Velkommen til AI-lab #7, hvor jeg vil fortælle, hvordan jeg “snød” til DM i Programmering, give jer nogle flere prompts (og tips og tricks), så I kan få endnu mere ud af AI’erne til dagligt, vise, hvordan man kan få AI’en til at svare på netop den måde man ønsker - og slutte af med prompts, der kan agere en (meget) uerfaren junior-konsulent og en ægte, fuldblods McKinsey-konsulent til 5000 kroner i timen.
For de af jer, der ikke fik læst AI-lab #6, så er den her.
Før jeg kommer for godt i gang, vil jeg lige nævne, at den (lange) prompt, som jeg bragte i AI-lab #6, der kunne “klone” en persons måde at skrive på - den virker!
Jeg bad en krimiforfatter, som jeg kender, om at teste den, og han var MEGET imponeret.
Så nu er det bare med at finde nogle elektroniske udgaver af bøger fra jeres favoritforfatter (os fra 1960’erne kunne måske foreslå Desmond Bagley eller Ian Fleming 🙂), og komme i gang.
Eller I kan “klone” den måde, som chefen skriver på, og på den måde enten opnå en fordel eller lave en sjov tale til julefrokosten.
Jeg snød til DM i Programmering!
Jeg havde den ære og fornøjelse at være til stede ved de danske/nordiske mesterskaber i programmering i lørdags, hvor første- og andenpladsen blev besat af danske hold, og hvor den egentlige “vinder”, Casper Kejser, endda arbejdede solo.
Det kan I læse om her.
Jeg havde læst i Computerworld, at GPT5 fra OpenAI og Google’s DeepMind havde “vundet” VM i kodning i september (læs artiklen her), omend de selvfølgelig ikke var rigtige deltagere, men blot fik lov til at udføre et eksperiment på sidelinjen.
Jeg besluttede mig for at lave et tilsvarende eksperiment ved de nordiske/danske mesterskaber - med et twist:
Ved gennemgangen af reglerne blev det fastslået, at man godt må medbringe kode, som man selv har skrevet, på sin pc, men at brug af Internet, Generativ AI og smartphones var forbudt.
Det KUNNE opfattes således, at man:
- godt måtte bruge andre former for AI end den generative, bare den kan køre på pc’en og - ikke mindst
- at man godt måtte medbringe kode på sin pc, som man på forhånd havde fået for eksempel GPT5, Google Gemini eller Opus4 fra Anthropic til at skrive.
Jeg fik lov til at se opgaverne, og så skrev jeg følgende “meta-prompt” i ChatGPT (blot med default-modellen GPT5 aktiveret):
"Det vedhæftede dokument indeholder et antal opgaver til DM i Programmering 2025. De kaldes "Problem A" og frem til "Problem K". Du er en af verdens bedste algoritmeforskere, og din opgave er at lave en prompt, der kan bruges som input til Deep Research, så den kan løse opgaverne. I den virkelige konkurrence er der tre deltagere per hold. Hvis det kan hjælpe Deep Research med løsningen må du gerne lave virtuelle hold med eksperter af forskellig slags, men det er jo også muligt, at det er nemmere for Deep Research bare at tage fat og løse problemerne et for et."
Den kom med en fin prompt, som jeg kunne sætte Deep Research i gang med, men den kom også - meget smart - med tre forslag til forbedringer af prompten, som den foreslog mig ét ad gangen, og derefter inkluderede, når jeg sagde “ja tak” til den:
- Vil du have, at jeg også tilpasser prompten til et specifikt programmeringssprog (for eksempel Python 3 for alle løsninger), så Deep Research returnerer ren kørbar kode i ét sprog?
- Ønsker du, at jeg også tilføjer en fælles skabelon (I/O-boilerplate og utility-funktioner) øverst, som I kan genbruge i hver Python-løsning?
- Vil du have, at jeg også udvider denne skabelon med **fælles geometri- og graf-helper-funktioner** (for eksempel BFS, DFS, Dijkstra’s algoritme, Union-Find, krydsprodukt osv.) – så Deep Research straks kan bruge dem i de relevante problemer?[
Jeg svarede som sagt ja tak til alle tre forslag, og så havde jeg en længere prompt, inklusive et “team” bestående af tre “personaer” navngivet efter tre meget kendte computer-pionerer:
Rollebeskrivelse
- Du er et virtuelt elitehold:
- Ada (datastrukturer/kombinatorik),
- Dijkstra (grafer/geometri/optimering) og
- Knuth (strings/number theory/præcision).
Det var da kreativt tænkt.
Jeg aktiverede Deep Research, kopierede prompten og satte den i gang. Det tog 23 minutter at løse alle 11 opgaver.
Det “sjove” var den måde, som den brugte de tre virtuelle eksperter på, og hvordan de “hjalp” hinanden.
Her er to eksempler:
Problem A – Arithmetic Adaptation
Ada: The sum $s$ can be split into two nonzero parts easily.
Knuth: A simple case distinction works. If $s=0$, we choose $1$ and $-1$.
Dijkstra: For $s \neq 0$, one of $a$ or $b$ can be $1$ or $-1$ to ensure both are nonzero.
Problem B – Bohemian Bookshelf
Ada: We model which books stand upright vs in the stack. This is like partitioning books.
Dijkstra: Use dynamic programming: we decide which books to stack to fit height $H$ and meet width $W$.
Knuth: We ensure at least one upright and one stacked. Try a subset that maximizes thickness in stack (vertical) without exceeding $H$ and leaves width for upright.
Så vidt Deres udsendte kunne forstå gennemgangen af opgavernes løsning til sidst inde i Scroll Bar, så var det præcist den slags tankegang, som man var nødt til at have for at løse opgaverne korrekt.
Her er det magiske program, der kan vinde VM
Så var jeg klar til næste skridt: Jeg bad - i en ny Deep Research-prompt - om følgende:
Det er en fantastisk løsning, du har lavet. Den næste opgave vil være, at du nu skal lave et program i Python, som man kunne have lavet på forhånd og medbragt på sin pc, for nemmere at løse de opgaver, der var.
Det tænkte den en del over, og så kom svaret efterfulgt af knap 300 linjer kode:
Fedt! Her er et kompakt, praktisk “pre-contest” Python-bibliotek + let CLI, som du kan have liggende før en ICPC/NCPC—med hurtig IO, standard datastrukturer, grafer, flows, strenge, talteori, geometri m.m. Du kan enten importere filen i dine løsninger eller copy-paste relevante dele. CLI’en (valgfri) lader dig hurtigt teste enkelte byggesten lokalt.
Om de 294 kodelinjer og instruktioner reelt ville kan bruges, ved jeg ikke - jeg har ikke testet det - men opgaverne fra tidligere år er tilgængelige på kattis.com, og dem kan man jo bruge til at træne med, så det burde være muligt at lave noget virkelig god software til løsning af algoritmeproblemer.
Jeg ville personligt ikke “snyde” på den måde, men jeg håber mine prompts (og selve tankegangen) kan inspirere andre til at lave nogle interessante ting med AI’erne.
Det vil selvfølgelig også kunne bruges til at lave sit helt eget kursus i løsning af algoritme-problemer, så man kan træne op til mesterskaberne.
Hvordan navigerer man i de mange, smarte prompts på sociale medier?
På sociale medier, især Substack, er der mange posts om AI, og de fordeler sig groft sagt i to kategorier:
Dem, der starter med at fortælle mig, at jeg på INGEN måde bruger AI’en korrekt, og at jeg har brugt den forkert hele mit liv (dem springer jeg bare over), og så dem, der har en sensationel prompt, der kan afløse en McKinsey-konsulent til 500 dollars i timen.
De sidste kigger jeg som regel lidt på, og nogle af dem giver god inspiration - eller kan bruges direkte. Her er 14 små, korte eksempler, som er nemme at afprøve:
1: Forklar det, som om jeg er fem år
Rolle: Børnehavepædagog.
Publikum: Et nysgerrigt fem-årigt barn.
Trin:
1) Sammenlign [emnet] med et kendt legetøj eller spil
2) Beskriv, hvad det gør, på ≤10 enkle ord.
3) Tilføj et levende, virkeligt eksempel.
Format: 4 nummererede linjer.
Brug klare billeder og nul fagsprog.
2: Del det op i bidder
Rolle: Strukturarkitekt.
Opdel [emnet] i 4 dele; 15-ords afsnit og afslut med en opsummering.
Format: Nummereret oversigt.
3: Find mønstrene
Rolle: Mønsterjæger.
List 3 formler eller mønstre i [emnet]; forklar hvorfor, giv en huskeregel og en kort test-sætning.
4: Brug analogier
Rolle: Analogi-maskine.
Del 2 analogier (én kendt, én uventet) for [emnet].
List begrænsningerne og stil et par spørgsmål.
5: Afslør myter
Rolle: Myteknuser.
List 3 myter om [emnet]; giv sandheden (
6: Udfordr det
Rolle: Kritisk anmelder.
List 3 faldgruber i [emnet].
Giv ét konkret fejl- og forebyggelsestip.
Afslut med en “gylden regel”.
7: Prioritér læring
Rolle: Læseplansdesigner.
Ranger 3 nøgleidéer i [emnet], tilføj en analogi, en ressource og lav en studieplan.
8: Relatér til virkeligheden
Rolle: Relevansoversætter.
Find 2 daglige anvendelser af [emnet]; fortæl om én, nævn gevinsten og foreslå næste skridt.
9: Lær det videre
Rolle: Peer-mentor.
Lav en 90-sekunders “elevatorlektion” med: En fængende start, Definition, Gevinst og Eksempler
10: Stil det kritiske “hvorfor”
Rolle: Strateg med fokus på årsager.
Forklar formålet med [begreb] på ≤15 ord.
List 3 store virkninger inden for [område], og slut af med et spørgsmål.
11: Simulér eller øv dig
Rolle: Praktisk instruktør.
Lav et mini-scenarie om [emnet] med konkrete trin.
Tilføj en succestest (hvordan man ved, det virker).
Afslut med et refleksionsspørgsmål.
12: Gør det til en historie
Rolle: Kort-historieforfatter.
Introducér en hovedperson, der bruger [emnet] til at løse et problem.
Skriv en lille historie på under 150 ord.
Afslut med den læring, hovedpersonen tog med sig.
13: Find hullerne
Rolle: Diagnostisk mentor.
Find tre skjulte aspekter eller huller i [emnet].
Forklar, hvorfor de er vigtige, stil et undersøgende spørgsmål og lav en lille øvelse til at udfylde hullerne.
15: Udfordr det (alternativ version)
Rolle: Kritisk anmelder.
List tre svagheder eller misforståelser i [emnet].
Giv ét eksempel på en typisk fejl og hvordan man undgår den.
Afslut med en klar “gylden regel” for at gøre det rigtigt.
Der er også rigtig meget hjælp og inspiration fra “De store” nu
Microsoft, Google, OpenAI og de andre begynder nu også for alvor at udgive en masse materialer, tips og tricks, gode råd, med meget mere til, hvordan man kan få mere ud af AI’erne. Her er to eksempler:
Microsofts Copilot-prompt-bibliotek: https://m365.cloud.microsoft/copilot-prompts - de kræver en (gratis) Microsoft-konto.
OpenAI har lavet et “akademi”, som man kan logge ind på med sit ChatGPT-brugernavn og -password: Prompt Packs | OpenAI Academy
Og for de avancerede har OpenAI ligefrem lavet en “prompt-optimizer”: https://platform.openai.com/chat/edit?models=gpt-5&optimize.
Flere “shotcuts”!
Jeg har tidligere nævnt nogle smarte short-cuts man kan bruge i ChatGPT, såsom ELI12 (“Explain it Like I’m 12 years old) og TL;DR, der laver et summary af en tekst.
Men der er mange andre, her i en dansk oversættelse:
- /ELI5 bruges til at forklare, som om det var til en 5-årig.
- /TLDR opsummerer en meget lang tekst i få linjer.
- /STEP-BY-STEP lægger ræsonnementet ud trin for trin.
- /CHECKLIST laver et svar om til en tjekliste.
- /EXEC SUMMARY giver et hurtigt resumé i lederstil.
- /ACT AS får ChatGPT til at tale i en specifik rolle.
- /BRIEFLY tvinger et meget kort svar.
- /JARGON beder om brug af teknisk vokabular.
- /AUDIENCE tilpasser svaret til et valgt publikum.
- /TONE ændrer tonen (formel, humoristisk, dramatisk osv.).
- /DEV MODE simulerer en rå, teknisk udviklerstil.
- /PM MODE giver et projektleder-perspektiv.
- /SWOT laver en styrker/svagheder/muligheder/trusler-analyse.
- /FORMAT AS producerer et specifikt format (tabel, JSON, osv.).
- /COMPARE sætter to eller flere ting side om side.
- /MULTI-PERSPECTIVE viser flere synsvinkler.
- /CONTEXT STACK holder flere lag af kontekst i hukommelsen.
- /BEGIN WITH / END WITH tvinger til at starte eller slutte med noget.
- /ROLE: TASK: FORMAT: definerer tydeligt rollen, opgaven og det forventede format.
- /SCHEMA genererer en struktureret oversigt eller en datamodel.
- /REWRITE AS omskriver i et ønsket format.
- /REFLECTIVE MODE får AI’en til at reflektere over sit eget svar.
- /SYSTEMATIC BIAS CHECK beder om at identificere bias.
- /DELIBERAE THINKING tvinger langsommere og mere eftertænksom ræsonnering.
- /NO AUTOPILOT forbyder overfladiske, automatiske svar.
- /EVAL-SELF beder om kritisk selvevaluering af svaret.
- /PARALLEL LENSES undersøger fra flere vinkler parallelt.
- /FIRST PRINCIPLES bygger ræsonnering op fra grundlæggende principper.
- /CHAIN OF THOUGHT viser mellemtrin i ræsonneringen.
Personlig tilpasning - nogle eksempler.
Som I måske ved, kan I tilpasse den måde ChatGPT “taler” til jer på. Nogle bliver trætte af for mange emojis og måske også den konstante, til tider overvældende, høflighed.
Men der er heldigvis mange ting, man kan gøre for at få AI’en til at tale til én på lige netop den måde man foretrækker. To eksempler:
En kollega har givet sin ChatGPT følgende personlige beskrivelse/instruks (se illustrationen):
“ChatGPT, vær min intellektuelle sparringspartner.
Når jeg kommer med et spørgsmål, en idé eller påstand, skal du:
- Analysere mine antagelser.
- Komme med modargumenter.
- Teste mit ræsonnement.
- Tilbyde alternative perspektiver.
Prioritere sandhed frem for enighed – ret mig tydeligt, hvis jeg tager fejl. Lad være med at bekræfte mig ukritisk.
Vær konstruktiv, skarp og respektfuld.”
Min ven Thomas Kejser gjorde noget andet: Han skrev i ChatGPT: “Kan du opsummere, hvilke præferencer jeg har bedt dig om, og hvordan jeg ønsker, at du kommunikerer?” - og det kan den rimeligt godt. Prøv selv!
Lav din egen junior- og senior-konsulent
Kreativiteten hos læserne vil ingen ende tage, og mange tak for jeres sjove og tankevækkende mails (skriv gerne på mogensxy@gmail.com). Vi tager lige to hurtige, der har med konsulentrollen at gøre:
Læser J skrev til mig: Prøv denne prompt i Copilot:
"Act as a junior management consultant with limited knowledge and training - and only superficial insight into IT security and ISO27001. Sometimes you make bad suggestions, due to your lack of knowledge, but overly big ego"
Vi slutter af med en McKinsey-prompt, der selvfølgelig er ret lang 🙂:
(Du skal bruge GPT-5 thinking + /search.)
Prompt:
“Du er en kompromisløs, ingen-undskyldninger-vækstleder, der tager [virksomhed] fra $X til $Y i ARR.
Gennemgå virksomheden nedenfor og levér en brutal, evidensbaseret plan til at vokse markant hurtigere.
Virksomhedsdetaljer (udfyld):
● Hvad vi sælger: …
● MRR: $…
● YoY-vækst: … %
● Kunder: …
● Churn-rate: …
● Begrænsninger:
● Tidsramme: 12 måneder
● Budget: $… (valgfrit)
● Risikoprofil: aggressiv (vovede satsninger er OK)
Research-protokol:
● Brug Deep Search
● Brug disse kilder:
• Analytikerrapporter
Earnings calls
• Similarweb
• Feedback fra Reddit/Twitter
• App Store-anmeldelser
• Glassdoor
• LinkedIn-jobopslag
● Citer ≥ 2 uafhængige kilder for enhver ikke-indlysende påstand
Evalueringskriterier:
1. Klarhed om TAM (Total Addressable Market)
2. Bevis for product-market fit
3. Unit economics (CAC vs. LTV)
4. Moat/forsvarsevne
5. Eksekveringshastighed
Arbejdsgang:
1. Tag et øjebliksbillede af den nuværende tilstand
2. Benchmark mod 5 top-performere og 3 efternølere
3. Identificér største flaskehalse (impact × ease)
4. Anbefal
● Quick Wins (≤ 90 dage)
● Strategiske træk (≥ 90 dage)
5. Kvantificér potentiale i omsætning, margin og værdiansættelse
________________________________________
Når du svarer, skal du inkludere:
1. Chain-of-Thought — en beskrivelse på to-tre sætninger af, hvordan du greb det an.
2. Scorecard — hver metrisk vurderet 0–10.
3. Største flaskehalse — liste over flaskehalse med impact- og ease-scores.
4. Quick Wins — titel, handlingstrin, estimeret løft.
5. Strategiske initiativer — for hver: navn, hvorfor det betyder noget, eksekveringsplan, forventet.
Det var AI-lab for denne gang. Skriv gerne med tips og tricks, kritik og ros til mig på mogensxy@gmail.com - alle får svar 🙂.
