40 ferdige prompter — og hva du gjør når de ikke virker

Kort sagt: en ferdig prompt er en mal der rolle, oppgave, kontekst og format allerede står — du fyller bare inn hakeparentesene. Nedenfor finner du 40 av dem, fordelt på seks kategorier. Men listen er den enkle halvdelen. Vi brukte juli 2026 på å hente ut data fra Udemys interne API og fra anmeldelsessidene på Coursera, og fant ut at det kursdeltakerne klager mest over, er nøyaktig det nesten ingen lærer bort: prompten din virket ikke — hva endrer du først? Derfor handler andre halvdel om feilsøking, om de klassiske feilene og om prompter du kan kjøre her på siden med ett trykk.

Først et ærlig problem med lister som denne

Det finnes flere lister med «de 100 beste promptene» på nett enn folk som bruker dem. Vi ville vite hva de store betalkursene faktisk lærer bort, så vi hentet tallene selv: fra Udemys interne API og fra de offentlige anmeldelsessidene til Coursera, målt 17. juli 2026.

Først størrelsesordenen. På Coursera har «Prompt Engineering for ChatGPT» fra Vanderbilt 698 444 påmeldte. Den lengre «Prompt Engineering Specialization» fra samme Vanderbilt har 138 967. «Generative AI: Prompt Engineering Basics» fra IBM: 654 256. «Google Prompting Essentials»: 365 425. På Udemy har «Prompt Engineering with ChatGPT Masterclass» fra RPATech 118 803 deltakere, og «Prompt and Context Engineering 101» av Mike Wheeler 84 942 med en karakter på 4,31 — den laveste i utvalget vårt på åtte toppkurs.

Og så klagene. Dette er kurs som har prompt engineering i tittelen:

• «There is nothing teached about creating a good prompt. It is just an overview of types of prompts.» — Geralt O., 01.07.2026, 2★ (Wheeler)
• «No specific guidance on prompt engineering… what to avoid while asking, how to organize your thoughts, how to give feedback to AI based on its answers etc.» — Bharat Ram A., 05.06.2026, 1.5★ (Wheeler)
• «i thought it would go deeper in prompts and have more examples and sessions to master or enhance our current prompts.» — Manuel L., 15.06.2026, 2★ (PE for Everyone)
• «Too much background on ChatGPT. Get me to how to prompt GPT» — Mark R., 16.09.2025, 1.5★ (Academind)

Fire personer, fire ulike kurs, én og samme klage. Ikke «kjedelig» og ikke «dyrt», men «dere viste meg en klassifisering av prompter i stedet for å lære meg å reparere én». Bharat Ram A. skrev til og med ned pensumet han ville hatt og ikke fikk: hva man skal unngå når man spør, hvordan man ordner tankene sine, hvordan man gir modellen tilbakemelding på svaret den ga.

Konklusjonen vi trakk: hullet i dette markedet er ikke malene, det er feilsøkingen. En mal svarer på «hva skriver jeg første gang». Feilsøking svarer på «hva gjør jeg når første gang ikke virket» — og det skjer omtrent alltid. Derfor er artikkelen bygd slik: først førti maler, så den delen kursene hopper over.

Et forbehold mot oss selv. Sitatene våre kommer fra standardlisten med anmeldelser som enhver besøkende ser, ikke fra et representativt utvalg: stjernefilteret på Coursera kjører i nettleseren, og server-HTML-en gir alltid første side. Dette måler altså ikke hvor mange som er misfornøyde; det viser hva de misfornøyde er misfornøyde med. Andelen så vi også på, og den er liten: negative anmeldelser (≤3,5★) ligger på 1,5–3,5 % på Coursera og merkbart høyere på Udemy — 9,61 % på «Generative AI for Beginners» og 10,36 % på «The Complete AI Guide». De fleste liker disse kursene. Det er bare de som ikke gjør det, som klager over det samme.

Derfor er knappen «Kjør» under en prompt ikke pynt

Det finnes et funn nummer to, og det forklarer hvorfor prompting er så vanskelig å lære bort på video. Her er en anmeldelse av «Prompt Engineering for ChatGPT» fra Vanderbilt:

«you send your assignments and immediatly you got your results: 100% correct. I am still speechless. I put all that effort in and have no idea whether I my answer was correct or not.» — Shinysheep, 21.09.2023, 1★

Dette er ikke en lat foreleser. Det er en strukturell grense: det finnes ingen modell inne i en Coursera-leksjon. Det finnes nøyaktig én måte å sjekke en prompt på — kjøre den og se på svaret. Plattformen får ikke det til, så den stempler et automatisk «100% correct». Deltakeren la ned arbeidet og fikk aldri vite om arbeidet var noe verdt.

Den samme grensen skaper den hyppigste klagen på videokurs i dataene våre: foreleseren leser lysbildet høyt. Ordrett: «why read straight from the slide? I can do that. This was not a helpful course at all» (Janie I., 02.07.2026, 1★). Og hardere: «50% of this course is reading script like a robot from the slides… they are just reading text from the slides which you can also you from any good website» (Shashank T., 13.04.2026, 1★). Og én til, på et kurs med 118 803 deltakere: «Written by AI, delivered by AI. The slides are way too crowded to be useful and it really doesn't help to have the bot read them out word-for-word» (Bradley M., 16.04.2026, 1★, RPATech).

På denne siden får hver <pre>-blokk en Kjør-knapp: du trykker og ser et ekte svar fra modellen uten å forlate artikkelen. Promptene nedenfor er skrevet slik at de kan kjøres som de er, uten at du setter inn noe — eksempelet ligger allerede inni. Det er nøyaktig det en leksjon uten modell inni strukturelt ikke kan gi deg.

Slik bruker du listen

• Fyll ut alle parentesene. En tom parentes er et hull modellen tetter på slump, og da blir svaret gjennomsnittlig.
• Legg ved ditt eget materiale. Nesten enhver prompt blir sterkere hvis du limer inn kilden etterpå: e-posten, utkastet, tallene, rammene.
• Ikke stopp ved første svar. «Kortere», «annen tone», «bytt eksempelet» — etter to-tre justeringer pleier du å være i mål.
• En mal er en hypotese, ikke en trylleformel. Den sparer deg det første minuttet. Deretter er det feilsøkingsdelen som jobber.

Sier formelen «rolle + oppgave + kontekst + format» deg ingenting ennå, så start med hva en prompt er og hvordan du skriver den — da kan du bygge dine egne, ikke bare kopiere.

Jobb-e-poster og korrespondanse (8)

Den største tidsbesparelsen er ikke «skriv en e-post», men en e-post med fastsatt mål og tone.

• Be om noe: «Du er en erfaren forretningskorrespondent. Skriv en e-post til kollegaen min [navn/rolle] med en forespørsel om [hva du trenger]. Kontekst: frist [dato], forrige forespørsel ble stående ubesvart, forholdet er godt og profesjonelt — ikke press på. Under 120 ord, høflig, med en tydelig frist og ett spørsmål til slutt.»
• Mykne opp en skarp e-post: «Her er utkastet mitt: [tekst]. Skriv det om slik at innholdet og forespørselen står uendret, men tonen blir rolig og profesjonell. Forklar i to punkter hva du endret og hvorfor.»
• Si høflig nei: «Jeg har fått tilbud om [hva]. Jeg takker nei fordi [grunn]. Skriv et avslag på 3–4 setninger: ingen unnskyldninger som ligner selvpisking, men la døren stå på gløtt.»
• Svare en misfornøyd kunde: «Kunden skriver: [klage]. Fakta fra min side: [hva som faktisk skjedde]. Skriv et svar: erkjenn problemet, forklar uten bortforklaringer, foreslå et konkret neste steg med dato.»
• Purre på en forsinket oppgave: «Skriv en tredje purring om [oppgave]. Tonen skal være vennlig, men nå nevne konsekvensen av forsinkelsen: [konsekvens]. Under 80 ord.»
• Møtereferat: «Her er notatene mine fra møtet: [tekst]. Bygg en oppsummerings-e-post: beslutninger, ansvarlige, frister. På en egen liste: åpne spørsmål uten beslutning.»
• E-post på et annet språk: «Oversett denne e-posten til [språk]: [tekst]. Behold innholdet, men tilpass formuleringene til forretningsnormene i det språket i stedet for å oversette ordrett. Marker steder der tonen i originalen ville virke uhøflig.»
• Sortere en innkommende e-post: «Her er en lang e-post: [tekst]. Svar på tre spørsmål: hva vil de ha av meg, innen når, og hva skjer hvis jeg ikke svarer. Én setning på hvert.»

Det som jobber her, er ikke rollen — «erfaren forretningskorrespondent» bidrar med nesten ingenting. Det er to ting: en fastsatt lengde og én atferdsregel («ikke press på»). En atferdsregel slår rollen nesten hver gang. Husk det, for det er trinn tre på feilsøkingslisten lenger ned.

Tekster og innhold (6)

• Kutte til N ord: «Du er en redaktør som kutter fyllstoff. Forkort teksten nedenfor til [N] ord uten å miste et eneste faktum eller en eneste konklusjon. Målgruppe: [hvem], leser på mobilen og har dårlig tid. Først den forkortede teksten, så en liste over det du kuttet. Tekst: [lim inn din]»
• Overskrifter: «Her er teksten: [tekst]. Gi 10 overskrifter: 3 nøytrale, 3 med et tall, 3 som spørsmål, 1 provoserende. Ingen clickbait — teksten må innfri løftet.»
• Disposisjon før skriving: «Jeg skriver [hva] for [hvem]. Leserens mål: [hvorfor det angår ham]. Lag en disposisjon på 5–7 deler, med én setning til hver om hva som skal stå der. Ikke skriv selve teksten.»
• Finne de svake punktene: «Les dette som en skeptisk leser: [tekst]. Nevn 5 steder der du ville sluttet å tro på det eller kjedet deg, og forklar hvert av dem. Ikke skriv om.»
• Tilpasse til kanalen: «Ta denne teksten: [tekst]. Lag tre versjoner: et innlegg på 600 tegn, en nyhetsbrev-e-post og et videomanus på ett minutt. Ett budskap, tre former.»
• Treffe min egen stemme: «Her er 3 tekster av meg som stilprøve: [tekster]. Skriv en ny om [tema] som treffer den samme stemmen. List så opp hvilke stiltrekk du gjenskapte.»

«Sin egen stemme» er et eget kapittel, og ingen mal løser det helt. Fra OpenAI-forumet, tråden om å skrive uten AI-bismak: «I've studied best practices to avoid it generating content that sounds like AI, but I'm not having any success.» Fra Hacker News: «the email writing tools just seems to strip out my personal voice making me sound like I'm writing unsolicited marketing spam.» Forbehold: dette er viderekomne brukere og bare et par kilder — et signal, ikke en måling. Men signalet er stabilt og peker et nyttig sted: prøver på dine egne tekster inne i prompten gjør mer enn noe adjektiv i stil med «skriv levende».

Læring og å plukke fra hverandre det vanskelige (6)

• Forklar fra null: «Du er en tålmodig lærer. Forklar [tema] slik at et menneske uten forkunnskaper forstår det. Først en analogi fra hverdagen, så en forklaring av selve saken på 150 ord, så tre spørsmål som sjekker forståelsen min — og vent på svarene mine, ikke svar for meg.»
• Plukke fra hverandre en feil: «Jeg løste det slik: [min løsning]. Riktig svar er: [svar]. Ikke gi meg løsningen — vis hvilket steg jeg svingte feil på, og hvorfor det er en typisk feil.»
• Læringsplan: «Jeg vil lære [ferdighet] på [tid], jeg kan bruke [N] timer i uka, startnivå [hvilket]. Bygg en plan uke for uke: hva skal jeg gjøre, hva skal jeg øve på, hvordan sjekker jeg at uka satt.»
• Sokratisk modus: «Ikke forklar meg [tema] direkte. Still ett spørsmål av gangen og før meg fram til forståelsen selv. Hvis jeg tar feil, ikke rett meg — still et spørsmål som leder meg videre.»
• Gjenfortelle en artikkel: «Her er teksten: [lim inn]. Gi meg: 1) hovedpåstanden i én setning, 2) forfatterens tre argumenter, 3) det forfatteren hevder, men aldri beviser.»
• Repetisjonskort: «Lag 15 spørsmål-svar-kort om [tema] for nivå [hvilket]. Svar på maks to setninger. Ingen gjettespørsmål.»

Legg merke til «vent på svarene mine, ikke svar for meg». Uten den setningen stiller modellen de tre spørsmålene og svarer på dem selv med det samme — jobben dens er å fortsette tekst, ikke å eksaminere deg. Nøyaktig samme hull som ved det automatiske «100% correct»: når ingenting sjekker deg, finner du ikke ut om du forsto det.

Analyse og beslutninger (7)

• Sette en beslutning under press: «Du er en analytiker som diskuterer med meg i stedet for å gi meg rett. Sett denne beslutningen under press: [hva jeg har tenkt å gjøre]. Mål [hvilket], rammer [penger/tid/folk], frist [når]. Format: 3 sterke argumenter for, 3 mot, risikoen jeg mest sannsynlig har oversett, og ett spørsmål der svaret ville snudd beslutningen.»
• Djevelens advokat: «Her er planen min: [plan]. Finn det svakeste leddet og forklar hvordan den faller sammen i virkeligheten. Ikke pakk det inn.»
• Sammenligne alternativer: «Sammenlign [alternativ A] og [alternativ B] for [oppgave]. Format: en tabell med kriterium, A, B og hva som veier tyngst for meg. Velg kriteriene selv og begrunn valget.»
• Lese data: «Her er tallene: [data]. Nevn tre konklusjoner som følger av dem, og separat konklusjoner som IKKE følger, selv om de ser logiske ut.»
• Forberede en forhandling: «Jeg forhandler med [hvem] om [hva]. Min posisjon: [hvilken]. Spill motparten: hvilke tre innvendinger legger du fram, og hva vil du egentlig?»
• Dele en oppgave i steg: «Oppgave: [hva som må gjøres]. Del den i steg slik at det første ikke tar mer enn 15 minutter. Marker steget der folk vanligvis gir opp.»
• Hva overser jeg: «Beslutning: [hvilken]. Jeg har tatt hensyn til: [liste]. Nevn 5 faktorer som ikke står på listen min, og som kan endre alt. Til hver: hvordan jeg sjekker den på én dag.»

Karriere og penger (5)

• Tilpasse CV-en: «Her er CV-en min: [tekst]. Her er stillingsannonsen: [tekst]. Skriv om erfaringsdelen til den: samme fakta, vekt på det relevante. Marker hva CV-en mangler for denne stillingen.»
• Forberede jobbintervju: «Annonse: [beskrivelse]. Min bakgrunn: [kort]. Still meg 8 spørsmål de faktisk kommer til å stille, inkludert to ubehagelige. Ett av gangen, vent på svaret mitt.»
• Samtale om lønnsøkning: «Jeg vil snakke om lønnsøkning. Resultatene mine i år: [liste]. Bygg argumentasjonen: hva skal jeg si, i hvilken rekkefølge, og hvordan svarer jeg på «det er ikke budsjett nå».»
• Vurdere et tilbud: «Tilbud: [vilkår]. Hvilke spørsmål bør jeg stille før jeg signerer? Hva viser seg vanligvis å bety mer enn det ser ut til i starten?»
• Ukeplan: «Her er oppgavene mine: [liste]. Sorter dem etter haster/viktig, foreslå hva som kan kuttes helt, og nevn den ene oppgaven som gir mest.»

Hverdag (8)

• Mat og handling: «Lag en ukesmeny: [hvor mange personer], budsjett [beløp], uten [allergener/matvarer], koketid under 30 minutter. Separat: en handleliste gruppert etter avdelinger i butikken.»
• Gå gjennom utgiftene: «Her er utgiftene mine for måneden: [liste]. Grupper dem etter kategori, finn de tre der mest renner ut, og foreslå ett realistisk kutt til hver.»
• Planlegge en reise: «Jeg skal til [by] i [hvor mange dager], interesser: [hvilke]. Bygg en rute dag for dag som tar hensyn til geografien, så jeg slipper å fare fram og tilbake. Marker hva som bør bookes på forhånd.»
• En vanskelig samtale: «Jeg må fortelle [hvem] om [hva]. Jeg frykter reaksjonen: [reaksjon]. Hjelp meg med formuleringene: hva sier jeg først, hva sier jeg absolutt ikke.»
• Bruksanvisning på vanlig norsk: «Her er en bruksanvisning: [tekst]. Skriv den om steg for steg for en som gjør dette for første gang. Marker steget der det oftest går galt.»
• Gaveidéer: «En gave til [hvem], budsjett [beløp], liker [hva], liker ikke [hva]. Gi 10 idéer: 5 vanlige, 5 mindre opplagte. Ingen klisjeer som gavekort.»
• Øve på et innlegg: «Jeg skal snakke [hvor] i [hvor lenge] foran [hvem]. Tema: [hvilket]. Gi meg en struktur, en åpningssetning og en avslutning. Still meg deretter 3 spørsmål salen kan finne på å stille.»
• Gå gjennom en kontrakt: «Her er en kontrakt: [tekst]. Finn punktene som er ugunstige for meg, og forklar hvert av dem i én enkel setning. Separat: hva som mangler, men burde stått der. Du er ikke advokat — marker hvor jeg trenger en.»

Og så det viktigste: prompten din feilet — hva endrer du først?

Det er dette hullet hele artikkelen er skrevet for. De fire personene over betalte penger og gikk derfra uten denne ferdigheten. Gå listen gjennom ovenfra og ned, og ikke hopp over noe.

• 1. Sjekk om det står en definisjon av «ferdig» i prompten. Den vanligste årsaken til et middelmådig svar er at modellen ikke aner hvordan et godt svar ser ut. «Skriv en tekst om produktet» har ingen kriterier, så du får gjennomsnittet av all produkttekst som noen gang er skrevet. «Skriv 150 ord som overbeviser en som allerede har sagt nei én gang» har det. Klarer du ikke selv å beskrive hva som skiller et godt svar fra et dårlig, klarer modellen det enda mindre.
• 2. Legg til materiale, ikke adjektiver. «Gjør det mer interessant» endrer ingenting, fordi «interessant» ikke er en operasjon modellen kan utføre. Tre avsnitt av dine egne tekster limt inn som prøve endrer alt. Regelen: vil du forbedre et svar, legg til inndata, ikke en dom over det forrige.
• 3. Bytt forbud med forskrifter. «Ikke skriv kansellispråk» virker dårligere enn «setninger under 12 ord, verb i aktiv, ingen kjeder av substantiver». Et forbud sier hvor man ikke skal; en forskrift sier hvor man skal. Modeller er mye bedre til å gjøre noe enn til å la være.
• 4. Del opp oppgaven. Ber en prompt om å finne, vurdere og skrive om samtidig, blir alle tre svake. Først «nevn 5 svake punkter», så «skriv om punkt 3». Modellen blir ikke sliten, men den har fortsatt bare én resonnementstråd per svar.
• 5. Spør hva den manglet. Ordrett: «Før du svarer, still meg de 3 spørsmålene der svarene ville endret svaret ditt mest.» Det er den billigste måten å finne hullet i sin egen prompt på — og nøyaktig det Bharat Ram A. ba om og ikke fikk: hvordan man gir modellen tilbakemelding på svaret dens.
• 6. Først deretter rollen og formuleringene. «Du er en erfaren markedsfører» er en justering på noen få prosent. Folk begynner der fordi det er den synlige delen, og setter seg fast der fordi det er den svake delen.

Prøv det på et ekte eksempel. Prompten nedenfor står på egne ben — trykk Kjør, det er ingenting å fylle inn: inni ligger det allerede en bevisst dårlig prompt som skal repareres.

Du er lærer i feilsøking av prompter. Her er en prompt som en nybegynner har skrevet:

«Skriv et godt innlegg til sosiale medier om appen vår. Gjør det interessant, og ikke skriv kjedelig.»

Gjør fire ting:
1. Nevn nøyaktig tre grunner til at denne prompten vil gi et gjennomsnittlig svar.
2. Oppgi til hver grunn den endringen som fikser den — endringen må være en operasjon, ikke en dom.
3. Skriv prompten om i rettet form, finn selv på den manglende konteksten, og merk alt du finner på med ordet ANTAKELSE.
4. Avslutt med én setning: hvilken av de tre endringene ville gitt mest, og hvorfor?

Andre eksperiment: konkrethet slår høflighet og slår rollen. Denne prompten tvinger modellen til å vise forskjellen på én og samme oppgave.

Utfør tre oppdrag på rad, og vis alle tre svarene i sin helhet.

Oppdrag A. Svar på denne prompten: «Skriv en e-post om å flytte en frist.»
Oppdrag B. Svar på denne prompten: «Du er en erfaren forretningskorrespondent. Skriv en profesjonell e-post om å flytte en frist.»
Oppdrag C. Svar på denne prompten: «Skriv en e-post til en kollega: jeg ber om å flytte innleveringen av rapporten fra fredag til onsdag neste uke, fordi leverandøren vår leverte dataene for sent. Forholdet er godt, ikke press på, og dette er min første forespørsel om utsettelse. Under 90 ord, ett spørsmål til slutt, ikke be om unnskyldning mer enn én gang.»

Bygg etter de tre svarene en tabell: hvilke egenskaper kom til i B sammenlignet med A, og i C sammenlignet med B. Svar i siste rad på spørsmålet: hva ga mest — rollen eller konteksten?

Tredje grep, det mest undervurderte. Ikke be modellen om et svar. Be den om å spørre deg ut først.

Situasjonen min: jeg har en uke på å velge mellom to jobbtilbud, og jeg vil ikke angre om et år.

Ikke svar og ikke gi råd ennå. I stedet:
1. Still meg nøyaktig 5 spørsmål — de der svarene ville endret anbefalingen din mest. Sorter dem etter synkende vekt.
2. Forklar til hvert spørsmål i én setning hvilken del av anbefalingen din som avhenger av det.
3. Skriv så hva anbefalingen din ville vært hvis jeg ikke svarte på noe spørsmål i det hele tatt, og hvorfor man ikke kan stole på den versjonen.

Vent på svarene mine før du går videre.

Legg merke til hva alle tre har til felles: ingen av dem ber om et ferdig produkt. De ber modellen legge fram sitt eget resonnement, sine egne antakelser eller forskjellen mellom to inndata. Slik ser en øvelse ut som kan sjekkes — og derfor lærer en prompt med Kjør-knapp deg mer på tretti sekunder enn et lysbilde om promptklassifisering gjør på tjue minutter.

Fem feil som tar knekken på en mal

• Å la parentesene stå tomme. Det høres tåpelig ut, men det er årsak nummer én. Modellen spør ikke — den finner på noe selv.
• Å presse tre oppgaver inn i én prompt. «Analyser, skriv om og foreslå overskrifter» gir tre middelmådige biter i stedet for én god.
• Å kreve «uten fyllstoff» uten å oppgi lengde. Lengde er den eneste begrensningen en modell følger bokstavelig. Bruk den.
• Å tro på det første svaret. Ethvert svar er et utkast. Særlig det som høres sikkert ut.
• Å samle på maler i stedet for på endringer. Førti av andres maler er mindre verdt enn tre av dine egne, feilsøkt på ditt eget arbeid.

Hva det samme koster som kurs

Siden vi likevel var inne i prisdataene — her er de, målt 17. juli 2026. Den utbredte oppfatningen om at «Udemy alltid har 90 % rabatt» overlever ikke møtet med deres eget API: det svarer "saving_price": 0.0, "has_discount_saving": false, "discount_percent": 0. Det finnes ingen rabatt. Elleve av de tolv toppkursene koster 19,99 €; ett (Complete AI Guide) 24,99 €. Udemy Personal Plan koster 20,00 €/mnd., på kampanje 10,00 €/mnd. Coursera Plus: 50 €/mnd. eller 343 €/år, med 14 dagers angrerett.

Og en detalj det er verdt å kjenne til før du kjøper: «Prompt Engineering Specialization» fra Vanderbilt krever et betalt ChatGPT+-abonnement for å gjøre oppgavene. Praksisen koster deg altså to ganger — én gang plattformen, én gang modellen. Den nøyaktige prisen på ChatGPT Plus oppgir vi ikke her: primærkilden er stengt (alle OpenAI-domener ga crawleren vår 403), og tall fra andre hånd hører ikke hjemme i en artikkel som argumenterer for påstander som kan sjekkes.

Hva du gjør nå

Ikke prøv å pugge førti maler. Velg tre som passer til ekte oppgaver, og kjør dem denne uka. Når et svar bommer — og det kommer til å bomme — så gå de seks feilsøkingstrinnene gjennom ovenfra og ned, og skriv ned hvilket som løste det. Om en måned har du ikke en liste med andres prompter, men en ferdighet som overlever den neste modellen. Det gjør ikke listen.

Et forbehold: hvert svar på disse promptene er et utkast, ikke sannheten. En modell kan med full overbevisning finne på et faktum, et tall eller en lenke — hvorfor det skjer, tar vi i AI-hallusinasjoner. Hvilke data det i det hele tatt er trygt å lime inn i en chat, står i teksten vår om personvern når du jobber med AI. Formelen bak plukker vi fra hverandre i hva en prompt er. Og vil du ha en prompt som ikke bare svarer, men utfører en oppgave i flere steg på egen hånd, er du over på AI-agenter.