När generativ AI slog igenom började både privatpersoner och företag testa tekniken i allt från idéutveckling till dokumentation. Men varken mängden prompar eller antalet pilotprojekt avgör värdet. Det menar två nyligen publicerade analyser från Data Science Collective och Harvard Business Review.
Så får du verklig effekt av AI – inte bara fler experiment
Digitalisering & AI Forskningen visar att många företag sprider sina AI-försök för brett – och att enskilda användare använder verktyg som ChatGPT ytligt. Dataanalytikern James Wilkins förklarar hur rätt prompts ger bättre resultat, medan Harvard Business Review visar att verklig affärsnytta uppstår först när organisationer fokuserar djupt inom ett område.

Fokusera på få saker för högst ROI. Foto: Adobe Stock
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
VD-tidningen premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
I artikeln You’re using ChatGPT wrong – here’s how to prompt like a pro beskriver dataanalytikern James Wilkins hur språkmodeller som ChatGPT i grunden är mönsterigenkännare. De ”vet” ingenting – de förutser sannolika ordsekvenser. Därför avgör användarens instruktioner kvaliteten på svaret.
ODrkF2tHVXHFERdzxqvphb02WB0W8fa4c45HMcU9C+dWKLXRbqyWQg8QpUDP23kieiE8cY7YpCKm4U5fr7Rq3dahTKTqRscAwmPGllNiUht+pMKikbqD1rR1P9VhHraTksq7hseLLOvETFUPkxjHsPyEpXCzF39KusdKBYQyAvAg+7dxRHVVeIiqQA/zrRynX+N2e27Gvdka7UoxmhP/449XJJKnwLX5oLs6gXgc7+zfLHbc5wBesacYzycXaRbqlk4gCe2ZnIxVqAzKX9oAnP6D71caaXZIZiGA9BpYJ13EjkeuTYDCW8OZbXFdjObeR/sHbk2I84GmK/1lYG2Z4gGfsnls1nfWlcS8IhpoVx9bBhHJ5WFIejllMjwM1H5dlB0Ul7h2VF2w0cZdSvjLcWr8GY4s3THU9p4Ya8p2e+OWbCxhyyXtp40Z6UbDBwOrR5lPM7Hkx4Oqo19vPdp/US3BpNA+tHKGLZuJp6FPLof/XeTMHe7xxUk+XH4TtrOrwvrGCiQdnE4vj7aRc7QbPZDBuphwrrf3TDEZod+/6DuuUxHYfGPVarOBRTqVMB31/6k1PMXPU3sAv3gOPdQZyhZ3dk5jOK1FOd0rc0s+zu4buVLpRcq8ejB1tvy/cOisK2wrRgsmeojcbRtDVzoJWO/oTgbscYl8aExRLozddsMNC+QWaBbaubRH1CwxuxWjqGUAq7UzYwydYeD381ajxOOsDOTDc3611HGUYP1HqC8Evul0ZsXUDgtbogpE6hxYeKF2tXWFTtXDh+6phvtH8NjsEqejb8rMiagEDMs7tsxL6HgMiIm5UWVI6gf623ujt96sqkg9IsqceOpAjW+AKOCbpY/E5lgJS0H5FwvHaMhkjMOga/w7zGU9+yDsN3CpAQd5lnmBucL0vwrnZf1hlkyb+Gc3aQSiCkTsQsUF4MC8S+E8260ygLIZPCa0uTdNx0n2Ra85naOJn7M6vqnf8Wj2CrtraHx2v0xciAV5oyTUDPWFPURhm1vQNDDu93V49z/9OPOGhbYjhBnWZEFIVvWYNBm91xSx+1HeokzW6TGnssF3OswGWHipieULa1ARtoOz1VhEabF8IQgZr4aWwEPnjkGcJFlDnCJcQsHkj2wEz/42Ys2H7+VOpWQqX38tfCC5c1R7adwWlBwHsDG1av5cW08TIMYmQlESKrLmogQLvU5bOjF34LpX6NXtj/QdsxJAV2kBLrZSE/LlFGiXqhjF5tP7pD6xlbpC3dzhaddhtla7qyTCIdH+VwsygoisoefOb7HldCTJUQgPfhyl6xhAUvrCMPWJ6JmubTeaRvYwLlBZGJ4f6ymFY6zxKaVlXcaSAMNUQF5ipWSibR4I6JmFan7MR0FG+TUtSOvgRYkRLg9evrKkoHI2/+et3t62IvKOUL/DDBpNcYW5YKRMX6FRbu1nhGJaS2qLSbDjDurZYptIU8JbJqkwBghp8V1+fwBUK+dvrDivp+9spHrJk3I0CLn1ZrDYuMIBsnSL0jW1Hg0yHP74iXCV/5R3pmWcnvYYStsOLFNmff1tdCfnObz5FK0c9AUB1EwApJiOLq+4hp4BLsHHLTCn4zEQsoY5ZNkB4xm2nDomeBKPw1EZably0R6jeC14aLQd+6K1IVY7mA02U72AxjgA9Ix/NdOt6GYM0NLfMMgXKsqWnl/MbjDMftGrz9rnpgeqB1/wlUh2/Pze1wt8sUWbEEhPske9bTZyxjCA44V0KHAXphyMrJz9rTACko/0UdT8dmaciFooxlDdf0mOKUJMOH5NdembizWRMBVIrySuqIpj8Ftyls6ygw8TlAnwt7+wLR8kvcYVwNUA1kOZIQuGBu0YH1E+o9ftDaAqPTkpsoS3XAHXNX0T2FXhKCOeGdNt36a8i2BnKUYQtzgJ6gmSFuKiWBeX+0EZDVsW2nY606fD7EzTRUqNPvDEs34kx2cW7Bz/wI+9HgNgWYmQ8fSoTHT7tuSWS9YPM9v1USxDrVaHeNwmA7Uwue+/rstZE4+ROxa+Mll1r2QC7vrkZZvPrSYRCE4B1oziyTD4dttDMXhBtn9qVKgBCHYXYtXwbI3aznwVxENz1Mk1VuIonGMMUZ3AqaainAuzBI5NLMmsKXTvGDoj7QdmL7pYm2xv+HJmpGKJGWTxyZaeVxaedHBCBa8707ieDwFFJO2C7AdllLWP+5bMP3RqT/Mmks6dFts2JvGqjHY5roYHu4UiuuhNAWgzn80jU6rzKndyZbD6l+PH+S4fQdeF4AMVTrs45vc1brGeOU6FNyIF5LVB7zsifY+tqwHKFOWLUEg67wqA+pag17hR9BKBHuDNpc8DMXb2NF7pDV/RMLYckYzswQIu8Dhxhzv8mLkTiNH4tuZVXHtq7FqbQ1JjETWhHrmkI7cQPwG4mIvIYZu+uadZxIhlerPhDJc/jjkmOWPms+hZSVQLH+WsFvbrW6phjRGokG/C6pk4cszoOxWZu1FZDT8fCGCc3lMgc0nZcoHhjxwaYPMV1VnOvQriiC36L2TQG6cw+0wPqcikBLWS4J0JNWoLp76+3yo3XmjdFITVISqYJLkeZCcdEAfbQQqT96axoUIbs72fdkYUdsuiPUxdFnC72xMKc3GaxpUIoZFfG9bw3L8cLw4v9iITaK5FlDicaN5iUVf7IfbIEJRvHYFgvpm+8bworcVrkAFVJae5Mo6KqKVPiengn8Ad4Apd7ZIx6mqAxM/ywyMmZNLlH1RSaPzi9wCe6mUTubz5dQBuPDKScLMrgkVTNkk2Ei+cKjYq+Kwab698uDp/5zpV6re4OXA56bEU6G+MKODw1kwXY/wXabjgxKlw/XprNwW1tHReut1LA6Ny6Ty/VtsuIIDkP1mlbgO3W4jpxPmEbuIUFIVaPSV57oRsMhMIIaLDoquuy4GL/M0Wjk24p/QCVen7a3pyQxRyca9XH8T6jp8TvM9frlOOIcsMiu871h3fpJvpl8uC8ExVt2aMutBuljyayhnHVQOYgglC8wwZaQ9uAeKmjPiZf1DD5n8XuYRla1nuzybOcstqMdLRFIYuFwGXa5f9vE0FLZwvev8QGwjo+rlZcKZJ2VuAauyu7y9aw/n62SAUcElcLsR/JGZUtkxHYGvzXYIpfp0Ztk8XT3EYji9GUpyR5yMo8bKJ22oA6jiPeU09TbkrUTajemcnAIEy/Us6EjqPP8gxHCxZhF8IDz/Yhbb0JFhnc1YAHGP6Bd+WBZf8fSxemeiJohxdwA7AWn+l/RoPVJdIHabGuWSo3l+QI8JteXQ/zBX+remtZl2UFfmLbCvugCDG6wNqe2sgQ1yfxk0TNAkceTui1d2vD65PSDiUPTifoKtuUDMy8N1TJS0pKgp+BMua3j0gsWvbqiV4mYpg8YINTECZsnsqgCA/d1+defq0LSeLd8WzG8NgKbslzvDwVFWa5gk46JE6vsOW/DTNb0kV2d+uORYl7z4YwO9iQtHiBuuLpD+VQuDgvJy1BFBmj6aDpVwjjpZN6oMeKVJQx+CsWaW6nmzJjT/4pekwEWw2ns3npUJRnOytaEeDt3UXa8OuQsht9hy9SEMN4u8EE0IdghK5qc+tj7gwZZ/N+K5N6PYiwkuOs07AUny0Tp89a7HrQUw3OERH1SbKTUl/PHTit6p2Kl9KN9uYeQJmoMxh8cXM9oLFadA66sHUGJhIQQXGP3R1Lj0cyU65nc+1Ob/b3FDOLjDiHL3xaEvi1jw3Lud6Bg+1nXHs+hnsK61kmOGYIqFDPzzU79mNftUYoyBd8r5x3WzhScbFVUepHtOCjFYMMOJcDdmawU+Jbu3Pik6bcG7VUJHx428yyN5pHjqx3tP66X+igOlFogpFX/aqGqpKrgGRCfX0Y64WahUOpOzlmVk/XX0wEM5NN3YexgJY5YdzNs4woZKRK2JRBnV+61YFYeAQwDGvgBx9DCXmS+b8zV2L9sEKRzbekyTSKvXBzeCp98rnkeR2h06V0m2UD5gPSFdmzVQ9CGCivHbI0KJYmpxjI8kbmlY1xmTF1XmuLgZmgiWDcA+ncjOC/cP2UgtibIzcJqDQCzSLPL8n9v/1rMUap+M6+3YwYGb3IUi7M46KKWVMVXsX9z9zBszLyQJuWLsZu4ISRUjIUAOk/10qsfAnLKze0YMnfcBprrHiFtx40wjILnvwtiArWqi4Sx8Vk4+MoLXE3NBAHTB0sMdjMG4SfkQZR1tNZNDGJuod6+3qCyQlozDFEIO2HEKqH7wr2gQdpF1ZeGj83VSXDFWl+kIpFSshKZHyOMImnEt2j0HK/Jcq7WJxq0p5XLQ9DXVm1qV5LZ1qmOi6VNa9kSkEJfkrOMDEtJxVeVvGfTzkKyBsA4l+tI6jfxx9zMQhG6PPYjYhwKXXDnXWBy/Rc4N8bJ19DV96G7VMoUtP93phg/cnn2jdp9BMMTnLrbPe0eyyLmq1o57jRh64LD9Un8wbFpK3DaX44LYuENl+VDNZp9I+SO6ghvBNvrdzL0LmtO6ojaC3QGQKDtj66u5h+8TUSvsIKekv7nmimuoG1shKI5HShmtmybfEMGwyGUBHK4jsk7Wb3nRumWsiLeR8Pyk6QbOBMsawvWh4qjbQO+doPui0+vClx1EFYxrPP0iOXsMon5B9dlYBWnmvAPXmhE+pLW7hytT9ML6u+4Cc6QVX4RrWsW2JwySB9+IVURL+v+vm3AKcn4220NJwdAgcmei58khoKyGN0BiOF1+2ytLdGmTfnwUJ1v8b2Y7E7B4jI/nCYp7yrbDQoxlQx2iv66/cBDteA6odMupKd3CkYkaNrKQvIEdHWGCVND1KKkr+Jg2vPYlmcmssOMfZJV+piWbydPaBunbCkXYOcJvd59qpldDi+oGsFgDaJ89WrHtAxUvoRD3zrCpnpmi4mFWZn4evDDeKN8s4YbIDQtdwP8kkSDt//ccnnnL6QjUMkqTdB0Dp763GpGGkVyU4N6iey1z+Vx2Y3OtfnNdVEYC0v1ooMuPaBY2O6Y5L+2QMCMyCSdQTYr5zmd/OGIClcpZVmX/jJWCbnzdgGxEKrk1aOvGdkv/imGbeTC047XlX7h9I5SWET83ZNZjkXvGSnfAkofm6DQ5ewqVCujePRTBOToLmauhByj0r061LJ0sTT/Gsnx/4noYgjE41TR3FjgL9jFgA2yCm9kjV+ik/xor9J7tXpWiI3HTe9nDY2LR2jdTkzRrutprw1G/RBQid2gK1g0zN3x9oQz60WjwgyjA3mbTb89hJPNGWayR7oCpgtqDM75Iag5RM79SSS1C3T4oW9EIq8RSXZWIlp6+O2Gw/uFh3UlwL+A8BU5iiGoWsbl76WJgzB+ab/flWMA7+O68VA7maJi8c/wMREWGOFi5Y/eT/juq5wukPkYZ1sPgid/a+z769CsVf2y3J4MaWODaGg2nfQPtrEX/qx1MLLBYIxxfQrGYKpdA3+v2yL1VL+F5pcJyqoxKPzra8VRnJaoMhZl3X6C9LJeKzCpiJzNZ2/bEaIZHW1OBlgpZmpEAAARas6KVjoOE7KXmKvzhpM6TbqIIH+y7Wm2AoACokP3FDhjbt69aPU/F+i0Kh/1QpuHdGlXxtEkUMro1PXl8p37ONZ6Ve8v12YUpuZc1iUB2egH/qmgxa+43mnxnUxSXj6QUBaWbKf5x/0Up4aMMraiWZhW6Hn4MlZ/w+6k+CmDvPjmwbIiczs/M6QrbahGR4rK+d7ss/6DmlAKRVX30uRnYp4H+3O1EbfOa2oFyCcTzQuS8ff8NBCBNeFzWiPhlU1Xz2hY33XwIyCd3LlDZRqvj4antDvzzKuckoplHZdzkf4HzARfgCh5fxoXZCBB3e7t7gneDRfipjBxWCEvMeemtMcbcD0p5W8rjzk7MMgV28jT4Tc9NnGOPyrI4vmo+atxgMcRGPYnnuRJgtWRrKodJSC30026mRKOlToyel2azXmm0KjWcFqcK4vCXSwzZAkj/rb0MFAiRalyBri6qnYRRxZlsM7JYDqbv6FNk01QqLTyyAoQQ+5gDc5BalXMegBXdX5sqx1ozDzVk4FAZEfqcPaDSZMWABCDzUnGy8GfpL/EcZHt7CT8k3CQ4GAoHMJ6xvtCU70BaPYP5ODt3D4djjeoV7CyYryWyq/TR/SEyN8rEO54+fR+hxGqlJvU+GXwXOnX6jJDDUgDGCviFZ3uK+bMurXedGcc0COr/2LxTH238j5tr1+lzgKH6hJWOEAU1TGXN6olz+X9jLn1uC7ZpVthjQCl2oDB3UfYZ1XmO774/7/PA8SXGaYRR0ZafruPs4FtToGNoscNjr5xoRGGutTGLZi70mHljG1ne0xwciGCvV


