Jeg kan stadig huske, da jeg første gang viste ChatGPT til min mor. Hun er skolelærer – og hendes første reaktion var: “Okay, mine elever kan snyde i tysk på 5 sekunder nu.” Det var både sjovt og lidt skræmmende. Men det ramte mig. For det her virkede som meget mere end bare endnu en kedelige IT-dille, som vi har set det med andre, det virkede som en reel hverdags-ting, ala Google; Et nyt sted for information.
Siden da har jeg gravet mig dybt ned i AI. Jeg har bygget mine egne Custom GPT’er indenfor alt fra træning og sundhed til investering og personlig økonomi. Jeg har eksperimenteret med No-code AI-projekter i tools som Lovable, automatiseret processer og testet en vanvittig mængde AI-værktøjer.
Pointen? Jeg har lavet alle fejlene, så du ikke behøver.
Det her indlæg er mit forsøg på at give dig en komplet, ærlig og praktisk guide til AI – uanset om du er begynder eller allerede har gang i prompts og workflows.
Du behøver ikke tage et kursus hos mig, men kan snildt lære det selv: En god start ville være at læse det her indlæg til ende 😉
Hvorfor basal AI-forståelse er afgørende i dag
Vi står midt i en teknologisk revolution, og AI er ikke længere noget, der kun tilhører forskere, ingeniører og Silicon Valley. Det er en praktisk realitet i vores hverdag og arbejdsliv – og det går stærkt. Virksomheder over hele verden implementerer AI-løsninger i et tempo, vi ikke har set magen til siden Steve Jobs præsenterede iPhone.
Det betyder, at uanset om du arbejder med marketing, økonomi, HR, jura, produktion eller noget helt sjette, vil AI komme til at påvirke dine arbejdsopgaver.
Derfor er basal forståelse af AI ikke bare en god idé – det er en nødvendighed.
Og her taler vi ikke om at skulle bygge avancerede neurale netværk fra bunden eller forstå hver eneste linje i et Python-script. Det handler om at forstå, hvad AI kan, hvad det ikke kan, hvordan det bliver brugt – og hvordan du selv kan anvende det i praksis. Især Large Language Models (LLM) som ChatGPT, Claude og Gemini gør det muligt at bruge AI direkte i din dagligdag, uden at være teknisk ekspert.
Men du skal vide, hvordan du spørger. Hvordan du strukturerer information.
Hvordan du evaluerer output. Og hvordan du tænker strategisk med AI som medspiller. Det er dét, denne guide handler om.
Jeg har de seneste år undervist virksomheder, ledelsesteams og specialister i AI – både i teori og praksis.
AI Kursus for dig: Vil du i gang med AI i praksis?
Strategi & sparring – få hjælp til hvordan AI kan implementeres i din hverdag eller virksomhed.
Automatisering & No-code – vi bygger skræddersyede løsninger i fx Lovable, Make og GPT’er.
Workshops & oplæg – få AI introduceret hands-on til dit team eller netværk.
Det, jeg har lært, er: Når først man forstår de grundlæggende principper og værktøjer, bliver AI ikke en trussel – men en gamechanger. De bedste kursister er ikke nødvendigvis dem med mest teknisk baggrund, men dem der tør eksperimentere og lære løbende.
Dem der forstår, at fremtidens værdi ikke ligger i at erstatte mennesker med maskiner, men i at forstærke det menneskelige potentiale med maskinens kapacitet.
Men der er også faldgruber. AI kan hallucinerer, give forkerte svar, eller virke overbevisende, selv når det tager fejl. Derfor er det netop så vigtigt med en grundlæggende forståelse. Ikke kun af hvordan du bruger det – men også hvordan det virker, hvordan du stiller de rigtige spørgsmål, og hvordan du vurderer resultatet. Det er forskellen mellem at være passiv bruger og aktiv kompetencebærer. Du vil lære at gennemskue, hvornår en AI-model gætter – og hvornår den faktisk ved, hvad den taler om.
I denne guide gennemgår vi alt det, du skal vide for at få en effektiv, praktisk og jordnær forståelse af AI og Large Language Models.
Det bliver ikke teknisk for teknikkens skyld – men konkret og handlingsorienteret. Du får cases, værktøjer, trin-for-trin-eksempler, og frem for alt: en strategisk ramme for, hvordan du som individ eller virksomhed kan begynde at anvende AI i hverdagen.
Så uanset om du er selvstændig, sidder i en lederrolle, arbejder operationelt med marketing eller er nysgerrig på teknologiens muligheder – denne guide giver dig både det overblik og de værktøjer, du skal bruge for at komme i gang.
Ikke om fem år. Ikke næste år. Men nu. For AI er allerede her.
Spørgsmålet er bare, om du vil være blandt dem, der forstår det og bruger det – eller dem, der bliver overhalet af det.
Sat på spidsen – måske, men det tror jeg faktisk er rigtigt.
Hvad er AI, og hvordan virker det egentlig?
Kunstig intelligens – eller bare AI – er et begreb, mange bruger, men få kan forklare klart.
Grundlæggende handler det om at få maskiner til at efterligne menneskelig intelligens: tænke, lære, forstå sprog, genkende mønstre og træffe beslutninger. Men AI er ikke én teknologi – det er en samling af teknikker og metoder, hvor nogle er meget simple (f.eks. regler og if-statements), mens andre – som neurale netværk – er ekstremt avancerede.
AI bliver ofte forvekslet med automatisering. Det er vigtigt at forstå forskellen:
- Automatisering: Når vi programmerer en maskine til at udføre en bestemt opgave – igen og igen – uden variation. Eksempel: et e-mail-autosvar, der sender en standardbesked, når nogen skriver til support.
- AI: Når vi gør maskinen i stand til at forstå, lære og forbedre sig selv over tid. Eksempel: en AI-chatbot, der kan analysere dit spørgsmål, forstå konteksten og give et skræddersyet svar baseret på tusindvis af tidligere interaktioner.
- AGI (Artificial General Intelligence) er den teoretiske næste fase, hvor AI ikke bare løser specifikke opgaver – men tænker og lærer som et menneske på tværs af domæner.
Det, der gør moderne AI så kraftfuld, er dens evne til at arbejde med enorme mængder data – og lære af det. Ved hjælp af statistiske modeller og neurale netværk kan AI identificere mønstre, som mennesker aldrig ville opdage. Og jo mere data, den får – jo bedre bliver den (som udgangspunkt).
3 grene af AI, du skal kende:
- Machine learning: Maskinen træner på data og lærer mønstre (mest udbredt i dag).
- Deep learning: En underkategori af machine learning med avancerede neurale netværk (f.eks. GPT-4).
- Natural Language Processing (NLP): Gør AI i stand til at forstå og generere sprog – det du bruger, når du taler med ChatGPT.
AI er allerede integreret i dine daglige apps – fra Gmail’s autosvar og Netflix’ anbefalinger til stemmestyring i din bil. Forskellen er, at vi nu – via værktøjer som ChatGPT – selv kan interagere med AI direkte, uden at det er skjult bag et interface. Og det ændrer alt.
I næste afsnit skal vi zoome ind på netop den teknologi, der har bragt AI til masserne: Large Language Models. For det er dem, der gør det muligt at skrive, tænke, planlægge, analysere og brainstorme – med kunstig intelligens ved hånden.
Introduktion til Large Language Models (LLM)
Hvis AI er motoren bag den teknologiske fremtid, så er Large Language Models – eller LLM’er – selve gearkassen. Det er dem, der gør det muligt at interagere med kunstig intelligens via almindeligt sprog. Og det er præcis derfor, LLM’er som GPT-4, Claude, Gemini og Mistral har skabt så stor disruption: De har demokratiseret AI. Du behøver ikke længere at være udvikler, ingeniør eller dataanalytiker for at bruge avanceret kunstig intelligens. Du skal bare kunne skrive en sætning.
Men lad os først få på plads, hvad en Large Language Model egentlig er. Kort sagt: En LLM er en AI-model, der er trænet på enorme mængder tekst fra internettet, bøger, artikler, manualer, fora, dokumenter og meget mere. Dens opgave er ikke at søge efter information – men at forudsige det næste ord i en sætning, baseret på den kontekst, du har givet den. Det lyder simpelt. Men når du skalerer det op til milliarder af parametre og årtiers tekst, bliver resultatet overraskende intelligent.
En LLM er ikke bevidst. Den tænker ikke. Den har ingen mening eller vilje. Men fordi den har lært sprogstrukturer og sammenhænge i stor skala, kan den svare på komplekse spørgsmål, analysere tekster, skrive artikler, kode programmer og sågar opbygge strategiske planer – blot ud fra din prompt.
Eksempler på hvad LLM’er bruges til i praksis:
- Skrive marketingtekster, blogindlæg og produktbeskrivelser
- Opsummere PDF’er, lange e-mails og rapporter
- Forbedre kundeservice via automatiserede, sprogforstående bots
- Generere kode, fejlrette scripts eller skrive SQL-forespørgsler
- Brainstorme idéer og koncepter, hvor du selv er gået i stå
- Oversætte tekster og tilpasse tone of voice til målgruppen
Hvordan fungerer det teknisk? Vi skal ikke for dybt ned i datavidenskaben, men det vigtige at forstå er, at LLM’er typisk er bygget på transformer-arkitekturen – en form for neural netværksmodel, der er god til at forstå kontekst. Den vurderer sandsynligheder for hvert nyt ord i forhold til det forrige – og bygger dermed hele sætninger ud fra din prompt. Jo bedre og mere kontekstbaseret din prompt er, jo mere relevant bliver outputtet.
Derfor er LLM’er en gamechanger: Du interagerer med computeren som med et menneske – via sprog. Og netop fordi det er sprog, du allerede bruger hver dag, bliver læringskurven kort. Men kvaliteten af output afhænger 100% af input. LLM’er er spejle – og du bestemmer, hvad de reflekterer.
I næste afsnit kigger vi netop nærmere på dét, der gør forskellen mellem god og dårlig AI-brug: prompting. For her ligger nøglen til at bruge AI effektivt – både som privatperson, specialist og virksomhed.
Prompting – den vigtigste evne indenfor AI
Hvis du tror, at AI handler om at trykke på en knap og få magi – så tager du fejl.
AI handler om at stille de rigtige spørgsmål. Det kaldes prompting. Og det er her, slaget vindes.
Hvad er en prompt egentlig?
En prompt er det input, du giver en LLM (Large Language Model) som f.eks. ChatGPT, Claude eller Gemini.
Det er dit spørgsmål, din instruks – din brief. Jo bedre du er til at formulere den, jo bedre output får du.
Tænk på det som en samtale med en superskarp assistent: hvis du mumler, gætter den. Hvis du er klar og præcis, leverer den.
Dårlige prompts – og hvorfor de suger
- “Lav en tekst om SEO.” – Alt for bredt. Output: intetsigende generisk indhold.
- “Hvad er marketing?” – Kommer til at lyde som et Wikipedia-opslag.
- “Lav noget fedt content.” – Hvad betyder ”fedt”? Hvem er målgruppen?
Dårlige prompts er uklare, for brede og uden kontekst. Resultatet? Kedeligt og overfladisk output.
Gode prompts – og hvorfor de virker
- “Skriv et blogindlæg til begyndere om SEO, målrettet B2B-virksomheder i Danmark. Brug en uformel tone og inkluder konkrete eksempler.”
- “Lav en Facebook-annonce for en ny proteinbar. Målgruppe: mænd 25-40, træningsinteresserede. Tonen skal være humoristisk og skarp.”
- “Lav 5 variationer af denne tekst til brug i A/B-tests. Fokus på klikrate.”
Gode prompts er konkrete, målrettede og kontekstuelle. De fortæller AI’en præcis, hvad du vil have – og hvem det er til.
Prompt-strategier der virker i praksis
Her er nogle af de metoder jeg selv bruger – og som virker hver eneste gang:
1. Rollen-tilgangen
Få AI’en til at påtage sig en rolle:
“Du er en erfaren e-mail-marketing specialist. Skriv et nyhedsbrev til abonnenter, der har været inaktive i 30 dage.”
2. Ramme + format + målgruppe
Brug strukturen: “Skriv [indholdstype] om [emne] til [målgruppe] med [tone].”
Det tvinger dig til at blive skarp på formålet.
3. Iterativ prompting
Start med et simpelt prompt – og byg videre:
“Giv mig en outline til et LinkedIn-opslag om fremtidens marketing.”
(Dernæst:) “Skriv punkt 2 ud i mere detaljeret form.”
(Dernæst:) “Omskriv med mere kant og konkret sprog.”
Brug AI som sparringspartner, ikke bare som tekstgenerator.
4. Eksempelbaseret prompting
Feed modellen med eksempler:
“Her er en annonce, der fungerede godt. Skriv tre variationer i samme stil.”
AI elsker mønstre – giv den noget at lære af.
Mini-guide: Sådan skriver du en god prompt
- Start med formål: Hvad vil du opnå?
- Vælg format: Blogindlæg, annonce, video-script, e-mail?
- Definér målgruppe: Hvem skal læse det?
- Angiv tone og stil: Skal det være sjovt, seriøst, direkte?
- Tilføj kontekst: Branche, produkt, tidligere erfaringer.
- Iterér: Ret og forbedr løbende baseret på outputtet.
Bonus: Copy-paste skabeloner du kan bruge nu
- “Du er [rolle]. Skriv [indholdstype] om [emne] til [målgruppe] med [tone].”
- “Lav en brainstorm med 10 idéer til [format] om [emne], målrettet [målgruppe].”
- “Omskriv denne tekst, så den lyder mere [adjektiv]: [indsæt tekst]”
Du bliver ikke god til AI ved at læse manualer. Du bliver god ved at lære at prompt’e rigtigt.
Det er en færdighed – præcis som copywriting eller salg. Og det kan læres.
Jo skarpere du bliver på prompting, jo større bliver dit AI-afkast. Så: Øv dig. Test. Og find dine egne go-to prompts.
AI-værktøjer: Kom godt i gang
Du behøver ikke være udvikler for at komme i gang med AI. Der findes i dag hundredvis af værktøjer, der gør det nemt at implementere AI direkte i din hverdag – uanset om du arbejder med marketing, content, video, salg eller noget helt femte.
Her får du en konkret gennemgang af 10 stærke AI-værktøjer – med fordele, ulemper og hvad du skal være opmærksom på.
1. ChatGPT (OpenAI)
Brug til: Tekstgenerering, brainstorming, kodning, kundeservice m.m.
- Fordele: Ekstremt fleksibelt. GPT-4 Turbo er lynhurtig og præcis.
- Ulemper: Output bliver hurtigt generisk, hvis du ikke prompt’er ordentligt.
- Pro tip: Brug “Custom GPTs” til at bygge specialiserede assistenter med egne instruktioner.
2. Perplexity AI
Brug til: Research og faktatjek med kildehenvisninger.
- Fordele: Henter friske data fra nettet. Hurtig og præcis søgefunktion.
- Ulemper: Ikke velegnet til længere content eller kreativt arbejde.
- Pro tip: Brug “Copilot”-funktionen til at guide din research med opfølgende spørgsmål.
3. Jasper
Brug til: Copywriting og content til blogs, e-mails og sociale medier.
- Fordele: Forudindstillede templates og tone-of-voice profiler.
- Ulemper: Kræver abonnement. Mindre fleksibel end ChatGPT.
- Pro tip: Kombinér Jasper med SEO-surfer for at skrive optimeret content hurtigere.
4. Synthesia
Brug til: AI-genererede videoer med avatars og voiceover.
- Fordele: Lav videoer uden kamera, studie eller redigering.
- Ulemper: Stemmerne kan virke lidt “robot-agtige” afhængigt af sprog.
- Pro tip: Brug til onboarding, produktdemoer eller international skalering.
5. Runway
Brug til: Videoredigering, AI-videoer, green screen-effekter m.m.
- Fordele: Kraftfulde redigeringsværktøjer og tekst-til-video funktion.
- Ulemper: Kræver lidt tilvænning. Lang renderingstid ved tunge opgaver.
- Pro tip: Brug “Gen-2” til at skabe korte AI-videoer ud fra dine prompts.
6. MidJourney
Brug til: Visuel content – illustrationer, billeder, mockups.
- Fordele: Exceptionel billedkvalitet og kreativitet.
- Ulemper: Kun via Discord. Stejl læringskurve for nye brugere.
- Pro tip: Brug klare stilreferencer i dine prompts (fx “in the style of Pixar”).
7. Notion AI
Brug til: Produktivitet, dokumentation, automatiske resumeer.
- Fordele: Integreret i Notion. Perfekt til interne noter og projektstyring.
- Ulemper: Ikke god til komplekse analyser.
- Pro tip: Brug til at brainstorme idéer direkte i dine projektdokumenter.
8. Claude (Anthropic)
Brug til: Lang kontekstforståelse og analyser.
- Fordele: Kan læse og analysere meget store dokumenter (op til 150K tokens).
- Ulemper: Lidt mindre aggressiv i output end GPT-4.
- Pro tip: Brug Claude til kontraktlæsning, rapportanalyse og e-bøger.
9. Leonardo AI
Brug til: Game art, concept art, stiliserede billeder.
- Fordele: Hurtigt og nemt at skabe karakterdesigns og scener.
- Ulemper: Nichepræget – ikke egnet til klassiske billeder.
- Pro tip: Brug den til at mocke visuelle koncepter til pitches eller præsentationer.
10. Descript
Brug til: Videoredigering, podcastproduktion og voiceover.
- Fordele: Redigér video som tekst. Automatisk transskribering og overdub.
- Ulemper: Ikke egnet til avancerede videoprojekter.
- Pro tip: Brug det til at skabe snackable video-content lynhurtigt.
Step-by-step: Sådan kommer du i gang
- Vælg 2-3 værktøjer, der passer til dit behov (fx content, video, research).
- Opret konto – og gå direkte til deres “Getting Started” sektion eller YouTube demoer.
- Lav en lille test-case (fx skriv en artikel, lav en video eller find produktidéer).
- Evaluer output: Er det hurtigt? Præcist? Brugbart?
- Implementér værktøjet i en konkret proces (fx kampagneproduktion eller salgsflow).
No-code vs coding i AI: Nu kan alle kode
Skal du lære at kode for at få noget ud af AI? Nej. Men vil du kunne mere, hurtigere og billigere, hvis du kan kode? Ja.
Der er to veje i AI-verdenen: No-code (træk-og-slip, klik-og-kør) og kodebaseret (Python, API’er, frameworks).
Her er, hvad du skal vide.
Fordele ved no-code AI
- Hurtig adgang: Kom i gang på minutter uden teknisk baggrund.
- Ingen udvikling: Ingen deploys, ingen GitHub, ingen fejlkoder.
- Drag-and-drop: Byg flows med visuelle builders som Zapier eller Make.
- Perfekt til MVP’er: Test idéer lynhurtigt uden at røre en linje kode.
Ulemper ved no-code
- Begrænsninger: Du er låst til, hvad platformen tillader.
- Pris: Mange no-code tools koster hurtigt +500 kr/md.
- Performance: Langsommere og mindre fleksibel ved komplekse opgaver.
Fordele ved at kode (Python, OpenAI API, LangChain)
- Fuld frihed: Byg præcis det, du har brug for – fra bunden.
- Skalerbarhed: Ideelt til produkter, automation og avancerede AI-apps.
- Adgang til alt: Brug OpenAI, HuggingFace, Pinecone, vector search m.m.
Ulemper ved at kode
- Tidskrævende: Du skal lære det eller hyre en udvikler.
- Opsætning: Du skal rode med API-nøgler, Python-miljøer og fejlhåndtering.
- Ikke for alle: Hvis du hader kode, så lad være – det bliver en pain.
Konkrete eksempler – hvad giver bedst mening?
Brug no-code når…
- Du vil bygge en simpel leadgenerator med ChatGPT og Zapier
- Du skal opsætte AI-baseret kundeservice uden udvikler
- Du vil teste om en idé overhovedet virker i praksis
- Du skal lave content flows fra ChatGPT → Notion → Mailchimp
Brug kode når…
- Du vil bygge din egen AI-chatbot med memory, vector search og rollelogik
- Du skal bygge en SaaS-løsning med AI som kerne
- Du har brug for 100 % kontrol over funktionalitet og output
- Du vil automatisere store mængder data og komplekse flows
Mit råd – pragmatisk tilgang
Start no-code, lær hvad der virker – og tag det tekniske skridt, når det giver mening.
For mange kaster sig ud i at lære Python, før de overhovedet ved, hvad de vil bygge. Det er spild af tid. Vend det om: lær use casen – og så teknikken.
Eksempler på no-code tools og low-code frameworks
- Make (ex Integromat): Avancerede AI-automations med ChatGPT og andre værktøjer
- Zapier: Hurtige workflows mellem fx Typeform, ChatGPT, Slack
- Bubble: Byg AI-webapps uden kode – perfekt til MVP’er
- Replit + LangChain: Low-code framework til avancerede AI-agenter (med lidt Python)
AI til grafisk arbejde og video
Hvis du arbejder med content, marketing eller design – så er det nu, du skal spidse ører. AI har allerede revolutioneret den måde, vi producerer billeder og video på. Og det går stærkt.
Du behøver ikke længere være grafiker, animator eller videoekspert for at lave visuelt materiale, der ligner noget fra et produktionsselskab.
MidJourney – billedgenerering med wow-effekt
Brug til: Illustreret content, produktmockups, social visuals, idéudvikling
- Styrker: Billederne er ekstremt æstetiske, kunstneriske og detaljerede.
- Svagheder: Ingen klassisk webinterface – det hele kører via Discord.
- Tip: Brug præcise prompts inkl. stil, lys, kamera, komposition (fx “cyberpunk city at night, ultra wide-angle, cinematic light”).
GPT-4 Vision – forståelse og generering fra billeder
Brug til: At analysere billeder, forklare grafer, tolke UI-layouts, brainstorme på visualer
- Styrker: Forstår komplekse billeder og kan forklare dem med ord. Brugbar til alt fra research til UX-design.
- Svagheder: Ikke et værktøj til at skabe billeder – men til at forstå og kommentere dem.
- Tip: Upload et screenshot og bed modellen analysere UI/UX og komme med forbedringer.
Runway – AI-video der rent faktisk virker
Brug til: Videoproduktion, content creation, greenscreen-effekter, AI-video fra tekst
- Styrker: Lav komplette videoer med bare en prompt – perfekt til SoMe og produktdemonstrationer.
- Svagheder: Output er stadig begrænset i varighed og realisme – men det udvikler sig hurtigt.
- Tip: Brug “Text to Video Gen-2” til at skabe 4-6 sekunders videoklip til brug i reels og annoncer.
Sora – fremtiden for AI-video
Brug til: Avanceret videogenerering (når tilgængeligt)
- Styrker: Skaber hyperrealistiske videoer med kompleks kamerabevægelse og storytelling.
- Svagheder: Stadig under lukket test. Ikke bredt tilgængelig endnu.
- Tip: Følg udviklingen tæt – det her kommer til at ændre hele content-industrien.
Andre relevante værktøjer
- Canva AI: Brug AI til at generere slides, billeder og visuelle layouts med et klik.
- Adobe Firefly: Billed- og tekstgenerering direkte i Adobe’s værktøjer – perfekt til professionelle.
- Pika Labs: Et spændende alternativ til Runway for korte, AI-genererede videoklip.
Eksempler fra praksis
- En webshop genererer produktbilleder i MidJourney uden fotoshoot – og sparer 30.000 kr/md.
- Et SaaS-firma laver onboarding-videoer med Runway og Synthesia uden redaktører eller optagelser.
- En konsulent bygger præsentationer i Canva AI med autogenereret design og grafik.
Step-by-step: Lav visuelt AI-indhold på 10 minutter
- Vælg format: billede eller video?
- Skriv en konkret prompt (fx: “Close-up shot of a smartwatch on a marble table, product photo, high-end look”).
- Generér i MidJourney eller Runway og tilpas output (hvis nødvendigt).
- Download og redigér i Canva, CapCut eller Figma for finjustering.
- Publicér – og test engagement mod traditionelt content.
Hvordan kan man lære mere om AI?
Her er den ærlige sandhed: Du bliver ikke god til AI ved at scrolle LinkedIn eller læse nyheder om den næste hypede model. Du bliver god ved at gå i dybden, teste og lære fra de rigtige kilder.
Her er en håndplukket liste over ressourcer, der rent faktisk lærer dig noget – ikke bare overfladisk snak eller clickbait.
Top-kurser (som faktisk er pengene værd)
- Complete AI Guide (Udemy) – Super solid introduktion til AI, LLM’er, prompt design og anvendelser i praksis. Brugbart for både begyndere og erfarne.
- DeepLearning.AI – Prompt Engineering for Developers – Gratis kursus lavet af OpenAI + Andrew Ng. Kodefokuseret, men hands-on.
- AI for Everyone (Coursera) – God til ledere og beslutningstagere, der vil forstå AI strategisk.
Blogs og nyhedsbreve du bør følge
- AI Tools fra Synthesia – Løbende opdateret overblik over de nyeste og bedste AI-værktøjer med eksempler og use cases.
- Ben’s Bites – Dagligt overblik over de vigtigste AI-nyheder i et hurtigt format.
- Superhuman AI Newsletter – Taktisk + strategisk viden til AI-skabere og professionelle.
- Hugging Face Blog – Hvis du vil dybere ned i det tekniske og forstå, hvad der sker under motorhjelmen.
YouTube-kanaler der lærer dig noget
- Matt Wolfe – Dækker de nyeste tools og trends uden hype.
- Two Minute Papers – Forklarer nye AI papers på et niveau, hvor de fleste kan være med.
- CodeBullet – Mere underholdning, men giver indsigt i, hvad AI faktisk kan i praksis.
Praktiske tutorials og playgrounds
- OpenAI Playground: Test dine egne prompts med fuld kontrol over model, temperatur og output-format.
- FlowGPT: Community-drevne prompt-skabeloner til inspiration.
- LangChain Docs: For dig der vil bygge AI-agenter og applikationer med kode.
Bøger til dig, der vil gå dybere
- The Coming Wave – Mustafa Suleyman – Om hvordan AI (og anden tech) forandrer verden. Skrevet af DeepMind-cofounder.
- You Look Like a Thing and I Love You – Janelle Shane – Letlæst, sjov og lærerig bog om AI’s begrænsninger og styrker.
- Artificial Intelligence – A Guide for Thinking Humans – Melanie Mitchell – Gør dig klogere på, hvad AI egentlig er (og ikke er).
Step-by-step: Sådan lærer du AI hurtigt
- Tag 1 onlinekursus og gennemfør det – fx Udemy’s “Complete AI Guide”
- Abonnér på 1-2 nyhedsbreve (fx Ben’s Bites og Superhuman)
- Test 3 AI-værktøjer i praksis og lav en konkret use case
- Sæt 30 min om ugen af til YouTube/eksperimentering
- Efter 4-6 uger: vælg ét område og fordyb dig (fx visuel AI, API, eller sales automation)
Cases og statistikker
Det er nemt at snakke om AI. Men hvad virker egentlig i praksis? Her får du konkrete eksempler på virksomheder og personer, der har implementeret AI med succes – og tallene der bekræfter, hvorfor det ikke længere er valgfrit.
Virkelige cases – sådan bruger andre AI allerede
1. Klarna – AI som kundeservicemedarbejder
Klarna har erstattet 700 kundeservicemedarbejdere med én AI-chatbot, som nu håndterer ⅔ af alle henvendelser med en løsningsrate på 70 %. Det svarer til en årlig besparelse på flere millioner USD.
Kilde
2. Morgenavisen Jyllands-Posten – AI til journalistik
Jyllands-Posten bruger AI til at generere forslag til overskrifter og artikelfragmenter, som journalister derefter tilpasser. Resultat: 30 % hurtigere produktion uden at gå på kompromis med kvalitet.
Kilde
3. HubSpot – AI i salgsprocesser
HubSpot integrerede GPT-teknologi i deres CRM og oplevede en 40 % forbedring i reply-rates på mails skrevet med AI.
Kilde
4. Solo-entreprenører og freelancere
Selvstændige bruger tools som ChatGPT, Jasper og MidJourney til at producere 3-5x mere content uden at hyre hjælp. Mange sparer op mod 10-15 timer om ugen ved at automatisere opgaver som e-mails, grafik og video.
Kilde
Statistik: Derfor skal du tage AI alvorligt
- 83 % af virksomheder har AI som strategisk prioritet ifølge McKinsey (2024). Kilde
- 67 % af marketingteams bruger allerede AI dagligt – især til tekst, SEO og billedgenerering. Kilde
- 56 % af CEO’er forventer, at AI vil ændre deres forretningsmodel fundamentalt inden 3 år. Kilde
- AI kan øge produktivitet med 40-60 % i tekst, kundeservice og analyse. Kilde
- Google Trends: Søgeinteressen for “AI tools” er steget med over 500 % på 12 måneder. Kilde
Step-by-step: Brug cases og data i din egen AI-strategi
- Find 2-3 cases fra din branche – hvordan bruger de AI konkret?
- Lav en liste over manuelle processer i din hverdag, der kan automatiseres.
- Sæt KPI’er: tid, output, kvalitet – og test AI som løsning på 1-2 områder.
- Evaluer efter 14 dage: virker det? Kan det skaleres?
- Lav en kort pitch internt – med data – for at få buy-in eller budget.
Konklusion
Det handler ikke om “hvorvidt” du skal bruge AI – men om hvordan og hvor hurtigt.
Hvis du stadig er på sidelinjen og venter på, at AI “bliver modent” – så bliver du overhalet.
Af dine konkurrenter, dine kollegaer og måske endda dine kunder. Jeg ser det hver dag både i marketing, men ligeså meget i generelle virksomhedsprocesser.
15 års tips og tricks?
På LinkedIn deler jeg hver uge tips og tricks med mere end 8.000 følgere. Det er gratis at følge med og du kan altid “unfollow” mig igen. Vil du være med?
Gratis tips og tricks »
Kommentarer