvilket sparer tid, minimerer omskrivning og øger kvaliteten af AI-genereret indhold.
Har din virksomhed brug for sparring?
Hvis det har interesse, så tilbyder jeg en uforpligtende snak, om hvordan jeg kan hjælpe dig, med at forbedre din online tilstedeværelse.





















