Slå begreber og forkortelser op i ordbogen
Vælg AI værktøj og model efter opgaven
Vælg værktøj og model gennem en afprøvning af jeres egne opgaver. Kvalitet, databehandling, integration, omkostning og drift skal vurderes samlet. Den model, der klarer sig bedst på en offentlig rangliste, er ikke nødvendigvis det bedste valg til jeres arbejdsgang.
Microsoft Copilot, ChatGPT, Claude og Gemini er produktfamilier med forskellige brugerflader, abonnementer og udviklingsmuligheder. Et valg mellem dem er derfor også et valg mellem konkrete tjenester og opsætninger. En privat chatkonto og en API-integration skal ikke behandles som samme løsning.
Denne artikel giver en beslutningsmetode frem for en produktrangliste. Produktvilkår og funktioner skal kontrolleres på indkøbstidspunktet. RAG fra dokumenter til brugbar viden (AI-07-001) beskriver de forskellige miljøers muligheder for dokumentbaseret viden, mens Vælg mellem at købe tilpasse og bygge AI (Q10) behandler køb, tilpasning og egen udvikling.
Beskriv den konkrete anvendelse
Saml et lille, repræsentativt udvalg af opgaver. Det kan være tilbudsudkast, tekniske spørgsmål eller klassifikation af henvendelser. Medtag vanskelige eksempler og tilfælde, hvor det korrekte svar er at bede om flere oplysninger. Aftal, hvad der gør et resultat anvendeligt, før produkterne sammenlignes.
Definér sprog, svartid, datafølsomhed og nødvendige integrationer. Et værktøj kan være godt til fri tekst og utilstrækkeligt til en proces, hvor beløb og produktnumre skal være præcise. Det kan også levere gode svar, men være besværligt at bruge i medarbejderens normale system.
Vælg højst nogle få realistiske kandidater. Brug samme opgaver og samme vurderingskriterier. Tilpas hver kandidat på en rimelig måde, så sammenligningen ikke alene tester, hvem der tilfældigvis fik den bedste første prompt. Registrér opsætningen, så forsøget kan gentages.
Vurder både svaret og løsningen omkring det
| Dimension | Hvad I undersøger | Muligt stopkriterium |
|---|---|---|
| Kvalitet | Korrekthed, dækning og behov for rettelse | Kritiske fejl kan ikke kontrolleres forsvarligt |
| Databrug | Opbevaring, træning, adgang og underleverandører | Nødvendig behandling kan ikke afklares |
| Arbejdsgang | Integration, kildevisning og overtagelse | Brugerne må lave arbejdet to gange |
| Økonomi | Samlet omkostning pr. brugbart resultat | Kontrolarbejde ophæver den forventede gevinst |
| Drift | Ændringer, support og mulighed for at stoppe | Ingen kan håndtere fejl eller versioner |
Microsofts designprincipper fremhæver blandt andet robusthed og drift i AI-løsninger. [1] Vores anbefaling er derfor at teste mere end modelsvaret. Hvis løsningen skal bruge en videnskilde eller udføre en handling, skal hele forløbet indgå i sammenligningen.
Hold ufravigelige krav adskilt fra point. En høj kvalitetsscore kan ikke opveje, at en tjeneste ikke må modtage de nødvendige data. Lav først en afgrænsning af acceptable løsninger og sammenlign derefter nytte og omkostning mellem dem.
Test variation og menneskeligt efterarbejde
Afprøv flere formuleringer af samme behov og gentag udvalgte opgaver, når variationen har betydning. En model kan levere forskellige resultater, selv om opgaven ligner sig selv. Bedøm, om resultatet stadig holder sig inden for det acceptable, ikke om teksten er ordret ens.
Anthropics evalueringsvejledning fremhæver kombinationen af automatiske målinger og menneskelig vurdering. [2] Brug fagpersoner til et repræsentativt udvalg. En anden model kan hjælpe med at finde mulige fejl, men dens enighed er ikke et bevis for korrekthed. Vurdér kvaliteten af AI svar og handlinger (Q24) beskriver et mere systematisk kvalitetsgrundlag.
Registrér tid til kontrol og rettelser. Hvis ét værktøj skriver hurtigere, men kræver mere efterarbejde, skal den forskel indgå. Vurder også, om resultatet er forståeligt for modtageren. En teknisk korrekt tekst kan være ubrugelig, hvis kunden eller medarbejderen misforstår den.
Vælg databehandling på aftaleniveau
Afklar præcis tjeneste, kontrakt, region, opbevaring, sletning, supportadgang og anvendelse af indhold. Datatilsynets cloudvejledning viser, at leverandørkæden og eventuelle overførsler kræver vurdering. [3] Et generelt udsagn om europæisk datalagring besvarer ikke alle spørgsmål.
Hvis en prøve kun må bruge offentlige eller syntetiske data, skal det fremgå. En god test med sådanne data dokumenterer ikke, at løsningen er godkendt til personoplysninger eller forretningshemmeligheder. Beskyt fortrolige oplysninger når I bruger AI (Q16) og Vælg AI leverandør og bevar handlefriheden (Q23) går videre med sikkerhed og leverandørvilkår.
Et eksempel på et valg med to modeller
Virksomheden i dette eksempel sammenligner to modeller til interne produktspørgsmål. Den første giver mere flydende svar, men springer oftere produktversionen over. Den anden beder oftere om en præcisering og giver kortere svar. På almindelige spørgsmål vurderer brugerne den første som behageligst.
Når teamet medregner versionsfejl og kontrollen af dem, bliver den anden løsning mere attraktiv til den konkrete opgave. Til markedsføringstekst kan vurderingen være anderledes. Pointen er at vælge pr. anvendelse og samtidig undgå en unødvendig samling af leverandører, som virksomheden ikke kan styre.
Flere modeller kan give en fordel ved forskellige opgaver eller som reserve. Det skaber også ekstra aftaler, test og vedligeholdelse. Et skifte mellem modeller må ikke ske automatisk, hvis den alternative leverandør ikke er godkendt til de data, der sendes.
Genbesøg valget når forholdene ændres
Eksperimentet sammenligner kandidater. MVP’en viser, om den valgte løsning fungerer for rigtige brugere. Ved skalering følges kvalitet, omkostning og ændringer i tjenesterne. Bevar et fast testsæt, så en ny version kan sammenlignes med den nuværende, før den frigives.
Næste ledelsesbeslutning: Godkend opgaver, ufravigelige krav og evalueringskriterier. Vælg den løsning, der samlet giver et kontrollerbart og økonomisk forsvarligt resultat, og aftal, hvad der skal udløse en ny vurdering.
Kundeeksempel med mål og opfølgning
Ved kundeserviceopgaven kan to modeller sammenlignes på de samme repræsentative sager. Mål samlet tid inklusive rettelser og kildekontrol, alvorlige fejl og driftsomkostning. En velformuleret besvarelse har begrænset værdi, hvis den bruger en forkert produktversion.
Brug målet fra serviceeksemplet, 12 til 9 minutter pr. sag, som værdihypotese. En billigere model, der øger efterarbejdet, kan være dyrere pr. godkendt svar. Valget træffes på hele arbejdsgangen og genbesøges efter ændringer.
Brug den samlede VP/SE-model, VP-vejledningen og SE-vejledningen. Begge estimater revurderes før Hypotese, MVP og Skalering. VP/SE er et lokalt præferenceindeks, ikke økonomisk ROI eller WSJF. Lær anvendelsen på halvdag 1 om VP og halvdag 2 om SE og prioritering, hver fire timer inklusive pause.
Kilder og videre læsning
Eksempler og handlingsforslag er EnableAIs faglige vurdering. Virksomhedseksempler og regnetal er illustrative. Artiklen er opdateret med konkrete regneeksempler og henvisninger den 15. september 2026.
[1] Microsoft · Design principles for AI workloads