Lorem ipsum dolor sit amet, consectetur adipiscing elit. Ut faucibus enim mauris, vel dignissim...
Generativ AI skaber nyt indhold som tekst, billeder og kode. Lær hvad GenAI er, hvordan det virker, og hvad det betyder for din virksomhed.


Generativ AI fungerer ved at forudsige det næste element i en sekvens. For tekstmodeller betyder det, at modellen forudsiger det næste ord baseret på alle de foregående ord og den kontekst, den har fået.
Modellerne er trænet på milliarder af tekster, billeder eller andre data. Under træningen lærer de statistiske sammenhænge mellem ord, begreber og strukturer. Når du stiller et spørgsmål eller giver en instruktion (et prompt), bruger modellen disse mønstre til at generere et svar, der passer til konteksten.
Det betyder også, at generativ AI ikke forstår indholdet, som et menneske gør. Den producerer sandsynlige svar baseret på mønstre, hvilket er grunden til, at den nogle gange hallucinerer.
De mest udbredte erhvervsanvendelser af generativ AI er:
Content og kommunikation: Udkast til marketingtekster, emails, produktbeskrivelser og sociale medieopslag. AI skriver sjældent det endelige output, men reducerer tiden fra blank side til første udkast markant.
Kodegenerering: Udviklere bruger GenAI til at skrive, debugge og forklare kode. Det accelererer softwareudvikling betydeligt.
Videnshåndtering: Opsummering af møder, dokumenter, kontrakter og rapporter. Særligt værdifuldt i organisationer med store mængder ustruktureret information.
Kundesupport: AI-assistenter, der kan besvare kundespørgsmål baseret på virksomhedens vidensbase, ofte via RAG.
Strategisk analyse: Generering af scenarier, SWOT-analyser og konkurrentoversigter som udgangspunkt for ledelsesmæssige beslutninger.
Generativ AI er ikke en søgemaskine. Den henter ikke fakta fra internettet (medmindre den er udvidet med RAG eller søgefunktionalitet). Den genererer svar baseret på mønstre i træningsdata, hvilket betyder, at den kan producere overbevisende men forkerte svar.
Generativ AI er heller ikke en erstatning for faglighed. Den er et produktivitetsværktøj, der kræver menneskelig vurdering af output. De bedste resultater opstår, når fageksperter bruger GenAI som en accelerator, ikke som en erstatning.
AI (Kunstig Intelligens): Paraplybetegnelsen, som generativ AI er en del af. LLM (Large Language Model): De sprogmodeller, der driver de fleste GenAI-værktøjer. Foundation Model: De store grundmodeller, som GenAI bygger på. Prompt Engineering: Kunsten at formulere instruktioner til GenAI-modeller. Fine-tuning: Tilpasning af en GenAI-model til et specifikt domæne. Hallucinationer: Når GenAI genererer overbevisende men forkerte svar.