Tjek
Her er 7 typiske påstande om AI. Men holder de?
Illustration: Håkan Rossing
3.6.2026
af
Julius Krause
AI-debatten kan lyde som sort snak. Vi har hentet hjælp fra forskere og rådgivere til at forklare nogle af de mest udbredte begreber og misforståelser.
Tjek
Illustration: Håkan Rossing
3.6.2026
af
Julius Krause
Korrekt, men…
Da ChatGPT i 2022 viste sig for omverdenen, blev det flittigt beskrevet som det første eksempel på kunstig intelligens, der nåede ud til almindelige forbrugere. Men AI har faktisk eksisteret i flere årtier og i forskellige former.
Den kunstige intelligens har optrådt under andre navne helt siden 80’erne, forklarer Christian Hendriksen, der er lektor på Institut for Produktion og Erhvervsøkonomi på Copenhagen Business School (CBS), hvor han forsker i generativ AI.
”AI er blevet kaldt mange forskellige ting i tidens løb. I 80’erne kaldte vi det fx ekspertsystemer,” siger han.
Dengang var AI’en mere primitivt anlagt. Kodningen var en langstrakt manuel proces. Modellerne kunne også kun løse meget specifikke og simple opgaver.
”Der var en stor idé i 80’erne og 90’erne om, at virksomheder kunne styres med de her ekspertsystemer, men det kunne ikke skaleres og var ikke robust,” siger Christian Hendriksen.
Senere udviklede man et ’neuralt netværk’, hvilket moderne AI bygger på i dag. Netværket minder på nogle punkter om menneskehjernens signalnetværk, hvor et utal af neuroner sender signaler til hinanden om at udføre handlinger, så vi fx kan tage fat i kaffekoppen.
”Næsten alle moderne AI-systemer træner på den måde. Så fx når du spørger ChatGPT om noget, er det et kæmpestort neuralt netværk med billioner af parametre, der er kalibreret til, at der sendes helt præcise værdier mellem hinanden. Og dermed genererer ChatGPT den opgave, du har brug for,” siger Christian Hendriksen.
Forkert
Christian Hendriksen trækker en grov skillelinje mellem AI-formerne.
På den ene side står sprogmodeller som fx ChatGPT: Såkaldt generativ AI, der fx kan producere tekst, billeder, video eller kode.
På den anden side har vi predictive AI eller på dansk ’forudsigende AI’, der gør brug af machine learning, forklarer Christian Hendriksen.
”Machine learning-systemer forudsiger en værdi. Fx hvis en virksomhed har data fra de seneste par år, og de vil finde ud af, hvor stort salg de har til december næste år. Så træner vi en AI-model til at prøve at forudsige lige præcis dét.”
Forudsigende AI, der bygger på machine learning, har formentlig også haft medbestemmelse over filmvalget hjemme i din hjørnesofa.
”Netflix bruger også kontoens historik til at forudsige, hvad brugeren allerhelst vil se,” siger Christian Hendriksen.
Forskeren siger, at hverdagsbrugeren bør være dækket ind ved at bruge tommelfingerreglen: forudsigende (Netflix) og generativ (ChatGPT).
Forkert, men der er overlap
Kategori:
Generativ AI – forkortet ’GenAI’ - betegner den overordnede kategori af AI, der kan generere nyt indhold. Fx tekst, billeder, lyd, video eller kode.
Type:
Sprogmodel er en teknisk kategori. Det er en underkategori af AI, der både kan trænes på tekst og skabe tekst ved at forudsige sandsynlige ord-rækkefølger, der dermed udgør en sætning.
LLM er en engelsk forkortelse for ’Large Language Model’, altså en stor og avanceret sprogmodel. LLM'er fungerer tit som motor bag moderne AI-værktøjer som fx ChatGPT.
App:
Ordet chatbot dækker i AI-sammenhæng over en app, man kan chatte med. Bot er en forkortelse for en robot. Fx er ChatGPT en chatbot, som bygger på en LLM, altså en stor sprogmodel.
Avanceret app:
AI-agenter kan arbejde selvstændigt. Forskellen på agenten og chatbotten er, at en chatbot svarer, mens en AI-agent handler selv. Agenterne kan fx planlægge kalendere, kode, sende e-mails eller overvåge.
"Det store skridt er, når chatbotten er blevet så klog, at man kan vise den, hvordan redskaber bruges og kan handle på dine vegne. Fx læse mails eller slå ting op. Og dér bliver den til en AI-agent,” siger Christian Hendriksen fra CBS.
Ledige stillinger
Nej, ikke længere
Hvor nøjagtig skal man egentlig være, når man prompter?
I den spæde fase sagde mange fx ’skriv på engelsk for at få et bedre svar’, men det behøver ikke længere være tilfældet.
”Engang var det virkelig vigtigt, at man var præcis, men modellerne er blevet så gode, at de ret godt kan regne intentionen ud,” siger Anders Hvid, der er partner i konsulenthuset DareDisrupt og forfatter til flere bøger om AI.
For at teste det forsøgte skribenten af denne artikel at prompte Shakespeares verdenskendte ”To be, or not to be: that is the question”, men baglæns, med flere bogstaver i en tilfældig rækkefølge og uden nogen kontekst: ”noiutesq hte si hath :eb ot not or, eb ot” .
Til det svarede ChatGPT: ”Det er starten på Hamlets berømte monolog om liv og død.”
Prøv igen…
Brian Nygaard er uddannet advokat og nu foredragsholder. Han underviser bl.a. i introduktion til prompting hos Djøfs kurser og uddannelser.
Brian Nygaard bemærker tit en utålmodighed hos nye AI-brugere, hvis ikke chatbotten rammer bullseye i første forsøg.
”Man skal insistere på at få et svar. Folk har en tendens til at give op, hvis den ikke svarer rigtigt første gang,” siger Brian Nygaard.
Anders Hvid siger også, at man skal stå fast på at få et svar, samtidig med at man forbedrer sin evne til at prompte. Det gør man fx ved at eksperimentere med spørgsmålene.
Han påpeger også, at man kan bruge ’meta-metoden’, hvis man er i tvivl om, hvorvidt AI-redskabet kan svare på spørgsmålet.
”Hvis prompten ikke virker, så sig til den: ’Jeg har den her prompt, den virker ikke. Hvordan kan jeg gøre den bedre?’ Eller: ’Jeg arbejder i den her funktion, hvad kan jeg bruge AI til?’ På den måde går man et niveau op, når man sidder fast.”
Forkert
Det store AI-kapløb mellem tech-giganterne handler rigtig meget om at have adgang til brugerne. Og det har Google som verdens foretrukne søgemaskine.
I AI-kontekst betyder det, at vi kan løbe, men ikke gemme os: Folk, der benytter Google-produkter, benytter nemlig allerede Google Gemini, der er Googles AI-model, siger Christian Hendriksen fra CBS. Også uden at de nødvendigvis ved det. Mange kender nok bedst Gemini fra toppen af et søgeresultat, hvor der står ’AI-oversigt’.
”Jeg tror, alle kender ChatGPT af navn nu. Men de fleste bliver faktisk eksponeret mest over for Googles AI. I nogle undersøgelser kan man se, at der faktisk er flere, der bruger Google AI-funktioner, end der er folk, der bruger ChatGPT,” siger Christian Hendriksen.
Googles Gemini er også integreret i funktioner såsom Gmail, Google Workspace og Google Calendar.
Nej
Det hele skal ikke handle om Google-vaner, men det kan man risikere. For er man grøn AI-bruger, kan det være svært at lægge browser-vanerne fra sig. I modsætning til Google bliver AI nemlig bedre, når man bliver lidt længere i spyttet, mener Brian Nygaard, der underviser i prompting.
”Det er en misforståelse, når folk tænker: ’Jamen, den svarer jo alle lige godt,’” fortæller han.
”Det er min erfaring, at du også får et bedre svar, desto mere tid du bruger på at forklare den, at det er vigtigt for dig. Jeg bruger fx nogle gange store bogstaver og udråbstegn,” siger Brian Nygaard.
Oplægsholderen har også et eksempel fra sine egne kurser på, hvordan han insisterende sætter den på prøve.
”Når jeg underviser, bruger jeg en taleassistent. Så starter jeg med at sige: ’Jeg står foran 80 mennesker, det er rimelig vigtigt, jeg ikke bliver til grin, så gider du ikke svare på følgende,’ og så anstrenger den sig virkelig,” siger Brian Nygaard.
Vibe code
At ’vibe code’ betyder, at man koder ad hoc ved hjælp af AI. Undervejs bruger man AI til fx at skrive kode. Dermed kan novicer fx kode hjemmesider eller programmer uden at være afhængige af en professionel. Vibecoding er blevet meget populært, men møder også kritik, da brugeren ikke nødvendigvis har de rette kompetencer til at gennemskue fejl.
Token
Tokens er brudstykker, der hjælper AI-modellerne med at omsætte information til et svar. Skriver man fx ’Forskning’ kan ordet brydes op i to tokens: ’forsk’ og ’ning’. På den måde bryder den ord ned i elementer, den kan arbejde med. Ord, stavelser, tal, tegn mv. er en token.
Bias i AI
Der har været eksempler på, at AI-redskaber har arvet biases fra deres træningsdata. Fx er der flere eksempler på, at de diskriminerer ud fra køn og race.
Prompt
Oprindelig et engelsk udtryk, der betyder, at man anmoder om eller tilskynder til noget. Ordet blev brugt i teateret om en sufflør, der på engelsk kaldes en ’prompter’. En sufflør havde til opgave at give stikord til skuespilleren om fx et sceneskift eller glemte replikker.
Hallucinationer
Når AI tager fejl ved fx at viderebringe falske eller fiktive informationer.
Guardrails
Ligesom man har bander på en bowlingbane, kan man have bander til sin AI. Det sikrer, at den ikke kører af sporet og fx skaber ulovligt indhold eller bryder med virksomhedens regler.
Fine tuning
Man træner en AI-model på bestemt data med henblik på at specialisere den til en bestemt opgave.
Kontekst
Den information, modellen har til rådighed for at give et svar. Det kan fx være tidligere samtaler, du har haft, men det kan også være information, den søger sig frem til, eller databaser, du giver den adgang til.
Redskaber eller ’tools’
Moderne sprogmodeller kan bruge redskaber, som du giver dem adgang til. Det mest almindelige er fx søgefunktionen i ChatGPT. Modellen får dit prompt, og så kigger den på, hvilke redskaber den har til rådighed, og bruger de mest relevante, fx sin søgemaskine. I praksis kan man give sin sprogmodel mange redskaber, fx adgang til Dropbox eller Gmail.
Kilder: Lex.dk; Christian Hendriksen, CBSDJØF ARRANGEMENTER OG KURSER
