Begrebsordbog til AI-transformation

EnableAI · Version 1.1 · Opdateret 2026-09-30

Korte definitioner, danske og engelske betegnelser og forkortelser. EnableAI-specifikke begreber er markeret; eksterne kilder er her fagligt afsæt og definerer ikke vores lokale model. Ordbogen opdateres efter ejerens kommando.

AI, SI, AGI og ASI: Hvad er forskellen?

Forkortelserne beskriver ikke én fælles rangstige: nogle handler om evner, andre om arbejdsform eller navngivning. SI skal altid læses i den sammenhæng, hvor afsenderen bruger det.

AI / KI

Dimension: Overbegreb. Fagområde og teknologier til opgaver forbundet med intelligens. Omfatter flere metoder og anvendelser; siger ikke alene noget om intelligensniveau.

Kilder: OECD.AI: Updates to the OECD definition of an AI system (en) · Lex / Københavns Universitet: Kunstig intelligens (da).

ANI / smal AI

Dimension: Bredde af evner. Afgrænset til bestemte opgaver eller områder. Kan slå mennesker i en enkelt disciplin uden at være AGI.

Kilder: IBM: Types of artificial intelligence (en) · Shopify Danmark: Smal AI, generel AI og superintelligens (da).

AGI

Dimension: Bredde og niveau. Brede, fleksible evner sammenlignelige med menneskers. Testkriterier varierer; betyder ikke automatisk ASI eller bevidsthed.

Kilder: Google DeepMind: Levels of AGI: performance, generality and autonomy (en) · OpenAI: Kunstig generel intelligens: OpenAIs definition (da).

ASI / teknisk superintelligens

Dimension: Niveau af evner. Hypotetisk AI, der bredt overgår menneskers kognitive evner. Mere end høj præstation på en enkelt opgave.

Kilder: IBM: Artificial superintelligence (en) · Google DeepMind: Levels of AGI: performance, generality and autonomy (en) · Shopify Danmark: Smal AI, generel AI og superintelligens (da).

SI / amerikansk myndighedsbetegnelse

Dimension: Navngivning. Præsidentordren af 29. september 2026 bruger SI om de systemer, som den eksisterende AI-lovdefinition omfatter. Gælder den udøvende føderale forvaltning inden for lovens rammer; dokumenterer ikke teknisk ASI.

Kilder: The White House: Inaugurating the Era of Super Intelligence, 29 September 2026, sections 2–3 (en).

Synthetic intelligence

Dimension: Kildespecifik betegnelse. Hos Boahen: hjerneinspireret AI med dendrocentrisk læring. Hverken en entydig kapacitetsklasse eller det samme som syntetiske data.

Kilder: Stanford Bioengineering: Dendrocentric learning for synthetic intelligence: Boahens forskningsbrug (en).

GenAI

Dimension: Type af output. Fremstiller indhold, eksempelvis tekst eller billeder. Kan indgå i et agentisk system uden dermed at være AGI.

Kilder: IBM: Generative AI (en).

Agentisk AI

Dimension: Arbejdsform og handlefrihed. Planlægger og udfører handlinger for at nå mål. Selvstændighed er en anden dimension end bred intelligens.

Kilder: Anthropic: Building effective agents (en) · Google DeepMind: Levels of AGI: performance, generality and autonomy (en).

Multimodal AI

Dimension: Datatyper. Behandler eller kombinerer eksempelvis tekst, billeder og lyd. Flere datatyper er ikke i sig selv et højere intelligensniveau.

Kilder: Lex / Københavns Universitet: Sprogmodel (da) · AWS: What are foundation models? (en).

Strong AI / weak AI

Dimension: Filosofisk eller teknisk sprogbrug. I filosofien: egentlig forståelse kontra simulering uden en sådan påstand. Bruges også som AGI/ANI-synonymer i teknologitekster; betydningen skal præciseres.

Kilder: Stanford Encyclopedia of Philosophy: The Chinese Room Argument: strong and weak AI (en) · IBM: Types of artificial intelligence (en).

EnableAI bruger fortsat AI som overbegreb og forklarer SI efter kildens betydning. Et nyt navn er ikke en ny modeltype eller dokumentation for bedre evner.

Navnepolitikken er beskrevet ud fra ordren af 29. september 2026 og kontrolleret 30. september 2026; senere ændringer kan kræve en opdatering.

A2A

En åben protokol til at lade AI-agenter udveksle oplysninger og samarbejde om opgaver på tværs af systemer. A2A forbinder agenter med hinanden, mens MCP typisk forbinder AI-applikationer med værktøjer og data.

Andre opslag: Agent2Agent.

Engelsk betegnelse: Agent2Agent.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: A2A Protocol / Linux Foundation: What is A2A? (en).

Opslag på hjemmesiden: A2A.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Agentisk AI

AI-systemer, der kan planlægge og udføre flere handlinger for at nå et mål med en vis selvstændighed. Handlefriheden afhænger af systemets design og adgangsrettigheder og er ikke i sig selv et mål for generel intelligens.

Andre opslag: Agentic AI.

Dansk betegnelse: Agentisk AI.

Engelsk betegnelse: Agentic AI.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: NVIDIA: Autonomous AI agents (en) · Anthropic: Building effective agents (en) · Aros Business Academy: Hvad er agentisk AI? (da).

Opslag på hjemmesiden: Agentisk AI.

Brugt i EnableAI-dokumenter:

• AI-01-100-da v1.1: Resultatorienteret AI i din virksomhed — Vi vil finde de rigtige AI-muligheder
• AI-03-001-da v0.5: Systemmodenhed: Gør virksomheden klar til agentisk AI — Systemmodenhed: Gør virksomheden klar til agentisk AI
• AI-03-100-da v1.1: Find de rigtige AI-muligheder — Giv medarbejderne mere tid til det arbejde, der tæller.
• AI-05-005-da v1.2: AI i rekruttering fra 30 muligheder til fem pilotinitiativer — Hvorfor fokuserede vi på agentisk AI og automatisering?
• AI-09-100-da v1.1: Fælles rammer og hurtigere udvikling — Giv teams frihed til at udvikle - med tydeligt ansvar.

Agil udvikling

En tilgang til udvikling med tæt samarbejde, løbende leverancer og tilpasning ud fra feedback.

Andre opslag: Agile; Agile software development.

Dansk betegnelse: Agil udvikling.

Engelsk betegnelse: Agile software development.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Agile Manifesto: Manifest for agil softwareudvikling (da) · Agile Manifesto: Manifesto for Agile Software Development (en).

Opslag på hjemmesiden: Agil udvikling.

Brugt i EnableAI-dokumenter:

• AI-01-001-da v0.4: Sæt en forretningsretning for AI — Giv strategien en rytme for læring
• AI-01-002-da v0.4: Styr transformationen efter resultater — Styr transformationen efter resultater
• AI-02-002-da v0.3: Giv ledelsen en aktiv rolle i transformationen — Skab et mandat der kan bruges i hverdagen
• AI-03-002-da v0.4: Kom godt i gang med AI i virksomheden — Lad næste skridt afhænge af resultatet
• AI-04-001-da v0.5: Prioritering af AI initiativer — Agile gør prioriteringen til en løbende praksis
• AI-04-003-da v0.4: Vælg hvilke AI initiativer der skal komme først — Hold prioriteringen levende og ansvarlig
• AI-05-004-da v0.4: Finansier læring og værdi i mindre skridt — Finansier læring og værdi i mindre skridt
• AI-06-001-da v0.3: Tilpas arbejdsgange og roller til AI — Lad modenheden følge opgaven
• AI-06-002-da v0.4: Organisér tværfaglige teams omkring arbejdet — Organisér tværfaglige teams omkring arbejdet
• AI-08-004-da v0.3: Håndtér teknisk gæld og datagæld løbende — Håndtér teknisk gæld og datagæld løbende
• AI-09-001-da v0.3: Vælg mellem at købe tilpasse og bygge AI — Et eksempel med dokumentkontrol
• AI-12-001-da v0.3: Fastlæg menneskelig kontrol med AI agenter — Udvid mandatet med dokumentation
• AI-12-002-da v0.3: Gør kvalitet og sikkerhed til en del af leverancen — Gør kravene konkrete for anvendelsen
• AI-13-001-da v0.4: Opbyg de kompetencer AI arbejdet kræver — Følg evner og effekt frem for deltagelse alene
• AI-14-001-da v0.3: Få medarbejderne til at bruge AI med omtanke — Følg anvendelse gennem alle tre stadier
• AI-14-002-da v0.4: Inddrag brugerne og ændr den daglige praksis — Inddrag brugerne og ændr den daglige praksis
• AI-15-001-da v0.3: Design et AI eksperiment der giver et brugbart svar — Tag en tydelig beslutning ved afslutningen
• AI-15-002-da v0.3: Byg en MVP der kan vise værdi i rigtig brug — Beslut hvad der skal være bevist før skalering
• AI-15-003-da v0.3: Vurdér kvaliteten af AI svar og handlinger — Følg kvaliteten efter ibrugtagning
• AI-15-004-da v0.3: Brug korte forløb til at reducere usikkerhed — Forbind iterationen med et bevis
• AI-16-001-da v0.4: Styr AI porteføljen og stop på et oplyst grundlag — Begræns antallet af samtidige initiativer
• AI-17-001-da v0.4: Beslut hvornår en AI løsning skal skaleres — Gør ejerskab og fortsat læring varigt
• AI-17-002-da v0.4: Hold AI stabil og håndtér fejl i drift — Budgettér den fortsatte opgave
• AI-17-003-da v0.4: Skab en varig praksis for læring og drift — Skab en varig praksis for læring og drift

AI-agent

Et AI-system, der kan vælge handlinger og bruge værktøjer for at løse en opgave inden for givne rammer.

Andre opslag: AI agent.

Dansk betegnelse: AI-agent.

Engelsk betegnelse: AI agent.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: IBM: AI agents (en) · KL: AI-ordbogen (da).

Opslag på hjemmesiden: AI-agent.

Brugt i EnableAI-dokumenter:

• AI-01-100-da v1.1: Resultatorienteret AI i din virksomhed — Vi vil finde de rigtige AI-muligheder
• AI-03-001-da v0.5: Systemmodenhed: Gør virksomheden klar til agentisk AI — Systemmodenhed: Gør virksomheden klar til agentisk AI
• AI-03-100-da v1.1: Find de rigtige AI-muligheder — Giv medarbejderne mere tid til det arbejde, der tæller.
• AI-05-005-da v1.2: AI i rekruttering fra 30 muligheder til fem pilotinitiativer — Hvorfor fokuserede vi på agentisk AI og automatisering?
• AI-08-005-da v1.1: Før I bygger AI-agenter: Få forretningen og medarbejderne med — Før I bygger AI-agenter: Få forretningen og medarbejderne med
• AI-08-100-da v1.1: Skab målbar værdi og engagement — Skab målbar værdi med den AI, I allerede bruger.
• AI-09-100-da v1.1: Fælles rammer og hurtigere udvikling — Giv teams frihed til at udvikle - med tydeligt ansvar.
• AI-14-003-da v1.0: AI-kultur: Mål, der motiverer medarbejderne og skaber værdi — Relateret EnableAI-viden
• AI-14-005-da v1.0: Hypotesefasen i AI: Byg kultur, før I bygger en MVP — To modeller med tre trin, som supplerer hinanden

AI-færdigheder

Viden, færdigheder og forståelse, der gør mennesker i stand til at bruge AI informeret og vurdere muligheder, begrænsninger og risici i deres arbejde.

Andre opslag: AI literacy; AI-kompetencer.

Dansk betegnelse: AI-færdigheder.

Engelsk betegnelse: AI literacy.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Digitaliseringsstyrelsen: AI-færdigheder (da) · Europa-Kommissionen: AI literacy: questions and answers (en).

Opslag på hjemmesiden: AI-færdigheder.

Brugt i EnableAI-dokumenter:

• AI-10-002-da v0.4: Afklar hvilke AI regler virksomheden skal følge — Gør kompetencer og kontrol til en praktisk opgave
• AI-13-001-da v0.4: Opbyg de kompetencer AI arbejdet kræver — Forstå det aktuelle krav om AI kompetencer
• AI-14-007-da v1.0: Udvikl jeres egne AI-talenter: Kompetencer, karriere og fælles ejerskab — Hvordan opbygger virksomheden AI-kompetencer indefra?

AI-governance

Fælles ansvar, regler og kontrol for, hvordan en organisation udvikler og bruger AI.

Engelsk betegnelse: AI governance.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: IBM: AI governance (en) · NIST: AI Risk Management Framework (en).

Opslag på hjemmesiden: AI-governance.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

AI-kultur

Hos EnableAI er AI-kultur de fælles vaner, forventninger og rammer, der gør ansvarlig AI-brug, læring og medarbejderindflydelse til en del af arbejdet.

Definitionstype: EnableAI-specifik anvendelse; eksterne kilder er fagligt afsæt, ikke en definition af EnableAI-modellen.

Kilder: NIST: AI Risk Management Framework (en).

Opslag på hjemmesiden: AI-kultur.

Brugt i EnableAI-dokumenter:

• AI-14-003-da v1.0: AI-kultur: Mål, der motiverer medarbejderne og skaber værdi — AI-kultur: Mål, der motiverer medarbejderne og skaber værdi
• AI-08-005-da v1.1: Før I bygger AI-agenter: Få forretningen og medarbejderne med — AI-kultur i praksis
• AI-13-001-da v0.4: Opbyg de kompetencer AI arbejdet kræver — AI-kultur i praksis
• AI-14-002-da v0.4: Inddrag brugerne og ændr den daglige praksis — AI-kultur i praksis
• AI-14-007-da v1.0: Udvikl jeres egne AI-talenter: Kompetencer, karriere og fælles ejerskab — Fra early adopters til kollegernes hverdag

AI-system

Et maskinbaseret system, der ud fra input og mål udleder output som indhold, forudsigelser, anbefalinger eller beslutninger. Systemet omfatter anvendelsen omkring modellerne og kan have forskellige grader af selvstændighed og tilpasning.

Andre opslag: AI system.

Dansk betegnelse: AI-system.

Engelsk betegnelse: AI system.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: OECD.AI: Updates to the OECD definition of an AI system (en) · Microsoft Azure: Hvad er kunstig intelligens? (da).

Opslag på hjemmesiden: AI-system.

Brugt i EnableAI-dokumenter:

• AI-10-002-da v0.4: Afklar hvilke AI regler virksomheden skal følge — Afklar hvilke AI regler virksomheden skal følge

AI-workflow

Et arbejdsforløb, hvor AI-modeller og værktøjer indgår i forudbestemte trin. Til forskel fra en mere selvstændig agent vælger workflowet normalt sin vej ud fra kodede regler og kontrolpunkter.

Andre opslag: AI workflow.

Engelsk betegnelse: AI workflow.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Anthropic: Building effective agents (en).

Opslag på hjemmesiden: AI-workflow.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

AI/SI

AI og SI kan betegne samme teknologi i en bestemt navnepolitik, men SI kan også henvise til superintelligens eller syntetisk intelligens i andre sammenhænge. En påstand om SI skal derfor angive både betydningen og de dokumenterede evner.

Andre opslag: AI versus SI.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: The White House: Inaugurating the Era of Super Intelligence, 29 September 2026, sections 2–3 (en) · IBM: Artificial superintelligence (en) · Stanford Bioengineering: Dendrocentric learning for synthetic intelligence: Boahens forskningsbrug (en).

Opslag på hjemmesiden: AI/SI.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Anonymisering

Behandling af data, så oplysningerne ikke længere kan knyttes til en identificerbar person.

Andre opslag: Anonymization.

Dansk betegnelse: Anonymisering.

Engelsk betegnelse: Anonymization.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Datatilsynet: Ordliste (da) · European Data Protection Board: Anonymisation / pseudonymisation (en).

Opslag på hjemmesiden: Anonymisering.

Brugt i EnableAI-dokumenter:

• AI-10-001-da v0.3: Brug personoplysninger lovligt i AI — Begræns data og gør rettigheder praktiske

API

En aftalt grænseflade, som lader programmer udveksle data eller bruge hinandens funktioner.

Andre opslag: Application Programming Interface.

Engelsk betegnelse: Application Programming Interface.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: IBM: Application programming interface (en) · Datatilsynet: Ordliste (da).

Opslag på hjemmesiden: API.

Brugt i EnableAI-dokumenter:

• AI-03-001-da v0.5: Systemmodenhed: Gør virksomheden klar til agentisk AI — Data skal have en kendt betydning og ejer
• AI-04-001-da v0.5: Prioritering af AI initiativer — Omkostninger afhænger af beslutningen
• AI-07-001-da v0.4: RAG: Fra dokumenter til brugbar viden — 2 RAG i de fire AI-miljøer
• AI-07-003-da v0.3: Brug virksomhedens viden med RAG — Vælg datakilde efter spørgsmålet
• AI-08-001-da v0.3: Vælg AI værktøj og model efter opgaven — Vælg AI værktøj og model efter opgaven
• AI-08-003-da v0.3: Forbind AI med virksomhedens eksisterende systemer — Begynd med forretningsopgaven og dens grænser
• AI-08-004-da v0.3: Håndtér teknisk gæld og datagæld løbende — Skeln mellem et bevidst kompromis og en skjult mangel
• AI-09-001-da v0.3: Vælg mellem at købe tilpasse og bygge AI — Sammenlign de tre muligheder på samme grundlag
• AI-11-001-da v0.5: Datasikkerhed: Fra regler til daglig praksis — Cloud og AI-leverandører skal kunne dokumentere aftalen

Automatisering

Brug af teknologi til at udføre opgaver med mindre manuel indsats. Automatisering kan fungere både med og uden AI.

Andre opslag: Automation.

Dansk betegnelse: Automatisering.

Engelsk betegnelse: Automation.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: IBM: Automation (en) · Den Danske Ordbog: automatisering (da).

Opslag på hjemmesiden: Automatisering.

Brugt i EnableAI-dokumenter:

• AI-04-002-da v0.3: Find de AI anvendelser der kan forbedre arbejdet — Sortér før I begynder at score
• AI-05-005-da v1.2: AI i rekruttering fra 30 muligheder til fem pilotinitiativer — AI i rekruttering fra 30 muligheder til fem pilotinitiativer
• AI-08-002-da v0.3: Vælg mellem automatisering generativ AI og agenter — Vælg mellem automatisering generativ AI og agenter
• AI-08-005-da v1.1: Før I bygger AI-agenter: Få forretningen og medarbejderne med — Trin 3 Byg enkel agentisk støtte omkring det gentagne arbejde
• AI-14-006-da v1.0: AI-træning for medarbejdere: Fra kursus til fælles praksis — Et fælles fundament med seks evner

Baseline

Et dokumenteret udgangspunkt, som senere ændringer sammenlignes med. EnableAI skelner mellem det observerede udgangspunkt og den forventede udvikling uden initiativet.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Association for Project Management: Project management glossary (en) · HM Treasury: The Magenta Book (en).

Opslag på hjemmesiden: Baseline.

Brugt i EnableAI-dokumenter:

• AI-05-006-da v3.1: Værdipoint i praksis: fra udsagn til dokumenteret forretningsværdi — Læsevejledning og læringsmål
• AI-01-001-da v0.4: Sæt en forretningsretning for AI — Sæt en forretningsretning for AI
• AI-02-001-da v0.4: Fordel ansvar og beslutninger for AI — Fordel ansvar og beslutninger for AI
• AI-03-003-da v0.3: Planlæg virksomhedens første 90 dage med AI — Kundeeksempel med mål og opfølgning
• AI-05-001-da v0.3: Byg en troværdig business case for AI — Byg en troværdig business case for AI
• AI-05-005-da v1.2: AI i rekruttering fra 30 muligheder til fem pilotinitiativer — Hvordan måler vi tid, tillid, salg og fastholdelse?
• AI-05-007-da v3.1: Fra VP og SE til beslutning, opfølgning og læring — 7. Sådan beregnes afvigelser
• AI-05-009-da v3.1: Spørgeguide og dokumentationskort til VP og SE — Kort B: Fra spørgsmål til VP
• AI-07-101-da v3.1: To halve dage: lær at estimere VP og SE og bruge dem i ledelsen — Halvdag 1: Estimér og dokumentér forretningsværdi i VP
• AI-07-102-da v1.0: Estimér forretningsværdi med VP — Effekt og udgangspunkt
• AI-14-001-da v0.3: Få medarbejderne til at bruge AI med omtanke — Kundeeksempel med mål og opfølgning
• AI-15-001-da v0.3: Design et AI eksperiment der giver et brugbart svar — Kundeeksempel med mål og opfølgning
• AI-15-002-da v0.3: Byg en MVP der kan vise værdi i rigtig brug — Gør den fulde anvendelse synlig
• AI-17-003-da v0.4: Skab en varig praksis for læring og drift — Skeln mellem vidensopdatering og modeltræning

Bias

En systematisk skævhed, som kan påvirke data, vurderinger eller AI-resultater og stille grupper forskelligt.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: IBM: AI bias (en) · KL: AI-ordbogen (da).

Opslag på hjemmesiden: Bias.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Business case

Et beslutningsgrundlag, der sammenholder forventede gevinster, omkostninger, risici og alternative muligheder for et initiativ.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Association for Project Management: Project management glossary (en).

Opslag på hjemmesiden: Business case.

Brugt i EnableAI-dokumenter:

• AI-01-001-da v0.4: Sæt en forretningsretning for AI — Vis både den direkte og den mulige fremtidige værdi
• AI-04-002-da v0.3: Find de AI anvendelser der kan forbedre arbejdet — Brug et enkelt kort for hver mulighed
• AI-05-001-da v0.3: Byg en troværdig business case for AI — Byg en troværdig business case for AI
• AI-05-004-da v0.4: Finansier læring og værdi i mindre skridt — Definér værdi før I giver den en score
• AI-08-005-da v1.1: Før I bygger AI-agenter: Få forretningen og medarbejderne med — Trin 2 Lad hypoteserne bevæge sig gennem virksomheden
• AI-16-001-da v0.4: Styr AI porteføljen og stop på et oplyst grundlag — Vælg den beslutning der passer til stadiet
• AI-18-001-da v0.3: Skab nye kundetilbud med AI — Skab nye kundetilbud med AI

Chatbot

Et program, der kommunikerer med mennesker gennem tekst eller tale. En chatbot kan bygge på regler eller AI.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: IBM: Chatbots (en) · KL: AI-ordbogen (da).

Opslag på hjemmesiden: Chatbot.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Chunking

Opdeling af dokumenter i mindre tekststykker, som kan findes og bruges som kontekst i et RAG-system.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Microsoft Learn: RAG and generative AI (en) · IBM: Retrieval-augmented generation (en).

Opslag på hjemmesiden: Chunking.

Brugt i EnableAI-dokumenter:

• AI-07-002-da v0.3: Gør virksomhedens data klar til AI — Lad AI hjælpe uden at gøre den til facit
• AI-11-001-da v0.5: Datasikkerhed: Fra regler til daglig praksis — GDPR: Formål og nødvendighed kommer først

Context engineering

Arbejdet med at udvælge og strukturere de oplysninger, instruktioner, værktøjer og resultater, en AI-model har til rådighed under en opgave. Det omfatter mere end formuleringen af den enkelte prompt.

Engelsk betegnelse: Context engineering.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Anthropic: Effective context engineering for AI agents (en).

Opslag på hjemmesiden: Context engineering.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Cycle time

I vidensarbejde er cycle time tiden fra aftalt arbejdsstart til afslutning. I produktion kan cyklustid betegne tiden til at fremstille én enhed, så målegrænser skal aftales.

Andre opslag: Cyklustid.

Dansk betegnelse: Cyklustid (kontekstafhængigt).

Engelsk betegnelse: Cycle time.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Kanban University: The Official Guide to the Kanban Method (en) · Prozanta Operations: Cyklustid i produktion (da).

Opslag på hjemmesiden: Cycle time.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Daily Scrum

Et dagligt Scrum-møde på 15 minutter til at vurdere fremdrift mod Sprintmålet og tilpasse planen.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Scrum Guides: The Scrum Guide (en) · Scrum Guides: Scrum Guide på dansk (da).

Opslag på hjemmesiden: Daily Scrum.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Databeskyttelse

Beskyttelse af menneskers rettigheder ved behandling af personoplysninger gennem regler og organisatoriske og tekniske foranstaltninger.

Andre opslag: Data protection.

Dansk betegnelse: Databeskyttelse.

Engelsk betegnelse: Data protection.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Datatilsynet: Ordliste (da) · Information Commissioner’s Office: Data protection principles (engelsk begrebsforklaring; britisk kontekst) (en).

Opslag på hjemmesiden: Databeskyttelse.

Brugt i EnableAI-dokumenter:

• AI-12-002-da v0.3: Gør kvalitet og sikkerhed til en del af leverancen — Gør kvalitet og sikkerhed til en del af leverancen

Definition of Done

En fælles beskrivelse af den kvalitet, et Increment skal opfylde for at være færdigt.

Andre opslag: DoD.

Engelsk betegnelse: Definition of Done.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Scrum Guides: The Scrum Guide (en) · Scrum Guides: Scrum Guide på dansk (da).

Opslag på hjemmesiden: Definition of Done.

Brugt i EnableAI-dokumenter:

• AI-04-001-da v0.5: Prioritering af AI initiativer — Agile gør prioriteringen til en løbende praksis
• AI-12-002-da v0.3: Gør kvalitet og sikkerhed til en del af leverancen — Gør kvalitet og sikkerhed til en del af leverancen
• AI-15-002-da v0.3: Byg en MVP der kan vise værdi i rigtig brug — Beslut hvad der skal være bevist før skalering

Direkte værdi

I EnableAI’s model er direkte værdi en konkret forbedring, der opstår ved brug af leverancen. Det kan være færre fejl, bedre drift eller anvendt frigjort kapacitet.

Definitionstype: EnableAI-specifik anvendelse; eksterne kilder er fagligt afsæt, ikke en definition af EnableAI-modellen.

Kilder: Government Analysis Function: An introductory guide to MCDA (en).

Opslag på hjemmesiden: Direkte værdi.

Brugt i EnableAI-dokumenter:

• AI-05-006-da v3.1: Værdipoint i praksis: fra udsagn til dokumenteret forretningsværdi — 2. Start med en beslutning og et sammenligningsgrundlag
• AI-01-001-da v0.4: Sæt en forretningsretning for AI — Afprøv strategien på virkelige investeringsvalg
• AI-01-002-da v0.4: Styr transformationen efter resultater — Brug få mål med tydelige ejere
• AI-03-001-da v0.5: Systemmodenhed: Gør virksomheden klar til agentisk AI — Kundeeksempel med mål og opfølgning
• AI-04-001-da v0.5: Prioritering af AI initiativer — Hvad mener vi med værdi og indsats
• AI-04-002-da v0.3: Find de AI anvendelser der kan forbedre arbejdet — Brug et enkelt kort for hver mulighed
• AI-05-001-da v0.3: Byg en troværdig business case for AI — Beskriv årsagen til værdien
• AI-05-004-da v0.4: Finansier læring og værdi i mindre skridt — Definér værdi før I giver den en score
• AI-05-101-da v1.0: Gør forventet forretningsværdi målbar — Direkte og indirekte værdi
• AI-07-002-da v0.3: Gør virksomhedens data klar til AI — Et eksempel med teknisk produktviden
• AI-07-003-da v0.3: Brug virksomhedens viden med RAG — Et eksempel med en fælles intern vidensbase
• AI-15-002-da v0.3: Byg en MVP der kan vise værdi i rigtig brug — Beslut hvad der skal være bevist før skalering

Dyb læring

Maskinlæring med neurale netværk i mange lag, der kan lære komplekse mønstre i data.

Andre opslag: Deep learning.

Dansk betegnelse: Dyb læring.

Engelsk betegnelse: Deep learning.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: IBM: Deep learning (en) · KL: AI-ordbogen (da).

Opslag på hjemmesiden: Dyb læring.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Embedding

En repræsentation af indhold som tal, der gør det muligt at sammenligne lighed og relationer maskinelt.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Google for Developers: Machine Learning Glossary (en) · Microsoft Learn: Vector search overview (en).

Opslag på hjemmesiden: Embedding.

Brugt i EnableAI-dokumenter:

• AI-07-001-da v0.4: RAG: Fra dokumenter til brugbar viden — 1 Sådan fungerer RAG

Empiri

Viden fra observationer og erfaring, som bruges til at vurdere og tilpasse beslutninger.

Andre opslag: Empiricism.

Dansk betegnelse: Empiri.

Engelsk betegnelse: Empiricism.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Scrum Guides: The Scrum Guide (en) · Scrum Guides: Scrum Guide på dansk (da).

Opslag på hjemmesiden: Empiri.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Few-shot prompting

En promptteknik, hvor modellen får nogle få eksempler på den ønskede opgave eller svarform. Eksemplerne indgår i konteksten og ændrer normalt ikke modellens indlærte vægte.

Andre opslag: Few-shot.

Engelsk betegnelse: Few-shot prompting.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Google for Developers: Machine Learning Glossary (en).

Opslag på hjemmesiden: Few-shot prompting.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Finjustering

Yderligere træning af en allerede trænet model med udvalgte data for at tilpasse dens adfærd eller opgaveløsning.

Andre opslag: Fine-tuning.

Dansk betegnelse: Finjustering.

Engelsk betegnelse: Fine-tuning.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: IBM: Fine-tuning (en) · KL: AI-ordbogen (da).

Opslag på hjemmesiden: Finjustering.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Forretningsværdi

Hos EnableAI er forretningsværdi den nytte en ændring skaber for virksomheden og dens interessenter, vurderet mod mål og ressourceforbrug.

Andre opslag: Business value.

Dansk betegnelse: Forretningsværdi.

Engelsk betegnelse: Business value.

Definitionstype: EnableAI-specifik anvendelse; eksterne kilder er fagligt afsæt, ikke en definition af EnableAI-modellen.

Kilder: Government Analysis Function: An introductory guide to MCDA (en).

Opslag på hjemmesiden: Forretningsværdi.

Brugt i EnableAI-dokumenter:

• AI-05-006-da v3.1: Værdipoint i praksis: fra udsagn til dokumenteret forretningsværdi — Værdipoint i praksis: fra udsagn til dokumenteret forretningsværdi
• AI-01-100-da v1.1: Resultatorienteret AI i din virksomhed — Vi bruger AI og vil skabe målbar værdi og engagement
• AI-04-001-da v0.5: Prioritering af AI initiativer — Mulige prioriteringsteknikker til skalering
• AI-04-003-da v0.4: Vælg hvilke AI initiativer der skal komme først — Kundeeksempel med mål og opfølgning
• AI-05-005-da v1.2: AI i rekruttering fra 30 muligheder til fem pilotinitiativer — Hvordan blev 30 AI-muligheder til fem pilotinitiativer?
• AI-05-101-da v1.0: Gør forventet forretningsværdi målbar — Gør forventet forretningsværdi målbar
• AI-07-001-da v0.4: RAG: Fra dokumenter til brugbar viden — Værdien skal kunne ses i arbejdet
• AI-07-101-da v3.1: To halve dage: lær at estimere VP og SE og bruge dem i ledelsen — Halvdag 1: Estimér og dokumentér forretningsværdi i VP
• AI-07-102-da v1.0: Estimér forretningsværdi med VP — Estimér forretningsværdi med VP
• AI-08-005-da v1.1: Før I bygger AI-agenter: Få forretningen og medarbejderne med — Før I bygger AI-agenter: Få forretningen og medarbejderne med
• AI-09-100-da v1.1: Fælles rammer og hurtigere udvikling — Et team afprøver en ny AI-understøttet kundeservice
• AI-14-003-da v1.0: AI-kultur: Mål, der motiverer medarbejderne og skaber værdi — Tag næste skridt
• AI-14-006-da v1.0: AI-træning for medarbejdere: Fra kursus til fælles praksis — Følg færdigheder og adfærd efter træningen
• AI-15-002-da v0.3: Byg en MVP der kan vise værdi i rigtig brug — Aftal forventet værdi og ansvar før opstart

Generativ AI

AI, der fremstiller nyt indhold såsom tekst, billeder, lyd eller kode ud fra mønstre lært under træning. Generativ beskriver typen af output og er ikke en betegnelse for AGI eller superintelligens.

Andre opslag: GenAI; Generative AI; Generativ kunstig intelligens.

Dansk betegnelse: Generativ kunstig intelligens.

Engelsk betegnelse: Generative AI.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: IBM: Generative AI (en) · KL: AI-ordbogen (da).

Opslag på hjemmesiden: Generativ AI.

Brugt i EnableAI-dokumenter:

• AI-03-100-da v1.1: Find de rigtige AI-muligheder — Klargøring af kundeoplæg
• AI-05-005-da v1.2: AI i rekruttering fra 30 muligheder til fem pilotinitiativer — Hvorfor fokuserede vi på agentisk AI og automatisering?
• AI-06-001-da v0.3: Tilpas arbejdsgange og roller til AI — Afprøv ændringen med medarbejderne
• AI-08-002-da v0.3: Vælg mellem automatisering generativ AI og agenter — Vælg mellem automatisering generativ AI og agenter
• AI-08-005-da v1.1: Før I bygger AI-agenter: Få forretningen og medarbejderne med — Før I bygger AI-agenter: Få forretningen og medarbejderne med
• AI-08-100-da v1.1: Skab målbar værdi og engagement — Skab målbar værdi med den AI, I allerede bruger.
• AI-13-001-da v0.4: Opbyg de kompetencer AI arbejdet kræver — Kombinér fælles grundlag med målrettet støtte
• AI-14-002-da v0.4: Inddrag brugerne og ændr den daglige praksis — Gør træning konkret og gentagelig
• AI-14-004-da v1.0: Medarbejderinddragelse i AI: Skab ejerskab fra den første idé — Hvad understøtter anbefalingen om inddragelse?
• AI-14-005-da v1.0: Hypotesefasen i AI: Byg kultur, før I bygger en MVP — To modeller med tre trin, som supplerer hinanden

Generel kunstig intelligens

AI med brede evner til at lære og løse forskellige intellektuelle opgaver på et niveau sammenligneligt med menneskers. Afgrænsning og testkriterier varierer, og begrebet er hverken automatisk ensbetydende med superintelligens eller bevidsthed.

Andre opslag: AGI; Artificial general intelligence; Kunstig generel intelligens.

Dansk betegnelse: Generel kunstig intelligens.

Engelsk betegnelse: Artificial general intelligence.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Google DeepMind: Levels of AGI: performance, generality and autonomy (en) · OpenAI: Kunstig generel intelligens: OpenAIs definition (da).

Opslag på hjemmesiden: Generel kunstig intelligens.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Gevinstrealisering

Arbejdet med at få forventede gevinster til faktisk at opstå og dokumentere, hvem der får nytten.

Andre opslag: Benefits realization; Værdirealisering.

Dansk betegnelse: Gevinstrealisering.

Engelsk betegnelse: Benefits realization.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Association for Project Management: Project management glossary (en) · Businesscase.dk: Økonomisk måling af gevinstrealisering (da).

Opslag på hjemmesiden: Gevinstrealisering.

Brugt i EnableAI-dokumenter:

• AI-02-001-da v0.4: Fordel ansvar og beslutninger for AI — Gør værdiejerskab til mere end et navn
• AI-08-100-da v1.1: Skab målbar værdi og engagement — Aftal fortsat værdirealisering

Grundmodel

En model trænet på brede datamængder, som kan tilpasses mange forskellige opgaver. Begrebet beskriver modellens rolle som fælles udgangspunkt og er ikke det samme som AGI.

Andre opslag: Foundation model; FM; Fundamentsmodel.

Dansk betegnelse: Grundmodel / fundamentsmodel.

Engelsk betegnelse: Foundation model.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Stanford CRFM: On the opportunities and risks of foundation models (en) · AWS: What are foundation models? (en) · Digitaliseringsstyrelsen / sprogteknologi.dk: Begrebsliste: danske og engelske sprogteknologiske termer (da).

Opslag på hjemmesiden: Grundmodel.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Hallucination

AI-genereret indhold, der fremstår overbevisende, men er forkert eller mangler belæg.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: IBM: AI hallucinations (en) · KL: AI-ordbogen (da).

Opslag på hjemmesiden: Hallucination.

Brugt i EnableAI-dokumenter:

• AI-15-003-da v0.3: Vurdér kvaliteten af AI svar og handlinger — Vurdér kvaliteten af AI svar og handlinger

Human-in-the-loop

En arbejdsform, hvor mennesker vurderer eller påvirker udvalgte trin i et AI-systems træning, beslutninger eller handlinger.

Andre opslag: HITL.

Engelsk betegnelse: Human-in-the-loop.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: IBM: Human in the loop (en) · KL: AI-ordbogen (da).

Opslag på hjemmesiden: Human-in-the-loop.

Brugt i EnableAI-dokumenter:

• AI-02-002-da v0.3: Giv ledelsen en aktiv rolle i transformationen — Tilpas ledelsens engagement til stadiet
• AI-03-001-da v0.5: Systemmodenhed: Gør virksomheden klar til agentisk AI — Evaluér og byg skalerbare løsninger
• AI-04-001-da v0.5: Prioritering af AI initiativer — Agile gør prioriteringen til en løbende praksis
• AI-05-002-da v0.4: Budgettér hele omkostningen ved AI — Budgettér hele omkostningen ved AI
• AI-05-005-da v1.2: AI i rekruttering fra 30 muligheder til fem pilotinitiativer — Hvornår er en AI-pilot klar til næste skridt?
• AI-08-002-da v0.3: Vælg mellem automatisering generativ AI og agenter — Skeln mellem teknologi og forretningsmandat
• AI-11-001-da v0.5: Datasikkerhed: Fra regler til daglig praksis — Vurder risikoen før data tages i brug
• AI-12-001-da v0.3: Fastlæg menneskelig kontrol med AI agenter — Fastlæg menneskelig kontrol med AI agenter
• AI-12-002-da v0.3: Gør kvalitet og sikkerhed til en del af leverancen — Gør kvalitet og sikkerhed til en del af leverancen
• AI-13-001-da v0.4: Opbyg de kompetencer AI arbejdet kræver — Forstå det aktuelle krav om AI kompetencer
• AI-15-002-da v0.3: Byg en MVP der kan vise værdi i rigtig brug — Beslut hvad der skal være bevist før skalering
• AI-17-001-da v0.4: Beslut hvornår en AI løsning skal skaleres — Undersøg hvad der ændres med flere brugere
• AI-17-002-da v0.4: Hold AI stabil og håndtér fejl i drift — Gennemfør ændringer kontrolleret
• AI-17-003-da v0.4: Skab en varig praksis for læring og drift — Brug feedback uden at miste et uafhængigt mål

Hypotese

En antagelse, der kan undersøges med observationer eller et forsøg. Hos EnableAI forbindes den med forventet forbedring, berørte brugere og kriterier for næste beslutning.

Andre opslag: Hypothesis.

Dansk betegnelse: Hypotese.

Engelsk betegnelse: Hypothesis.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: HM Treasury: The Magenta Book (en) · Den Danske Ordbog: hypotese (da).

Opslag på hjemmesiden: Hypotese.

Brugt i EnableAI-dokumenter:

• AI-14-005-da v1.0: Hypotesefasen i AI: Byg kultur, før I bygger en MVP — Hvad er en AI-hypotese, og hvorfor er den vigtig for kulturen?
• AI-01-001-da v0.4: Sæt en forretningsretning for AI — Kundeeksempel med mål og opfølgning
• AI-01-002-da v0.4: Styr transformationen efter resultater — Skeln mellem aktivitet leverance og resultat
• AI-02-001-da v0.4: Fordel ansvar og beslutninger for AI — Kundeeksempel med mål og opfølgning
• AI-02-002-da v0.3: Giv ledelsen en aktiv rolle i transformationen — Kundeeksempel med mål og opfølgning
• AI-03-001-da v0.5: Systemmodenhed: Gør virksomheden klar til agentisk AI — Definér og kør eksperimenter
• AI-03-002-da v0.4: Kom godt i gang med AI i virksomheden — Vælg et problem der er værd at forstå
• AI-03-003-da v0.3: Planlæg virksomhedens første 90 dage med AI — Kundeeksempel med mål og opfølgning
• AI-03-100-da v1.1: Find de rigtige AI-muligheder — Klargøring af kundeoplæg
• AI-04-001-da v0.5: Prioritering af AI initiativer — 1 Definer og kør eksperimenter
• AI-04-002-da v0.3: Find de AI anvendelser der kan forbedre arbejdet — Byg en pipeline som bliver klogere
• AI-04-003-da v0.4: Vælg hvilke AI initiativer der skal komme først — Kundeeksempel med mål og opfølgning
• AI-04-101-da v1.0: Prioritér projekter med værdi og samlet indsats — Ny viden skal ændre beslutningen
• AI-05-001-da v0.3: Byg en troværdig business case for AI — Kundeeksempel med mål og opfølgning
• AI-05-002-da v0.4: Budgettér hele omkostningen ved AI — Kundeeksempel med mål og opfølgning
• AI-05-003-da v0.3: Mål om AI skaber reel værdi — Brug resultaterne til at ændre noget
• AI-05-004-da v0.4: Finansier læring og værdi i mindre skridt — Kundeeksempel med mål og opfølgning
• AI-05-005-da v1.2: AI i rekruttering fra 30 muligheder til fem pilotinitiativer — AI i rekruttering fra 30 muligheder til fem pilotinitiativer
• AI-05-007-da v3.1: Fra VP og SE til beslutning, opfølgning og læring — De fem gennemgående cases før hypotese
• AI-05-008-da v3.1: Størrelsesenheder i praksis: estimer hele forandringen — 8. Restusikkerhed U: gør den afgrænset og begrundet
• AI-05-010-da v3.1: Fem hele projektforløb: AI, IT og forretning — P1 · Videnassistent i kundeservice
• AI-06-001-da v0.3: Tilpas arbejdsgange og roller til AI — Kundeeksempel med mål og opfølgning
• AI-06-002-da v0.4: Organisér tværfaglige teams omkring arbejdet — Kundeeksempel med mål og opfølgning
• AI-07-001-da v0.4: RAG: Fra dokumenter til brugbar viden — Kundeeksempel med mål og opfølgning
• AI-07-002-da v0.3: Gør virksomhedens data klar til AI — Kundeeksempel med mål og opfølgning
• AI-07-003-da v0.3: Brug virksomhedens viden med RAG — Kundeeksempel med mål og opfølgning
• AI-07-102-da v1.0: Estimér forretningsværdi med VP — Opfølgning og næste test
• AI-07-103-da v1.0: Estimér størrelse med SE og prioritér projekter — Fagligt grundlag
• AI-08-001-da v0.3: Vælg AI værktøj og model efter opgaven — Kundeeksempel med mål og opfølgning
• AI-08-002-da v0.3: Vælg mellem automatisering generativ AI og agenter — Kundeeksempel med mål og opfølgning
• AI-08-003-da v0.3: Forbind AI med virksomhedens eksisterende systemer — Kundeeksempel med mål og opfølgning
• AI-08-004-da v0.3: Håndtér teknisk gæld og datagæld løbende — Kundeeksempel med mål og opfølgning
• AI-08-005-da v1.1: Før I bygger AI-agenter: Få forretningen og medarbejderne med — Før I bygger AI-agenter: Få forretningen og medarbejderne med
• AI-08-100-da v1.1: Skab målbar værdi og engagement — AI-støttet behandling af kundehenvendelser
• AI-09-001-da v0.3: Vælg mellem at købe tilpasse og bygge AI — Kundeeksempel med mål og opfølgning
• AI-09-002-da v0.3: Vælg AI leverandør og bevar handlefriheden — Kundeeksempel med mål og opfølgning
• AI-09-100-da v1.1: Fælles rammer og hurtigere udvikling — Et team afprøver en ny AI-understøttet kundeservice
• AI-10-001-da v0.3: Brug personoplysninger lovligt i AI — Kundeeksempel med mål og opfølgning
• AI-10-002-da v0.4: Afklar hvilke AI regler virksomheden skal følge — Kundeeksempel med mål og opfølgning
• AI-11-001-da v0.5: Datasikkerhed: Fra regler til daglig praksis — Kundeeksempel med mål og opfølgning
• AI-11-002-da v0.3: Beskyt fortrolige oplysninger når I bruger AI — Kundeeksempel med mål og opfølgning
• AI-12-001-da v0.3: Fastlæg menneskelig kontrol med AI agenter — Kundeeksempel med mål og opfølgning
• AI-12-002-da v0.3: Gør kvalitet og sikkerhed til en del af leverancen — Tilpas dokumentationen til de tre stadier
• AI-13-001-da v0.4: Opbyg de kompetencer AI arbejdet kræver — Kundeeksempel med mål og opfølgning
• AI-14-001-da v0.3: Få medarbejderne til at bruge AI med omtanke — Kundeeksempel med mål og opfølgning
• AI-14-002-da v0.4: Inddrag brugerne og ændr den daglige praksis — Kundeeksempel med mål og opfølgning
• AI-14-004-da v1.0: Medarbejderinddragelse i AI: Skab ejerskab fra den første idé — Hvordan involverer man medarbejderne tidligt i AI?
• AI-14-007-da v1.0: Udvikl jeres egne AI-talenter: Kompetencer, karriere og fælles ejerskab — Et illustrativt eksempel på at udvikle interne kræfter
• AI-15-001-da v0.3: Design et AI eksperiment der giver et brugbart svar — Formulér hypotesen så den kan blive afkræftet
• AI-15-002-da v0.3: Byg en MVP der kan vise værdi i rigtig brug — Kundeeksempel med mål og opfølgning
• AI-15-003-da v0.3: Vurdér kvaliteten af AI svar og handlinger — Kundeeksempel med mål og opfølgning
• AI-15-004-da v0.3: Brug korte forløb til at reducere usikkerhed — Brug korte forløb til at reducere usikkerhed
• AI-16-001-da v0.4: Styr AI porteføljen og stop på et oplyst grundlag — Styr AI porteføljen og stop på et oplyst grundlag
• AI-16-002-da v0.3: Begræns igangværende arbejde og styr afhængigheder — Kundeeksempel med mål og opfølgning
• AI-17-001-da v0.4: Beslut hvornår en AI løsning skal skaleres — Kundeeksempel med mål og opfølgning
• AI-17-002-da v0.4: Hold AI stabil og håndtér fejl i drift — Kundeeksempel med mål og opfølgning
• AI-17-003-da v0.4: Skab en varig praksis for læring og drift — Kundeeksempel med mål og opfølgning
• AI-18-001-da v0.3: Skab nye kundetilbud med AI — Kundeeksempel med mål og opfølgning

Ikke-superviseret læring

Maskinlæring, der finder mønstre eller struktur i data uden tilknyttede facitlabels. Den kan eksempelvis bruges til at gruppere lignende observationer.

Andre opslag: Unsupervised learning; Uovervåget læring.

Dansk betegnelse: Ikke-superviseret læring.

Engelsk betegnelse: Unsupervised learning.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: SAS: Machine learning: methods and definitions (en) · Digitaliseringsstyrelsen / sprogteknologi.dk: Begrebsliste: danske og engelske sprogteknologiske termer (da).

Opslag på hjemmesiden: Ikke-superviseret læring.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Indirekte værdi

I EnableAI’s model er indirekte værdi et dokumenteret grundlag for senere effekter, eksempelvis genbrugelig læring, nye muligheder eller reduceret fremtidig risiko. Den er ikke det samme som allerede realiseret økonomisk gevinst.

Definitionstype: EnableAI-specifik anvendelse; eksterne kilder er fagligt afsæt, ikke en definition af EnableAI-modellen.

Kilder: Scaled Agile: Weighted Shortest Job First (en) · Government Analysis Function: An introductory guide to MCDA (en).

Opslag på hjemmesiden: Indirekte værdi.

Brugt i EnableAI-dokumenter:

• AI-05-006-da v3.1: Værdipoint i praksis: fra udsagn til dokumenteret forretningsværdi — 1. Hvad kommer fra kilderne, og hvad har EnableAI valgt?
• AI-01-001-da v0.4: Sæt en forretningsretning for AI — Vis både den direkte og den mulige fremtidige værdi
• AI-01-002-da v0.4: Styr transformationen efter resultater — Brug få mål med tydelige ejere
• AI-03-001-da v0.5: Systemmodenhed: Gør virksomheden klar til agentisk AI — Byg MVP med forventet værdi
• AI-04-001-da v0.5: Prioritering af AI initiativer — Hvad mener vi med værdi og indsats
• AI-04-002-da v0.3: Find de AI anvendelser der kan forbedre arbejdet — Brug et enkelt kort for hver mulighed
• AI-04-003-da v0.4: Vælg hvilke AI initiativer der skal komme først — Gør værdi og størrelse forståelige
• AI-05-003-da v0.3: Mål om AI skaber reel værdi — Skeln mellem potentiel og realiseret værdi
• AI-05-004-da v0.4: Finansier læring og værdi i mindre skridt — Definér værdi før I giver den en score
• AI-05-007-da v3.1: Fra VP og SE til beslutning, opfølgning og læring — 3. En fast lokal skala, ikke en universel sandhed
• AI-05-101-da v1.0: Gør forventet forretningsværdi målbar — Direkte og indirekte værdi
• AI-07-001-da v0.4: RAG: Fra dokumenter til brugbar viden — Værdien skal kunne ses i arbejdet
• AI-07-002-da v0.3: Gør virksomhedens data klar til AI — Et eksempel med teknisk produktviden
• AI-07-003-da v0.3: Brug virksomhedens viden med RAG — Et eksempel med en fælles intern vidensbase
• AI-07-101-da v3.1: To halve dage: lær at estimere VP og SE og bruge dem i ledelsen — Halvdag 1: Estimér og dokumentér forretningsværdi i VP
• AI-08-003-da v0.3: Forbind AI med virksomhedens eksisterende systemer — Et eksempel med et ældre ordresystem
• AI-08-004-da v0.3: Håndtér teknisk gæld og datagæld løbende — Prioritér efter konkret virkning
• AI-09-002-da v0.3: Vælg AI leverandør og bevar handlefriheden — Kundeeksempel med mål og opfølgning
• AI-11-001-da v0.5: Datasikkerhed: Fra regler til daglig praksis — 5 Byg sikkerheden gennem de tre stadier
• AI-15-002-da v0.3: Byg en MVP der kan vise værdi i rigtig brug — Beslut hvad der skal være bevist før skalering
• AI-16-001-da v0.4: Styr AI porteføljen og stop på et oplyst grundlag — Begræns antallet af samtidige initiativer
• AI-17-001-da v0.4: Beslut hvornår en AI løsning skal skaleres — Opdatér business casen med den målte effekt

Inferens

Anvendelse af en trænet model til at generere et svar eller en forudsigelse på nye input.

Andre opslag: Inference.

Dansk betegnelse: Inferens.

Engelsk betegnelse: Inference.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Google for Developers: Machine Learning Glossary (en) · KL: AI-ordbogen (da).

Opslag på hjemmesiden: Inferens.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Iteration

En gentaget arbejdscyklus, hvor erfaringer bruges til at forbedre løsningen eller arbejdsformen.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Association for Project Management: Project management glossary (en) · Scrum Guides: The Scrum Guide (en).

Opslag på hjemmesiden: Iteration.

Brugt i EnableAI-dokumenter:

• AI-15-004-da v0.3: Brug korte forløb til at reducere usikkerhed — Brug korte forløb til at reducere usikkerhed

Kanban

En metode til at forbedre arbejdets flow ved at synliggøre arbejdet, begrænse igangværende opgaver og tilpasse løbende.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Kanban University: The Official Guide to the Kanban Method (en) · Kanban University: Den officielle Kanban-guide på dansk (da).

Opslag på hjemmesiden: Kanban.

Brugt i EnableAI-dokumenter:

• AI-04-001-da v0.5: Prioritering af AI initiativer — Agile gør prioriteringen til en løbende praksis
• AI-16-001-da v0.4: Styr AI porteføljen og stop på et oplyst grundlag — Begræns antallet af samtidige initiativer
• AI-16-002-da v0.3: Begræns igangværende arbejde og styr afhængigheder — Begræns igangværende arbejde og styr afhængigheder

Kontekstvindue

Den mængde information, en model kan behandle samlet i et kald, typisk opgjort i tokens. Et større kontekstvindue giver plads til mere indhold, men garanterer ikke, at modellen bruger alle oplysninger korrekt.

Andre opslag: Context window; Context length.

Engelsk betegnelse: Context window.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Zapier: AI terms: An AI glossary for humans (en) · Anthropic: Effective context engineering for AI agents (en).

Opslag på hjemmesiden: Kontekstvindue.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Korpus

En afgrænset samling af tekster, tale eller andre data, der anvendes til analyse, træning eller informationssøgning. I EnableAI’s RAG er korpus den godkendte dokumentsamling, som chatbotten må hente viden fra.

Andre opslag: Corpus.

Dansk betegnelse: Korpus.

Engelsk betegnelse: Corpus.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Digitaliseringsstyrelsen / sprogteknologi.dk: Begrebsliste: danske og engelske sprogteknologiske termer (da) · Hugging Face: Transformers glossary (en).

Opslag på hjemmesiden: Korpus.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

KPI

En udvalgt måling, der viser udviklingen i et vigtigt resultat eller en central proces.

Andre opslag: Key Performance Indicator.

Engelsk betegnelse: Key Performance Indicator.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Atlassian: Agile metrics and KPIs (en).

Opslag på hjemmesiden: KPI.

Brugt i EnableAI-dokumenter:

• AI-09-100-da v1.1: Fælles rammer og hurtigere udvikling — Et team afprøver en ny AI-understøttet kundeservice
• AI-14-003-da v1.0: AI-kultur: Mål, der motiverer medarbejderne og skaber værdi — Korte svar om motiverende AI-mål

Kunstig intelligens

Et fagområde og en gruppe teknologier til systemer, som løser opgaver forbundet med intelligens, eksempelvis at genkende mønstre, skabe indhold eller træffe beslutninger. AI er et overbegreb og betyder ikke i sig selv generel intelligens, bevidsthed eller superintelligens.

Andre opslag: AI; Artificial intelligence.

Dansk betegnelse: Kunstig intelligens.

Engelsk betegnelse: Artificial intelligence.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: IBM: Artificial intelligence (en) · Datatilsynet: Ordliste (da) · Lex / Københavns Universitet: Kunstig intelligens (da) · OECD.AI: Updates to the OECD definition of an AI system (en).

Opslag på hjemmesiden: Kunstig intelligens.

Brugt i EnableAI-dokumenter:

• AI-01-001-da v0.4: Sæt en forretningsretning for AI — Sæt en forretningsretning for AI
• AI-01-002-da v0.4: Styr transformationen efter resultater — Styr transformationen efter resultater
• AI-01-100-da v1.1: Resultatorienteret AI i din virksomhed — Resultatorienteret AI i din virksomhed
• AI-02-001-da v0.4: Fordel ansvar og beslutninger for AI — Fordel ansvar og beslutninger for AI
• AI-02-002-da v0.3: Giv ledelsen en aktiv rolle i transformationen — Giv ledelsen en aktiv rolle i transformationen
• AI-03-001-da v0.5: Systemmodenhed: Gør virksomheden klar til agentisk AI — Systemmodenhed: Gør virksomheden klar til agentisk AI
• AI-03-002-da v0.4: Kom godt i gang med AI i virksomheden — Kom godt i gang med AI i virksomheden
• AI-03-003-da v0.3: Planlæg virksomhedens første 90 dage med AI — Planlæg virksomhedens første 90 dage med AI
• AI-03-100-da v1.1: Find de rigtige AI-muligheder — Find de rigtige AI-muligheder
• AI-04-001-da v0.5: Prioritering af AI initiativer — Prioritering af AI initiativer
• AI-04-002-da v0.3: Find de AI anvendelser der kan forbedre arbejdet — Find de AI anvendelser der kan forbedre arbejdet
• AI-04-003-da v0.4: Vælg hvilke AI initiativer der skal komme først — Vælg hvilke AI initiativer der skal komme først
• AI-05-001-da v0.3: Byg en troværdig business case for AI — Byg en troværdig business case for AI
• AI-05-002-da v0.4: Budgettér hele omkostningen ved AI — Budgettér hele omkostningen ved AI
• AI-05-003-da v0.3: Mål om AI skaber reel værdi — Mål om AI skaber reel værdi
• AI-05-004-da v0.4: Finansier læring og værdi i mindre skridt — Finansier læring og værdi i mindre skridt
• AI-05-005-da v1.2: AI i rekruttering fra 30 muligheder til fem pilotinitiativer — AI i rekruttering fra 30 muligheder til fem pilotinitiativer
• AI-05-006-da v3.1: Værdipoint i praksis: fra udsagn til dokumenteret forretningsværdi — 9. Hvad lærer offentligt beskrevne cases os?
• AI-05-007-da v3.1: Fra VP og SE til beslutning, opfølgning og læring — De fem gennemgående cases før hypotese
• AI-05-008-da v3.1: Størrelsesenheder i praksis: estimer hele forandringen — Læsevejledning og læringsmål
• AI-05-010-da v3.1: Fem hele projektforløb: AI, IT og forretning — Fem hele projektforløb: AI, IT og forretning
• AI-05-011-da v3.1: Værdi, størrelse og prioritet på én side — Prioritér det, der giver mest værdi for indsatsen
• AI-05-102-da v1.0: Se hele projektets størrelse — Samme enhed på tværs af projekter
• AI-06-001-da v0.3: Tilpas arbejdsgange og roller til AI — Tilpas arbejdsgange og roller til AI
• AI-06-002-da v0.4: Organisér tværfaglige teams omkring arbejdet — Organisér tværfaglige teams omkring arbejdet
• AI-07-001-da v0.4: RAG: Fra dokumenter til brugbar viden — Værdien skal kunne ses i arbejdet
• AI-07-002-da v0.3: Gør virksomhedens data klar til AI — Gør virksomhedens data klar til AI
• AI-07-101-da v3.1: To halve dage: lær at estimere VP og SE og bruge dem i ledelsen — Formål, format og afgrænsning
• AI-07-102-da v1.0: Estimér forretningsværdi med VP — Fagligt grundlag
• AI-07-103-da v1.0: Estimér størrelse med SE og prioritér projekter — Fagligt grundlag
• AI-08-001-da v0.3: Vælg AI værktøj og model efter opgaven — Vælg AI værktøj og model efter opgaven
• AI-08-002-da v0.3: Vælg mellem automatisering generativ AI og agenter — Vælg mellem automatisering generativ AI og agenter
• AI-08-003-da v0.3: Forbind AI med virksomhedens eksisterende systemer — Forbind AI med virksomhedens eksisterende systemer
• AI-08-004-da v0.3: Håndtér teknisk gæld og datagæld løbende — Håndtér teknisk gæld og datagæld løbende
• AI-08-005-da v1.1: Før I bygger AI-agenter: Få forretningen og medarbejderne med — Før I bygger AI-agenter: Få forretningen og medarbejderne med
• AI-08-100-da v1.1: Skab målbar værdi og engagement — Skab målbar værdi med den AI, I allerede bruger.
• AI-09-001-da v0.3: Vælg mellem at købe tilpasse og bygge AI — Vælg mellem at købe tilpasse og bygge AI
• AI-09-002-da v0.3: Vælg AI leverandør og bevar handlefriheden — Vælg AI leverandør og bevar handlefriheden
• AI-09-100-da v1.1: Fælles rammer og hurtigere udvikling — Giv teams frihed til at udvikle - med tydeligt ansvar.
• AI-10-001-da v0.3: Brug personoplysninger lovligt i AI — Brug personoplysninger lovligt i AI
• AI-10-002-da v0.4: Afklar hvilke AI regler virksomheden skal følge — Afklar hvilke AI regler virksomheden skal følge
• AI-11-001-da v0.5: Datasikkerhed: Fra regler til daglig praksis — Datasikkerhed: Fra regler til daglig praksis
• AI-11-002-da v0.3: Beskyt fortrolige oplysninger når I bruger AI — Beskyt fortrolige oplysninger når I bruger AI
• AI-12-001-da v0.3: Fastlæg menneskelig kontrol med AI agenter — Fastlæg menneskelig kontrol med AI agenter
• AI-12-002-da v0.3: Gør kvalitet og sikkerhed til en del af leverancen — Gør kvalitet og sikkerhed til en del af leverancen
• AI-13-001-da v0.4: Opbyg de kompetencer AI arbejdet kræver — Opbyg de kompetencer AI arbejdet kræver
• AI-14-001-da v0.3: Få medarbejderne til at bruge AI med omtanke — Få medarbejderne til at bruge AI med omtanke
• AI-14-002-da v0.4: Inddrag brugerne og ændr den daglige praksis — Inddrag brugerne og ændr den daglige praksis
• AI-14-003-da v1.0: AI-kultur: Mål, der motiverer medarbejderne og skaber værdi — AI-kultur: Mål, der motiverer medarbejderne og skaber værdi
• AI-14-004-da v1.0: Medarbejderinddragelse i AI: Skab ejerskab fra den første idé — Medarbejderinddragelse i AI: Skab ejerskab fra den første idé
• AI-14-005-da v1.0: Hypotesefasen i AI: Byg kultur, før I bygger en MVP — Hypotesefasen i AI: Byg kultur, før I bygger en MVP
• AI-14-006-da v1.0: AI-træning for medarbejdere: Fra kursus til fælles praksis — AI-træning for medarbejdere: Fra kursus til fælles praksis
• AI-14-007-da v1.0: Udvikl jeres egne AI-talenter: Kompetencer, karriere og fælles ejerskab — Udvikl jeres egne AI-talenter: Kompetencer, karriere og fælles ejerskab
• AI-15-001-da v0.3: Design et AI eksperiment der giver et brugbart svar — Design et AI eksperiment der giver et brugbart svar
• AI-15-002-da v0.3: Byg en MVP der kan vise værdi i rigtig brug — Byg en MVP der kan vise værdi i rigtig brug
• AI-15-003-da v0.3: Vurdér kvaliteten af AI svar og handlinger — Vurdér kvaliteten af AI svar og handlinger
• AI-15-004-da v0.3: Brug korte forløb til at reducere usikkerhed — Brug korte forløb til at reducere usikkerhed
• AI-16-001-da v0.4: Styr AI porteføljen og stop på et oplyst grundlag — Styr AI porteføljen og stop på et oplyst grundlag
• AI-16-002-da v0.3: Begræns igangværende arbejde og styr afhængigheder — Begræns igangværende arbejde og styr afhængigheder
• AI-17-001-da v0.4: Beslut hvornår en AI løsning skal skaleres — Beslut hvornår en AI løsning skal skaleres
• AI-17-002-da v0.4: Hold AI stabil og håndtér fejl i drift — Hold AI stabil og håndtér fejl i drift
• AI-17-003-da v0.4: Skab en varig praksis for læring og drift — Skab en varig praksis for læring og drift
• AI-18-001-da v0.3: Skab nye kundetilbud med AI — Skab nye kundetilbud med AI

Kvantisering

Repræsentation af blandt andet modelvægte med færre bits, så modellen kræver mindre hukommelse. Det kan gøre driften billigere eller hurtigere, men kan påvirke kvaliteten.

Andre opslag: Quantization.

Engelsk betegnelse: Quantization.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Hugging Face: Quantization overview (en).

Opslag på hjemmesiden: Kvantisering.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Lead time

Tiden fra en aftalt forespørgsel eller bestilling til levering. Målegrænserne afgør, hvilke ventetider der medregnes.

Andre opslag: Gennemløbstid.

Dansk betegnelse: Gennemløbstid.

Engelsk betegnelse: Lead time.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Kanban University: The Official Guide to the Kanban Method (en) · Kanban University: Den officielle Kanban-guide på dansk (da).

Opslag på hjemmesiden: Lead time.

Brugt i EnableAI-dokumenter:

• AI-03-001-da v0.5: Systemmodenhed: Gør virksomheden klar til agentisk AI — Beskriv processen, før agenten får adgang
• AI-05-003-da v0.3: Mål om AI skaber reel værdi — Byg en kæde fra brug til forretning
• AI-08-004-da v0.3: Håndtér teknisk gæld og datagæld løbende — Kundeeksempel med mål og opfølgning
• AI-08-005-da v1.1: Før I bygger AI-agenter: Få forretningen og medarbejderne med — Mål hele opgaven og øv jer i hverdagen
• AI-09-100-da v1.1: Fælles rammer og hurtigere udvikling — Vurdér effekt og næste skridt
• AI-16-002-da v0.3: Begræns igangværende arbejde og styr afhængigheder — Se hele vejen til et brugbart resultat

Løbende forbedring

Systematisk forbedring af arbejde gennem gentagne, konkrete ændringer og opfølgning på deres virkning.

Andre opslag: Continuous improvement; Kaizen.

Dansk betegnelse: Løbende forbedring.

Engelsk betegnelse: Continuous improvement.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Lean Enterprise Institute: Continuous improvement (en) · Center for Lean: Hvad er Lean? (da).

Opslag på hjemmesiden: Løbende forbedring.

Brugt i EnableAI-dokumenter:

• AI-07-003-da v0.3: Brug virksomhedens viden med RAG — Brug virksomhedens viden med RAG
• AI-09-001-da v0.3: Vælg mellem at købe tilpasse og bygge AI — Sammenlign de tre muligheder på samme grundlag
• AI-17-001-da v0.4: Beslut hvornår en AI løsning skal skaleres — Opdatér business casen med den målte effekt
• AI-17-002-da v0.4: Hold AI stabil og håndtér fejl i drift — Budgettér den fortsatte opgave

Maskinlæring

Metoder, hvor modeller lærer mønstre fra data, så de kan foretage forudsigelser eller løse opgaver på nye data.

Andre opslag: ML; Machine learning.

Dansk betegnelse: Maskinlæring.

Engelsk betegnelse: Machine learning.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Google for Developers: Machine Learning Glossary (en) · KL: AI-ordbogen (da) · SAS: Machine learning: methods and definitions (en).

Opslag på hjemmesiden: Maskinlæring.

Brugt i EnableAI-dokumenter:

• AI-07-001-da v0.4: RAG: Fra dokumenter til brugbar viden — 5 Gør kvaliteten bedre med ML og feedback
• AI-17-003-da v0.4: Skab en varig praksis for læring og drift — Skeln mellem vidensopdatering og modeltræning

MCDA

En familie af metoder, der støtter valg mellem muligheder ud fra flere kriterier og tydelige præferencer.

Andre opslag: Multi-Criteria Decision Analysis.

Engelsk betegnelse: Multi-Criteria Decision Analysis.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Government Analysis Function: An introductory guide to MCDA (en).

Opslag på hjemmesiden: MCDA.

Brugt i EnableAI-dokumenter:

• AI-05-006-da v3.1: Værdipoint i praksis: fra udsagn til dokumenteret forretningsværdi — 1. Hvad kommer fra kilderne, og hvad har EnableAI valgt?
• AI-07-101-da v3.1: To halve dage: lær at estimere VP og SE og bruge dem i ledelsen — Fagligt grundlag og EnableAI’s bidrag
• AI-07-102-da v1.0: Estimér forretningsværdi med VP — Fagligt grundlag

MCP

En åben standard, som giver AI-applikationer en fælles måde at forbinde sig med eksterne datakilder og værktøjer på. Protokollen er en integrationsmekanisme og erstatter ikke adgangskontrol eller brugerens tilladelser.

Andre opslag: Model Context Protocol.

Engelsk betegnelse: Model Context Protocol.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Anthropic: Introducing the Model Context Protocol (en) · A2A Protocol / Linux Foundation: What is A2A? (en).

Opslag på hjemmesiden: MCP.

Brugt i EnableAI-dokumenter:

• AI-03-001-da v0.5: Systemmodenhed: Gør virksomheden klar til agentisk AI — Integrationer skal være tydelige for både kode og model
• AI-07-001-da v0.4: RAG: Fra dokumenter til brugbar viden — 3 Fælles viden, flere modeller og datakilder
• AI-08-003-da v0.3: Forbind AI med virksomhedens eksisterende systemer — Vælg den mindst omfattende stabile forbindelse

MLOps

Arbejdsgange og tekniske praksisser til at sætte maskinlæringsmodeller i drift og vedligeholde dem. Det omfatter blandt andet versionering, udrulning, overvågning og samarbejde mellem udvikling og drift.

Andre opslag: Machine Learning Operations.

Engelsk betegnelse: Machine Learning Operations.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Databricks: What is MLOps? (en).

Opslag på hjemmesiden: MLOps.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Modeldistillation

En metode, hvor en elevmodel trænes til at efterligne en lærermodel. Den bruges ofte til at bevare nyttige evner i en mindre model, men kan også videreføre lærerens fejl.

Andre opslag: Knowledge distillation; Distillation.

Engelsk betegnelse: Knowledge distillation.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Zapier: AI terms: An AI glossary for humans (en).

Opslag på hjemmesiden: Modeldistillation.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Modelparametre

De indlærte talværdier, som er med til at bestemme, hvordan en model omsætter input til output. Flere parametre giver ikke automatisk bedre resultater, da blandt andet data, træning og opgaven også har betydning.

Andre opslag: Parameters; Model weights; Modelvægte.

Engelsk betegnelse: Model parameters / weights.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Google for Developers: Machine Learning Glossary (en) · Hugging Face: Transformers glossary (en).

Opslag på hjemmesiden: Modelparametre.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Multiagentsystem

Et system, hvor flere agenter arbejder sammen eller fordeler opgaver mellem sig. Flere agenter kan give specialisering, men giver også behov for koordinering og gør ikke automatisk systemet mere korrekt.

Andre opslag: Multi-agent system; MAS.

Engelsk betegnelse: Multi-agent system.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: NVIDIA: Autonomous AI agents (en) · A2A Protocol / Linux Foundation: What is A2A? (en).

Opslag på hjemmesiden: Multiagentsystem.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Multimodal AI

AI, der kan behandle eller kombinere flere datatyper, eksempelvis tekst, billeder og lyd. Flere modaliteter siger ikke i sig selv noget om systemets selvstændighed eller generelle intelligens.

Andre opslag: Multimodal model.

Dansk betegnelse: Multimodal model.

Engelsk betegnelse: Multimodal AI.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Lex / Københavns Universitet: Sprogmodel (da) · AWS: What are foundation models? (en).

Opslag på hjemmesiden: Multimodal AI.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

MVP

En mindst mulig anvendelig løsning, der kan afprøve centrale antagelser med brugere. Hos EnableAI skal en MVP kunne indgå i en afgrænset virkelig arbejdsgang.

Andre opslag: Minimum Viable Product.

Engelsk betegnelse: Minimum Viable Product.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Agile Alliance: Minimum Viable Product (en).

Opslag på hjemmesiden: MVP.

Brugt i EnableAI-dokumenter:

• AI-14-005-da v1.0: Hypotesefasen i AI: Byg kultur, før I bygger en MVP — Hypotesefasen i AI: Byg kultur, før I bygger en MVP
• AI-01-001-da v0.4: Sæt en forretningsretning for AI — Giv strategien en rytme for læring
• AI-01-002-da v0.4: Styr transformationen efter resultater — Lad målene følge de tre stadier
• AI-02-001-da v0.4: Fordel ansvar og beslutninger for AI — Et eksempel fra en mindre servicevirksomhed
• AI-02-002-da v0.3: Giv ledelsen en aktiv rolle i transformationen — Tilpas ledelsens engagement til stadiet
• AI-03-001-da v0.5: Systemmodenhed: Gør virksomheden klar til agentisk AI — 4 Brug en modenhedstrappe med dokumenterede trin
• AI-03-002-da v0.4: Kom godt i gang med AI i virksomheden — Lad næste skridt afhænge af resultatet
• AI-03-003-da v0.3: Planlæg virksomhedens første 90 dage med AI — Planlæg virksomhedens første 90 dage med AI
• AI-04-001-da v0.5: Prioritering af AI initiativer — Prioritering af AI initiativer
• AI-04-002-da v0.3: Find de AI anvendelser der kan forbedre arbejdet — Se muligheder uden at love universelle gevinster
• AI-04-003-da v0.4: Vælg hvilke AI initiativer der skal komme først — Vælg hvilke AI initiativer der skal komme først
• AI-04-101-da v1.0: Prioritér projekter med værdi og samlet indsats — Ny viden skal ændre beslutningen
• AI-05-001-da v0.3: Byg en troværdig business case for AI — Byg en troværdig business case for AI
• AI-05-002-da v0.4: Budgettér hele omkostningen ved AI — Finansier det næste meningsfulde skridt
• AI-05-003-da v0.3: Mål om AI skaber reel værdi — Mål om AI skaber reel værdi
• AI-05-004-da v0.4: Finansier læring og værdi i mindre skridt — Sæt en ramme og frigiv midler efter viden
• AI-05-005-da v1.2: AI i rekruttering fra 30 muligheder til fem pilotinitiativer — Hvordan måler vi tid, tillid, salg og fastholdelse?
• AI-05-007-da v3.1: Fra VP og SE til beslutning, opfølgning og læring — 4. Dokumentationen før hver fase
• AI-05-008-da v3.1: Størrelsesenheder i praksis: estimer hele forandringen — 8. Restusikkerhed U: gør den afgrænset og begrundet
• AI-05-010-da v3.1: Fem hele projektforløb: AI, IT og forretning — P1 · Videnassistent i kundeservice
• AI-06-001-da v0.3: Tilpas arbejdsgange og roller til AI — Lad modenheden følge opgaven
• AI-06-002-da v0.4: Organisér tværfaglige teams omkring arbejdet — Et eksempel med delte kompetencer
• AI-07-001-da v0.4: RAG: Fra dokumenter til brugbar viden — Udvikl RAG gennem de tre stadier
• AI-07-002-da v0.3: Gør virksomhedens data klar til AI — Ryd op ved kilden og gør ansvaret varigt
• AI-07-003-da v0.3: Brug virksomhedens viden med RAG — Et eksempel med en fælles intern vidensbase
• AI-07-102-da v1.0: Estimér forretningsværdi med VP — Opfølgning og næste test
• AI-07-103-da v1.0: Estimér størrelse med SE og prioritér projekter — Fagligt grundlag
• AI-08-001-da v0.3: Vælg AI værktøj og model efter opgaven — Genbesøg valget når forholdene ændres
• AI-08-002-da v0.3: Vælg mellem automatisering generativ AI og agenter — Regn også på kompleksiteten
• AI-08-003-da v0.3: Forbind AI med virksomhedens eksisterende systemer — Forbind AI med virksomhedens eksisterende systemer
• AI-08-004-da v0.3: Håndtér teknisk gæld og datagæld løbende — Skeln mellem et bevidst kompromis og en skjult mangel
• AI-08-005-da v1.1: Før I bygger AI-agenter: Få forretningen og medarbejderne med — Tre trin med hver sin opgave
• AI-09-001-da v0.3: Vælg mellem at købe tilpasse og bygge AI — Et eksempel med dokumentkontrol
• AI-09-002-da v0.3: Vælg AI leverandør og bevar handlefriheden — Tilpas aftalen til de tre stadier
• AI-10-001-da v0.3: Brug personoplysninger lovligt i AI — Vurder risiko før en MVP med persondata
• AI-10-002-da v0.4: Afklar hvilke AI regler virksomheden skal følge — Et eksempel med HR anvendelser
• AI-11-001-da v0.5: Datasikkerhed: Fra regler til daglig praksis — Datasikkerhed: Fra regler til daglig praksis
• AI-11-002-da v0.3: Beskyt fortrolige oplysninger når I bruger AI — Byg sikkerhed gennem de tre stadier
• AI-12-001-da v0.3: Fastlæg menneskelig kontrol med AI agenter — Udvid mandatet med dokumentation
• AI-12-002-da v0.3: Gør kvalitet og sikkerhed til en del af leverancen — Tilpas dokumentationen til de tre stadier
• AI-13-001-da v0.4: Opbyg de kompetencer AI arbejdet kræver — Opbyg de kompetencer AI arbejdet kræver
• AI-14-001-da v0.3: Få medarbejderne til at bruge AI med omtanke — Følg anvendelse gennem alle tre stadier
• AI-14-002-da v0.4: Inddrag brugerne og ændr den daglige praksis — Lad de tre stadier omfatte mennesker
• AI-14-004-da v1.0: Medarbejderinddragelse i AI: Skab ejerskab fra den første idé — Korte svar om medarbejderinddragelse
• AI-15-001-da v0.3: Design et AI eksperiment der giver et brugbart svar — Design et AI eksperiment der giver et brugbart svar
• AI-15-002-da v0.3: Byg en MVP der kan vise værdi i rigtig brug — Byg en MVP der kan vise værdi i rigtig brug
• AI-15-003-da v0.3: Vurdér kvaliteten af AI svar og handlinger — Følg kvaliteten efter ibrugtagning
• AI-15-004-da v0.3: Brug korte forløb til at reducere usikkerhed — Vælg den usikkerhed der påvirker næste investering
• AI-16-001-da v0.4: Styr AI porteføljen og stop på et oplyst grundlag — Styr AI porteføljen og stop på et oplyst grundlag
• AI-16-002-da v0.3: Begræns igangværende arbejde og styr afhængigheder — Giv læring plads uden at skabe en skjult kø
• AI-17-001-da v0.4: Beslut hvornår en AI løsning skal skaleres — Beslut hvornår en AI løsning skal skaleres
• AI-17-002-da v0.4: Hold AI stabil og håndtér fejl i drift — Hold AI stabil og håndtér fejl i drift
• AI-17-003-da v0.4: Skab en varig praksis for læring og drift — Lad transformationen blive til en varig evne
• AI-18-001-da v0.3: Skab nye kundetilbud med AI — Vælg hvilken forretningshypotese der skal testes

Nettotid

Hos EnableAI er sparet nettotid tidsgevinsten efter medregning af kontrol, rettelser og ekstraarbejde. Frigjort tid er kapacitet og bliver først en kontant besparelse, når en udgift faktisk bortfalder.

Definitionstype: EnableAI-specifik anvendelse; eksterne kilder er fagligt afsæt, ikke en definition af EnableAI-modellen.

Kilder: HM Treasury: The Magenta Book (en).

Opslag på hjemmesiden: Nettotid.

Brugt i EnableAI-dokumenter:

• AI-14-003-da v1.0: AI-kultur: Mål, der motiverer medarbejderne og skaber værdi — Korte svar om motiverende AI-mål
• AI-05-006-da v3.1: Værdipoint i praksis: fra udsagn til dokumenteret forretningsværdi — 4. Sådan virker omregningen til VP
• AI-05-001-da v0.3: Byg en troværdig business case for AI — Vis hvad der kan ændre beslutningen
• AI-05-003-da v0.3: Mål om AI skaber reel værdi — Byg en kæde fra brug til forretning
• AI-05-007-da v3.1: Fra VP og SE til beslutning, opfølgning og læring — 4. Dokumentationen før hver fase
• AI-05-010-da v3.1: Fem hele projektforløb: AI, IT og forretning — P4 · Nyt kundeonboardingforløb
• AI-05-101-da v1.0: Gør forventet forretningsværdi målbar — Fra timer til point: et enkelt eksempel
• AI-07-102-da v1.0: Estimér forretningsværdi med VP — Øvelser og udbytte
• AI-08-005-da v1.1: Før I bygger AI-agenter: Få forretningen og medarbejderne med — Tre trin med hver sin opgave

Neuralt netværk

En model med forbundne beregningsenheder, der lærer mønstre ved at justere forbindelsernes vægte.

Andre opslag: Neural network.

Dansk betegnelse: Neuralt netværk.

Engelsk betegnelse: Neural network.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: IBM: Neural networks (en) · KL: AI-ordbogen (da).

Opslag på hjemmesiden: Neuralt netværk.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

NLP

Teknikker til at behandle, analysere og generere menneskeligt sprog i tekst eller tale.

Andre opslag: Natural Language Processing.

Engelsk betegnelse: Natural Language Processing.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: IBM: Natural language processing (en) · KL: AI-ordbogen (da).

Opslag på hjemmesiden: NLP.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

OKR

En målstyringsmetode, der forbinder et ønsket mål med få målbare resultater, som viser fremdrift.

Andre opslag: Objectives and Key Results.

Engelsk betegnelse: Objectives and Key Results.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: What Matters: What is an OKR? (en).

Opslag på hjemmesiden: OKR.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Personoplysninger

Oplysninger, som alene eller sammen med andre data kan knyttes til en identificerbar fysisk person.

Andre opslag: Personal data.

Dansk betegnelse: Personoplysninger.

Engelsk betegnelse: Personal data.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Datatilsynet: Ordliste (da) · Information Commissioner’s Office: What is personal data? (engelsk begrebsforklaring; britisk kontekst) (en).

Opslag på hjemmesiden: Personoplysninger.

Brugt i EnableAI-dokumenter:

• AI-05-005-da v1.2: AI i rekruttering fra 30 muligheder til fem pilotinitiativer — Pilot 1 Automatisering af CV-arbejde Hvad skal håndteres?
• AI-05-006-da v3.1: Værdipoint i praksis: fra udsagn til dokumenteret forretningsværdi — 3. Et dokumenteret svar er mere end et tal
• AI-07-001-da v0.4: RAG: Fra dokumenter til brugbar viden — Dokumenter kan indeholde angreb
• AI-07-002-da v0.3: Gør virksomhedens data klar til AI — Lad AI hjælpe uden at gøre den til facit
• AI-08-001-da v0.3: Vælg AI værktøj og model efter opgaven — Vælg databehandling på aftaleniveau
• AI-08-005-da v1.1: Før I bygger AI-agenter: Få forretningen og medarbejderne med — Trin 2 Lad hypoteserne bevæge sig gennem virksomheden
• AI-10-001-da v0.3: Brug personoplysninger lovligt i AI — Brug personoplysninger lovligt i AI
• AI-10-002-da v0.4: Afklar hvilke AI regler virksomheden skal følge — Hold andre regler synlige
• AI-11-001-da v0.5: Datasikkerhed: Fra regler til daglig praksis — 1 Beskyt både mennesker og forretning
• AI-11-002-da v0.3: Beskyt fortrolige oplysninger når I bruger AI — Gør tilladt databrug konkret
• AI-12-001-da v0.3: Fastlæg menneskelig kontrol med AI agenter — Vurder regler om automatiske afgørelser særskilt
• AI-15-001-da v0.3: Design et AI eksperiment der giver et brugbart svar — Undersøg hele resultatet og bevar observationerne
• AI-15-003-da v0.3: Vurdér kvaliteten af AI svar og handlinger — Byg et testsæt fra virkelige opgaver
• AI-17-002-da v0.4: Hold AI stabil og håndtér fejl i drift — Overvåg det brugerne faktisk har behov for
• AI-17-003-da v0.4: Skab en varig praksis for læring og drift — Skeln mellem vidensopdatering og modeltræning

Product Backlog

En løbende opdateret og ordnet liste over det arbejde, der kan forbedre produktet.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Scrum Guides: The Scrum Guide (en) · Scrum Guides: Scrum Guide på dansk (da).

Opslag på hjemmesiden: Product Backlog.

Brugt i EnableAI-dokumenter:

• AI-04-001-da v0.5: Prioritering af AI initiativer — Agile gør prioriteringen til en løbende praksis

Product Owner

Den ansvarlige for at maksimere produktets værdi og sikre effektiv håndtering af Product Backlog.

Andre opslag: PO.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Scrum Guides: The Scrum Guide (en) · Scrum Guides: Scrum Guide på dansk (da).

Opslag på hjemmesiden: Product Owner.

Brugt i EnableAI-dokumenter:

• AI-02-001-da v0.4: Fordel ansvar og beslutninger for AI — Gør værdiejerskab til mere end et navn
• AI-04-001-da v0.5: Prioritering af AI initiativer — Agile gør prioriteringen til en løbende praksis
• AI-05-006-da v3.1: Værdipoint i praksis: fra udsagn til dokumenteret forretningsværdi — Læsevejledning og læringsmål
• AI-07-101-da v3.1: To halve dage: lær at estimere VP og SE og bruge dem i ledelsen — Formål, format og afgrænsning
• AI-07-102-da v1.0: Estimér forretningsværdi med VP — Praktiske rammer
• AI-07-103-da v1.0: Estimér størrelse med SE og prioritér projekter — Praktiske rammer

Prompt

Det input eller den instruktion, som en bruger eller et system giver til en AI-model.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Google for Developers: Machine Learning Glossary (en) · KL: AI-ordbogen (da).

Opslag på hjemmesiden: Prompt.

Brugt i EnableAI-dokumenter:

• AI-01-002-da v0.4: Styr transformationen efter resultater — Genbrug princippet og tilpas beviset
• AI-07-001-da v0.4: RAG: Fra dokumenter til brugbar viden — Vælg opslag efter spørgsmålet
• AI-07-003-da v0.3: Brug virksomhedens viden med RAG — Håndhæv adgang før modellen får teksten
• AI-08-001-da v0.3: Vælg AI værktøj og model efter opgaven — Beskriv den konkrete anvendelse
• AI-08-005-da v1.1: Før I bygger AI-agenter: Få forretningen og medarbejderne med — Gør målværdien meningsfuld for den der udfører arbejdet
• AI-11-001-da v0.5: Datasikkerhed: Fra regler til daglig praksis — 4 AI kræver kontrol med både viden og handlinger
• AI-11-002-da v0.3: Beskyt fortrolige oplysninger når I bruger AI — Forbered jer på manipuleret indhold
• AI-12-001-da v0.3: Fastlæg menneskelig kontrol med AI agenter — Fastlæg menneskelig kontrol med AI agenter
• AI-13-001-da v0.4: Opbyg de kompetencer AI arbejdet kræver — Opbyg de kompetencer AI arbejdet kræver
• AI-14-003-da v1.0: AI-kultur: Mål, der motiverer medarbejderne og skaber værdi — Beløn læring, hjælpsomhed og bedre beslutninger
• AI-14-006-da v1.0: AI-træning for medarbejdere: Fra kursus til fælles praksis — Forbind træning med en rytme i arbejdet
• AI-15-001-da v0.3: Design et AI eksperiment der giver et brugbart svar — Formulér hypotesen så den kan blive afkræftet

Prompt engineering

Systematisk udformning og afprøvning af instruktioner og kontekst for at forbedre en models svar.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: IBM: Prompt engineering (en) · KL: AI-ordbogen (da).

Opslag på hjemmesiden: Prompt engineering.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Prompt injection

Et angreb, hvor instruktioner i input eller hentet indhold forsøger at få AI-systemet til at bryde sine tilsigtede regler.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: IBM: Prompt injection (en).

Opslag på hjemmesiden: Prompt injection.

Brugt i EnableAI-dokumenter:

• AI-07-001-da v0.4: RAG: Fra dokumenter til brugbar viden — Dokumenter kan indeholde angreb
• AI-07-003-da v0.3: Brug virksomhedens viden med RAG — Håndhæv adgang før modellen får teksten
• AI-11-001-da v0.5: Datasikkerhed: Fra regler til daglig praksis — 4 AI kræver kontrol med både viden og handlinger
• AI-11-002-da v0.3: Beskyt fortrolige oplysninger når I bruger AI — Forbered jer på manipuleret indhold

Prototype

En tidlig repræsentation af en løsning, som bruges til at undersøge idéer og få feedback. Den behøver ikke kunne bruges i reel drift.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Government Digital Service: Prototyping (en).

Opslag på hjemmesiden: Prototype.

Brugt i EnableAI-dokumenter:

• AI-14-005-da v1.0: Hypotesefasen i AI: Byg kultur, før I bygger en MVP — En prototype i hypotesefasen er ikke automatisk en MVP
• AI-04-001-da v0.5: Prioritering af AI initiativer — 1 Definer og kør eksperimenter
• AI-15-001-da v0.3: Design et AI eksperiment der giver et brugbart svar — Aftal forsøgets ramme før I ser resultaterne
• AI-15-002-da v0.3: Byg en MVP der kan vise værdi i rigtig brug — Byg en MVP der kan vise værdi i rigtig brug

Prætræning

Den indledende træning, hvor en model lærer brede mønstre fra data før en eventuel tilpasning til bestemte opgaver. Prætræning adskiller sig fra både efterfølgende finjustering og opslag i eksterne dokumenter med RAG.

Andre opslag: Pretraining; Pre-training.

Dansk betegnelse: Prætræning.

Engelsk betegnelse: Pretraining.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Digitaliseringsstyrelsen / sprogteknologi.dk: Begrebsliste: danske og engelske sprogteknologiske termer (da) · Hugging Face: Transformers glossary (en).

Opslag på hjemmesiden: Prætræning.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Psykologisk tryghed

Et fælles oplevet rum, hvor man kan stille spørgsmål, udtrykke tvivl og fortælle om fejl uden frygt for ydmygelse.

Andre opslag: Psychological safety.

Dansk betegnelse: Psykologisk tryghed.

Engelsk betegnelse: Psychological safety.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: BFA Velfærd og Offentlig administration: Hvad er psykologisk tryghed? (da) · Harvard Business School: Psychological safety: definition by Amy Edmondson (en).

Opslag på hjemmesiden: Psykologisk tryghed.

Brugt i EnableAI-dokumenter:

• AI-14-004-da v1.0: Medarbejderinddragelse i AI: Skab ejerskab fra den første idé — Psykologisk tryghed skal kunne ses i lederens adfærd
• AI-08-005-da v1.1: Før I bygger AI-agenter: Få forretningen og medarbejderne med — Skab bredt engagement når hypotesen bliver til en MVP
• AI-14-005-da v1.0: Hypotesefasen i AI: Byg kultur, før I bygger en MVP — Det forskningsmæssige grundlag og EnableAI’s metode

RAG

En metode, hvor en generativ model får relevant materiale hentet fra udvalgte kilder som grundlag for svaret. Kilderne gør ikke automatisk svaret korrekt.

Andre opslag: Retrieval-Augmented Generation.

Engelsk betegnelse: Retrieval-Augmented Generation.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: IBM: Retrieval-augmented generation (en) · KL: AI-ordbogen (da) · Microsoft Learn: RAG and generative AI (en).

Opslag på hjemmesiden: RAG.

Brugt i EnableAI-dokumenter:

• AI-03-001-da v0.5: Systemmodenhed: Gør virksomheden klar til agentisk AI — Eksempel: Fra kundehenvendelse til ordreændring
• AI-05-005-da v1.2: AI i rekruttering fra 30 muligheder til fem pilotinitiativer — Pilot 4 Intern videnschat med RAG og hypotese
• AI-07-001-da v0.4: RAG: Fra dokumenter til brugbar viden — RAG: Fra dokumenter til brugbar viden
• AI-07-002-da v0.3: Gør virksomhedens data klar til AI — Lad AI hjælpe uden at gøre den til facit
• AI-07-003-da v0.3: Brug virksomhedens viden med RAG — Brug virksomhedens viden med RAG
• AI-08-002-da v0.3: Vælg mellem automatisering generativ AI og agenter — Regn også på kompleksiteten
• AI-08-004-da v0.3: Håndtér teknisk gæld og datagæld løbende — Prioritér efter konkret virkning
• AI-11-001-da v0.5: Datasikkerhed: Fra regler til daglig praksis — GDPR: Formål og nødvendighed kommer først
• AI-11-002-da v0.3: Beskyt fortrolige oplysninger når I bruger AI — Giv mennesker og agenter mindst mulig adgang
• AI-13-001-da v0.4: Opbyg de kompetencer AI arbejdet kræver — Kombinér fælles grundlag med målrettet støtte
• AI-15-003-da v0.3: Vurdér kvaliteten af AI svar og handlinger — Definér et brugbart resultat
• AI-17-003-da v0.4: Skab en varig praksis for læring og drift — Skeln mellem vidensopdatering og modeltræning

Reinforcement learning

Maskinlæring, hvor en agent lærer en strategi ved at afprøve handlinger og modtage belønninger eller andre tilbagemeldinger. Målet er at forbedre den forventede samlede belønning over tid.

Andre opslag: RL; Forstærkningslæring.

Dansk betegnelse: Forstærkningslæring.

Engelsk betegnelse: Reinforcement learning.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: SAS: Machine learning: methods and definitions (en) · SAS Danmark: Hvad er machine learning? Læringsmetoder (da).

Opslag på hjemmesiden: Reinforcement learning.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Risiko

En usikker hændelse, der kan påvirke et mål, og som vurderes ud fra mulige konsekvenser og sandsynlighed.

Andre opslag: Risk.

Dansk betegnelse: Risiko.

Engelsk betegnelse: Risk.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Association for Project Management: Project management glossary (en) · NIST: AI Risk Management Framework (en) · Den Danske Ordbog: risiko (da).

Opslag på hjemmesiden: Risiko.

Brugt i EnableAI-dokumenter:

• AI-01-002-da v0.4: Styr transformationen efter resultater — Styr transformationen efter resultater
• AI-02-001-da v0.4: Fordel ansvar og beslutninger for AI — Fordel ansvar og beslutninger for AI
• AI-02-002-da v0.3: Giv ledelsen en aktiv rolle i transformationen — Giv ledelsen en aktiv rolle i transformationen
• AI-03-001-da v0.5: Systemmodenhed: Gør virksomheden klar til agentisk AI — Fordel ansvar, og mål det faktiske resultat
• AI-03-003-da v0.3: Planlæg virksomhedens første 90 dage med AI — Planlæg virksomhedens første 90 dage med AI
• AI-04-001-da v0.5: Prioritering af AI initiativer — Indsatsen omfatter også usikkerhed
• AI-04-003-da v0.4: Vælg hvilke AI initiativer der skal komme først — Gør værdi og størrelse forståelige
• AI-05-003-da v0.3: Mål om AI skaber reel værdi — Byg en kæde fra brug til forretning
• AI-05-004-da v0.4: Finansier læring og værdi i mindre skridt — Finansier læring og værdi i mindre skridt
• AI-05-006-da v3.1: Værdipoint i praksis: fra udsagn til dokumenteret forretningsværdi — 4. Sådan virker omregningen til VP
• AI-05-007-da v3.1: Fra VP og SE til beslutning, opfølgning og læring — 7. Sådan beregnes afvigelser
• AI-05-008-da v3.1: Størrelsesenheder i praksis: estimer hele forandringen — Læsevejledning og læringsmål
• AI-05-009-da v3.1: Spørgeguide og dokumentationskort til VP og SE — Kort D: Navngiven risiko og restusikkerhed
• AI-05-011-da v3.1: Værdi, størrelse og prioritet på én side — Prioritér det, der giver mest værdi for indsatsen
• AI-05-101-da v1.0: Gør forventet forretningsværdi målbar — Direkte og indirekte værdi
• AI-05-102-da v1.0: Se hele projektets størrelse — Tre dele af størrelsen
• AI-06-001-da v0.3: Tilpas arbejdsgange og roller til AI — Tegn den nuværende og den ønskede arbejdsform
• AI-07-002-da v0.3: Gør virksomhedens data klar til AI — Ryd op ved kilden og gør ansvaret varigt
• AI-07-003-da v0.3: Brug virksomhedens viden med RAG — Håndhæv adgang før modellen får teksten
• AI-07-101-da v3.1: To halve dage: lær at estimere VP og SE og bruge dem i ledelsen — Halvdag 2: Estimér SE, prioritér og følg op
• AI-07-103-da v1.0: Estimér størrelse med SE og prioritér projekter — Risiko og restusikkerhed
• AI-08-002-da v0.3: Vælg mellem automatisering generativ AI og agenter — Regn også på kompleksiteten
• AI-08-003-da v0.3: Forbind AI med virksomhedens eksisterende systemer — Giv adgang efter identitet og opgave
• AI-08-004-da v0.3: Håndtér teknisk gæld og datagæld løbende — Prioritér efter konkret virkning
• AI-09-002-da v0.3: Vælg AI leverandør og bevar handlefriheden — Gennemgå fem områder før en større aftale
• AI-09-100-da v1.1: Fælles rammer og hurtigere udvikling — Giv teams frihed til at udvikle - med tydeligt ansvar.
• AI-10-001-da v0.3: Brug personoplysninger lovligt i AI — Brug personoplysninger lovligt i AI
• AI-10-002-da v0.4: Afklar hvilke AI regler virksomheden skal følge — Gør kompetencer og kontrol til en praktisk opgave
• AI-11-001-da v0.5: Datasikkerhed: Fra regler til daglig praksis — Vurder risikoen før data tages i brug
• AI-12-001-da v0.3: Fastlæg menneskelig kontrol med AI agenter — Vurder regler om automatiske afgørelser særskilt
• AI-12-002-da v0.3: Gør kvalitet og sikkerhed til en del af leverancen — Kombinér faglig vurdering og tekniske kontroller
• AI-14-002-da v0.4: Inddrag brugerne og ændr den daglige praksis — Undersøg praksis før I designer den nye proces
• AI-14-003-da v1.0: AI-kultur: Mål, der motiverer medarbejderne og skaber værdi — Korte svar om motiverende AI-mål
• AI-14-004-da v1.0: Medarbejderinddragelse i AI: Skab ejerskab fra den første idé — Hvordan involverer man medarbejderne tidligt i AI?
• AI-14-005-da v1.0: Hypotesefasen i AI: Byg kultur, før I bygger en MVP — En prototype i hypotesefasen er ikke automatisk en MVP
• AI-14-006-da v1.0: AI-træning for medarbejdere: Fra kursus til fælles praksis — Øv også det, der kan gå galt
• AI-14-007-da v1.0: Udvikl jeres egne AI-talenter: Kompetencer, karriere og fælles ejerskab — Hvornår skal I udvikle, købe eller tilknytte specialistviden?
• AI-15-003-da v0.3: Vurdér kvaliteten af AI svar og handlinger — Definér et brugbart resultat
• AI-16-001-da v0.4: Styr AI porteføljen og stop på et oplyst grundlag — Styr AI porteføljen og stop på et oplyst grundlag
• AI-17-001-da v0.4: Beslut hvornår en AI løsning skal skaleres — Saml det grundlag en skaleringsbeslutning kræver
• AI-17-003-da v0.4: Skab en varig praksis for læring og drift — Kundeeksempel med mål og opfølgning

RLHF

En træningsmetode, hvor menneskers vurderinger indgår i belønningssignalet til en models forstærkningslæring. Metoden kan gøre svar mere i tråd med menneskelige præferencer, men er ikke en garanti for sandhed eller sikkerhed.

Andre opslag: Reinforcement learning from human feedback.

Engelsk betegnelse: Reinforcement learning from human feedback.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Hugging Face: Illustrating reinforcement learning from human feedback (en).

Opslag på hjemmesiden: RLHF.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Scrum

Et let rammeværk til at skabe værdi gennem løbende tilpasning ved komplekse problemer.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Scrum Guides: The Scrum Guide (en) · Scrum Guides: Scrum Guide på dansk (da).

Opslag på hjemmesiden: Scrum.

Brugt i EnableAI-dokumenter:

• AI-01-002-da v0.4: Styr transformationen efter resultater — Styr transformationen efter resultater
• AI-02-001-da v0.4: Fordel ansvar og beslutninger for AI — Gør værdiejerskab til mere end et navn
• AI-02-002-da v0.3: Giv ledelsen en aktiv rolle i transformationen — Giv ledelsen en aktiv rolle i transformationen
• AI-04-001-da v0.5: Prioritering af AI initiativer — Agile gør prioriteringen til en løbende praksis
• AI-05-003-da v0.3: Mål om AI skaber reel værdi — Vælg få mål og giv dem en ejer
• AI-06-002-da v0.4: Organisér tværfaglige teams omkring arbejdet — Organisér tværfaglige teams omkring arbejdet
• AI-12-002-da v0.3: Gør kvalitet og sikkerhed til en del af leverancen — Gør kvalitet og sikkerhed til en del af leverancen
• AI-14-002-da v0.4: Inddrag brugerne og ændr den daglige praksis — Bevar samarbejdet og udvid opmærksomheden
• AI-15-004-da v0.3: Brug korte forløb til at reducere usikkerhed — Brug korte forløb til at reducere usikkerhed
• AI-16-002-da v0.3: Begræns igangværende arbejde og styr afhængigheder — Tilpas flowprincippet til AI afhængigheder
• AI-17-003-da v0.4: Skab en varig praksis for læring og drift — Skab en varig praksis for læring og drift

Scrum Master

Den ansvarlige for at etablere Scrum og hjælpe teamet med at forbedre sin effektivitet.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Scrum Guides: The Scrum Guide (en) · Scrum Guides: Scrum Guide på dansk (da).

Opslag på hjemmesiden: Scrum Master.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

SI

En flertydig forkortelse, som kan stå for Super Intelligence, superintelligence eller synthetic intelligence afhængigt af kilden. SI er derfor ikke en entydig betegnelse for et bestemt teknisk intelligensniveau.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: The White House: Inaugurating the Era of Super Intelligence, 29 September 2026, sections 2–3 (en) · IBM: Artificial superintelligence (en) · Stanford Bioengineering: Dendrocentric learning for synthetic intelligence: Boahens forskningsbrug (en).

Opslag på hjemmesiden: SI.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Skalering

Hos EnableAI er skalering udvidelse af en afprøvet løsning til flere brugere, opgaver eller enheder med passende kapacitet, ansvar og opfølgning.

Andre opslag: Scaling.

Dansk betegnelse: Skalering.

Engelsk betegnelse: Scaling.

Definitionstype: EnableAI-specifik anvendelse; eksterne kilder er fagligt afsæt, ikke en definition af EnableAI-modellen.

Kilder: NIST: AI Risk Management Framework (en).

Opslag på hjemmesiden: Skalering.

Brugt i EnableAI-dokumenter:

• AI-05-007-da v3.1: Fra VP og SE til beslutning, opfølgning og læring — 4. Dokumentationen før hver fase
• AI-01-001-da v0.4: Sæt en forretningsretning for AI — Giv strategien en rytme for læring
• AI-01-002-da v0.4: Styr transformationen efter resultater — Lad målene følge de tre stadier
• AI-02-001-da v0.4: Fordel ansvar og beslutninger for AI — Et eksempel fra en mindre servicevirksomhed
• AI-02-002-da v0.3: Giv ledelsen en aktiv rolle i transformationen — Tilpas ledelsens engagement til stadiet
• AI-03-001-da v0.5: Systemmodenhed: Gør virksomheden klar til agentisk AI — Kundeeksempel med mål og opfølgning
• AI-03-002-da v0.4: Kom godt i gang med AI i virksomheden — Lad næste skridt afhænge af resultatet
• AI-03-003-da v0.3: Planlæg virksomhedens første 90 dage med AI — Planlæg virksomhedens første 90 dage med AI
• AI-04-001-da v0.5: Prioritering af AI initiativer — 2 Byg MVP med forventet værdi
• AI-04-002-da v0.3: Find de AI anvendelser der kan forbedre arbejdet — Byg en pipeline som bliver klogere
• AI-04-003-da v0.4: Vælg hvilke AI initiativer der skal komme først — Vælg hvilke AI initiativer der skal komme først
• AI-04-101-da v1.0: Prioritér projekter med værdi og samlet indsats — Ny viden skal ændre beslutningen
• AI-05-001-da v0.3: Byg en troværdig business case for AI — Finansier efter det grundlag der findes
• AI-05-002-da v0.4: Budgettér hele omkostningen ved AI — Finansier det næste meningsfulde skridt
• AI-05-003-da v0.3: Mål om AI skaber reel værdi — Brug resultaterne til at ændre noget
• AI-05-004-da v0.4: Finansier læring og værdi i mindre skridt — Sæt en ramme og frigiv midler efter viden
• AI-05-005-da v1.2: AI i rekruttering fra 30 muligheder til fem pilotinitiativer — Hvordan måler vi tid, tillid, salg og fastholdelse?
• AI-05-010-da v3.1: Fem hele projektforløb: AI, IT og forretning — P1 · Videnassistent i kundeservice
• AI-06-001-da v0.3: Tilpas arbejdsgange og roller til AI — Lad modenheden følge opgaven
• AI-06-002-da v0.4: Organisér tværfaglige teams omkring arbejdet — Lad organiseringen vokse med behovet
• AI-07-001-da v0.4: RAG: Fra dokumenter til brugbar viden — Udvikl RAG gennem de tre stadier
• AI-07-002-da v0.3: Gør virksomhedens data klar til AI — Udbyg grundlaget i takt med anvendelsen
• AI-07-003-da v0.3: Brug virksomhedens viden med RAG — Et eksempel med en fælles intern vidensbase
• AI-07-101-da v3.1: To halve dage: lær at estimere VP og SE og bruge dem i ledelsen — Instruktion til faseopfølgningen
• AI-07-102-da v1.0: Estimér forretningsværdi med VP — Opfølgning og næste test
• AI-07-103-da v1.0: Estimér størrelse med SE og prioritér projekter — Fagligt grundlag
• AI-08-001-da v0.3: Vælg AI værktøj og model efter opgaven — Genbesøg valget når forholdene ændres
• AI-08-002-da v0.3: Vælg mellem automatisering generativ AI og agenter — Regn også på kompleksiteten
• AI-08-003-da v0.3: Forbind AI med virksomhedens eksisterende systemer — Udvid efter dokumenteret behov
• AI-08-004-da v0.3: Håndtér teknisk gæld og datagæld løbende — Afsæt kapacitet før problemerne bliver akutte
• AI-08-005-da v1.1: Før I bygger AI-agenter: Få forretningen og medarbejderne med — Tre trin med hver sin opgave
• AI-09-001-da v0.3: Vælg mellem at købe tilpasse og bygge AI — Et eksempel med dokumentkontrol
• AI-09-002-da v0.3: Vælg AI leverandør og bevar handlefriheden — Tilpas aftalen til de tre stadier
• AI-10-001-da v0.3: Brug personoplysninger lovligt i AI — Et eksempel med kundeservice
• AI-10-002-da v0.4: Afklar hvilke AI regler virksomheden skal følge — Et eksempel med HR anvendelser
• AI-11-001-da v0.5: Datasikkerhed: Fra regler til daglig praksis — Datasikkerhed: Fra regler til daglig praksis
• AI-11-002-da v0.3: Beskyt fortrolige oplysninger når I bruger AI — Byg sikkerhed gennem de tre stadier
• AI-12-001-da v0.3: Fastlæg menneskelig kontrol med AI agenter — Udvid mandatet med dokumentation
• AI-12-002-da v0.3: Gør kvalitet og sikkerhed til en del af leverancen — Tilpas dokumentationen til de tre stadier
• AI-13-001-da v0.4: Opbyg de kompetencer AI arbejdet kræver — Følg evner og effekt frem for deltagelse alene
• AI-14-001-da v0.3: Få medarbejderne til at bruge AI med omtanke — Følg anvendelse gennem alle tre stadier
• AI-14-002-da v0.4: Inddrag brugerne og ændr den daglige praksis — Lad de tre stadier omfatte mennesker
• AI-14-005-da v1.0: Hypotesefasen i AI: Byg kultur, før I bygger en MVP — To modeller med tre trin, som supplerer hinanden
• AI-15-001-da v0.3: Design et AI eksperiment der giver et brugbart svar — Kundeeksempel med mål og opfølgning
• AI-15-002-da v0.3: Byg en MVP der kan vise værdi i rigtig brug — Beslut hvad der skal være bevist før skalering
• AI-15-003-da v0.3: Vurdér kvaliteten af AI svar og handlinger — Følg kvaliteten efter ibrugtagning
• AI-15-004-da v0.3: Brug korte forløb til at reducere usikkerhed — Skift fra teknisk mulighed til virkelig brug
• AI-16-001-da v0.4: Styr AI porteføljen og stop på et oplyst grundlag — Styr AI porteføljen og stop på et oplyst grundlag
• AI-16-002-da v0.3: Begræns igangværende arbejde og styr afhængigheder — Giv læring plads uden at skabe en skjult kø
• AI-17-001-da v0.4: Beslut hvornår en AI løsning skal skaleres — Beslut hvornår en AI løsning skal skaleres
• AI-17-002-da v0.4: Hold AI stabil og håndtér fejl i drift — Hold AI stabil og håndtér fejl i drift
• AI-17-003-da v0.4: Skab en varig praksis for læring og drift — Lad transformationen blive til en varig evne
• AI-18-001-da v0.3: Skab nye kundetilbud med AI — Vælg hvilken forretningshypotese der skal testes

Smal AI

AI udviklet til afgrænsede opgaver eller anvendelsesområder. Den kan overgå mennesker inden for sit område uden dermed at være generel AI eller superintelligens.

Andre opslag: ANI; Artificial narrow intelligence; Narrow AI; Snæver AI.

Dansk betegnelse: Smal / snæver kunstig intelligens.

Engelsk betegnelse: Artificial narrow intelligence.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: IBM: Types of artificial intelligence (en) · Shopify Danmark: Smal AI, generel AI og superintelligens (da).

Opslag på hjemmesiden: Smal AI.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Sprint

En fast Scrum-periode på højst en måned, hvor teamet arbejder mod et fælles mål.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Scrum Guides: The Scrum Guide (en) · Scrum Guides: Scrum Guide på dansk (da).

Opslag på hjemmesiden: Sprint.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Sprint Backlog

Sprintmålet, det valgte arbejde og teamets plan for at levere det samles i Sprint Backlog.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Scrum Guides: The Scrum Guide (en) · Scrum Guides: Scrum Guide på dansk (da).

Opslag på hjemmesiden: Sprint Backlog.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Sprint Retrospective

Scrum-teamets tilbageblik på samarbejde og arbejdsform for at vælge forbedringer.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Scrum Guides: The Scrum Guide (en) · Scrum Guides: Scrum Guide på dansk (da).

Opslag på hjemmesiden: Sprint Retrospective.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Sprint Review

En fælles gennemgang af Sprintens resultat med interessenter for at vurdere næste tilpasning.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Scrum Guides: The Scrum Guide (en) · Scrum Guides: Scrum Guide på dansk (da).

Opslag på hjemmesiden: Sprint Review.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Stor sprogmodel

En sprogmodel trænet på omfattende data, som kan bearbejde og generere sprog. Dens flydende svar er ikke bevis for faktuel korrekthed.

Andre opslag: LLM; Large Language Model.

Dansk betegnelse: Stor sprogmodel.

Engelsk betegnelse: Large Language Model.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: IBM: Large language models (en) · KL: AI-ordbogen (da) · Lex / Københavns Universitet: Sprogmodel (da).

Opslag på hjemmesiden: Stor sprogmodel.

Brugt i EnableAI-dokumenter:

• AI-03-001-da v0.5: Systemmodenhed: Gør virksomheden klar til agentisk AI — Fordel ansvar, og mål det faktiske resultat
• AI-07-001-da v0.4: RAG: Fra dokumenter til brugbar viden — 1 Sådan fungerer RAG

Story points

Relative estimater af arbejdsomfang, kompleksitet og usikkerhed, som et team kalibrerer lokalt. De kan ikke uden videre sammenlignes mellem teams.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Atlassian: Story points and estimation (en).

Opslag på hjemmesiden: Story points.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Stærk AI

I filosofien er stærk AI den påstand, at et korrekt programmeret system kan have egentlig forståelse og mentale egenskaber. I teknologitekster bruges udtrykket også om AGI, så betydningen skal afklares frem for at ligestille forståelse med brede færdigheder.

Andre opslag: Strong AI.

Dansk betegnelse: Stærk AI.

Engelsk betegnelse: Strong AI.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Stanford Encyclopedia of Philosophy: The Chinese Room Argument: strong and weak AI (en) · Lex: John Searle og stærk AI (da) · IBM: Types of artificial intelligence (en).

Opslag på hjemmesiden: Stærk AI.

Brugt i EnableAI-dokumenter:

• AI-14-003-da v1.0: AI-kultur: Mål, der motiverer medarbejderne og skaber værdi — Hvad får medarbejdere til at engagere sig i AI?

Størrelsesenheder

EnableAI’s enhed for normaliseret ressourceforbrug, inklusive relevante risici og usikkerhed. I startprofilen svarer 1 SE til 22.500 referencekroner eller 37,5 interne timer ved referencesatsen.

Andre opslag: SE.

Definitionstype: EnableAI-specifik anvendelse; eksterne kilder er fagligt afsæt, ikke en definition af EnableAI-modellen.

Kilder: Government Analysis Function: An introductory guide to MCDA (en).

Opslag på hjemmesiden: Størrelsesenheder.

Brugt i EnableAI-dokumenter:

• AI-05-008-da v3.1: Størrelsesenheder i praksis: estimer hele forandringen — Størrelsesenheder i praksis: estimer hele forandringen
• AI-01-001-da v0.4: Sæt en forretningsretning for AI — Kundeeksempel med mål og opfølgning
• AI-01-002-da v0.4: Styr transformationen efter resultater — Kundeeksempel med mål og opfølgning
• AI-02-001-da v0.4: Fordel ansvar og beslutninger for AI — Kundeeksempel med mål og opfølgning
• AI-02-002-da v0.3: Giv ledelsen en aktiv rolle i transformationen — Kundeeksempel med mål og opfølgning
• AI-03-001-da v0.5: Systemmodenhed: Gør virksomheden klar til agentisk AI — Kundeeksempel med mål og opfølgning
• AI-03-002-da v0.4: Kom godt i gang med AI i virksomheden — Kundeeksempel med mål og opfølgning
• AI-03-003-da v0.3: Planlæg virksomhedens første 90 dage med AI — Kundeeksempel med mål og opfølgning
• AI-04-001-da v0.5: Prioritering af AI initiativer — Kundeeksempel med mål og opfølgning
• AI-04-002-da v0.3: Find de AI anvendelser der kan forbedre arbejdet — Kundeeksempel med mål og opfølgning
• AI-04-003-da v0.4: Vælg hvilke AI initiativer der skal komme først — Kundeeksempel med mål og opfølgning
• AI-04-101-da v1.0: Prioritér projekter med værdi og samlet indsats — Hvilke projekter skal vi begynde med?
• AI-05-001-da v0.3: Byg en troværdig business case for AI — Kundeeksempel med mål og opfølgning
• AI-05-002-da v0.4: Budgettér hele omkostningen ved AI — Kundeeksempel med mål og opfølgning
• AI-05-003-da v0.3: Mål om AI skaber reel værdi — Kundeeksempel med mål og opfølgning
• AI-05-004-da v0.4: Finansier læring og værdi i mindre skridt — Kundeeksempel med mål og opfølgning
• AI-05-005-da v1.2: AI i rekruttering fra 30 muligheder til fem pilotinitiativer — Sammenhæng med værdi, størrelse og opfølgning
• AI-05-006-da v3.1: Værdipoint i praksis: fra udsagn til dokumenteret forretningsværdi — 1. Hvad kommer fra kilderne, og hvad har EnableAI valgt?
• AI-05-007-da v3.1: Fra VP og SE til beslutning, opfølgning og læring — Fra VP og SE til beslutning, opfølgning og læring
• AI-05-009-da v3.1: Spørgeguide og dokumentationskort til VP og SE — Spørgeguide og dokumentationskort til VP og SE
• AI-05-010-da v3.1: Fem hele projektforløb: AI, IT og forretning — P1 · Videnassistent i kundeservice
• AI-05-011-da v3.1: Værdi, størrelse og prioritet på én side — Prioritér det, der giver mest værdi for indsatsen
• AI-05-102-da v1.0: Se hele projektets størrelse — Hvad kræver det at få værdien til at ske?
• AI-06-001-da v0.3: Tilpas arbejdsgange og roller til AI — Kundeeksempel med mål og opfølgning
• AI-06-002-da v0.4: Organisér tværfaglige teams omkring arbejdet — Kundeeksempel med mål og opfølgning
• AI-07-001-da v0.4: RAG: Fra dokumenter til brugbar viden — Kundeeksempel med mål og opfølgning
• AI-07-002-da v0.3: Gør virksomhedens data klar til AI — Kundeeksempel med mål og opfølgning
• AI-07-003-da v0.3: Brug virksomhedens viden med RAG — Kundeeksempel med mål og opfølgning
• AI-07-101-da v3.1: To halve dage: lær at estimere VP og SE og bruge dem i ledelsen — To halve dage: lær at estimere VP og SE og bruge dem i ledelsen
• AI-07-102-da v1.0: Estimér forretningsværdi med VP — Øvelser og udbytte
• AI-07-103-da v1.0: Estimér størrelse med SE og prioritér projekter — Estimér størrelse med SE og prioritér projekter
• AI-08-001-da v0.3: Vælg AI værktøj og model efter opgaven — Kundeeksempel med mål og opfølgning
• AI-08-002-da v0.3: Vælg mellem automatisering generativ AI og agenter — Kundeeksempel med mål og opfølgning
• AI-08-003-da v0.3: Forbind AI med virksomhedens eksisterende systemer — Kundeeksempel med mål og opfølgning
• AI-08-004-da v0.3: Håndtér teknisk gæld og datagæld løbende — Kundeeksempel med mål og opfølgning
• AI-08-005-da v1.1: Før I bygger AI-agenter: Få forretningen og medarbejderne med — Tre trin med hver sin opgave
• AI-09-001-da v0.3: Vælg mellem at købe tilpasse og bygge AI — Kundeeksempel med mål og opfølgning
• AI-09-002-da v0.3: Vælg AI leverandør og bevar handlefriheden — Kundeeksempel med mål og opfølgning
• AI-10-001-da v0.3: Brug personoplysninger lovligt i AI — Kundeeksempel med mål og opfølgning
• AI-10-002-da v0.4: Afklar hvilke AI regler virksomheden skal følge — Kundeeksempel med mål og opfølgning
• AI-11-001-da v0.5: Datasikkerhed: Fra regler til daglig praksis — Kundeeksempel med mål og opfølgning
• AI-11-002-da v0.3: Beskyt fortrolige oplysninger når I bruger AI — Kundeeksempel med mål og opfølgning
• AI-12-001-da v0.3: Fastlæg menneskelig kontrol med AI agenter — Kundeeksempel med mål og opfølgning
• AI-12-002-da v0.3: Gør kvalitet og sikkerhed til en del af leverancen — Kundeeksempel med mål og opfølgning
• AI-13-001-da v0.4: Opbyg de kompetencer AI arbejdet kræver — Kundeeksempel med mål og opfølgning
• AI-14-001-da v0.3: Få medarbejderne til at bruge AI med omtanke — Kundeeksempel med mål og opfølgning
• AI-14-002-da v0.4: Inddrag brugerne og ændr den daglige praksis — Kundeeksempel med mål og opfølgning
• AI-14-003-da v1.0: AI-kultur: Mål, der motiverer medarbejderne og skaber værdi — Relateret EnableAI-viden
• AI-14-005-da v1.0: Hypotesefasen i AI: Byg kultur, før I bygger en MVP — Prioritér ud fra værdi, indsats og beslutningsrelevant læring
• AI-15-001-da v0.3: Design et AI eksperiment der giver et brugbart svar — Kundeeksempel med mål og opfølgning
• AI-15-002-da v0.3: Byg en MVP der kan vise værdi i rigtig brug — Kundeeksempel med mål og opfølgning
• AI-15-003-da v0.3: Vurdér kvaliteten af AI svar og handlinger — Kundeeksempel med mål og opfølgning
• AI-15-004-da v0.3: Brug korte forløb til at reducere usikkerhed — Kundeeksempel med mål og opfølgning
• AI-16-001-da v0.4: Styr AI porteføljen og stop på et oplyst grundlag — Kundeeksempel med mål og opfølgning
• AI-16-002-da v0.3: Begræns igangværende arbejde og styr afhængigheder — Kundeeksempel med mål og opfølgning
• AI-17-001-da v0.4: Beslut hvornår en AI løsning skal skaleres — Kundeeksempel med mål og opfølgning
• AI-17-002-da v0.4: Hold AI stabil og håndtér fejl i drift — Kundeeksempel med mål og opfølgning
• AI-17-003-da v0.4: Skab en varig praksis for læring og drift — Kundeeksempel med mål og opfølgning
• AI-18-001-da v0.3: Skab nye kundetilbud med AI — Kundeeksempel med mål og opfølgning

Super Intelligence (amerikansk myndighedsbetegnelse)

I den amerikanske præsidentordre af 29. september 2026 erstatter Super Intelligence og SI betegnelserne AI i den udøvende føderale forvaltnings sprogbrug, hvor loven tillader det. Ordren bruger indtil videre den eksisterende lovdefinition af AI, så navneskiftet dokumenterer ikke opnået teknisk superintelligens.

Andre opslag: SI i amerikansk myndighedssprog.

Engelsk betegnelse: Super Intelligence.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: The White House: Inaugurating the Era of Super Intelligence, 29 September 2026, sections 2–3 (en).

Opslag på hjemmesiden: Super Intelligence (amerikansk myndighedsbetegnelse).

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Superintelligens

En hypotetisk form for AI, som overgår menneskers kognitive evner bredt på tværs af områder. At et system er bedst til én opgave eller kaldes SI, er ikke tilstrækkeligt til at opfylde denne betydning.

Andre opslag: ASI; Artificial superintelligence; Superintelligence; Kunstig superintelligens.

Dansk betegnelse: Kunstig superintelligens.

Engelsk betegnelse: Artificial superintelligence.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: IBM: Artificial superintelligence (en) · Shopify Danmark: Smal AI, generel AI og superintelligens (da) · Google DeepMind: Levels of AGI: performance, generality and autonomy (en).

Opslag på hjemmesiden: Superintelligens.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Supervised learning

Maskinlæring, hvor modellen trænes på eksempler med kendte målværdier eller kategorier. Modellen lærer en sammenhæng, som den derefter kan anvende på nye input.

Andre opslag: Overvåget læring; Superviseret læring.

Dansk betegnelse: Overvåget / superviseret læring.

Engelsk betegnelse: Supervised learning.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: SAS: Machine learning: methods and definitions (en) · SAS Danmark: Hvad er machine learning? Læringsmetoder (da).

Opslag på hjemmesiden: Supervised learning.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Symbolsk AI

AI, hvor viden og ræsonnement repræsenteres med symboler, regler og logiske relationer. Det er en anden tilgang end at lære alle sammenhænge som vægte i et neuralt netværk, og tilgangene kan kombineres.

Andre opslag: Symbolic AI.

Dansk betegnelse: Symbolsk AI.

Engelsk betegnelse: Symbolic AI.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Lex / Københavns Universitet: Kunstig intelligens (da) · Zapier: AI terms: An AI glossary for humans (en).

Opslag på hjemmesiden: Symbolsk AI.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Syntetiske data

Kunstigt fremstillede data, som bruges i stedet for eller sammen med observerede data, eksempelvis til træning og test. Syntetiske data er ikke automatisk anonyme, retvisende eller fri for skævheder.

Andre opslag: Synthetic data.

Engelsk betegnelse: Synthetic data.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: IBM Research: What is synthetic data? (en) · SAS Danmark: Hvad er syntetiske data? (da).

Opslag på hjemmesiden: Syntetiske data.

Brugt i EnableAI-dokumenter:

• AI-08-001-da v0.3: Vælg AI værktøj og model efter opgaven — Vælg databehandling på aftaleniveau

Synthetic intelligence

En alternativ betegnelse med en kildeafhængig betydning; forskeren Kwabena Boahen bruger den om hjerneinspireret AI med dendrocentrisk læring. Betegnelsen er ikke i sig selv et løfte om superintelligens, bevidsthed eller brug af syntetiske træningsdata.

Andre opslag: Syntetisk intelligens.

Engelsk betegnelse: Synthetic intelligence.

Syntetisk intelligens er her en forklarende dansk oversættelse; betydningen skal altid læses i den konkrete kilde.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Stanford Bioengineering: Dendrocentric learning for synthetic intelligence: Boahens forskningsbrug (en).

Opslag på hjemmesiden: Synthetic intelligence.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Temperatur

En indstilling, der påvirker, hvor tilfældigt en generativ model vælger blandt mulige næste tokens. En lavere temperatur giver typisk mere ensartede svar, men garanterer ikke korrekte svar.

Andre opslag: Temperature.

Engelsk betegnelse: Temperature.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Google for Developers: Machine Learning Glossary (en).

Opslag på hjemmesiden: Temperatur.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Token

En enhed, som en sprogmodel bearbejder, eksempelvis et ord, en orddel eller et tegn.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Google for Developers: Machine Learning Glossary (en) · KL: AI-ordbogen (da).

Opslag på hjemmesiden: Token.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Tokenisering

Opdeling af tekst i mindre enheder, som en sprogmodel omsætter til og fra numeriske repræsentationer. En token kan være et ord, en del af et ord eller et tegn afhængigt af modellen.

Andre opslag: Tokenization.

Dansk betegnelse: Tokenisering.

Engelsk betegnelse: Tokenization.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Hugging Face: Transformers glossary (en) · Digitaliseringsstyrelsen / sprogteknologi.dk: Begrebsliste: danske og engelske sprogteknologiske termer (da).

Opslag på hjemmesiden: Tokenisering.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Transformer

En neural modelarkitektur, der bruger attention til at behandle relationer mellem dele af inputtet. Arkitekturen ligger bag mange sprogmodeller og kan også anvendes på andre datatyper.

Engelsk betegnelse: Transformer.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Hugging Face: Transformers glossary (en) · Lex / Københavns Universitet: Sprogmodel (da).

Opslag på hjemmesiden: Transformer.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Træning af AI-modeller

En proces, hvor modellens parametre tilpasses ud fra data for at forbedre dens opgaveløsning.

Andre opslag: Model training.

Dansk betegnelse: Træning.

Engelsk betegnelse: Model training.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Google for Developers: Machine Learning Glossary (en) · KL: AI-ordbogen (da).

Opslag på hjemmesiden: Træning af AI-modeller.

Brugt i EnableAI-dokumenter:

• AI-07-001-da v0.4: RAG: Fra dokumenter til brugbar viden — 5 Gør kvaliteten bedre med ML og feedback
• AI-07-003-da v0.3: Brug virksomhedens viden med RAG — Test både genfinding og svar
• AI-11-001-da v0.5: Datasikkerhed: Fra regler til daglig praksis — GDPR: Formål og nødvendighed kommer først
• AI-17-003-da v0.4: Skab en varig praksis for læring og drift — Skeln mellem vidensopdatering og modeltræning

User story

En kort beskrivelse af et behov set fra brugerens perspektiv med den ønskede nytte.

Andre opslag: Brugerhistorie.

Dansk betegnelse: Brugerhistorie.

Engelsk betegnelse: User story.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Atlassian: User stories (en) · Sundhedsdatastyrelsen / NSP: Dokumentationskrav: brugerhistorier (da).

Opslag på hjemmesiden: User story.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Usikkerhed

Manglende sikker viden om forudsætninger eller fremtidige udfald. Beskriv væsentlig usikkerhed med begrundede scenarier eller intervaller.

Andre opslag: Uncertainty.

Dansk betegnelse: Usikkerhed.

Engelsk betegnelse: Uncertainty.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Association for Project Management: Project management glossary (en) · Government Analysis Function: An introductory guide to MCDA (en) · Den Danske Ordbog: usikkerhed (da).

Opslag på hjemmesiden: Usikkerhed.

Brugt i EnableAI-dokumenter:

• AI-02-002-da v0.3: Giv ledelsen en aktiv rolle i transformationen — Skab et mandat der kan bruges i hverdagen
• AI-03-002-da v0.4: Kom godt i gang med AI i virksomheden — Lad næste skridt afhænge af resultatet
• AI-03-003-da v0.3: Planlæg virksomhedens første 90 dage med AI — Dag 1–30 skab retning og vælg problemet
• AI-04-001-da v0.5: Prioritering af AI initiativer — Indsatsen omfatter også usikkerhed
• AI-04-002-da v0.3: Find de AI anvendelser der kan forbedre arbejdet — Brug et enkelt kort for hver mulighed
• AI-04-003-da v0.4: Vælg hvilke AI initiativer der skal komme først — Gør værdi og størrelse forståelige
• AI-04-101-da v1.0: Prioritér projekter med værdi og samlet indsats — Hvilke projekter skal vi begynde med?
• AI-05-002-da v0.4: Budgettér hele omkostningen ved AI — Gør kendt og usikker indsats synlig
• AI-05-004-da v0.4: Finansier læring og værdi i mindre skridt — Finansier læring og værdi i mindre skridt
• AI-05-005-da v1.2: AI i rekruttering fra 30 muligheder til fem pilotinitiativer — AI i rekruttering fra 30 muligheder til fem pilotinitiativer
• AI-05-006-da v3.1: Værdipoint i praksis: fra udsagn til dokumenteret forretningsværdi — 8. Usikkerhed og måling uden falsk sikkerhed
• AI-05-008-da v3.1: Størrelsesenheder i praksis: estimer hele forandringen — Læsevejledning og læringsmål
• AI-05-009-da v3.1: Spørgeguide og dokumentationskort til VP og SE — Kort A: Projekt og beslutning
• AI-05-011-da v3.1: Værdi, størrelse og prioritet på én side — Prioritér det, der giver mest værdi for indsatsen
• AI-06-001-da v0.3: Tilpas arbejdsgange og roller til AI — Fordel ansvar ved de afgørende overdragelser
• AI-07-101-da v3.1: To halve dage: lær at estimere VP og SE og bruge dem i ledelsen — Instruktion til prioriteringsmødet
• AI-07-102-da v1.0: Estimér forretningsværdi med VP — Dokumentation og usikkerhed
• AI-07-103-da v1.0: Estimér størrelse med SE og prioritér projekter — Prioritering med VP/SE
• AI-08-003-da v0.3: Forbind AI med virksomhedens eksisterende systemer — Udvid efter dokumenteret behov
• AI-09-001-da v0.3: Vælg mellem at købe tilpasse og bygge AI — Regn over samme periode og med samme ansvar
• AI-09-002-da v0.3: Vælg AI leverandør og bevar handlefriheden — Kundeeksempel med mål og opfølgning
• AI-11-001-da v0.5: Datasikkerhed: Fra regler til daglig praksis — 5 Byg sikkerheden gennem de tre stadier
• AI-12-001-da v0.3: Fastlæg menneskelig kontrol med AI agenter — Fastlæg menneskelig kontrol med AI agenter
• AI-12-002-da v0.3: Gør kvalitet og sikkerhed til en del af leverancen — Tilpas dokumentationen til de tre stadier
• AI-13-001-da v0.4: Opbyg de kompetencer AI arbejdet kræver — Beskriv hvad hver rolle skal kunne
• AI-14-002-da v0.4: Inddrag brugerne og ændr den daglige praksis — Bevar samarbejdet og udvid opmærksomheden
• AI-14-004-da v1.0: Medarbejderinddragelse i AI: Skab ejerskab fra den første idé — Brug modstand som information
• AI-15-001-da v0.3: Design et AI eksperiment der giver et brugbart svar — Design et AI eksperiment der giver et brugbart svar
• AI-15-002-da v0.3: Byg en MVP der kan vise værdi i rigtig brug — Beslut hvad der skal være bevist før skalering
• AI-15-004-da v0.3: Brug korte forløb til at reducere usikkerhed — Brug korte forløb til at reducere usikkerhed
• AI-16-001-da v0.4: Styr AI porteføljen og stop på et oplyst grundlag — Skab ét fælles beslutningsgrundlag
• AI-17-001-da v0.4: Beslut hvornår en AI løsning skal skaleres — Opdatér business casen med den målte effekt
• AI-17-002-da v0.4: Hold AI stabil og håndtér fejl i drift — Budgettér den fortsatte opgave
• AI-17-003-da v0.4: Skab en varig praksis for læring og drift — Bevar ansvar for både produkt og forretningsresultat
• AI-18-001-da v0.3: Skab nye kundetilbud med AI — Beregn økonomien pr. brugbart kunderesultat

Vektorsøgning

Søgning efter numerisk lignende repræsentationer af indhold, ofte for at finde materiale med beslægtet betydning.

Andre opslag: Vector search.

Dansk betegnelse: Vektorsøgning.

Engelsk betegnelse: Vector search.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: IBM: Vector search (en) · Microsoft Learn: Vector search overview (en) · Microsoft Azure: AI Search: vektorsøgning (da).

Opslag på hjemmesiden: Vektorsøgning.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Vidensgraf

En struktureret repræsentation af enheder og deres relationer, eksempelvis forbindelsen mellem en kunde, en aftale og et produkt. Den kan støtte søgning og ræsonnement, men relationernes kvalitet afhænger af datagrundlaget.

Andre opslag: Knowledge graph.

Dansk betegnelse: Vidensgraf.

Engelsk betegnelse: Knowledge graph.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Digitaliseringsstyrelsen / sprogteknologi.dk: Begrebsliste: danske og engelske sprogteknologiske termer (da).

Opslag på hjemmesiden: Vidensgraf.

Brugt i EnableAI-dokumenter:

• AI-07-001-da v0.4: RAG: Fra dokumenter til brugbar viden — Vælg opslag efter spørgsmålet
• AI-07-003-da v0.3: Brug virksomhedens viden med RAG — Vælg datakilde efter spørgsmålet

VP/SE

EnableAI’s prioriteringsindikator beregnet som værdipoint divideret med størrelsesenheder. Den støtter sammenligning på et fælles grundlag og er hverken økonomisk ROI eller WSJF.

Definitionstype: EnableAI-specifik anvendelse; eksterne kilder er fagligt afsæt, ikke en definition af EnableAI-modellen.

Kilder: Government Analysis Function: An introductory guide to MCDA (en) · Scaled Agile: Weighted Shortest Job First (en).

Opslag på hjemmesiden: VP/SE.

Brugt i EnableAI-dokumenter:

• AI-05-007-da v3.1: Fra VP og SE til beslutning, opfølgning og læring — 2. Hvad skal stå i ledelsens oversigt?
• AI-01-001-da v0.4: Sæt en forretningsretning for AI — Kundeeksempel med mål og opfølgning
• AI-01-002-da v0.4: Styr transformationen efter resultater — Kundeeksempel med mål og opfølgning
• AI-02-001-da v0.4: Fordel ansvar og beslutninger for AI — Kundeeksempel med mål og opfølgning
• AI-02-002-da v0.3: Giv ledelsen en aktiv rolle i transformationen — Kundeeksempel med mål og opfølgning
• AI-03-001-da v0.5: Systemmodenhed: Gør virksomheden klar til agentisk AI — Kundeeksempel med mål og opfølgning
• AI-03-002-da v0.4: Kom godt i gang med AI i virksomheden — Kundeeksempel med mål og opfølgning
• AI-03-003-da v0.3: Planlæg virksomhedens første 90 dage med AI — Kundeeksempel med mål og opfølgning
• AI-04-001-da v0.5: Prioritering af AI initiativer — Kundeeksempel med mål og opfølgning
• AI-04-002-da v0.3: Find de AI anvendelser der kan forbedre arbejdet — Kundeeksempel med mål og opfølgning
• AI-04-003-da v0.4: Vælg hvilke AI initiativer der skal komme først — Kundeeksempel med mål og opfølgning
• AI-04-101-da v1.0: Prioritér projekter med værdi og samlet indsats — Et enkelt overblik over en mere krævende vurdering
• AI-05-001-da v0.3: Byg en troværdig business case for AI — Kundeeksempel med mål og opfølgning
• AI-05-002-da v0.4: Budgettér hele omkostningen ved AI — Kundeeksempel med mål og opfølgning
• AI-05-003-da v0.3: Mål om AI skaber reel værdi — Kundeeksempel med mål og opfølgning
• AI-05-004-da v0.4: Finansier læring og værdi i mindre skridt — Kundeeksempel med mål og opfølgning
• AI-05-005-da v1.2: AI i rekruttering fra 30 muligheder til fem pilotinitiativer — Sammenhæng med værdi, størrelse og opfølgning
• AI-05-006-da v3.1: Værdipoint i praksis: fra udsagn til dokumenteret forretningsværdi — 1. Hvad kommer fra kilderne, og hvad har EnableAI valgt?
• AI-05-008-da v3.1: Størrelsesenheder i praksis: estimer hele forandringen — 9. En samlet beregning, der kan efterprøves
• AI-05-010-da v3.1: Fem hele projektforløb: AI, IT og forretning — P1 · Videnassistent i kundeservice
• AI-05-011-da v3.1: Værdi, størrelse og prioritet på én side — Prioritet = forventet værdi / resterende størrelse
• AI-06-001-da v0.3: Tilpas arbejdsgange og roller til AI — Kundeeksempel med mål og opfølgning
• AI-06-002-da v0.4: Organisér tværfaglige teams omkring arbejdet — Kundeeksempel med mål og opfølgning
• AI-07-001-da v0.4: RAG: Fra dokumenter til brugbar viden — Kundeeksempel med mål og opfølgning
• AI-07-002-da v0.3: Gør virksomhedens data klar til AI — Kundeeksempel med mål og opfølgning
• AI-07-003-da v0.3: Brug virksomhedens viden med RAG — Kundeeksempel med mål og opfølgning
• AI-07-101-da v3.1: To halve dage: lær at estimere VP og SE og bruge dem i ledelsen — Fagligt grundlag og EnableAI’s bidrag
• AI-07-102-da v1.0: Estimér forretningsværdi med VP — Fagligt grundlag
• AI-07-103-da v1.0: Estimér størrelse med SE og prioritér projekter — Estimér størrelse med SE og prioritér projekter
• AI-08-001-da v0.3: Vælg AI værktøj og model efter opgaven — Kundeeksempel med mål og opfølgning
• AI-08-002-da v0.3: Vælg mellem automatisering generativ AI og agenter — Kundeeksempel med mål og opfølgning
• AI-08-003-da v0.3: Forbind AI med virksomhedens eksisterende systemer — Kundeeksempel med mål og opfølgning
• AI-08-004-da v0.3: Håndtér teknisk gæld og datagæld løbende — Kundeeksempel med mål og opfølgning
• AI-08-005-da v1.1: Før I bygger AI-agenter: Få forretningen og medarbejderne med — Vælg næste skridt ud fra det I har lært
• AI-09-001-da v0.3: Vælg mellem at købe tilpasse og bygge AI — Kundeeksempel med mål og opfølgning
• AI-09-002-da v0.3: Vælg AI leverandør og bevar handlefriheden — Kundeeksempel med mål og opfølgning
• AI-10-001-da v0.3: Brug personoplysninger lovligt i AI — Kundeeksempel med mål og opfølgning
• AI-10-002-da v0.4: Afklar hvilke AI regler virksomheden skal følge — Kundeeksempel med mål og opfølgning
• AI-11-001-da v0.5: Datasikkerhed: Fra regler til daglig praksis — Kundeeksempel med mål og opfølgning
• AI-11-002-da v0.3: Beskyt fortrolige oplysninger når I bruger AI — Kundeeksempel med mål og opfølgning
• AI-12-001-da v0.3: Fastlæg menneskelig kontrol med AI agenter — Kundeeksempel med mål og opfølgning
• AI-12-002-da v0.3: Gør kvalitet og sikkerhed til en del af leverancen — Kundeeksempel med mål og opfølgning
• AI-13-001-da v0.4: Opbyg de kompetencer AI arbejdet kræver — Kundeeksempel med mål og opfølgning
• AI-14-001-da v0.3: Få medarbejderne til at bruge AI med omtanke — Kundeeksempel med mål og opfølgning
• AI-14-002-da v0.4: Inddrag brugerne og ændr den daglige praksis — Kundeeksempel med mål og opfølgning
• AI-14-003-da v1.0: AI-kultur: Mål, der motiverer medarbejderne og skaber værdi — Relateret EnableAI-viden
• AI-14-005-da v1.0: Hypotesefasen i AI: Byg kultur, før I bygger en MVP — Prioritér ud fra værdi, indsats og beslutningsrelevant læring
• AI-15-001-da v0.3: Design et AI eksperiment der giver et brugbart svar — Kundeeksempel med mål og opfølgning
• AI-15-002-da v0.3: Byg en MVP der kan vise værdi i rigtig brug — Kundeeksempel med mål og opfølgning
• AI-15-003-da v0.3: Vurdér kvaliteten af AI svar og handlinger — Kundeeksempel med mål og opfølgning
• AI-15-004-da v0.3: Brug korte forløb til at reducere usikkerhed — Kundeeksempel med mål og opfølgning
• AI-16-001-da v0.4: Styr AI porteføljen og stop på et oplyst grundlag — Kundeeksempel med mål og opfølgning
• AI-16-002-da v0.3: Begræns igangværende arbejde og styr afhængigheder — Kundeeksempel med mål og opfølgning
• AI-17-001-da v0.4: Beslut hvornår en AI løsning skal skaleres — Kundeeksempel med mål og opfølgning
• AI-17-002-da v0.4: Hold AI stabil og håndtér fejl i drift — Kundeeksempel med mål og opfølgning
• AI-17-003-da v0.4: Skab en varig praksis for læring og drift — Kundeeksempel med mål og opfølgning
• AI-18-001-da v0.3: Skab nye kundetilbud med AI — Kundeeksempel med mål og opfølgning

Værdipoint

EnableAI’s fælles point for forventet eller realiseret værdi ud fra kriterier, vægte og referenceforbedringer. VP er et lokalt præferenceindeks og kan ikke læses som kroner.

Andre opslag: VP.

Definitionstype: EnableAI-specifik anvendelse; eksterne kilder er fagligt afsæt, ikke en definition af EnableAI-modellen.

Kilder: Government Analysis Function: An introductory guide to MCDA (en).

Opslag på hjemmesiden: Værdipoint.

Brugt i EnableAI-dokumenter:

• AI-05-006-da v3.1: Værdipoint i praksis: fra udsagn til dokumenteret forretningsværdi — Værdipoint i praksis: fra udsagn til dokumenteret forretningsværdi
• AI-01-001-da v0.4: Sæt en forretningsretning for AI — Kundeeksempel med mål og opfølgning
• AI-01-002-da v0.4: Styr transformationen efter resultater — Kundeeksempel med mål og opfølgning
• AI-02-001-da v0.4: Fordel ansvar og beslutninger for AI — Kundeeksempel med mål og opfølgning
• AI-02-002-da v0.3: Giv ledelsen en aktiv rolle i transformationen — Kundeeksempel med mål og opfølgning
• AI-03-001-da v0.5: Systemmodenhed: Gør virksomheden klar til agentisk AI — Kundeeksempel med mål og opfølgning
• AI-03-002-da v0.4: Kom godt i gang med AI i virksomheden — Kundeeksempel med mål og opfølgning
• AI-03-003-da v0.3: Planlæg virksomhedens første 90 dage med AI — Kundeeksempel med mål og opfølgning
• AI-04-001-da v0.5: Prioritering af AI initiativer — Kundeeksempel med mål og opfølgning
• AI-04-002-da v0.3: Find de AI anvendelser der kan forbedre arbejdet — Kundeeksempel med mål og opfølgning
• AI-04-003-da v0.4: Vælg hvilke AI initiativer der skal komme først — Kundeeksempel med mål og opfølgning
• AI-04-101-da v1.0: Prioritér projekter med værdi og samlet indsats — Hvilke projekter skal vi begynde med?
• AI-05-001-da v0.3: Byg en troværdig business case for AI — Kundeeksempel med mål og opfølgning
• AI-05-002-da v0.4: Budgettér hele omkostningen ved AI — Kundeeksempel med mål og opfølgning
• AI-05-003-da v0.3: Mål om AI skaber reel værdi — Kundeeksempel med mål og opfølgning
• AI-05-004-da v0.4: Finansier læring og værdi i mindre skridt — Kundeeksempel med mål og opfølgning
• AI-05-005-da v1.2: AI i rekruttering fra 30 muligheder til fem pilotinitiativer — Sammenhæng med værdi, størrelse og opfølgning
• AI-05-007-da v3.1: Fra VP og SE til beslutning, opfølgning og læring — Fra VP og SE til beslutning, opfølgning og læring
• AI-05-008-da v3.1: Størrelsesenheder i praksis: estimer hele forandringen — 1. Kildegrundlag og EnableAI’s egne valg
• AI-05-009-da v3.1: Spørgeguide og dokumentationskort til VP og SE — Spørgeguide og dokumentationskort til VP og SE
• AI-05-010-da v3.1: Fem hele projektforløb: AI, IT og forretning — P1 · Videnassistent i kundeservice
• AI-05-011-da v3.1: Værdi, størrelse og prioritet på én side — Prioritér det, der giver mest værdi for indsatsen
• AI-05-101-da v1.0: Gør forventet forretningsværdi målbar — Hvad skal projektet gøre bedre?
• AI-06-001-da v0.3: Tilpas arbejdsgange og roller til AI — Kundeeksempel med mål og opfølgning
• AI-06-002-da v0.4: Organisér tværfaglige teams omkring arbejdet — Kundeeksempel med mål og opfølgning
• AI-07-001-da v0.4: RAG: Fra dokumenter til brugbar viden — Kundeeksempel med mål og opfølgning
• AI-07-002-da v0.3: Gør virksomhedens data klar til AI — Kundeeksempel med mål og opfølgning
• AI-07-003-da v0.3: Brug virksomhedens viden med RAG — Kundeeksempel med mål og opfølgning
• AI-07-101-da v3.1: To halve dage: lær at estimere VP og SE og bruge dem i ledelsen — To halve dage: lær at estimere VP og SE og bruge dem i ledelsen
• AI-07-102-da v1.0: Estimér forretningsværdi med VP — Estimér forretningsværdi med VP
• AI-07-103-da v1.0: Estimér størrelse med SE og prioritér projekter — Estimér størrelse med SE og prioritér projekter
• AI-08-001-da v0.3: Vælg AI værktøj og model efter opgaven — Kundeeksempel med mål og opfølgning
• AI-08-002-da v0.3: Vælg mellem automatisering generativ AI og agenter — Kundeeksempel med mål og opfølgning
• AI-08-003-da v0.3: Forbind AI med virksomhedens eksisterende systemer — Kundeeksempel med mål og opfølgning
• AI-08-004-da v0.3: Håndtér teknisk gæld og datagæld løbende — Kundeeksempel med mål og opfølgning
• AI-08-005-da v1.1: Før I bygger AI-agenter: Få forretningen og medarbejderne med — Tre trin med hver sin opgave
• AI-09-001-da v0.3: Vælg mellem at købe tilpasse og bygge AI — Kundeeksempel med mål og opfølgning
• AI-09-002-da v0.3: Vælg AI leverandør og bevar handlefriheden — Kundeeksempel med mål og opfølgning
• AI-10-001-da v0.3: Brug personoplysninger lovligt i AI — Kundeeksempel med mål og opfølgning
• AI-10-002-da v0.4: Afklar hvilke AI regler virksomheden skal følge — Kundeeksempel med mål og opfølgning
• AI-11-001-da v0.5: Datasikkerhed: Fra regler til daglig praksis — Kundeeksempel med mål og opfølgning
• AI-11-002-da v0.3: Beskyt fortrolige oplysninger når I bruger AI — Kundeeksempel med mål og opfølgning
• AI-12-001-da v0.3: Fastlæg menneskelig kontrol med AI agenter — Kundeeksempel med mål og opfølgning
• AI-12-002-da v0.3: Gør kvalitet og sikkerhed til en del af leverancen — Kundeeksempel med mål og opfølgning
• AI-13-001-da v0.4: Opbyg de kompetencer AI arbejdet kræver — Kundeeksempel med mål og opfølgning
• AI-14-001-da v0.3: Få medarbejderne til at bruge AI med omtanke — Kundeeksempel med mål og opfølgning
• AI-14-002-da v0.4: Inddrag brugerne og ændr den daglige praksis — Kundeeksempel med mål og opfølgning
• AI-14-003-da v1.0: AI-kultur: Mål, der motiverer medarbejderne og skaber værdi — Relateret EnableAI-viden
• AI-14-005-da v1.0: Hypotesefasen i AI: Byg kultur, før I bygger en MVP — Prioritér ud fra værdi, indsats og beslutningsrelevant læring
• AI-15-001-da v0.3: Design et AI eksperiment der giver et brugbart svar — Kundeeksempel med mål og opfølgning
• AI-15-002-da v0.3: Byg en MVP der kan vise værdi i rigtig brug — Kundeeksempel med mål og opfølgning
• AI-15-003-da v0.3: Vurdér kvaliteten af AI svar og handlinger — Kundeeksempel med mål og opfølgning
• AI-15-004-da v0.3: Brug korte forløb til at reducere usikkerhed — Kundeeksempel med mål og opfølgning
• AI-16-001-da v0.4: Styr AI porteføljen og stop på et oplyst grundlag — Kundeeksempel med mål og opfølgning
• AI-16-002-da v0.3: Begræns igangværende arbejde og styr afhængigheder — Kundeeksempel med mål og opfølgning
• AI-17-001-da v0.4: Beslut hvornår en AI løsning skal skaleres — Kundeeksempel med mål og opfølgning
• AI-17-002-da v0.4: Hold AI stabil og håndtér fejl i drift — Kundeeksempel med mål og opfølgning
• AI-17-003-da v0.4: Skab en varig praksis for læring og drift — Kundeeksempel med mål og opfølgning
• AI-18-001-da v0.3: Skab nye kundetilbud med AI — Kundeeksempel med mål og opfølgning

Værdistrøm

Alle aktiviteter, der tilsammen bringer et produkt eller en service fra behov til levering af værdi.

Andre opslag: Value stream.

Dansk betegnelse: Værdistrøm.

Engelsk betegnelse: Value stream.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Lean Enterprise Institute: Value stream (en) · Center for Lean: Hvad er Lean? (da).

Opslag på hjemmesiden: Værdistrøm.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

Weak AI

I filosofien betegner weak AI brug af computere til at simulere mentale evner uden at hævde egentlig forståelse. I teknologitekster bruges udtrykket ofte om smal AI, hvilket er en anden afgrænsning.

Andre opslag: Svag AI.

Engelsk betegnelse: Weak AI.

Svag AI er den danske gengivelse; skeln mellem den filosofiske og den tekniske brug.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Stanford Encyclopedia of Philosophy: The Chinese Room Argument: strong and weak AI (en) · IBM: Types of artificial intelligence (en).

Opslag på hjemmesiden: Weak AI.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.

WIP

Arbejde, der er påbegyndt, men endnu ikke afsluttet. Grænser for WIP begrænser, hvor meget der er i gang samtidig.

Andre opslag: Work in Progress; Igangværende arbejde.

Dansk betegnelse: Igangværende arbejde.

Engelsk betegnelse: Work in Progress.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Kanban University: The Official Guide to the Kanban Method (en) · Kanban University: Den officielle Kanban-guide på dansk (da).

Opslag på hjemmesiden: WIP.

Brugt i EnableAI-dokumenter:

• AI-04-003-da v0.4: Vælg hvilke AI initiativer der skal komme først — Hold prioriteringen levende og ansvarlig
• AI-16-001-da v0.4: Styr AI porteføljen og stop på et oplyst grundlag — Begræns antallet af samtidige initiativer
• AI-16-002-da v0.3: Begræns igangværende arbejde og styr afhængigheder — Begræns igangværende arbejde og styr afhængigheder

WSJF

En prioriteringsmetode, der sammenholder omkostningen ved forsinkelse med arbejdets relative størrelse eller varighed.

Andre opslag: Weighted Shortest Job First.

Engelsk betegnelse: Weighted Shortest Job First.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Scaled Agile: Weighted Shortest Job First (en).

Opslag på hjemmesiden: WSJF.

Brugt i EnableAI-dokumenter:

• AI-01-001-da v0.4: Sæt en forretningsretning for AI — Kundeeksempel med mål og opfølgning
• AI-01-002-da v0.4: Styr transformationen efter resultater — Kundeeksempel med mål og opfølgning
• AI-02-001-da v0.4: Fordel ansvar og beslutninger for AI — Kundeeksempel med mål og opfølgning
• AI-02-002-da v0.3: Giv ledelsen en aktiv rolle i transformationen — Kundeeksempel med mål og opfølgning
• AI-03-001-da v0.5: Systemmodenhed: Gør virksomheden klar til agentisk AI — Kundeeksempel med mål og opfølgning
• AI-03-002-da v0.4: Kom godt i gang med AI i virksomheden — Kundeeksempel med mål og opfølgning
• AI-03-003-da v0.3: Planlæg virksomhedens første 90 dage med AI — Kundeeksempel med mål og opfølgning
• AI-04-001-da v0.5: Prioritering af AI initiativer — Mulige prioriteringsteknikker til skalering
• AI-04-002-da v0.3: Find de AI anvendelser der kan forbedre arbejdet — Kundeeksempel med mål og opfølgning
• AI-04-003-da v0.4: Vælg hvilke AI initiativer der skal komme først — Lad stadiet bestemme hvad I sammenligner
• AI-04-101-da v1.0: Prioritér projekter med værdi og samlet indsats — Et enkelt overblik over en mere krævende vurdering
• AI-05-001-da v0.3: Byg en troværdig business case for AI — Kundeeksempel med mål og opfølgning
• AI-05-002-da v0.4: Budgettér hele omkostningen ved AI — Kundeeksempel med mål og opfølgning
• AI-05-003-da v0.3: Mål om AI skaber reel værdi — Kundeeksempel med mål og opfølgning
• AI-05-004-da v0.4: Finansier læring og værdi i mindre skridt — Definér værdi før I giver den en score
• AI-05-005-da v1.2: AI i rekruttering fra 30 muligheder til fem pilotinitiativer — Sammenhæng med værdi, størrelse og opfølgning
• AI-05-006-da v3.1: Værdipoint i praksis: fra udsagn til dokumenteret forretningsværdi — 1. Hvad kommer fra kilderne, og hvad har EnableAI valgt?
• AI-05-007-da v3.1: Fra VP og SE til beslutning, opfølgning og læring — 3. En fast lokal skala, ikke en universel sandhed
• AI-06-001-da v0.3: Tilpas arbejdsgange og roller til AI — Kundeeksempel med mål og opfølgning
• AI-06-002-da v0.4: Organisér tværfaglige teams omkring arbejdet — Kundeeksempel med mål og opfølgning
• AI-07-001-da v0.4: RAG: Fra dokumenter til brugbar viden — Kundeeksempel med mål og opfølgning
• AI-07-002-da v0.3: Gør virksomhedens data klar til AI — Kundeeksempel med mål og opfølgning
• AI-07-003-da v0.3: Brug virksomhedens viden med RAG — Kundeeksempel med mål og opfølgning
• AI-07-102-da v1.0: Estimér forretningsværdi med VP — Fagligt grundlag
• AI-07-103-da v1.0: Estimér størrelse med SE og prioritér projekter — Fagligt grundlag
• AI-08-001-da v0.3: Vælg AI værktøj og model efter opgaven — Kundeeksempel med mål og opfølgning
• AI-08-002-da v0.3: Vælg mellem automatisering generativ AI og agenter — Kundeeksempel med mål og opfølgning
• AI-08-003-da v0.3: Forbind AI med virksomhedens eksisterende systemer — Kundeeksempel med mål og opfølgning
• AI-08-004-da v0.3: Håndtér teknisk gæld og datagæld løbende — Kundeeksempel med mål og opfølgning
• AI-09-001-da v0.3: Vælg mellem at købe tilpasse og bygge AI — Kundeeksempel med mål og opfølgning
• AI-09-002-da v0.3: Vælg AI leverandør og bevar handlefriheden — Kundeeksempel med mål og opfølgning
• AI-10-001-da v0.3: Brug personoplysninger lovligt i AI — Kundeeksempel med mål og opfølgning
• AI-10-002-da v0.4: Afklar hvilke AI regler virksomheden skal følge — Kundeeksempel med mål og opfølgning
• AI-11-001-da v0.5: Datasikkerhed: Fra regler til daglig praksis — Kundeeksempel med mål og opfølgning
• AI-11-002-da v0.3: Beskyt fortrolige oplysninger når I bruger AI — Kundeeksempel med mål og opfølgning
• AI-12-001-da v0.3: Fastlæg menneskelig kontrol med AI agenter — Kundeeksempel med mål og opfølgning
• AI-12-002-da v0.3: Gør kvalitet og sikkerhed til en del af leverancen — Kundeeksempel med mål og opfølgning
• AI-13-001-da v0.4: Opbyg de kompetencer AI arbejdet kræver — Kundeeksempel med mål og opfølgning
• AI-14-001-da v0.3: Få medarbejderne til at bruge AI med omtanke — Kundeeksempel med mål og opfølgning
• AI-14-002-da v0.4: Inddrag brugerne og ændr den daglige praksis — Kundeeksempel med mål og opfølgning
• AI-15-001-da v0.3: Design et AI eksperiment der giver et brugbart svar — Kundeeksempel med mål og opfølgning
• AI-15-002-da v0.3: Byg en MVP der kan vise værdi i rigtig brug — Kundeeksempel med mål og opfølgning
• AI-15-003-da v0.3: Vurdér kvaliteten af AI svar og handlinger — Kundeeksempel med mål og opfølgning
• AI-15-004-da v0.3: Brug korte forløb til at reducere usikkerhed — Kundeeksempel med mål og opfølgning
• AI-16-001-da v0.4: Styr AI porteføljen og stop på et oplyst grundlag — Kundeeksempel med mål og opfølgning
• AI-16-002-da v0.3: Begræns igangværende arbejde og styr afhængigheder — Kundeeksempel med mål og opfølgning
• AI-17-001-da v0.4: Beslut hvornår en AI løsning skal skaleres — Kundeeksempel med mål og opfølgning
• AI-17-002-da v0.4: Hold AI stabil og håndtér fejl i drift — Kundeeksempel med mål og opfølgning
• AI-17-003-da v0.4: Skab en varig praksis for læring og drift — Kundeeksempel med mål og opfølgning
• AI-18-001-da v0.3: Skab nye kundetilbud med AI — Kundeeksempel med mål og opfølgning

Zero-shot prompting

En promptteknik, hvor modellen løser en opgave ud fra instruktionen uden opgaveeksempler i prompten. Resultatet afhænger blandt andet af modellens tidligere træning og instruktionens tydelighed.

Andre opslag: Zero-shot.

Engelsk betegnelse: Zero-shot prompting.

Definitionstype: kort kildebaseret forklaring med eventuel EnableAI-anvendelse.

Kilder: Google for Developers: Machine Learning Glossary (en).

Opslag på hjemmesiden: Zero-shot prompting.

Ingen direkte ordforekomst fundet i de gennemgåede kanoniske EnableAI-dokumenter.