Viktigheten av riktige AI-prompts — det handler om kontekst, ikke magi
Alle bruker AI i dag. Men fordi det er så nytt og endrer seg daglig, må vi tilpasse oss kontinuerlig. Hva gjør egentlig en AI uten en riktig definert prompt? Den begynner å digressere. Den begynner å finne på ting. Men gir du den de riktige spesifikasjonene, oppfører den seg som en ekte profesjonell.
Vi er alle nybegynnere — og det er helt greit
Jeg er ingen ekspert, og jeg tror egentlig ingen virkelig er det. AI lærer av oss hver dag — våre arbeidsmåter, våre behov. Den samler data for å forbedre seg, og vi lærer daglig å bruke den mer effektivt og målrettet for våre daglige oppgaver. Det er en gjensidig læringsreise.
Jeg tror at en stor andel bedrifter allerede bruker AI daglig: redigering av e-poster, automatiseringer, eller rett og slett for å finne inspirasjon når kreativiteten ikke strekker til. Én god idé kan forandre måten du ser ting på. Vi er grønne i dette, og vi må tilpasse oss daglig for å holde tritt med de konstante innovasjonene.
AI-landskapet — hvem tilbyr hva?
De store AI-aktørene konkurrerer hardt om kundene og tilbyr daglige forbedringer og oppgraderinger av forskjellige modeller. Vi hører det hele tiden: «I dag har Anthropic lansert sin nye modell X», «OpenAI har lansert sin kraftigste videomodell», «Google har lansert sin nye Gemini-modell», «Grok vil implementere nyheter i sanntid.» Daglig har vi et bredt utvalg — men hva skal vi egentlig velge? Hvilken er best?
I virkeligheten tror jeg det avhenger av hva du driver med.
Anthropic startet med fokus på programmeringsoppgaver, men har gradvis forbedret modeller for bildegenerering, design, sikkerhet, automatiseringer og skills. Visjonen er at brukeren skal ha datamaskinen koblet til Claude og utføre alle daglige oppgaver via en enkel chat — selv fra mobilen. Det handler i bunn og grunn om vibe coding med naturlig språk. De tilbyr ulike modeller: fra enkle modeller for spørsmål og lette oppgaver (rundt 3 dollar per million tokens med ca. 200K tokens kontekstvindu) til avanserte modeller for programmeringsoppgaver (ca. 15 dollar per million tokens).
OpenAI har GPT-modeller med tilpassede GPT-er for ulike oppgaver, og DALL·E for bildegenerering. Google har Gemini med tilpassede Gems for hver oppgave. Alle tilbyr omtrent det samme: programmering, bilderedigering, videoredigering. Og lignende gjelder for Grok og andre aktører i markedet.
Abonnementsfellen — hamburgeren som så bedre ut på bildet
Problemet er å lære, teste og utforske hvert av disse verktøyene, se hvordan de oppfører seg og finne ut hvilke som passer for dine oppgaver. For til slutt ender du opp med å betale 3–4 månedlige abonnementer for å prøve og teste — og resultatene er ikke alltid som forventet.
Det er som å se et bilde av en burger på en hamburgerrestaurant. Du sier: «Wow, den vil jeg ha!» Og når du åpner esken? Overraskelse — halvparten av størrelsen, uten de levende fargene fra bildet. For en skuffelse. Noe lignende skjer med disse AI-verktøyene også.
Benchmarks og statistikk — hvem tester egentlig?
Du leser offisiell dokumentasjon om nye implementeringer, sammenligningstabler mellom modeller: «Denne modellen scoret 78 % i nøyaktighet, den andre 82 %.» OK, den andre er bedre. Men stopp litt — hvem lager disse statistikkene? De selv, med programmer de selv har laget, for at verktøyene deres skal se bedre ut i tall og statistikk enn konkurrentene. Dette er ikke en kilo poteter du kan sjekke på en vekt. Men vi må i stor grad stole på det de sier.
Det stemmer at det har vært klare forbedringer sammenlignet med 2–3 år siden. Ting har endret seg. AI har begynt å resonnere bedre, forstår kontekst, kan lese bilder og skjermbilder, og kan hjelpe deg godt — hvis du gir den riktig kontekst.
Kontekst er alt — restauranteksempelet
Hva skjer hvis du snakker med AI-en som med en venn som kjenner deg hele livet? For eksempel: «Gi meg adressen til restauranten vi spiste middag på forrige uke, jeg husker ikke om det var onsdag eller torsdag.»
Vet AI-en hvor du har spist? Vet den om det var onsdag eller torsdag? Nei. Og svaret blir deretter: unnvikende, digresserende — den begynner å anbefale restauranter i området som ikke har noe med deg å gjøre.
Men hva hvis du skriver en prompt om deg selv — dine vaner, dine dietter, stedene du spiser, dine preferanser? Da har AI-en den nødvendige informasjonen og vil svare deg så presist som mulig.
AI for nettsidesbygging — den brutale virkeligheten
Eksempelet ovenfor var enkelt, med et hverdagslig spørsmål. Men hva skjer når noen ser en presentasjon av en ny modell med «ekstraordinære programmeringsferdigheter» — som Lovable eller lignende verktøy som lover nettsider på minutter uten programmeringskunnskaper? Influencere som driver affiliate-markedsføring for disse selskapene viser videoer av nettsider med parallax-effekter i hero-seksjonen, levende farger, objekter som roterer og beveger seg. «Klikk på linken i beskrivelsen, opprett en konto, og du lager nettsiden din på minutter.»
Du tenker: «Det kan jeg også! Så fint. La meg prøve.» I teorien høres det flott ut, men praksis er den brutale virkeligheten.
Hvis du bruker en Claude-modell med en enkel prompt som «Jeg vil ha en pen nettside som jeg har sett på nettet, med bevegelige elementer og karamellfarger» og du velger den dyreste modellen fordi du tenker at «dyr betyr bra kvalitet»... Claude begynner å spørre deg om tekniske detaljer: Hvilken teknologi vil du bruke? React? Next.js? Astro? Spørsmål du ikke kan svare på. Og de 15 dollarene per million tokens er allerede brukt opp — uten at du har noe å vise for det.
Så prøver du det verktøyet du har sett «gjør alt selv.» Du oppretter en konto på Lovable, betaler for det dyreste abonnementet, gir en prompt i naturlig språk, og det lager en enkel side med noen grunnleggende seksjoner som egentlig ikke beskriver bedriften din. Kanskje visuelt pen, men den formidler ingenting.
Vil denne siden konvertere kunder? Nei.
Det store spørsmålet: Vil denne siden konvertere kunder? Nei. Absolutt ikke. Fordi:
- Du har ikke konfigurert et norsk domene (.no)
- Koden er grunnleggende — en React-app med tilgang til mengder av ukjente biblioteker
- Ingen konfigurert med no-nb (språkinnstilling)
- Ingen forhåndsdefinert SEO
- Ingen klar heading-struktur (H1, H2, H3) i seksjonene
- Ingen korrekt konfigurert robots.txt eller sitemap
- Ingen mulighet til å implementere GTM, GA eller GSC
- Ingen riktig copywriting, beskrivelser eller strategisk plassering av seksjoner
- Ingen kontaktside koblet til ditt eget domene — du må bruke tredjeparter som Formspree, der alle kundedata passerer gjennom dem
- Ingen korrekt cookie-banner uten tredjepartsapper
Alt dette for en enkel landingsside som praktisk talt ikke har noen mening, ingen logikk og ingen korrekt struktur. Du kan kanskje få et fint design med en god prompt, men du vil aldri oppnå korrekt og varig online synlighet.
Et enkelt HTML-skjema konverterer bedre enn enhver AI-side
Vi garanterer at et enkelt kontaktskjema laget korrekt i HTML og CSS — for eksempel for en rørlegger i Bærum med et telefonnummer — lastet opp i public_html på domenets server, med en konto for GTM, GSC, GA og en Google Maps-oppføring, vil konvertere 1000 ganger bedre enn hvilken som helst side laget i et AI-verktøy.
AI for applikasjonsutvikling — et Java-perspektiv
Vi snakker ikke engang om de som presenterer verktøy for å lage webapplikasjoner med løfter som «Se, jeg har laget en applikasjon for å administrere en kjøreskole på bare 5 minutter.» Dette er noe ingen seriøs bedrift med hodet på rett plass bør prøve seg på.
Vi kommer fra Java. Vi elsker Java. Vi har lært at enhver applikasjon må ha en solid, veldefinert struktur for å fungere. Java er et objektorientert programmeringsspråk. En app må ha en klar, ryddig og veldefinert struktur med et tydelig skille mellom backend og frontend.
Det finnes monolittiske applikasjoner der Java-backend og Thymeleaf-frontend lever sammen, og det finnes apper der backend er separert fra frontend. Enhver applikasjon trenger entities, models, repositories, controllers, services, DTOs, database, pom.xml, sikkerhet, abstrakte metoder, konstruktører, designmønstre, forretningslogikk — og mye mer. Vi snakker ikke engang om multitenant-applikasjoner der du må isolere data nøye slik at informasjon fra ulike brukere ikke blandes.
Å gjøre alt dette med AI er som å be den om å bygge en bil: den bygger den, men plasserer rattet i bagasjerommet, baksetene foran og girspaken bak.
Slik bruker Kodemagisk AI i dag
Ja, AI kan hjelpe oss — men med riktige instruksjoner, riktige prompts, og hele tiden med kontroll over hva den gjør. Du må alltid sjekke endringene den gjør.
Bruker Kodemagisk AI? Ja. Vi er på et punkt der AI gjør livet enklere — men bare på visse områder:
- Søke i dokumentasjon raskt og effektivt
- Hente riktig informasjon fra et 20-siders PDF-dokument — før måtte man lese hele dokumentasjoner for å finne det man trengte
- For programmering — å bygge komplekse logikker for booking-systemer eller multitenancy der AI kan veilede deg godt
- Erstatte timevis med søk på StackOverflow og andre forum — der du før måtte lete gjennom ulike tråder for å finne noen med en lignende situasjon, lese nøye hvordan de løste problemet sitt, og vurdere om løsningen passet din situasjon
AI gjør mange ting enklere enn før. Men nøkkelen er alltid den samme: gi AI-en riktig kontekst, skriv presise prompts, og ha alltid kontroll over resultatet.
Vi håper du har likt denne artikkelen. For spørsmål eller henvendelser — ta gjerne kontakt med oss.
📧 Kontakt oss: 📍 Oslo, Norge | Kodemagisk AS