Prompt engineering
Prompt engineering er å formulere og strukturere instruksjoner til generativ kunstig intelligens (AI, også kalt KI) slik at svarene blir mer relevante, korrekte og brukbare. Det handler om kontekst, rolle, format, begrensninger og eksempler, ikke om magiske fraser.
Hva er prompt engineering?
En prompt er inndata som beskriver oppgaven: bakgrunn, ønsket format og hva modellen skal unngå. God prompting reduserer vaghet, deler store oppgaver i steg og gir kilder eller fakta den skal bygge på.
I B2B brukes det til utkast av tekst, oppsummeringer, kodeforslag og analyse. Det erstatter ikke HITL: viktige resultater bør fortsatt kontrolleres. Med RAG legges egen kunnskap inn i konteksten i stedet for å stole på modellens hukommelse alene.
Et eksempel fra B2B
Tenk deg et markedsteam som vil ha LinkedIn-innlegg fra en fagartikkel. Første prompt gir generiske klisjeer. De endrer instruksjonen: målgruppe, tre hovedpoenger fra artikkelen, maks lengde, forbud mot påstander uten kilde, og eksempel på ønsket tone.
Redaktøren sjekker fakta og siterer artikkelen. Teamet lagrer den vellykkede prompten som mal for lignende oppgaver.
Vanlige feil
- Å forvente perfekte svar fra én kort, uklar prompt.
- Å lime inn konfidensielle kundedata uten policy.
- Å publisere uten å kontrollere for hallusinasjoner og tonetreff.
Kilder
Ofte spurt
Fagfolk i innhold, produkt og utvikling jobber med prompts i praksis. Dedikerte roller finnes i større AI-prosjekter. Hva et B2B-team trenger, avhenger av oppgavene og kravene til kvalitet; maler bør testes mot representative eksempler.
Ikke nødvendigvis. Relevant kontekst og tydelige krav hjelper mer enn unødvendig tekst. Test og forenkle.
Prompting styrer modellen ved kjøring. Fine-tuning endrer modellen med trening. De fleste markeds- og salgsoppgaver starter med prompting og gode kilder.