Generativ AI er ikke længere et nyt fænomen i danske virksomheder, men forklaringerne har stadig svært ved at holde trit med værktøjerne. Mange medarbejdere har prøvet ChatGPT, Copilot eller en lignende chatbot i smug fra deres egen browser, og en del har dannet sig en mening om, hvad det kan og ikke kan. Den mening er ofte fragmenteret, fordi den bygger på nogle få egne forsøg og en blanding af LinkedIn-opslag, podcasts og kollegasnak.
Det er der ikke noget mærkeligt i. Generativ AI er svært at forklare på tre minutter, hvis man både skal være ærlig om, hvad teknologien gør, og om, hvad den ikke gør. Det er heller ikke nogen ulempe, at flere medarbejdere har prøvet det selv. Det er typisk hurtigere at få et team til at forstå en stor sprogmodel, hvis de allerede har skrevet et par prompts i hånden, end hvis de skal lære det hele fra et oplæg i et mødelokale.
Men på et tidspunkt skal billedet samles. En virksomhed, der vil bruge generativ AI i daglig drift, har brug for en fælles grundforståelse, der er rolig, dansk og ikke pakket ind i salgsord. Det er ikke et detaljeret matematisk overblik over transformer-arkitektur, og det er ikke en visionær fremtidsfortælling. Det er en almindelig gennemgang af, hvad modellerne gør, hvor de tager fejl, og hvilke arbejdsopgaver de faktisk er gode til i en dansk kontekst.
For den, der gerne vil have en sammenhængende dansk gennemgang af området, ligger HverdagsAIs gennemgang af generativ AI
som et brugbart udgangspunkt. Den dækker, hvordan store sprogmodeller fungerer i grove træk, hvor de typisk fejler, og hvilke arbejdsgange i en almindelig virksomhed der egner sig til at blive understøttet af generativ AI. Den er skrevet på dansk og ikke oversat fra et engelsk blogindlæg.
Der er en grund til, at det dansksprogede overblik er værd at have på plads. Når en organisation skal vurdere, om generativ AI kan løfte en bestemt opgave, kommer der hurtigt en mængde mindre spørgsmål, der ikke ligner hinanden. Må vi sende kundedata ind i chatten? Hvorfor hallucinerer modellen, når den ellers virker korrekt? Hvad skal vi gøre, hvis to medarbejdere får forskellige svar på den samme prompt? Hvor god er den egentlig til dansk? De spørgsmål kan ikke alle besvares på én slide, men de kan besvares hurtigere, hvis alle på forhånd er enige om, hvad værktøjet i grunden er.
Et eksempel fra hverdagen kan hjælpe. En kontormedarbejder, der bruger en sprogmodel til at lave et udkast til en mødeagenda, har en rimelig høj sandsynlighed for at få noget brugbart frem. Det er en opgave, hvor det er nemt for mennesket bagefter at se, om noget mangler, og hvor konsekvensen af en fejl er lille. Den samme medarbejder, der bruger samme model til at trække tal ud af en kundekontrakt og indsætte dem i en regnemodel, er på langt mere usikker grund. Tallene kan ligne de rigtige uden at være det, og fejlen kan glide ubemærket videre i regnskabet.
Det vil sige, at en god grundforståelse ikke handler om begejstring eller skepsis, men om at kunne placere en konkret opgave i den ene eller den anden bunke. Det er en almindelig dømmekraftsøvelse, som de fleste medarbejdere kan lære på en eftermiddag, hvis de har en rolig forklaring at læne sig op ad.
Der er kommet et ekstra lag på den øvelse, fordi generativ AI nu også bruges som søgegrænseflade. Når en kunde stiller et spørgsmål til en chatbot i stedet for at skrive det i Google, bliver virksomhedens egne tekster vurderet på en anden måde. Dårligt strukturerede sider med uklare svar bliver simpelthen ikke brugt af modellen i samme grad som dem, hvor pointen står tydeligt. Det er ikke en separat disciplin på siden af klassisk søgesynlighed. Det er den samme grundregel om at gøre teksten forståelig, bare uden at man kan se, hvordan modellen vægter den.
Det betyder også, at den interne klarhed og den eksterne synlighed begynder at falde sammen. Hvis en virksomhed kan forklare sine egne produkter og tjenester i et roligt og forståeligt dansk, har den et bedre udgangspunkt både i forhold til egne medarbejdere og i forhold til de chatbots, kunder eller leverandører bruger til at finde information om branchen. Det er ikke en fortælling, der kræver lange investeringer i SEO eller GEO. Det er en redaktionel disciplin, der ofte allerede sidder i kommunikations- eller marketingafdelingen.
Hvis man som ejerleder eller projektleder skal tage stilling til, hvor virksomheden står med generativ AI lige nu, er det værd at lægge værktøjsdiskussionen ned for en kort stund. Det er sjældent valget mellem ChatGPT og en anden chatbot, der afgør, om generativ AI bliver brugbar i en organisation. Det er, om der findes en fælles dansksproget forståelse af, hvad teknologien er, og hvor den passer ind i de opgaver, virksomheden allerede løser.