Prompt engineering: en praktisk guide för nybörjare

Prompt engineering är att utforma, testa och förbättra instruktioner till AI för att få mer relevanta och användbara svar. Du beskriver uppgiften, ger nödvändig kontext och anger hur resultatet ska se ut. Du behöver inte kunna programmera för att börja, men du behöver kunna bedöma om svaret faktiskt löser din uppgift.

För dig som vill använda AI i arbetslivet är detta en praktisk grundkunskap. Här går vi igenom hur du skriver tydligare instruktioner, utvärderar svaren och bygger ett arbetssätt som går att återanvända.

Vad är prompt engineering?

En prompt är den instruktion eller inmatning du ger ett AI-verktyg. Den kan innehålla en fråga, ett textunderlag, ett exempel eller flera villkor. Prompt engineering innebär att arbeta systematiskt med dessa delar i stället för att bara ställa en fråga och hoppas på ett bra resultat.

Det handlar inte om att hitta hemliga formuleringar. Målet är att minska oklarheter: Vad ska modellen göra? Vilken information ska den använda? Vem är mottagaren? Vad räknas som ett användbart svar?

En tydlig prompt förbättrar förutsättningarna, men garanterar inte korrekta fakta. AI kan fortfarande missförstå, utelämna information och hitta på uppgifter. Därför ingår granskning i arbetet.

Vill du bygga grunden steg för steg finns vår guide för dig som vill lära dig prompting.

Så bygger du en bra prompt

En användbar instruktion behöver inte vara lång. Den behöver framför allt innehålla rätt information. Följande delar fungerar som en checklista, inte som ett krav på att varje prompt måste se likadan ut.

Del	Vad du beskriver	Exempel
Uppgift	Vad AI ska göra	Sammanfatta mötesanteckningarna
Kontext	Bakgrund som påverkar svaret	Texten ska användas av projektgruppen
Underlag	Informationen modellen ska utgå från	Använd endast anteckningarna nedan
Format	Hur svaret ska presenteras	Dela upp i beslut, aktiviteter och öppna frågor
Kvalitetskrav	Vad resultatet måste uppfylla	Markera saknade ansvariga i stället för att gissa

Börja med uppgiften och mottagaren

Skriv vad du vill få gjort med ett tydligt verb: sammanfatta, jämför, föreslå, omformulera eller granska. Lägg sedan till vem som ska använda resultatet.

”Förklara maskininlärning” lämnar mycket öppet. ”Förklara maskininlärning för en HR-chef utan teknisk bakgrund” ger modellen bättre vägledning om språk och detaljnivå.

En roll kan också hjälpa, exempelvis ”agera som en pedagogisk redaktör”. Rollen ersätter däremot inte en tydlig uppgift och gör inte modellen till en verklig expert.

Ge kontext och avgränsa underlaget

Ta med bakgrund som påverkar svaret, men undvik att klistra in allt du har. Ovidkommande information kan göra uppgiften otydligare.

Skilj gärna instruktionerna från materialet med rubriker som ”Uppgift” och ”Underlag”. Om texten innehåller egna uppmaningar, förtydliga att den ska behandlas som material att analysera, inte som nya instruktioner. Det minskar risken för sammanblandning men är ingen fullständig säkerhetslösning.

Dela inte personuppgifter, kundhemligheter eller annat känsligt material utan att kontrollera organisationens regler och verktygets villkor.

Bestäm format och kvalitetskrav

Be om ett format som passar nästa steg i arbetet. En tabell kan underlätta en jämförelse, medan ett mejlutkast behöver ämnesrad och sammanhängande text.

Beskriv också vad modellen ska göra när information saknas. ”Skriv att uppgiften saknas i underlaget” är mer användbart än en allmän uppmaning att vara noggrann. Du kan även be modellen ställa följdfrågor innan den skriver ett färdigt förslag.

Prompt engineering i praktiken: från vag till tydlig

Anta att du behöver informera kollegor om en förändrad rutin. En vag prompt är:

Skriv ett bra mejl om vår nya rutin.

Här saknas både själva rutinen, mottagarnas behov och vad mejlet ska leda till. Modellen riskerar därför att fylla luckorna med antaganden.

En mer genomarbetad instruktion kan se ut så här:

Uppgift: Skriv ett internt mejlutkast om den ändrade rutinen i underlaget.

Mottagare: Kollegor som redan känner till den tidigare rutinen.

Innehåll: Förklara vad som ändras, vad mottagaren behöver göra och när förändringen börjar gälla.

Ton och format: Skriv på tydlig svenska med vänlig, saklig ton. Inled med en ämnesrad och använd en punktlista för åtgärder.

Avgränsning: Använd bara uppgifter från underlaget. Markera saknade datum eller kontaktpersoner med hakparenteser. Lägg inte till egna beslut.

Underlag: [Klistra in den godkända informationen här.]

Skillnaden är inte att den andra prompten använder mer avancerade ord. Den gör uppgiften möjlig att kontrollera. Du kan jämföra utkastet med underlaget och se om rätt information finns med.

För liknande arbetsuppgifter kan du utgå från våra promptmallar för jobbet och anpassa dem efter din verksamhet.

Förbättra AI-svaren genom att testa systematiskt

Prompt engineering är en process, inte en engångsformulering. Ett första svar visar ofta vilka delar av instruktionen som behöver förtydligas.

Utvärdera mot konkreta kriterier

Bestäm vad du ska kontrollera innan du bedömer svaret. För ett mejlutkast kan kriterierna vara att rätt förändring beskrivs, att inga datum har hittats på och att mottagarens nästa steg framgår.

Skilj mellan språk och innehåll. Ett välskrivet svar kan vara sakligt fel, medan ett korrekt svar kan behöva redigeras för att bli lättläst. Granska därför båda delarna separat.

Vid viktiga uppgifter bör du kontrollera påståenden mot ett tillförlitligt underlag. Att modellen själv säger att svaret är korrekt är inte en oberoende faktakontroll.

Ändra en sak i taget

Om svaret blir för allmänt, komplettera med relevant kontext. Om strukturen är fel, förtydliga formatet. Om modellen gissar, avgränsa vilket underlag den får använda och hur luckor ska markeras.

Undvik att samtidigt byta målgrupp, ton, format och uppgift. Då blir det svårt att förstå vad som förbättrade resultatet. Testa också din prompt på olika underlag innan du betraktar den som en fungerande mall. Samma instruktion kan ge olika resultat mellan körningar och modeller.

Använd exempel när stil eller struktur är viktig

Ett kort exempel på önskat resultat kan göra en instruktion tydligare. Visa gärna en rubrik, ett stycke eller en tabellrad som modellen kan följa.

Förklara vad exemplet illustrerar: ton, längd eller disposition. Annars kan modellen kopiera även sådant som inte passar den nya uppgiften, exempelvis namn och sakuppgifter.

Vanliga misstag när du skriver AI-instruktioner

Ett vanligt misstag är att kombinera flera stora uppgifter i samma prompt. Dela hellre upp arbetet: analysera först underlaget, ta sedan fram ett utkast och granska till sist resultatet mot dina krav.

Ett annat är motsägelsefulla instruktioner, som att kräva både en mycket kort text och en fullständig genomgång av alla detaljer. Ange vad som är viktigast om kraven konkurrerar.

Språket spelar också roll. Om du vill ha svensk sakprosa, beskriv tonalitet och mottagare i stället för att enbart skriva ”på svenska”. Vår guide till att skriva prompts på svenska hjälper dig att precisera språk och stil.

Undvik dessutom att försöka lösa varje svagt svar med en längre prompt. Ibland saknas tillförlitligt underlag, eller så passar uppgiften dåligt för verktyget. Fler praktiska tips om vanliga promptmisstag hjälper dig att felsöka.

Öva prompt engineering med en verklig arbetsuppgift

Välj en återkommande uppgift med låg risk, exempelvis att strukturera egna mötesanteckningar utan känsliga uppgifter. Skriv en första instruktion och spara både prompten och svaret.

Granska resultatet, justera den tydligaste svagheten och testa igen. Dokumentera vilka ändringar som hjälpte. När instruktionen fungerar på flera underlag kan du spara den som en mall med platshållare för sådant som varierar.

Vill du träna utan att använda arbetsmaterial kan du börja med våra AI-övningar. Målet är inte den perfekta formuleringen, utan ett arbetssätt där du vet vad du ber om och kan bedöma vad du får tillbaka.

Vanliga frågor

Behöver jag kunna programmera för prompt engineering?

Nej. För vanliga uppgifter i ett AI-verktyg räcker det att kunna formulera instruktioner och granska resultat. Programmering blir relevant om du vill integrera AI i system, automatisera arbetsflöden eller genomföra mer omfattande tester.

Fungerar samma prompt i alla AI-modeller?

Inte nödvändigtvis. Modeller kan tolka instruktioner olika och ha olika funktioner och begränsningar. Använd gärna samma grundstruktur, men testa prompten i det verktyg du faktiskt ska arbeta med.

Hur vet jag om min prompt är tillräckligt bra?

Den är användbar när svaren uppfyller tydliga kvalitetskrav på representativa uppgifter och kräver rimlig efterbearbetning. Bedöm relevans, korrekthet och format, inte bara hur övertygande texten låter. Behåll mänsklig granskning där fel kan få konsekvenser.

Vill du komma igång med tydligare AI-instruktioner? Börja med Akademin AI:s gratis AI-kurs och ta nästa steg i ditt lärande.