Prompt engineering: konsten att kommunicera med generativ AI

Prompt engineering: konsten att kommunicera med generativ AI

Vi lever i en tid där AI blir allt mer integrerad i våra dagliga liv. Att kommunicera har alltid varit en viktig kompetens för oss människor men vad innebär det när vi interagerar med en AI? Förenklat handlar det om att använda det mer och på ett bättre sätt för att utnyttja dess fulla potential, det handlar inte bara om text in- text ut.

 

Vad är promptning?

Promptning är förmågan att formulera och ställa frågor eller påståenden (kallade ”prompts”) till en AI på ett sätt som leder till relevant och användbar output. En välkonstruerad prompt kan hjälpa AI:n att bättre förstå vad du som användare frågar efter och därför generera mer träffsäkra svar.

 

Tre exempel på promptar

 

1. Specifik vs. öppen promptning

En öppen promptning kan användas för att stimulera kreativitet eller öppna upp för diskussion, brainstorming eller problemlösning.

Tex, ”Hur skriver jag en bok” eller ”Tänk dig att du har obegränsade resurser och teknologi. Hur skulle du lösa problemet med den globala uppvärmningen? Ge mig fem olika förslag”.

I en specifik prompt ger du AI:n tydliga instruktioner om vad du efterfrågar vilket kan vara nyckel till att få precis den information du söker eller vill ha svar på. Det hjälper att ha följande punkter i åtanke:

  1. Instruktion – Vad exakt är det du önskar att AI:n ska ge dig information om eller utföra?
  2. Kontext – Är det en särskild situation eller ett problem som behöver adresseras?
  3. Ytterligare information – Inkludera relevanta dokument, e-postmeddelanden eller andra data som kan vara till hjälp.
  4. Syfte – Vad är det slutgiltiga målet eller den effekt du strävar efter att uppnå med frågan?
  5. Identitet – Vem är du, eller i vilken roll gör du denna fråga?
  6. Ton – Önskar du ett professionellt, avslappnat, eller kanske ett mer litterärt språkbruk tex likt Hemingways?
  7. Presentation – Föredrar du svaret i form av en punktlista, en sammanhängande text, eller något annat format?

 

Exempel på en specifik prompt:

”Jag är en entreprenör som nyligen startat ett företag inom förnybar energi i Sverige. Min ambition är att förstå vilka utmaningar och möjligheter som finns för sektorn i Sverige. Jag har tillgång till en rapport från Energimyndigheten samt flera e-postutbyten med potentiella investerare. Jag vill ha en detaljerad analys av dessa för att identifiera de viktigaste faktorerna som kommer att påverka min affärs framtid. Min önskan är att få ett professionellt och insiktsfullt svar som kan hjälpa mig att forma min strategi framåt. Svaret bör vara välstrukturerat och presenteras i en sammanhängande textform. Min roll i detta är som VD och grundare, och jag söker en presentation som balanserar teknisk insikt med strategiskt affärstänkande.”

 

2. Few-shot promptning

Few-shot promptning bygger på principen att du ger AI:n ett litet antal specifika exempel och tränar den i realtid för en specifik uppgift.

Tex, ladda upp tre jobbannonser och be AI:n om en fjärde variant.

Det hjälper att ha följande punkter i åtanke:

  1. Dina exempel bör ha hög kvalité och vara relevanta för den uppgift du önskar att AI:n utför. Om du väljer jobbannonser, se till att de exempel du väljer är varierande nog för att täcka olika aspekter av stilar, format, inkludering, mångfald mm.
  2. Tydlig struktur och format: Förklara hur du vill att outputen skall struktureras, tex rubriker, stycken, listor, längd mm.
  3. Förklara om du önskar en viss tonalitet.
  4. Balansera antalet exempel, 3-5 brukar vara ett bra antal att utgå ifrån.
  5. Iterera och finjustera, Efter att ha testat din initiala prompt, utvärdera resultatet och justera dina exempel eller instruktioner vid behov. Det kan krävas några iterationer för att finjustera prompten för bästa resultat.

 

3. Promptning vid högre komplexitet

Att förse omfattande bakgrundsinformation och sedan dela upp en komplicerad fråga i mindre delar kan markant förbättra kvaliteten på svaren du får. När du ger AI:n ett sammanhang, hjälper det den att förstå nyanserna i din fråga och förmågan att leverera mer precisa svar, anpassade till din specifika situation ökar. Det är också till hjälp att uppmana AI:n att ställa frågor för ytterligare klarhet och be om en steg-för-steg redogörelse för dess tankeprocess för att förstå hur den kom fram till svaret.

Exempel: Förbättra Kundservice 

Du är chef för en kundserviceavdelning och ditt mål är att minska kundklagomålen och förbättra den allmänna kundupplevelsen.

Ge Kontext: Beskriv kundklagomålens natur, de verktyg och metoder ditt team använder för att hantera dessa, samt eventuella insikter du har om varför klagomålen uppstår.

Dela upp i delproblem: Identifiera specifika områden som behöver förbättras, såsom svarstider, kvaliteten på lösningarna som erbjuds, eller hur väl ditt team förstår kundens problem. Sånt du redan själv vet och har information om.

Uppmuntra till frågor: Ge instruktion till AI:n att inte svara direkt utan uppmuntra att ställa följdfrågor för att förstå problemet bättre.

Be om en tankeprocess: Be AI att ge förslag på strategier för att förbättra kundservicen och förklara hur dessa åtgärder kan leda till färre klagomål och högre kundnöjdhet.

Det kan också vara bra att låta AI:n fråga dig om mer information innan den svarar. Detta ger den en chans att få en bättre överblick och förstå sammanhanget bättre.

Föreslå att AI:n ska förklara hur den tänkte när den kom fram till sitt svar, steg för steg. Detta gör att du kan följa med i resonemanget och förstå svaret bättre.

Lycka till!

 

Vill du fördjupa dig mer?

Lyssna på Nils Janse:  Promt Engineering-konsten att ställa frågor!

Utbildning: AI 💛 HR

Titta på: Generativ AI in a Nutshell med Henrik Kniberg

Läs: AI termer- förklaring