Hvad er generativ AI?
Generativ AI er kunstig intelligens, der kan skabe nyt indhold som tekst, billeder, lyd, video og kode ud fra en instruktion. Modellerne har lært mønstre fra store mængder data og bruger dem til at producere noget, der ligner det, de har set. Kendte eksempler er ChatGPT, Gemini, Claude og Midjourney.
Hvad er forskellen på AI og generativ AI?
Kunstig intelligens er det brede begreb for systemer, der løser opgaver, som normalt kræver menneskelig intelligens. Det kan være at genkende billeder, forudsige salg eller sortere e-mails.
Generativ AI er en gren af AI. Det særlige er, at systemet skaber noget nyt i stedet for kun at analysere, klassificere eller forudsige.
- Klassisk AI. Vurderer, om en e-mail er spam, eller forudsiger, hvilke kunder der er i risiko for at forsvinde.
- Generativ AI. Skriver selve e-mailen, laver et billede til kampagnen eller opsummerer et langt dokument.
De to typer bruges ofte sammen. En analyse kan finde de rette kunder, og generativ AI kan skrive en personlig tekst til hver af dem.
Hvordan virker generativ AI?
En generativ model trænes på meget store mængder data. Under træningen lærer den sammenhænge og mønstre, fx hvilke ord der typisk følger efter hinanden, eller hvordan et billede af en bygning normalt ser ud.
Når modellen får en instruktion, bruger den de lærte mønstre til at skabe et nyt resultat. En tekstmodel forudsiger det næste ord igen og igen, indtil svaret er færdigt. Svaret sammensættes ud fra sandsynligheder og hentes ikke fra et bestemt sted.
Det forklarer både styrker og svagheder. Modellen kan skrive flydende og varieret om næsten alt. Den kan også skrive noget, der lyder rigtigt, men er forkert, fordi den forudsiger sandsynlig tekst uden at kontrollere fakta.
Hvad er en transformer?
Transformeren er den modelarkitektur, som de fleste moderne sprogmodeller bygger på. Den blev beskrevet i 2017 i forskningsartiklen Attention Is All You Need, skrevet af forskere fra Google.
Det centrale er en mekanisme kaldet attention. Den gør det muligt for modellen at vurdere, hvilke dele af en tekst der hænger sammen, også når ordene står langt fra hinanden. Det gav et stort spring i, hvor godt maskiner kan forstå og skrive sprog.
GPT, som indgår i navnet ChatGPT, står for Generative Pre-trained Transformer. Navnet beskriver altså tre ting: modellen skaber indhold, den er trænet på forhånd, og den bygger på transformer-arkitekturen.
Hvilke typer generativ AI findes der?
Generativ AI deles ofte op efter, hvilken type indhold der skabes.
- Tekst. Store sprogmodeller som GPT, Gemini og Claude skriver, opsummerer, oversætter og besvarer spørgsmål.
- Billeder. Modeller som Midjourney, DALL·E og Stable Diffusion skaber billeder ud fra en tekstbeskrivelse.
- Video. Nyere modeller kan lave korte videoklip ud fra tekst eller billeder.
- Lyd og tale. Systemer kan skabe musik, lydeffekter og stemmer, der lyder naturlige.
- Kode. Værktøjer som GitHub Copilot skriver og forklarer programkode.
Mange værktøjer er i dag multimodale. Det betyder, at de kan forstå og skabe flere typer indhold på én gang, fx analysere et billede og skrive en tekst om det.
Hvordan laver generativ AI billeder?
De fleste billedmodeller bygger i dag på en teknik kaldet diffusion. Under træningen lærer modellen at fjerne støj fra billeder trin for trin.
Når man beder om et nyt billede, starter modellen med tilfældig støj og fjerner den gradvist, styret af tekstbeskrivelsen. Resultatet er et billede, der passer til beskrivelsen, selv om det aldrig har eksisteret før.
En ældre teknik er GAN, Generative Adversarial Networks, som blev beskrevet i 2014. Her konkurrerer to netværk: det ene skaber billeder, og det andet forsøger at afsløre, at de er falske.
Hvornår blev generativ AI udbredt?
Forskningen bag generativ AI går mange år tilbage. GAN-modellerne blev beskrevet i 2014, og transformer-arkitekturen kom i 2017. I årene derefter blev sprogmodellerne større og bedre.
Det store gennembrud for offentligheden kom, da OpenAI lancerede ChatGPT den 30. november 2022. For første gang kunne alle prøve en avanceret sprogmodel gennem en enkel chat. Siden er der kommet konkurrerende modeller og værktøjer fra blandt andre Google, Anthropic, Meta og Microsoft.
Hvordan trænes en generativ model?
Træningen sker typisk i flere faser. Først trænes modellen på en meget stor mængde tekst eller billeder. Den fase kaldes fortræning, og det er her, modellen lærer sprog, sammenhænge og viden.
Derefter justeres modellen, så den bliver bedre til at følge instruktioner og give hjælpsomme svar. Det sker blandt andet med eksempler på gode svar og med feedback fra mennesker, der vurderer modellens svar.
Store modeller kaldes ofte grundmodeller eller foundation models. De kan bruges til mange forskellige opgaver og tilpasses senere til særlige formål.
Hvad er tokens og kontekstvindue?
Sprogmodeller læser og skriver tekst i små enheder, der kaldes tokens. Et token kan være et helt ord, en del af et ord eller et tegn.
Kontekstvinduet er den mængde tokens, modellen kan arbejde med på én gang. Det omfatter både instruktionen, eventuelle dokumenter og svaret. Et stort kontekstvindue gør det muligt at arbejde med lange rapporter og mange dokumenter i samme opgave.
For brugeren betyder det, at modellen kan "glemme" detaljer fra tidligt i en meget lang samtale. Vigtige forudsætninger kan derfor med fordel gentages.
Hvad er en prompt?
En prompt er den instruktion, man giver en generativ AI. Det kan være et spørgsmål, en opgavebeskrivelse eller et eksempel på, hvordan resultatet skal se ud.
Kvaliteten af resultatet afhænger i høj grad af prompten. En god prompt beskriver målgruppen, formålet, formatet og de vigtigste fakta. Jo mere kontekst modellen får, desto bedre kan den ramme det, man har brug for.
Et tænkt eksempel: "Skriv en tekst om vores nye software" giver et generelt resultat. "Skriv tre korte afsnit til en IT-chef i en mellemstor produktionsvirksomhed om, hvordan softwaren reducerer manuelle indtastninger" giver et langt mere brugbart udkast.
Hvad kan generativ AI bruges til i en virksomhed?
Generativ AI kan hjælpe i stort set alle funktioner, hvor der arbejdes med tekst, data og kommunikation.
- Marketing. Udkast til tekster, annoncer, nyhedsbreve og ideer til kampagner.
- Salg. Forberedelse til kundemøder, opsummering af kundedata og udkast til tilbud.
- Kundeservice. Svar på typiske spørgsmål, ofte gennem en chatbot.
- HR. Stillingsopslag, introduktionsmateriale og interne vejledninger.
- Udvikling. Hjælp til at skrive, teste og dokumentere kode.
- Ledelse. Opsummering af rapporter, møder og lange dokumenter.
Det fælles træk er, at generativ AI sparer tid på første udkast og rutineopgaver. Mennesker står fortsat for vurdering, faglig kvalitet og ansvar.
Hvordan bruges generativ AI i marketing?
Marketing er et af de områder, hvor generativ AI er taget hurtigst i brug, fordi meget af arbejdet handler om at skabe indhold. Anvendelsen kaldes ofte AI-marketing.
Typiske opgaver er udkast til blogindlæg og produkttekster, varianter af annoncetekster, billeder til sociale medier, oversættelser og opsummeringer af kundeinterviews.
Generativ AI kan også hjælpe med analyse og planlægning. Man kan bede om forslag til målgrupper, budskaber og emner eller få en lang rapport kogt ned til de vigtigste pointer.
Den største gevinst opstår, når AI bruges til at frigøre tid, som teamet bruger på strategi, indsigt og kvalitet. Tekster, der kun er skrevet af AI uden menneskelig indsigt, ligner ofte hinanden og gør det sværere at skille sig ud.
Hvordan kan B2B-virksomheder bruge generativ AI?
B2B-salg er ofte komplekst med mange beslutningstagere, lange salgsprocesser og meget faglig dokumentation. Generativ AI kan lette arbejdet flere steder i den proces.
- Opsummering af udbudsmateriale og kravspecifikationer.
- Udkast til tilbud og svar på standardspørgsmål i udbud.
- Tilpasning af budskaber til forskellige roller, fx økonomichef og teknisk chef.
- Forberedelse af møder med en kort gennemgang af kundens virksomhed og branche.
- Omskrivning af tekniske beskrivelser til et sprog, ikke-specialister forstår.
Data om kunder og tilbud er ofte fortrolige. Derfor er det vigtigt at vælge løsninger, hvor virksomhedens data ikke bruges til at træne modeller, og at have klare regler for, hvad medarbejderne må dele.
Hvilke fordele har generativ AI?
Den mest åbenlyse fordel er tid. Opgaver, der før tog timer, fx et første udkast, en opsummering eller en oversættelse, kan klares på minutter.
- Hastighed. Hurtige udkast og mange varianter at vælge imellem.
- Skala. Indhold kan tilpasses mange målgrupper, sprog og kanaler.
- Tilgængelighed. Medarbejdere uden specialviden kan få hjælp til tekst, analyse og kode.
- Ideer. AI kan foreslå vinkler og løsninger, man ikke selv havde tænkt på.
Fordelene afhænger af, hvordan værktøjerne bruges. Uden klare processer kan tidsbesparelsen forsvinde i rettelser og kvalitetssikring.
Hvad er ulemperne og risiciene ved generativ AI?
Generativ AI har nogle velkendte svagheder, som enhver virksomhed bør kende, før værktøjerne tages i brug.
- Hallucinationer. Modellen kan opfinde fakta, kilder og tal, der lyder troværdige.
- Bias. Skævheder i træningsdata kan give skæve eller stereotype resultater.
- Ophavsret. Der er uafklarede spørgsmål om træningsdata og om rettigheder til det, der skabes.
- Datasikkerhed. Fortrolige oplysninger kan ende uden for virksomheden, hvis de deles i de forkerte værktøjer.
- Ensartethed. Indhold skabt af de samme modeller kommer let til at ligne hinanden.
Risiciene kan håndteres med retningslinjer, valg af godkendte værktøjer og en fast regel om, at et menneske altid kontrollerer resultatet, før det bruges.
Hvilke generative AI-værktøjer findes der?
Markedet ændrer sig hurtigt, men nogle værktøjer er blevet udbredte i virksomheder.
- Chatassistenter. ChatGPT fra OpenAI, Gemini fra Google, Claude fra Anthropic og Microsoft Copilot.
- Indbygget i kontorpakker. Copilot i Microsoft 365 og Gemini i Google Workspace arbejder direkte i dokumenter, mails og møder.
- Billeder og design. Midjourney, DALL·E, Adobe Firefly og AI-funktioner i Canva.
- Kode. GitHub Copilot og lignende værktøjer til udviklere.
- Fagsystemer. Mange CRM-, marketing- og servicesystemer har fået indbyggede AI-funktioner.
Valget af værktøj bør afhænge af opgaven, sikkerhedskravene og de systemer, virksomheden allerede bruger. Ofte giver det mest værdi at bruge AI i de værktøjer, medarbejderne arbejder i hver dag.
Hvordan beskytter man virksomhedens data, når man bruger generativ AI?
Gratis forbrugerversioner af AI-værktøjer kan have andre vilkår for brug af data end erhvervsversioner. Det er derfor vigtigt at læse vilkårene og vælge en løsning, der passer til de data, der skal behandles.
- Vælg erhvervsløsninger, hvor jeres data ikke bruges til at træne modellerne.
- Del ikke personoplysninger eller fortrolige kundedata, medmindre løsningen er godkendt til det.
- Giv medarbejderne en kort og klar politik for brug af AI.
- Inddrag IT og den ansvarlige for databeskyttelse, før nye værktøjer tages i brug.
Hvad er hallucinationer i generativ AI?
En hallucination er et svar, der lyder overbevisende, men er forkert. Det kan være en kilde, der ikke findes, et tal, der er opfundet, eller en sammenblanding af to forskellige ting.
Hallucinationer opstår, fordi modellen forudsiger sandsynlig tekst. Den ved ikke i sig selv, om noget er sandt. Når modellen kobles til søgning eller til virksomhedens egne dokumenter, falder risikoen, men den forsvinder ikke helt.
Den sikreste beskyttelse er at kontrollere alle fakta, tal og citater mod originale kilder, før de bruges eksternt.
Hvad siger lovgivningen om generativ AI?
EU's AI-forordning, også kaldet AI Act, trådte i kraft i august 2024 og indfases gradvist. Forordningen stiller krav efter, hvor stor en risiko et AI-system udgør.
For generativ AI er der blandt andet regler om gennemsigtighed. Brugere skal i en række situationer kunne se, at de taler med en AI, eller at indhold er skabt kunstigt. Udbydere af store generelle modeller har særlige pligter om dokumentation og ophavsret.
Derudover gælder GDPR, når der indgår personoplysninger. Markedsføringsloven gælder også for AI-skabt indhold, fx krav om, at reklame skal være tydelig. Er man i tvivl, bør man søge juridisk rådgivning.
Hvordan kommer man i gang med generativ AI?
Det er ofte bedst at starte småt og konkret. Vælg få opgaver, hvor gevinsten er tydelig, og hvor fejl er lette at opdage.
- Find opgaverne. Kortlæg gentagne opgaver med meget tekst, fx referater, udkast og opsummeringer.
- Vælg værktøjer. Brug løsninger, der lever op til jeres krav om datasikkerhed.
- Lav retningslinjer. Beskriv, hvad der må deles, og hvem der kontrollerer resultatet.
- Træn medarbejderne. Gode prompts og kritisk sans giver bedre resultater.
- Mål effekten. Følg tidsforbrug, kvalitet og fejl, og justér undervejs.
Når de første erfaringer er gjort, kan brugen udvides. Det er ofte her, AI begynder at indgå i en bredere digital transformation af arbejdsgangene.
Hvordan skriver man en god prompt?
En god prompt minder om en god opgavebeskrivelse til en ny kollega. Jo tydeligere rammerne er, desto bedre bliver resultatet.
- Rolle og formål. Beskriv, hvad teksten skal bruges til, og hvem den er til.
- Kontekst. Giv de fakta, modellen skal bygge på, fx produktdata eller kundens situation.
- Format. Angiv længde, opbygning og tone.
- Eksempler. Vis et eksempel på et godt resultat, hvis I har et.
- Begrænsninger. Skriv, hvad der ikke må med, fx bestemte påstande eller ord.
Det er sjældent, at første svar er det endelige. Bed om ændringer, stil opfølgende spørgsmål og byg videre på det, der virker.
Hvordan kvalitetssikrer man indhold skabt med AI?
Kvalitetssikring bør være en fast del af processen, før noget bliver brugt eksternt.
- Kontrollér alle fakta, tal, navne og citater mod originale kilder.
- Læs teksten igennem for tone, sprog og sammenhæng med virksomhedens stemme.
- Tjek, at indholdet ikke ligner eksisterende tekster for meget.
- Vurder, om teksten tilføjer noget, som læseren ikke kan finde andre steder.
En enkel tommelfingerregel er, at den, der udgiver teksten, står inde for den. Det gælder uanset, hvor stor en del AI har skrevet.
Hvilke etiske spørgsmål rejser generativ AI?
Ud over de juridiske spørgsmål er der en række etiske overvejelser, som mange virksomheder forholder sig til.
- Åbenhed. Skal kunder og læsere vide, når indhold er skabt med AI?
- Retfærdighed. Kan resultaterne forskelsbehandle grupper, fx i rekruttering?
- Ansvar. Hvem står til ansvar, når AI tager fejl?
- Arbejdsmarked. Hvordan påvirker AI medarbejdernes opgaver og kompetencer?
Der findes ikke ét rigtigt svar på spørgsmålene. Det vigtige er, at virksomheden tager stilling og beskriver sine valg i en politik for brug af AI.
Hvad er forskellen på generativ AI og en AI-agent?
Generativ AI skaber indhold, når man beder om det. Man giver en instruktion og får et resultat tilbage.
En AI-agent bruger generativ AI som motor, men kan selv planlægge og udføre flere trin for at nå et mål. Agenten kan fx søge information, bruge andre systemer og vælge næste skridt uden at få en ny instruktion hver gang.
Agenter er derfor mere selvstændige. Det åbner for større gevinster og kræver samtidig tydeligere rammer for, hvad agenten må gøre.
Hvad er RAG og fine-tuning?
Begge dele handler om at gøre en generativ model bedre til en bestemt opgave.
- RAG. Retrieval augmented generation. Modellen henter relevante dokumenter, fx fra virksomhedens egen vidensbase, og bruger dem som grundlag for svaret.
- Fine-tuning. Modellen trænes videre på et særligt datasæt, så den lærer en bestemt stil, et fagsprog eller en type opgave.
RAG er ofte det første valg i virksomheder, fordi den er enklere at holde opdateret. Når dokumenterne ændres, ændres svarene også, uden at modellen skal trænes igen.
Kan Google se, om en tekst er skrevet med AI?
Google har oplyst, at det afgørende er indholdets kvalitet og nytte for læseren, uanset hvordan det er produceret. Indhold skabt primært for at manipulere placeringer i søgeresultaterne er i strid med Googles retningslinjer, uanset om det er skrevet af mennesker eller AI.
I praksis betyder det, at tekster, der kun gentager det, der allerede står andre steder, har svært ved at klare sig. Tekster med egen erfaring, indsigt og tydelig afsender står stærkere, både i Google og i AI-søgning.
Hvad er deepfakes?
Deepfakes er billeder, video eller lyd skabt med generativ AI, der får det til at se ud, som om en virkelig person har sagt eller gjort noget, personen aldrig har sagt eller gjort.
Teknologien kan bruges legitimt, fx til film, undervisning eller oversættelse af video til andre sprog. Den kan også misbruges til svindel, falske nyheder og forsøg på at efterligne ledere i virksomheder.
For virksomheder er det en god idé at have faste procedurer for at bekræfte usædvanlige anmodninger, fx om betalinger, selv når anmodningen ser ud til at komme fra en kendt person.
Hvordan påvirker generativ AI søgning?
Generativ AI har ændret den måde, mange søger information på. Google viser AI-svar over søgeresultaterne, og mange bruger chatassistenter til at få forklaringer og sammenligninger. Udviklingen kaldes AI-søgning.
For virksomheder betyder det, at synlighed omfatter mere end placeringer. Det gælder også om at blive brugt som kilde og nævnt i de svar, AI-systemerne giver.
Er generativ AI kreativ?
Generativ AI kan kombinere elementer på nye måder og skabe resultater, der virker originale. Det kan være en stor hjælp i idéfasen, hvor mange forslag er en fordel.
Modellerne bygger dog på mønstre fra eksisterende data. De har ingen egen forståelse af virksomhedens strategi, kunder eller marked. Den kreative retning og den strategiske vurdering ligger derfor fortsat hos mennesker.
Hvordan påvirker generativ AI arbejdet i marketingafdelingen?
Generativ AI ændrer fordelingen af tid. Mindre tid går til at producere første udkast, og mere tid kan bruges på kundeindsigt, strategi og kvalitet.
Det stiller nye krav til kompetencer. Medarbejdere skal kunne formulere gode instruktioner, vurdere resultater kritisk og kende værktøjernes begrænsninger. Faglig viden bliver mere værd, fordi den er nødvendig for at se, hvornår AI tager fejl.
Hvad betyder generativ AI for B2B-virksomheder?
For B2B-virksomheder er generativ AI både et produktivitetsværktøj og en ændring af markedet. Købere bruger AI til at undersøge leverandører, sammenligne løsninger og forstå fagbegreber, før de tager kontakt.
Det giver to opgaver på én gang. Internt handler det om at bruge AI ansvarligt til at arbejde hurtigere og bedre. Eksternt handler det om at være synlig og troværdig, når købere søger med AI.
De virksomheder, der får mest ud af generativ AI, kombinerer teknologien med egen faglighed. Den unikke viden om kunder og marked er det, der gør indholdet værd at læse, og den kan kun virksomheden selv bidrage med.
Senest opdateret: 29. oktober 2026
