Anthropic: Prompt engineering er ikke længere vigtigt

Glem alt om komplekse prompts: Derfor bliver Prompt Engineering mindre vigtigt

I takt med at kunstig intelligens vinder indpas i både B2B- og B2C-virksomheder, har “prompt engineering” længe været udråbt som den ultimative færdighed. Vi har lært at bruge specifikke nøgleord, rollespil og tekniske krumspring for at få de bedste resultater ud af sprogmodeller. Men hvis man spørger Alex Albert, der er Head of Claude Code hos Anthropic, er den æra snart slut.

Ifølge Albert er evnen til at konstruere hyper-komplekse prompts ved at blive mindre afgørende. Grunden er simpel: Moderne AI-modeller, såsom Claude 3.5 Sonnet, er blevet så intelligente, at de bedre forstår menneskelig intention og naturligt sprog. Det betyder, at vi skal bevæge os væk fra at “kode” vores forespørgsler og i stedet fokusere på klar kommunikation.

Fra teknisk manipulation til naturlig dialog

Tidligere krævede AI-optimering ofte, at man brugte små “hacks” – som at fortælle modellen at den skulle “tage en dyb indånding” eller give den “drikkepenge” for et godt svar. Disse metoder fungerede på ældre modeller, fordi de hjalp med at styre modellens logiske proces.

Men de nyeste sprogmodeller er nu trænet så effektivt, at de kan gennemskue kontekst uden disse kunstige hjælpemidler. For professionelle inden for markedsføring og SEO betyder det, at den vigtigste kompetence ikke længere er teknisk kendskab til prompt-strukturer, men derimod evnen til at formulere præcise forretningsmål og give relevant kontekst. Fremtiden for prompt engineering handler altså mere om substans end om formatering.

Klarhed er den nye superkraft i AI-optimering

Når de tekniske barrierer forsvinder, flyttes fokus over på kvaliteten af de data og den information, vi fodrer modellerne med. For at opnå effektiv brug af AI i en professionel hverdag, bør du fokusere på tre ting:

  • Præcision: Beskriv præcis, hvad resultatet skal bruges til, og hvem målgruppen er.
  • Kontekst: Giv modellen adgang til relevant baggrundsviden frem for blot at bede om en isoleret tekst.
  • Iterativ proces: Se AI som en sparringspartner. Hvis det første svar ikke rammer plet, så uddyb din forklaring i stedet for at lede efter en “magisk” prompt.

Dette skifte gør AI mere tilgængeligt for alle. Man behøver ikke længere være specialist for at få værdi ud af teknologien. Det vigtigste er din domæneviden – altså din faglige viden om SEO, strategi eller produktudvikling – som du nu kan formidle direkte til din AI-assistent.

Hvad betyder det for din AI-strategi fremadrettet?

Virksomheder bør stoppe med at jagte den perfekte “prompt-skabelon” og i stedet investere i at lære deres medarbejdere at kommunikere strategisk med teknologien. Bedre resultater med AI kommer i dag fra en forståelse af, hvordan man strukturerer komplekse opgaver i mindre bidder, fremfor hvordan man formulerer en enkelt, perfekt kommando.

Antropics udmelding understreger en vigtig pointe: Teknologien tilpasser sig os, ikke omvendt. Ved at bruge naturligt sprog og fokusere på det faktiske output fremfor tekniske detaljer, kan vi frigøre mere tid til kreativt og strategisk arbejde, som AI endnu ikke kan løse for os.

Kilde

Er prompt engineering helt dødt som disciplin?
Nej, men det ændrer karakter. Det handler ikke længere om at “snyde” modellen til at præstere bedre med mærkelige kommandoer, men om at opstille klare rammer og logiske forløb for komplekse opgaver.

Hvilke færdigheder bliver vigtigst for at få gode AI-resultater?
Kritisk tænkning, evnen til at redigere og kvalitetssikre indhold samt en dyb forståelse for den specifikke kontekst, opgaven løses i. Klarhed trumfer teknik hver gang.

Hvorfor ændrer anbefalingerne for prompts sig nu?
Fordi sprogmodeller (LLMs) er blevet bedre til ræsonnement. De er nu trænet på så store mængder data, at de kan tolke nuancer i menneskeligt sprog, som tidligere krævede meget specifik styring.

Gælder denne udvikling for alle AI-modeller?
Tendensen ses tydeligst i de mest avancerede modeller som Claude 3.5 og GPT-4. Mindre eller ældre modeller kan stadig have brug for mere stringent prompt engineering for at levere brugbare svar.