Simen Aukland bruker dagene sine på å avmystifisere kunstig intelligens.
Som AI-rådgiver i TRY holder han kurs for virksomheter som vil bli bedre på å kommunisere med AI-verktøy. Oppskriften hans på såkalt prompting – altså kunsten å formulere spørsmål, instruksjoner eller forespørsler til en AI-tjeneste som gir best mulige svar – er overraskende enkel.
– De fleste overvurderer tekniske krav og undervurderer verdien av fagnyanser når de gir instrukser til AI. I praksis handler det om å stille strukturerte spørsmål med tydelige rammer, ikke om å mestre programmering, sier Aukland.
Fagkompetanse viktigere enn kodeforståelse
Mange gir opp i startgropen: De sender én enkel prompt, blir skuffet over middelmådige svar, og konkluderer med at "AI ikke fungerer". I TRYs kursvirksomhet møter Aukland dette mønsteret ofte.
– Mange forventer for mye av den første prompten. Verdien ligger i samtalene. Tenk på det som en ivrig junior – smart og kapabel, men trenger veiledning og tilbakemeldinger, forklarer han.
– Mange bruker timer på å overanalysere og tenke den første prompten, når de i stedet burde starte enkelt og deretter justere gjennom dialog.
Dette samsvarer med hva Aukland ser som mest effektivt: Ikke en fem-siders perfekt prompt, men heller en tydelig startinstruks etterfulgt av konstruktiv tilbakemelding på det AI leverer.
– Tenk på hvordan du ville briefet en ny kollega. Du starter ikke med et 20-minutters foredrag om alle detaljer, men gir grunnleggende retning, sjekker fremdrift, og justerer kursen underveis. På samme måte trenger AI-samarbeid både tålmodighet og struktur i kommunikasjonen – ikke avansert teknisk kompetanse, sier han.
Skreddersydde AI-agenter med faglig presisjon
I TRY har de spesialisert seg på å bygge skreddersydde AI-agenter som virkelig forstår kundenes fagfelt.
– Vi jobber systematisk med å utvikle agenter, enten de er autonome eller mer tradisjonelle “GPTer”, som er spesialtrente for konkrete fagområder, sier Aukland.
– En PR-sjef kan være briljant på sitt felt, men trenger hjelp til å bygge verktøy som kan forstå medieomtale, analysere trender i sosiale medier og effektivisere utformingen av presseskriv. Vår jobb er å sørge for at AI-agenten forstår virksomhetens kommunikasjonsstrategi, målgrupper og tone of voice.
Det handler om å fange opp fagkunnskapens nyanser og bygge dem inn i verktøyene, slik at de leverer presise og relevante resultater fra første stund.
– I begynnelsen krever det grundig opplæring og tilpasning, men når agenten først er etablert, blir den en verdifull ressurs som forstår virksomhetens premisser og kontekst, forklarer han.
Kildekritikk og valg av riktig AI-partner
Når det gjelder pålitelighet, varierer AI-modellenes nøyaktighet betydelig, påpeker Aukland.
– AI-hallusinering, altså når modellene finner på feilaktig informasjon og presenterer det som fakta, er en av de største utfordringene. Det er som en overbevisende kollega som snakker med stor selvsikkerhet, men blander fakta og fiksjon, sier han.
– I TRY evaluerer vi kontinuerlig ulike modeller for å finne de som gir mest pålitelige resultater for våre kunder. Forskjellige oppgaver krever ulike verktøy, og det som fungerer best endrer seg raskt i dette landskapet, sier han.
Han viser til en undersøkelse fra analysefirmaet Galileo, som testet 22 ledende modeller for faktanøyaktighet. Resultatet viste at Anthropics Claude kom best ut samlet sett. Overraskende nok var OpenAIs modeller helt fraværende på toppen av rangeringene.
– Undersøkelsen fokuserte spesielt på såkalte RAG-applikasjoner, som er selve ryggraden i de skreddersydde agentene vi utvikler for kundene våre. RAG betyr at AI-agenten får tilgang til virksomhetens egne dokumenter, databaser og fagspesifikke kilder. I stedet for å bare bruke den generelle kunnskapen AI-en har fra før, jobber agenten aktivt med virksomhetens egne informasjonsressurser – omtrent som når en ekspert konsulterer interne arkiver og faglitteratur før hun gir råd, sier Aukland.
Dette er nettopp det som gjør agentene så verdifulle – de kombinerer kraften i moderne AI med virksomhetens unike fagkunnskap og informasjonsgrunnlag.
– For PR-sjefen vi snakket om tidligere, betyr dette at AI-agenten ikke bare kjenner generelle PR-prinsipper, men kan analysere og oppsummere virksomhetens egne medieoppslag, interne kommunikasjonsstrategier og målgruppeinnsikt. Dette gir langt mer relevante og nøyaktige resultater enn hva en generell AI uten denne tilgangen kunne levert, sier Aukland.
Likevel understreker han at selv den beste teknologien krever menneskelig vurdering:
– Sjekk alltid påstander, fakta og sitater i hvert svar. Spør alltid hvor informasjonen kommer fra og gjør manuelle avsjekker. Og hvis svaret er virkelig viktig – kjør samme spørsmål gjennom flere systemer, og folk, for å sammenligne resultatet. Dette bør bli like automatisk som å ta på sikkerhetsbelte, avslutter han.
Fra komplekse rammeverk til praktisk AI-kommunikasjon
I en bransje som elsker akronymer og teoretiske modeller, tar Aukland en annen tilnærming – han fokuserer på det som faktisk fungerer i praksis.
– Det har blitt en hel industri av prompting-eksperter som selger kompliserte rammeverk som TASK, CARE, RTF og RISEN. For noen er dette veldig hjelpsomt, men jeg ser at mange blir overveldet og gir opp før de kommer i gang, sier han.
– Det er som å tvinge noen til å studere ernæringsfysiologi før de får lage seg et ostesmørbrød
Aukland foreslår også en annen vei inn. Hans tilnærming starter med tre enkle spørsmål: Hva vil du ha? Hvem skal skrive det? Hvordan vil du ha det? F.eks: Et dikt. Skrevet av en 60 år gammel siv.ing i bygg. Maks ti setninger.
– Struktur er bra, men den må være intuitiv. Etter hvert som folk blir komfortable med å bruke AI i sitt daglige arbeid, bygger de naturlig opp sin egen "beste praksis" som er skreddersydd for akkurat deres fagfelt.
