Hvad er Generativ AI?

Hvordan virker generativ AI?

Kernen er enklere, end den lyder: modellen forudsiger det næste element i en sekvens. For en sprogmodel er det næste ord, givet alle de foregående ord og den kontekst, den har fået. Gentag det mange gange, og der kommer en sammenhængende tekst ud.

Evnen kommer fra to faser. Først pretraining, hvor modellen læser milliarder af tekster, billeder eller kode og lærer de statistiske sammenhænge mellem ord og begreber. Derefter post-training, hvor modellen finjusteres til at følge instruktioner og svare brugbart, ofte med menneskelig feedback. Det er den anden fase, der gør forskellen mellem en model, der bare fuldfører tekst, og en assistent, du kan tale med.

De største modeller er multimodale. De er trænet på flere typer indhold samtidig og kan derfor tage et billede ind og beskrive det, eller tage tekst ind og lave et billede. Det er den samme grundmekanik, blot på tværs af formater.

Den vigtigste konsekvens at forstå er, at modellen ikke forstår indholdet, som et menneske gør. Den producerer det mest sandsynlige svar ud fra mønstre, ikke ud fra viden om verden. Derfor kan den lyde sikker og tage fejl på samme tid, det vi kalder en hallucination. Og derfor afhænger kvaliteten af svaret så meget af konteksten: jo mere præcis og relevant information du giver i dit prompt, jo bedre bliver outputtet.

Vi rådgiver danske virksomheder om at bruge generativ AI dér, hvor det flytter noget, og bygger løsningerne med de rette guardrails og datakontrol. Kontakt os for en uforpligtende vurdering af jeres muligheder.

Hvad bruger danske virksomheder generativ AI til?

De mest værdifulde anvendelser har et fællestræk: en opgave, hvor det at komme fra blank side til første udkast tager tid, og hvor et menneske kan rette efter.

Content og kommunikation: udkast til marketingtekster, mails, produktbeskrivelser og opslag. AI skriver sjældent det færdige, men den fjerner den dyre blanke side.

Kodning: udviklere bruger generativ AI til at skrive, forklare og fejlfinde kode. Her er gevinsten ofte målbar i sparet tid pr. opgave.

Videnshåndtering: opsummering af møder, kontrakter, rapporter og lange tråde. Mest værdifuldt i organisationer, der drukner i ustruktureret tekst.

Kundeservice: assistenter, der svarer ud fra virksomhedens egen vidensbase via RAG, så svarene er forankret i jeres egne kilder.

Analyse og research: førsteudkast til scenarier, konkurrentoversigter og noter, som en fagperson så kvalificerer.

Og lige så vigtigt, hvor det ikke egner sig: opgaver, der kræver garanteret korrekte tal, juridisk præcision uden kontrol, eller beslutninger, hvor en overbevisende men forkert tekst kan gøre skade. Der skal generativ AI have en kilde under sig og et menneske over sig.

Hvad generativ AI ikke er

Generativ AI er ikke en søgemaskine. Den henter ikke fakta fra nettet, medmindre den er koblet til søgning eller RAG. Alene producerer den svar ud fra mønstre i træningsdata, og de kan være forældede eller forkerte.

Den er ikke en facitdatabase. To kørsler af samme prompt kan give to forskellige svar, fordi der er tilfældighed i, hvordan ordene vælges. Det er en styrke, når du vil have variation, og en svaghed, når du vil have det samme hver gang.

Og den er ikke en erstatning for faglighed. Den er en accelerator. De bedste resultater opstår, når en fagperson bruger den til at komme hurtigere frem, ikke til at slippe for at vurdere. Den dag medarbejdere sender fortrolige data til offentlige værktøjer uden retningslinjer, er det ikke teknologien, der fejler, men manglende governance. Det er her, begreber som Shadow AI og guardrails bliver konkrete.