I den förra texten – Varför samma AI kan ge både fantastiska och usla svar (del 1) – pratade vi om varför samma AI ibland kan ge fantastiska svar och ibland ganska svaga resultat. Vi gick igenom skillnaden mellan modellförmåga och systemförmåga samt varför arbetssättet ofta spelar större roll än många tror. Nu ska vi titta närmare på hur det faktiskt kan användas i praktiken, och hur du kan arbeta mer strukturerat för att få betydligt bättre resultat med AI i vardagen.
Att få bra resultat med AI handlar sällan om att kunna avancerad teknik. Oftare handlar det om arbetssätt. När du arbetar mer strukturerat och stegvis blir AI:n inte bara något du “frågar”, utan ett stöd genom hela processen: från idé och planering till analys, skrivande och genomförande.
Här är ett enkelt arbetssätt som fungerar i många olika typer av uppgifter, från administration och kommunikation till projektarbete och problemlösning. Tanken är inte att du alltid måste följa varje steg exakt, utan att du börjar tänka mer process än engångsfråga.
Steg 1: Börja med målet – inte bara frågan
Många får svaga eller generiska svar för att de börjar med en alltför öppen fråga. Om du bara skriver “Skriv ett mejl” eller “Förklara arbetsmiljölagen” måste AI:n själv gissa vad du egentligen behöver. Det leder ofta till ganska generella svar.
Försök därför att beskriva sammanhanget och syftet redan från början. Vad ska resultatet användas till? Vem är mottagaren? Vad är viktigt att få med? Finns det några begränsningar i tid, format eller nivå?
I stället för: “Förklara arbetsmiljölagen.”
Skriv hellre: “Jag ska hålla en kort genomgång för nyanställda. Förklara de viktigaste delarna av arbetsmiljölagen, ge några vanliga exempel och avsluta med en enkel checklista.”
Ju tydligare sammanhang du ger, desto bättre kan AI:n anpassa sitt resonemang, sitt språk och sin nivå.
Steg 2: Dela upp stora uppgifter
Många använder AI som om hela problemet måste lösas i ett enda steg. Men stora uppgifter blir nästan alltid bättre om de delas upp i mindre delar.
Be AI:n hjälpa dig att strukturera arbetet. Vad behöver göras först? Vilka delar måste finnas med? Vilken ordning är rimlig?
Om du till exempel ska skapa en ny rutin kan arbetet delas upp i syfte, ansvar, arbetssteg, risker, kontrollpunkter och dokumentation. Om du ska skriva en rapport kan uppdelningen i stället bestå av bakgrund, nuläge, analys, rekommendationer och sammanfattning.
När uppgiften bryts ned blir det också lättare att upptäcka luckor, ställa bättre frågor och få mer precisa svar.
Steg 3: Arbeta i flera steg
Ett vanligt misstag är att försöka få ett perfekt resultat direkt. Det fungerar sällan särskilt bra.
AI fungerar ofta bättre när arbetet delas upp i flera iterationer. Du kan till exempel börja med att be om en struktur eller disposition. När den känns rimlig kan du gå vidare och fylla på innehåll. Därefter kan du förbättra språk, tydlighet och anpassning till målgruppen.
Ett enkelt arbetsflöde kan se ut så här:
1. Skapa struktur
2. Fyll på innehåll
3. Förtydliga resonemang
4. Kontrollera fakta och risker
5. Anpassa språk och ton
6. Sammanfatta eller skapa checklistor
Det innebär att du går från att ställa frågor, till att leda produktionsprocessen – en avgörande skillnad.
Steg 4: Utforska fler möjligheter
Tidigt i arbetet är det ofta bra att tänka brett i stället för att fastna i första bästa lösning.
Be AI:n visa alternativa lösningar, möjliga invändningar eller sådant ni kanske missat. Fråga vilka antaganden som görs eller vad en kritiker skulle kunna invända mot.
Om du till exempel planerar ett nytt arbetssätt kan du fråga: “Vilka problem kan uppstå med den här lösningen?” eller: “Vad hade någon som är skeptisk till detta sagt?”
Om du skriver en text kan du fråga: “Vilka delar känns otydliga?” eller: “Vilka frågor skulle en läsare kunna ha efter att ha läst detta?”
Den typen av frågor hjälper dig att se fler perspektiv och minskar risken att du låser fast dig för tidigt.
Steg 5: Prioritera och fatta beslut
Efter att du utforskat olika alternativ behöver du börja välja.
Här kan AI hjälpa till att jämföra lösningar utifrån sådant som tid, kostnad, kvalitet, risk eller genomförbarhet. Be gärna om tydliga jämförelser eller tabeller så att skillnaderna blir lättare att överblicka.
Om du exempelvis väljer mellan två projektidéer kan du be AI:n jämföra:
* hur lång tid de tar att genomföra
* vilka risker som finns
* vilken kompetens som krävs
* vilken lösning som ger störst effekt
Syftet är inte att låta AI “bestämma”, utan att hjälpa dig att tänka mer strukturerat kring de val som du har.
Steg 6: Leta efter svagheter innan de blir problem
Be AI:n försöka hitta problem i förslaget innan de uppstår i verkligheten. Vad kan gå fel? Vilka risker finns? Vilka antaganden kanske inte håller?
Om du till exempel tagit fram en ny process kan du fråga: “Om den här lösningen börjar skapa problem om sex månader, vad är den mest sannolika orsaken?”
Om du skrivit ett viktigt mejl kan du fråga: “Finns det något här som kan missförstås?”
eller: “Vilka invändningar kan mottagaren tänkas ha?”
Den typen av frågor gör resultatet betydligt mer realistiskt och genomtänkt.
Steg 7: Kontrollera fakta och använd rätt verktyg
AI är ofta bra på struktur, språk och resonemang, men behöver ibland stöd för att bli riktigt tillförlitlig.
När precision är viktig bör du därför använda faktaunderlag, data, beräkningar eller externa källor. Behöver något vara aktuellt kan webbsökning vara viktigt. Behöver siffror stämma exakt kan kalkyler eller kodverktyg hjälpa.
Till exempel:
- arbetar du med statistik bör siffrorna alltid kontrolleras
- handlar det om juridik behöver lagtext och regler verifieras
- inom ekonomi är det viktigt att dubbelkolla beräkningar
- vid medicinsk information bör du alltid använda säkra och tillförlitliga källor
Tänk ungefär så här: AI:n hjälper dig att tänka och strukturera. Verktyg och fakta hjälper dig att verifiera.
I publika AI-tjänster kan innehåll sparas, analyseras eller användas för att förbättra systemen. Det betyder inte att informationen automatiskt blir offentlig, men ofta att den kan göras tillgänglig. Det är därför viktigt att du tänker på vilken information du delar. Intern data, kunduppgifter, affärshemligheter, känsliga dokument eller opublicerat material ska aldrig matas in utan att du vet hur tjänsten hanterar informationen och att det är tillåtet enligt organisationens riktlinjer.
Steg 8: Förbättra resultatet i flera rundor
Det första svaret är sällan det bästa. Ofta blir resultatet betydligt bättre efter några förbättringsrundor.
Du kan till exempel be AI:n:
* göra texten tydligare
* korta ned långa resonemang
* anpassa innehållet till en annan målgrupp
* hitta oklarheter
* ta bort fluff
* göra texten mer konkret eller handlingsinriktad
Om du arbetar med en presentation kan du exempelvis börja med att få fram innehållet och därefter be AI:n:
“Gör detta enklare att förstå för någon utan förkunskaper.” Eller: “Korta ned detta så att det fungerar som talmanus på fem minuter.”
Det är ofta här skillnaden mellan “helt okej” och “riktigt bra” uppstår.
Steg 9: Gör resultatet användbart i praktiken
En bra analys eller en välskriven text är inte alltid samma sak som något som går att använda i verkligheten.
Be därför AI:n hjälpa till att konkretisera nästa steg. Vad behöver göras? Vem ansvarar för vad? Hur följs arbetet upp? Vilka risker behöver hanteras?
Om du exempelvis tagit fram en idé till ett nytt projekt kan du be AI:n hjälpa dig att skapa:
* en tidslinje
* en enkel handlingsplan
* ansvarsfördelning
* en checklista för uppföljning
Då blir AI inte bara en skrivhjälp, utan ett faktiskt stöd i arbetet. Något som vanligen är långt mer värdefullt.
Steg 10: Återanvänd det som fungerar
Om du ofta gör liknande uppgifter är det smart att skapa egna mallar och arbetssätt som går att använda igen. Det kan handla om återanvändbara promptar, checklistor, standardinstruktioner eller enkla arbetsflöden för vanliga typer av arbete.
Om du till exempel ofta skriver mötesanteckningar kan du skapa en standardprompt som alltid ber AI:n att sammanfatta beslut, lista ansvariga personer, identifiera nästa steg och skapa en kort åtgärdslista. På samma sätt kan du bygga egna mallar för exempelvis rapporter, analyser, kundkommunikation eller projektplaner.
När du återanvänder sådant som redan fungerar bra sparar du tid, minskar onödigt arbete och får jämnare kvalitet över tid.
Varför fungerar det här arbetssättet?
Det här sättet att arbeta fungerar eftersom det tar vara på både modellens och systemets styrkor.
Själva språkmodellen är bra på sådant som språk, struktur, idéer och resonemang. Systemet runt modellen – till exempel verktyg, webbsökning och minnesfunktioner – hjälper till med sådant som precision, aktualitet och kvalitetssäkring.
När du arbetar stegvis och kombinerar resonemang med fakta och verktyg får du ofta betydligt mer värde från samma AI-system.
