Det talas ofta om hur viktigt det är att skriva bra promptar. Att vara tydlig, ge kontext och specificera vad man vill ha. Allt detta är riktigt – men det är inte alltid tillräckligt. Att använda generativ AI i praktiskt arbete kräver mer än tydliga instruktioner. I vissa uppgifter, som korrektur och granskning, kan modellen bli för hjälpsam och börja anta sådant som inte går att belägga i texten.
I den här texten visar jag med ett konkret exempel varför det händer, och hur så kallade låsta promptar kan användas för att få mer tillförlitliga och verifierbara resultat.
Uppgiften: strikt korrektur av ett dokument
Uppdraget var att göra en hård korrekturgranskning av en PDF som jag hade skrivit. Med hård korrektur menas i detta sammanhang att man:
- endast identifierar faktiska, synliga språkfel
- inte föreslår stilistiska förbättringar
- inte gör omformuleringar
- inte harmoniserar eller tolkar innehåll
- inte tar hänsyn till tidigare versioner eller extern kunskap
Kort sagt: uppgiften var att rapportera sådant som en mänsklig korrekturläsare kan peka på i texten och säga ”det här är ett fel”. Det är en relativt mekanisk uppgift, och just därför lämpar den sig väl för AI, i alla fall i teorin.
Prompten som jag använde såg i förenklad form ut ungefär så här:
> Gör en strikt korrekturgranskning av det bifogade dokumentet. > Identifiera endast synliga och manuellt korrigerbara språkfel, såsom stavfel, grammatiska fel, böjningsfel, felaktig interpunktion och uppenbara formaliafel. > Föreslå inga stilistiska förbättringar och gör inga omformuleringar utöver nödvändiga rättelser. > Lista endast faktiska brister i den ordning de förekommer i materialet.
Detta är en fullt rimlig instruktion. Den är tydlig och relativt detaljerad. Ändå fick jag problem.
Ser korrekt ut, är helt fel
I svaret identifierades flera faktiska fel i dokumentet, bland annat en bruten mening och ett överflödigt ord. Allt detta var korrekt. Men där fanns också följande punkt:
Formalia/namninkonsekvens: “Case: Digital kampanj för Ikea”: Organisationens namn skrivs i dokumentet i övrigt som IKEA.
Formuleringen ser professionell ut. Den är saklig och välskriven. (Precis som de flesta svar vi får från generativ AI). Problemet är att den är fel – inte bara på ett, utan på två olika vis.
Vad som gick fel
För det första så användes fel normsystem. Enligt svenska skrivregler skrivs organisationens namn i löpande text som “Ikea”. Att Ikea själv använder IKEA i marknadskommunikation är i detta sammanhang irrelevant, för i korrektur är det språknormen som väger tyngst (om inget annat uttryckligen anges). Trots detta gjorde AI:n det motsatta och lät varumärkeskonvention styra.
För det andra gjordes ett påstående utan faktisk kontroll. AI:n hade påstått att organisationens namn skrivits som “IKEA” i övriga dokumentet. Det stämde inte, tvärtom hade jag genomgående skrivit “Ikea”, utom på just detta ställe. AI:n hade alltså gjort ett antagande baserat på vad som är vanligt, snarare än att verifiera mot det faktiska dokumentet. I korrektur får man naturligtvis inte anta att vissa fel finns – man måste kontrollera.
Felen som uppstod berodde naturligtvis inte på att AI:n hade bristande kunskap om svenska skrivregler, utan på att den arbetade i fel arbetsläge. Flera tolknings- eller normsystem var nämligen också aktiva:
- statistisk sannolikhet (”så här brukar det vara”)
- varumärkeskonvention
- tidigare kontext i samtalet
- intern textrepresentation av PDF-filen
I ett strikt korrekturuppdrag behöver alla dessa system i praktiken vara avstängda, annars riskerar man att få rimliga, men oönskade, slutsatser. Kort sagt; situationen uppstod för att jag inte aktivt stängt av dessa tolkningssystem.
Lösningen: en prompt för att stänga ned överflödiga tolkningssystem
I strikt korrektur räcker det inte att något verkar fel eller avvikande. Ett fel måste kunna visas direkt i dokumentet, för en annan läsare, utan att man behöver hänvisa till hur något brukar skrivas, hur organisationer vanligtvis benämns eller hur texten sett ut i andra sammanhang. Om en bedömning kräver sådana referenser, då handlar det inte längre om korrektur utan om tolkning.
För att få rätt beteende behövde den prompt jag använde göras betydligt striktare. Framför allt behövde den tala om vad AI:n inte fick göra. Den omarbetade prompten innehöll därför bland annat instruktioner om att:
> endast utgå från vad som faktiskt och synligt står i dokumentet > arbeta verifierande, inte normerande > inte göra antaganden baserade på hur något brukar skrivas > inte korrigera egennamn om de inte innehåller ett entydigt språkfel > inkludera endast fel som kan påvisas utan antaganden eller extern kunskap
Den sista punkten är en kontrollfråga som tvingar fram ett arbetssätt där endast det som faktiskt går att observera i texten tas med. Detta minskar risken för att AI fyller i luckor, jämna ut variationer eller dra slutsatser som inte stöds av materialet. Frågan bidrar till att arbetssättet blir verifierande och därmed tillförlitligt.
När precision är viktigare än hjälpsamhet
Generativ AI är bra på att resonera, tolka och dra slutsatser. Men ibland är det just dessa egenskaper som ställer till det. När uppgiften kräver precision, behöver man hjälpa modellen att avstå från att vara hjälpsam. Ofta handlar det, som i det här exemplet, inte om att lägga till mer information, utan snarare om att begränsa tolkningsutrymmet.
Att bli bättre på att prompta handlar därför till stor del om disciplin: att veta när man vill ha kreativitet – och när man absolut inte vill ha det.
Checklista: låsta promptar
Den här checklistan är till för situationer där du inte vill ha kreativitet, hjälpsamhet eller rimliga antaganden, utan ett strikt, verifierbart resultat. Typiska exempel är korrektur, faktakontroller, inventeringar, listor, jämförelser och granskningar.
Du behöver inte alltid använda alla punkter, men ju mer mekanisk uppgiften är, desto fler bör vara med.
1. Definiera uppgiften snävt
☐ Har jag beskrivit uppgiften som mekanisk/verifierande, inte tolkande?
☐ Är det tydligt vad som ska göras – och vad som inte ingår?
Exempel:
> Gör en strikt korrekturgranskning (inte språkgranskning, inte redigering)
2. Begränsa datakällan explicit
☐ Har jag sagt exakt vilket material som får användas?
☐ Har jag förbjudit användning av tidigare versioner, kontext eller allmän kunskap?
Exempel:
> Utgå enbart från vad som faktiskt och synligt står i den bifogade filen. > Ignorera allt annat i konversationen.
3. Arbeta verifierande, inte normerande
☐ Har jag förbjudit resonemang om hur något brukar vara?
☐ Är det tydligt att endast observationer är tillåtna?
Exempel:
> Arbeta verifierande, inte normerande. > Gör inga bedömningar baserade på vad som är vanligt eller rimligt.
4. Förbjud antaganden uttryckligen
☐ Har jag sagt att AI:n inte får anta konsekvens?
☐ Har jag förbjudit generaliseringar och extrapolering?
Exempel:
> Gör inga antaganden om konsekvens, även om något verkar sannolikt.
5. Lås hanteringen av egennamn och termer
☐ Har jag varit tydlig med hur egennamn ska behandlas?
☐ Är det klart att de inte ska “rättas” utan objektivt fel?
Exempel:
> Korrigera inte egennamn, organisationsnamn eller terminologi om de inte innehåller ett entydigt och objektivt språkfel.
6. Förbjud harmonisering och standardisering
☐ Har jag uttryckligen förbjudit att göra texten “enhetlig”?
☐ Är det klart att inkonsekvens inte är ett fel i sig?
Exempel:
> Utför ingen harmonisering, standardisering eller konsekvensbedömning.
7. Avgränsa vad som räknas som fel
☐ Har jag specificerat exakt vilka feltyper som är tillåtna?
☐ Har jag uteslutit allt annat?
Exempel:
> Identifiera endast: – stavfel – grammatiska fel – böjningsfel – felaktig interpunktion – uppenbara formaliafel
8. Uteslut tekniska artefakter
☐ Har jag förbjudit PDF-/radbrytnings-/extraktionsfel?
☐ Är det tydligt att endast mänskligt synliga fel räknas?
Exempel:
> Uteslut helt PDF-artefakter, radbrytningar och tekniska extraktionsfel.
9. Ställ krav på spårbarhet
☐ Måste varje identifierat fel gå att peka ut exakt?
☐ Är det förbjudet att rapportera något utan platsangivelse?
Exempel:
> Lista endast sådant som kan påvisas genom att peka på exakt plats i dokumentet.
10. Lägg till låsfrågan
☐ Har jag lagt in en kontrollregel som stoppar allt tveksamt?
Exempel:
> Bedöm varje potentiell brist enligt regeln: “Kan detta påvisas utan extern kunskap?” Om nej – uteslut.
