Du behøver ikke en bedre prompt. Du behøver en bedre fordeling af arbejdet. Denne artikel er en guide til at bruge AI som et team: én rolle til research, én til struktur og én til formulering. Du får en skabelon til afleveringen mellem trinene og en stop-regel, så du kan teste metoden på én opgave allerede i denne uge.
Du kender det sandsynligvis. Den tredje tekst i træk begynder at lyde som den første. Ordene er forskellige, men rytmen og tonen gentager sig – og den glatte sikkerhed i sproget gør det også. Du har en god prompt. Du har en god sprogmodel. Og alligevel flader resultatet ud. Det er det, mange oplever som AI-smoothing.
Hvad AI-smoothing føles som
AI-smoothing er det fænomen, hvor tekster produceret med AI begynder at føles:
- Pæne og ufarlige – korrekt sprog, men uden kant. Ingen påstand er skarp nok til uenighed.
- Komplette – alt er med, men intet er valgt fra.
- Ens – samme tone, uanset kanal og formål.
- For mange ord, for lidt fravalg – teksten forsøger at sige alt til alle.
Det sker typisk, når én model bruges til alt: research, struktur og formulering i samme prompt. Én motor producerer ét kognitivt mønster. Resultatet er, at man ender med at redigere formuleringer, når man burde træffe valg. Og problemet forstærkes, når retningen er uklar – fordi en sprogmodel uden tydelig ramme vil altid vælge det sikre og det pæne. Det er ikke en fejl i modellen. Det er en fejl i opgavefordelingen.
Tænk sprogmodeller som et team
Hos et bureau eller i en marketingafdeling sætter man sjældent den samme person til at researche, lægge strategi og skrive den endelige tekst. Ikke fordi folk ikke kan flere ting, men fordi kvaliteten stiger, når roller er rene.
Det samme gælder sprogmodellerne. Nogle er stærke til at krydse store mængder information, andre til at strukturere argumenter og træffe fravalg, andre igen til at skrive med rytme og præcision. Derfor giver en stafet mening: fast rækkefølge, én rolle pr. model og et tydeligt handoff.
Det er den arbejdsdeling, jeg selv bruger i praksis, når jeg arbejder med AI: én rolle til at finde mønstre, én til at bygge struktur og én til at skrive. For ellers ender jeg med at redigere pæne formuleringer, når jeg burde træffe valg – og så forsvinder både retning og fravalg.
Stafet-protokollen i tre trin
Trin 1: Research (f.eks. Gemini)
Hvad: Indsamling af mønstre, vinkler, data og spørgsmål. Modellen scanner bredt og leverer råmateriale.
Input: Dit emne, din målgruppe og det du allerede ved.
Output: 10 bullets med mønstre og fund, 5 modargumenter, 5 ubekvemme spørgsmål du bør tage stilling til. Ikke prosa – punkter og spørgsmål.
Regel: Research-modellen skriver ikke tekst. Den leverer materiale. Hvis du kopierer dens formuleringer, har du blandet rollerne sammen.
Trin 2: Arkitektur (f.eks. ChatGPT)
Hvad: Struktur, budskabshierarki og fravalg. Her besluttes, hvad teksten skal sige – og hvad den bevidst ikke siger.
Input: Research-output fra trin 1 + din handoff-skabelon (se nedenfor).
Output: Disposition med kernepåstand (1 sætning), 3 bærende pointer i rækkefølge, eksplicitte fravalg, evt. CTA. Ikke udkast, men disposition.
Regel: Arkitektur-modellen skal tvinge dig til at vælge. Hvis den leverer en struktur, hvor alt er med, så bed den skære. Fravalg er det vigtigste output i dette trin.
Trin 3: Formulering (f.eks. Claude)
Hvad: Skrivning af den endelige tekst med præcis tone, rytme og længde.
Input: Den færdige struktur fra trin 2 – inkl. kernepåstand, fravalg og formatkrav.
Output: Færdig tekst i det aftalte format og den aftalte længde. Ingen nye argumenter, ingen tilføjelser ud over rammen.
Regel: Formuleringsmodellen må ikke ændre retningen. Den skriver inden for rammen. Hvis teksten tilføjer pointer, der ikke var i strukturen, er handoff’et for løst.
Handoff-skabelon (copy/paste)
Brug denne skabelon, når du sender arbejdet fra ét trin til det næste. Den sikrer, at kontekst og retning ikke går tabt.
Formål: Hvad skal output gøre? (Én sætning).
Målgruppe: Hvem skriver vi til – og hvad skal de føle eller forstå bagefter?
Kernepåstand: Én sætning, som alt i teksten skal understøtte.
3 beviser/eksempler: Hvad bygger vi påstanden på? (Fakta, data, indsigter, cases).
Fravalg: Hvad siger vi bevidst ikke? (Mindst 1–2 konkrete fravalg).
Format: Længde + kanal (f.eks. 800 ord, artikel til ‘medie’)
Quality gate: Hvad vil gøre denne tekst generisk – og hvordan undgår vi det?
Sådan prøver du det i praksis
Vælg én opgave, du alligevel skal løse i den kommende uge. Kør den igennem fire runder:
Runde 1 – Research: Giv din research-model emnet og målgruppen. Bed den finde mønstre, modsætninger og de spørgsmål, du bør besvare, før du skriver. Brug 10–20 minutter på at læse og markere det, der overrasker dig.
Runde 2 – Arkitektur: Udfyld handoff-skabelonen. Giv den til din arkitektur-model sammen med research-materialet. Bed den foreslå en disposition med kernepåstand, tre bærende pointer og eksplicitte fravalg. Acceptér ikke den første struktur, hvis den prøver at sige alt.
Runde 3 – Formulering: Giv den færdige disposition til din formuleringsmodel. Angiv tone, længde og kanal. Bed den skrive inden for rammen – ikke udover den.
Runde 4 (valgfri) – Retningstjek: Giv den færdige tekst tilbage til din arkitektur-model og bed den vurdere: Holder teksten sig til kernepåstanden? Er fravalget intakt? Er der tilføjet noget, som ikke var i planen?
Stop-regel: Iterér kun hvis kernepåstand eller fravalg ændrer sig. Ellers: stop.
Typiske fejl (og fixes)
Fejl 1: Tre modeller uden protokol
Du bruger flere modeller, men uden fast rækkefølge eller stop-regler. Resultatet bliver fragmenteret.
→ Fix: Lav en fast rækkefølge (research → arkitektur → formulering) og hold dig til den. Beslut på forhånd, hvad hvert trin skal levere.
Fejl 2: Løst handoff
Du sender tekst videre uden at definere kernepåstand og fravalg. Den næste model gætter – og gætter forkert.
→ Fix: Udfyld handoff-skabelonen, før du går videre. Kernepåstand og fravalg er ikke valgfrie felter.
Fejl 3: Research-modellen skriver
Du lader research-trinnet producere færdig tekst, og så redigerer du den. Resultatet er en poleret version af noget halvgennemtænkt.
→ Fix: Hold rollerne rene. Research leverer materiale. Formulering leverer tekst. Det er to forskellige opgaver.
Minimal version: samme princip, én model
Ikke alle opgaver kræver tre modeller. Du kan godt køre alle tre trin i samme model, men hold rækkefølgen og handoff-skabelonen. Start hvert trin med en ny besked og en tydelig rolle: “Du er nu researcher”, “Du er nu arkitekt”, “Du er nu formuleringsansvarlig”. Udfyld skabelonen mellem trin 1 og 2. Princippet er det samme: rene roller og bevidste handoffs, uanset antal modeller.
Hvorfor det handler om dømmekraft
Sprogmodellerne bliver bedre og bedre… og bedre. Prompts deles frit på SoMe og i webfora, de tekniske barrierer falder og adgangen til værktøjerne er ikke i sig selv en konkurrencefordel mere.
Det, der bliver afgørende, er evnen til at holde retning: at vide hvad man vil sige, hvad man vælger fra, og hvornår noget er godt nok. Det er en kommunikationsfaglig disciplin – og lige præcis den muskel, stafet-protokollen træner.
Dit næste skridt
Vælg én opgave i den kommende uge og kør den igennem processen. Ikke hele din arbejdsgang – bare én opgave.
Hvilken del af dit arbejde har mest brug for bedre handoffs?
