---
title: "Prompt engineering til AI agenter | Simon Grevang"
description: "Prompt engineering til AI agenter handler om at skrive instruktionen så agenten gør det samme rigtige hver gang. Opbygning, regler, test og versionsstyring."
url: https://simongrevang.dk/artikler/prompt-engineering-til-ai-agenter/
last_modified: 2026-11-18
author: Simon Grevang
---

Agentic Marketing

# Sådan skriver du instruktionen der styrer din AI agent

Otte ud af ti fejl jeg finder i en agent der opfører sig mærkeligt, står i instruktionen og ikke i værktøjet omkring den.

[![Simon Grevang](https://simongrevang.dk/assets/simon-portraet.webp) Simon GrevangRådgiver i digital markedsføring, Google Partner](https://simongrevang.dk/om-mig/) Udgivet5. nov 2026 Sidst opdateret18. nov 2026 24 min læsning

Indhold

Kort fortalt

En god agentinstruktion består af fire dele: rolle og opgave, hårde regler for hvad agenten aldrig må, konkrete eksempler på et godt svar, og et fast outputformat. Skriv reglerne som forbud frem for ønsker, test på ti rigtige sager, og gem hver version så du kan rulle tilbage.

Nøglepunkter

- En agentinstruktion skal indeholde rolle, hårde regler, mindst to eksempler på et korrekt svar og et fast outputformat, ellers varierer svarene fra gang til gang.
- Regler formuleret som forbud bliver fulgt mere konsekvent end regler formuleret som ønsker, fordi en model kan overse et ønske men ikke kan overse en liste over ting den aldrig må.
- Forskellen på en prompt til ChatGPT og en instruktion til en agent er, at agentens instruktion køres hundredvis af gange uden at et menneske læser resultatet, så den skal dække kanttilfældene på forhånd.
- Test instruktionen på ti rigtige sager fra din egen indbakke eller dit CRM, før agenten får lov at sende noget ud.
- Gem hver version af instruktionen med dato og en linje om hvad du ændrede, så du kan rulle tilbage når en rettelse giver nye fejl.
- Hvis agenten bruger værktøjer, skal instruktionen beskrive hvornår hvert værktøj må kaldes, ikke bare at det findes.

01 / Grundlaget

## Hvad er forskellen på en prompt og en agentinstruktion?

Forskellen er opsyn. En prompt skriver du til én opgave, du læser svaret, og retter du i næste besked hvis det er skævt. En agentinstruktion skal holde på hundredvis af sager du aldrig ser, hvor ingen retter noget. Den skal derfor beskrive grænserne, ikke bare ønsket.

Når jeg sidder i ChatGPT og beder om et svar på en kundemail, er jeg selv en del af systemet.

Jeg ser output, jeg fornemmer at tonen er for stiv, og jeg skriver "gør den kortere og mindre formel".

Den rettelse tager fem sekunder. Den er også usynlig, for den bliver aldrig skrevet ned nogen steder.

Flytter jeg samme opgave over i en agent der kører automatisk, forsvinder de fem sekunder. Agenten får instruktionen og sagen, og så sender den.

Alt det jeg plejede at rette i anden omgang, skal stå i instruktionen i første omgang. Det er den øvelse de fleste undervurderer.

### Hvorfor falder en prompt fra hinanden når den sættes i drift?

Fordi en prompt er skrevet til én sag, og en agent møder dem alle sammen. Den prompt der virker perfekt på den mail du sad med i tirsdags, er finjusteret til netop den mail.

Den næste sag ligner den 80 procent. Sag nummer syv ligner den slet ikke, og det er der ingen der opdager før en kunde ringer.

Min vurdering efter at have bygget en del af dem er, at fejlene flytter sig. I en chatprompt handler fejlene om sprog.

Tonen er forkert, svaret er for langt, formuleringen er klodset. Dem opdager du med det samme, og du retter dem på et minut.

I en agentinstruktion handler fejlene om kanttilfælde. Hvad gør agenten når kunden skriver på engelsk? Når der ikke er nogen pris på produktet?

Når mailen er en opsigelse og ikke en forespørgsel? Når der er to spørgsmål i samme mail, og agenten kun svarer på det første?

Ingen af de situationer er sprogfejl. Det er huller i instruktionen. Og de er dyrere, fordi de rammer de sager hvor noget er specielt, og specielle sager er tit dem hvor der er penge eller en utilfreds kunde involveret.

OpenAI er inde på det samme. I [OpenAIs guide til at bygge agenter](https://cdn.openai.com/business-guides-and-resources/a-practical-guide-to-building-agents.pdf) beskrives instruktioner som eksplicitte retningslinjer og guardrails, og guiden anbefaler direkte at dække kanttilfældene, fordi en instruktion sjældent kan forudse alt.

De anbefaler også at bygge instruktionen ud fra dokumenter du allerede har liggende, procedurer og politikker, i stedet for at skrive den fra bunden.

Det råd er godt, fordi dine egne procedurer typisk allerede indeholder undtagelserne.

Oven i det kommer at modellerne er blevet mere bogstavelige. I [OpenAIs prompting-guide til GPT-4.1](https://developers.openai.com/cookbook/examples/gpt4-1_prompting_guide) står der at modellen følger instruktioner tættere og mere bogstaveligt end tidligere modeller, der i højere grad selv udledte hensigten.

Prompts der virkede fordi modellen gættede rigtigt, skal altså gøres eksplicitte. Det er en fordel når du bygger agenter, for du får det du skriver.

Det er også en ulempe, hvis du troede modellen forstod hvad du mente.

### Hvordan ser den samme opgave ud som chatprompt og som agentinstruktion?

Tag en opgave jeg kender godt: besvar en forespørgsel fra kontaktformularen. Som chatprompt skriver jeg typisk noget i retning af: "Her er en forespørgsel fra min hjemmeside.

Skriv et venligt svar på dansk, hvor jeg foreslår et møde." Det er nok. Jeg læser svaret, flytter et komma, sender.

Som agentinstruktion skal det samme fylde langt mere, og indholdet er et andet. Rollen skal stå der: hvem agenten skriver på vegne af, og hvad den må love.

Opgaven skal være afgrænset: den skriver et udkast, den sender ikke. Så kommer grænserne, og det er dem der fylder.

Agenten nævner aldrig pris. Den lover aldrig en leveringstid. Den svarer på dansk med mindre henvendelsen er på et andet sprog.

Er der flere spørgsmål i mailen, besvares de alle sammen. Mangler der oplysninger til at svare ordentligt, stiller agenten spørgsmålet i stedet for at gætte.

Til sidst skal formatet ligge fast, så udkastet lander samme sted hver gang og kan læses af det næste led.

Der hvor chatprompten er tre linjer, ender instruktionen på en halv side. Ikke fordi den skal være lang, men fordi hver linje svarer på et spørgsmål du ellers selv ville have svaret på undervejs.

Fra praksis

Prøv det med din egen opgave. Skriv din nuværende prompt ned, og skriv derefter de fem seneste sager hvor du selv rettede i svaret. Hver rettelse er en regel der mangler i instruktionen.

At agenterne kan køre i drift og ikke kun i et forsøg, har jeg set i [arbejdet med Ventipartner](https://simongrevang.dk/cases/ventipartner/), hvor en række AI-agenter løbende analyserer performance på tværs af kanaler og kommer med forslag, som jeg vurderer og sætter i værk.

Siden gik fra under 100 visninger om dagen i Google før lanceringen til over 1.000 i september. Agenterne er en del af setuppet, ikke forklaringen på tallet alene.

Kort opsummeret

- En prompt skrives til én sag med dig som sikkerhedsnet. En agentinstruktion skal holde på sager du aldrig ser.
- Fejlene flytter sig fra sprog til kanttilfælde, og kanttilfældene er dyrest, fordi det er dér noget er specielt.
- OpenAI anbefaler at bygge instruktionen ud fra procedurer du allerede har, og at dække kanttilfældene eksplicit.
- Nyere modeller følger instruktioner mere bogstaveligt, så det du ikke skriver, bliver ikke gættet for dig.
- Dine egne rettelser i de seneste fem sager er den hurtigste liste over regler der mangler.

Brug for et par øjne udefra?

Tag en uforpligtende snak om, hvor du står, og hvad næste skridt er.

Skriv til mig

02 / Opbygningen

## De fire dele enhver instruktion skal have

En instruktion der holder, består af fire dele i fast rækkefølge: rolle og opgave først, så de hårde regler, så to eller tre konkrete eksempler, og til sidst et outputformat. Mangler en af delene, bryder agenten sammen et bestemt sted, og det kan du forudsige.

Rækkefølgen er ikke pyntet. Modellen læser instruktionen oppefra og ned, og det den læser først, farver alt det den gør bagefter. Lægger du outputformatet øverst og rollen nederst, får du svar der har den rigtige form og det forkerte indhold.

Her er skabelonen jeg selv starter fra hver gang. Den er kedelig med vilje.

01

Rolle og opgave. Du er X hos virksomhed Y. Din opgave er at gøre Z med det input du får. Du gør kun det, og ikke andet.

02

Hårde regler. Du skriver aldrig et beløb. Du lover aldrig en leveringsdato. Du svarer aldrig på spørgsmål om andre kunders sager. Er du i tvivl, skriver du at en medarbejder vender tilbage.

03

Eksempler. To eller tre rigtige sager med det input der kom ind, og det svar du ville have sendt selv.

04

Outputformat. Svaret består af en hilsen, højst tre afsnit, en konkret næste handling og en afslutning. Ingen overskrifter, ingen punktopstilling, ingen emojis.

Det tager tyve minutter at skrive første udgave. Det tager tre uger at opdage hvad der mangler, hvis du springer en af delene over.

### Hvorfor skal rollen stå allerøverst?

Fordi rollen bestemmer hvilket ordforråd og hvilket detaljeniveau modellen trækker på. [Anthropics egen dokumentation](https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/system-prompts) anbefaler at lægge rollen i systemprompten via system-parameteren og holde selve opgaven i brugerbeskeden, og beskriver rolleprompting som en måde at øge præcisionen og ramme den rigtige tone i mere komplekse opgaver.

Det passer med det jeg selv ser. Skriver jeg "du er kundeservicemedarbejder hos en grossist der sælger byggematerialer til håndværkere", får jeg et sprog der matcher en håndværker.

Skriver jeg bare "svar på denne mail", får jeg noget der lyder som en pressemeddelelse.

Vær specifik om hvem agenten er, hvem den skriver til, og hvad den ikke laver. Den sidste del bliver tit glemt.

En agent der ikke har fået at vide hvad den ikke laver, finder på noget når den møder noget den ikke kender.

En leadagent der pludselig begynder at rådgive om garantibestemmelser, er ikke i stand til at vurdere at den er ude af sit felt. Det skal stå i teksten.

Min vurdering er at rolle og opgave sjældent fylder mere end fem linjer, men at de fem linjer bestemmer firs procent af kvaliteten.

Bruger du en halv time på dem og ti minutter på resten, rammer du bedre end omvendt. Hvis du vil se hvordan den slags agenter hænger sammen med resten af markedsføringen, har jeg samlet det i min [guide til agentic marketing](https://simongrevang.dk/artikler/agentic-marketing-forklaret/).

### Hvad sker der hvis outputformatet mangler?

Så svinger svarene i længde og form fra sag til sag, og du opdager det først når en kunde får et svar på tolv linjer med punktopstilling og emojis, mens den forrige fik tre linjer.

Modellen har ingen hukommelse mellem kørsler. Den gætter formen hver gang, medmindre du beskriver den.

Et outputformat skal være så konkret at to forskellige personer ville skrive det samme svar. Antal afsnit. Maksimal længde. Hvad der skal stå til sidst. Om der må være links. Om svaret må indeholde spørgsmål tilbage til kunden.

Jeg skriver det hellere for stramt end for løst. En agent der altid skriver tre afsnit, selv når to havde rakt, er et mindre problem end en agent der nogle gange skriver en roman.

Du kan altid løsne formatet igen, når du har set halvtreds svar.

Hvor i systemet formatet placeres, afhænger af hvad du bygger agenten i. Nogle værktøjer har et felt til systemprompt og et til opgaven, andre smider det hele sammen i én boks.

Jeg har beskrevet forskellene i oversigten over [AI-agentværktøjer du kan bruge uden at kode](https://simongrevang.dk/artikler/ai-agent-vaerktoejer-uden-kode/), og valget betyder noget for hvor rollen skal stå.

#### Når eksemplerne mangler

Agenten gætter tonen. Den rammer måske rigtigt på de første ti sager og forkert på den ellevte, og det er den ellevte der ender hos din bedste kunde.

Eksempler er den del folk oftest springer over, fordi den kræver at man finder rigtige sager frem. Det er også den del der flytter mest.

Kort opsummeret

- Fast rækkefølge: rolle og opgave, hårde regler, eksempler, outputformat.
- Rollen står øverst, fordi den bestemmer ordforråd og detaljeniveau i alt det der følger efter.
- Skriv også hvad agenten ikke laver, ellers finder den på noget når den møder en sag uden for sit felt.
- Et outputformat skal være så konkret at to personer ville skrive det samme svar.
- Mangler eksemplerne, rammer agenten tonen rigtigt indtil den dag den ikke gør.

## Få viden du kan bruge i din markedsføring

Du får konkrete erfaringer fra arbejdet med danske virksomheder, skrevet så du kan handle på det. Ingen reklame.

Du bliver tilmeldt mit nyhedsbrev

03 / Regler der holder

## Hvorfor virker forbud bedre end ønsker i en instruktion?

Et forbud virker bedre end et ønske, fordi forbuddet kan tjekkes. "Skriv kort og venligt" kan en model fortolke på tyve måder. "Svaret må aldrig være længere end fem sætninger, og du skriver aldrig 'Vi beklager ulejligheden'" kan kun brydes på én måde, og så kan du se det med det samme.

Det er den vigtigste ændring jeg har lavet i mine egne regelsæt. Jeg startede med lange lister af gode intentioner, og agenten leverede noget der lignede, men aldrig helt ramte.

Da jeg skrev de samme regler om til forbud med et eksempel på overtrædelsen under hver, faldt antallet af svar jeg måtte rette i.

Det er min vurdering, ikke en måling, men mønstret har været tydeligt nok til at jeg skriver alle nye instruktioner på den måde fra start.

Logikken er enkel nok. Et ønske beskriver et mål, og modellen skal selv regne ud hvordan målet nås.

Et forbud beskriver en handling, og den kan modellen genkende i sit eget udkast. OpenAI skriver i deres vejledning til prompting af GPT-4.1, at modellen følger instruktioner bogstaveligt, og at man derfor styrer output ved at formulere reglen præcist og teste den mod rigtige brugerbeskeder i stedet for at håbe at modellen gætter den underforståede regel.

### Hvordan omskriver du en blød regel til et hårdt forbud?

Tag reglen som den står, find den adfærd du vil undgå, og skriv den adfærd ned ordret. Det er hele øvelsen. Her er fire af mine egne, før og efter.

- Før: "Vær professionel i tonen." Efter: "Du bruger aldrig udråbstegn og aldrig emojis. Du skriver aldrig 'Hej søde kunde'."
- Før: "Giv kun svar du er sikker på." Efter: "Nævner kunden et produktnavn der ikke står i produktlisten, svarer du 'Det kan jeg ikke slå op' og sender sagen videre. Du gætter aldrig på et produkt."
- Før: "Hold dig til vores priser." Efter: "Du nævner aldrig et beløb der ikke står i prislisten nedenfor. Du siger aldrig 'cirka', 'typisk omkring' eller 'fra'."
- Før: "Håndter persondata ansvarligt." Efter: "Du gentager aldrig et CPR-nummer, et kortnummer eller en adresse i dit svar, heller ikke hvis kunden selv har skrevet det."

Læg mærke til at hver efter-version indeholder et eksempel på selve overtrædelsen. Det er den del der gør forskellen.

Reglen "du skriver aldrig vagt om priser" er stadig et skøn. Reglen "du siger aldrig cirka" er en strengsøgning, og den kan både modellen og du selv kontrollere.

Den sidste af de fire rækker længere end tonen. Hvad agenten må gøre med navne, adresser og kundeoplysninger hører hjemme i de hårde regler, og [forbuddene i instruktionen hænger direkte sammen med hvad agenten må gøre med persondata](https://simongrevang.dk/artikler/ai-agenter-og-gdpr-i-sma-virksomheder/). Står det ikke skrevet som et forbud, er det ikke besluttet.

### Hvor mange forbud kan en instruktion bære?

Færre end du tror. Min erfaring er at ti til femten hårde forbud er det en instruktion kan holde på, før de begynder at trække i hver sin retning.

Kommer du over tyve, er der næsten altid to der modsiger hinanden, og så vælger modellen selv hvilken den følger. Det er typisk ikke den du helst ville have.

Derfor skriver jeg forbuddene efter konsekvens, ikke efter irritation. Øverst står det der koster penge eller omdømme hvis det går galt: forkerte priser, løfter om leveringstid, persondata, alt hvad der ligner juridisk rådgivning.

Nederst står tonen. Bliver listen for lang, skærer jeg i bunden først.

Fra praksis

Prøv at læse dine egne regler højt og spørg efter hver enkelt: hvordan ser en overtrædelse ud? Kan du ikke svare på tre sekunder, er reglen et ønske og ikke et forbud. Så skriv overtrædelsen ind i reglen.

Der er en gevinst i det ud over kvaliteten. Hver regel du skriver skarpt nok til at kunne tjekkes, er en regel du ikke skal sidde og vurdere manuelt bagefter.

Den tid er en del af regnestykket, og jeg har skrevet mere om [hvordan du regner på om en AI agent kan betale sig inden du investerer en krone](https://simongrevang.dk/artikler/roi-kunstig-intelligens-ai-agent/).

Kort opsummeret

- Et forbud kan kontrolleres, et ønske kan kun fortolkes. Skriv reglen som den adfærd du vil undgå.
- Skriv et eksempel på overtrædelsen ind i selve reglen, så både du og modellen kan genkende den.
- Hold dig til ti til femten hårde forbud og prioritér dem efter konsekvens, ikke efter hvad der irriterer dig mest.
- Kan du ikke på tre sekunder beskrive hvordan en overtrædelse ser ud, er reglen ikke skarp nok endnu.

Brug for et par øjne udefra?

Tag en uforpligtende snak om, hvor du står, og hvad næste skridt er.

Skriv til mig

04 / Eksempler

## Sådan giver du agenten eksempler den kan efterligne

Tre til fem eksempler er nok. Anthropic anbefaler 3 til 5 forskelligartede og relevante eksempler, og det passer med det jeg ser når jeg bygger agenter. Vælg dem fra rigtige henvendelser, ikke fra noget du finder på ved skrivebordet, og sørg for at mindst ét af dem er en sag agenten skal afvise.

Eksempler er den del af instruktionen der flytter mest, fordi agenten efterligner frem for at fortolke. En regel skal oversættes til handling.

Et eksempel er handlingen, færdigpakket. Derfor er det også her det går galt hurtigst, hvis du lægger noget ind der er lidt for pænt eller lidt for kort.

Anthropic skriver i deres dokumentation om [brug af eksempler til at styre modellens adfærd](https://docs.claude.com/en/docs/build-with-claude/prompt-engineering/multishot-prompting), at eksempler mærkbart forbedrer præcision, ensartethed og kvalitet, især ved struktureret output og faste formater.

De understreger samtidig at eksemplerne skal variere nok til at modellen ikke opfanger et utilsigtet mønster. Det er den sætning de fleste springer over, og det er den der koster.

### Hvordan vælger du de tre eksempler?

Åbn indbakken og find tre henvendelser du har besvaret inden for den seneste måned. Ikke de tre nemmeste.

Tag én helt almindelig, én hvor kunden skrev rodet og manglede halvdelen af oplysningerne, og én hvor du måtte sige nej eller sende videre.

Kopier henvendelsen ind som den stod, med stavefejl og det hele. Under den skriver du det svar du selv ville have sendt.

Ikke et renskrevet idealsvar, men det rigtige. Hvis dit rigtige svar er fire linjer uden indledende høflighedsfrase, så er det fire linjer uden indledende høflighedsfrase der skal stå der. Agenten kopierer længden, tonen og rækkefølgen af det du viser den.

Mærk hver blok tydeligt, for eksempel med HENVENDELSE og SVAR, så agenten kan se hvor det ene slutter og det andet begynder.

Jeg bruger de samme to ord hver gang, i samme rækkefølge, i alle eksempler. Variation i formatet giver variation i outputtet.

Vigtigst: de tre henvendelser skal være forskellige fra hinanden. Vælger du tre høflige forespørgsler om pris, lærer agenten at alle henvendelser handler om pris, og den begynder at svare på pris selv når kunden spørger om leveringstid. Det er præcis det utilsigtede mønster Anthropic advarer mod.

Fra praksis

Læg eksemplerne i en separat fil eller et tydeligt afgrænset afsnit nederst i instruktionen. Så kan du skifte et eksempel ud uden at rode i reglerne ovenfor, og du kan se med det samme hvad der blev ændret.

### Hvorfor skal du vise en sag agenten afviser?

Fordi en agent der kun har set pæne sager, svarer pænt på alt. Også på den mail hvor en kunde beder om en rabat du ikke giver, eller stiller et spørgsmål der kræver en jurist.

Uden et eksempel på et nej opfinder agenten et ja, for det er det eneste mønster den har set.

Anthropic går samme vej i deres vejledning om [at definere succeskriterier og bygge test](https://platform.claude.com/docs/en/test-and-evaluate/develop-tests), hvor de anbefaler at test spejler den rigtige fordeling af opgaver og udtrykkeligt medregner kanttilfælde.

De foreslår endda andelen af kanttilfælde håndteret uden fejl som et selvstændigt mål for om løsningen virker. Hvis kanttilfældene er værd at måle på, er de også værd at vise i instruktionen.

Mit afvisningseksempel ser altid ens ud. Henvendelsen står øverst. Svaret er to eller tre linjer der siger hvad agenten ikke kan hjælpe med, og hvem der tager over.

Ingen undskyldninger, ingen forsøg på alligevel at svare halvt på spørgsmålet. Halve svar på sager agenten ikke må røre er den dyreste fejl jeg kender i den her type opsætning, fordi kunden tror de har fået et svar.

Et dårligt eksempel smitter hårdere end ti gode regler, og det er værd at tage alvorligt. Reglen står ét sted og skal fortolkes.

Eksemplet er en færdig skabelon agenten kan lægge ned over næste henvendelse. Har du skrevet "svar kort" i reglerne og lagt et eksempel ind på tolv linjer, så bliver svarene tolv linjer. Hver gang.

Derfor læser jeg altid mine egne eksempler igennem en ekstra gang med ét spørgsmål for øje: vil jeg være tilfreds hvis agenten sender præcis det her, ord for ord, til de næste hundrede kunder?

Er svaret nej, så er det eksemplet der skal om, ikke reglerne.

Kort opsummeret

- Tre til fem eksempler rækker. Anthropic anbefaler 3 til 5 forskelligartede og relevante eksempler i prompten.
- Hent eksemplerne fra rigtige henvendelser i din indbakke og skriv det svar du selv ville have sendt, ikke et pyntet idealsvar.
- Sørg for at de tre sager er forskellige, ellers lærer agenten et mønster du ikke bad om.
- Læg mindst ét eksempel ind hvor agenten afviser sagen og henviser videre, i to til tre linjer uden halve svar.
- Et dårligt eksempel vejer tungere end en god regel, fordi agenten kopierer frem for at fortolke.

## Vil du have mere i indbakken?

Du får konkrete erfaringer fra arbejdet med danske virksomheder, skrevet så du kan handle på det. Ingen reklame.

Du bliver tilmeldt mit nyhedsbrev

05 / Test

## Sådan tester du instruktionen før agenten får lov at sende noget

Test instruktionen på ti rigtige sager fra din egen indbakke, kør hver sag tre gange, og notér hver gang svaret afviger fra det du ville have sendt selv. Ret én ting i instruktionen ad gangen, og kør de samme ti sager igennem igen. Først når alle tre kørsler er brugbare, får agenten lov at sende noget.

De ti sager skal være rigtige. Ikke sager du finder på, mens du sidder og tester. Gå tilbage i indbakken og tag de ti seneste henvendelser, uanset hvor kedelige eller skæve de er.

Den halve mail uden punktum, den vrede kunde, ham der spørger om noget I slet ikke sælger. Det er dem agenten falder over, ikke den pæne forespørgsel du selv ville have skrevet som testsag.

Anthropic anbefaler samme fremgangsmåde i deres [dokumentation om at bygge testsæt til prompts](https://docs.claude.com/en/docs/test-and-evaluate/develop-tests). Definér hvad et godt svar er, før du tester. Lav testsager der ligner de rigtige sager.

Tag kanttilfældene med. Og sammenlign mod den tidligere version af instruktionen, så du kan se om rettelsen hjalp eller bare flyttede problemet.

Det lyder tungt. Det tager omkring en time for ti sager gange tre kørsler, hvis du læser svarene ordentligt igennem og skriver afvigelserne ned undervejs.

### Hvorfor skal samme sag køres tre gange?

Fordi du ikke får det samme svar hver gang. En sprogmodel er ikke en regnemaskine. OpenAI skriver selv i deres [dokumentation om avanceret brug](https://developers.openai.com/api/docs/guides/advanced-usage), at svar fra Chat Completions som udgangspunkt ikke er deterministiske, altså at samme forespørgsel kan give forskellige svar fra gang til gang.

Med parameteren seed og ens øvrige indstillinger kan man komme tæt på ens svar, men OpenAI understreger samtidig at determinismen kan blive påvirket af ændringer, de selv laver i modelopsætningen.

Det betyder at én god kørsel ikke beviser noget. Du har set ét af flere mulige svar. Kører du den samme sag tre gange og får tre brugbare svar, ved du at instruktionen holder sagen inden for rammen.

Får du to gode og ét der pludselig lover kunden levering på to dage, har du fundet et hul du aldrig havde opdaget med én kørsel.

Min vurdering er at tre kørsler er det rigtige kompromis for en almindelig SMV. To er for lidt til at fange udsving, fem tager for lang tid til at nogen gider gøre det.

Tre giver dig et billede af spredningen uden at testen bliver et projekt i sig selv.

Notér afvigelserne i en helt simpel liste. Sag nummer, kørsel nummer, og hvad der gik galt i én sætning. Ingen skemaer. Listen er dit arbejdspapir, ikke en rapport.

### Hvad koster det at springe testen over?

Her er et regneeksempel, og det er et eksempel, ikke en måling. Sig at din timeløn er 600 kroner. En times testarbejde koster dig 600 kroner. Det er hele investeringen, før agenten får lov at sende en eneste mail.

Sæt så en forkert mail op mod det. Agenten lover en leveringstid I ikke kan holde, eller citerer en pris der er to år gammel.

Du bruger selv en time på at rydde op, sælgeren bruger en time på at ringe kunden op, og I vælger at honorere prisen for ikke at tabe kunden.

To timer plus en prisforskel på et par tusind kroner, og du er langt forbi de 600.

Og det er den milde version. Den dyre version er den mail du aldrig hører om, fordi kunden bare lod være med at svare.

Fra praksis

Lav en mappe med dine ti testsager som almindelig tekst. Hver gang du retter i instruktionen, kører du de samme ti igennem igen. Samme sager hver gang, ellers kan du ikke se om det blev bedre eller bare anderledes.

Testen afslører også noget om virksomheden, ikke kun om instruktionen. Hvis du ikke kan blive enig med dig selv om, hvad det rigtige svar på sag nummer syv er, så er problemet ikke agenten.

Så mangler I en beslutning. Det er typisk det samme billede, der tegner sig, når man [vurderer om virksomheden er klar til AI-agenter](https://simongrevang.dk/artikler/ai-readiness-er-din-virksomhed-klar-til-ai-agenter/), inden man går i gang.

Ret kun én ting ad gangen. Ændrer du tre regler på én gang og svarene bliver bedre, ved du ikke hvilken af dem der virkede.

Og når den næste fejl dukker op om tre uger, kan du ikke rulle tilbage til noget fornuftigt.

Kort opsummeret

- Tag ti rigtige sager fra indbakken, også de skæve, og brug de samme ti hver gang du tester.
- Kør hver sag tre gange, fordi samme forespørgsel kan give forskellige svar, sådan som OpenAI selv beskriver det.
- Notér hver afvigelse i én sætning og ret derefter én ting i instruktionen ad gangen.
- En times test koster omkring 600 kroner ved en timeløn på 600. En forkert mail til en kunde koster typisk flere timer plus det tabte, som regneeksemplet viser.
- Kan du ikke selv afgøre, hvad det rigtige svar på en testsag er, mangler virksomheden en beslutning, ikke en bedre instruktion.

Brug for et par øjne udefra?

Tag en uforpligtende snak om, hvor du står, og hvad næste skridt er.

Skriv til mig

06 / Drift

## Hvordan holder du styr på instruktionen når den ændrer sig?

Giv instruktionen et versionsnummer, en dato og en linje om hvad der blev ændret, og skriv hvem der må rette i den. Gem hver version, så du kan rulle tilbage. En instruktion er et dokument der lever, og uden historik aner du ikke hvorfor agenten svarer anderledes i dag end i går.

Det enkleste jeg kender er en tekstfil med instruktionen øverst og en log nederst. Tre kolonner: version, dato, hvad blev ændret.

Ligger instruktionen i et Google Dokument, slår du versionshistorik til og navngiver versionerne manuelt. Ligger den i en fil hos en udvikler, ligger den i stedet i Git, og så er historikken gratis.

Den vigtigste linje i loggen er ikke hvad du ændrede, men hvorfor. "Tilføjet forbud mod at nævne priser" siger ingenting om tre måneder.

"Tilføjet forbud mod at nævne priser, fordi agenten gættede på en pris i sag 44" kan du bruge igen, når nogen spørger om reglen kan fjernes.

### Hvorfor skaber en rettelse ofte en ny fejl et andet sted?

Fordi en instruktion ikke er en liste af uafhængige regler. Den er én sammenhængende tekst, som modellen læser i ét stræk, og hver ny sætning trækker opmærksomhed væk fra noget andet.

Min erfaring er, at en stram ny regel om tone ofte får et outputformat til at skride, selvom de to ting ikke har noget med hinanden at gøre.

Mønsteret ser sådan ud. Du opdager, at agenten er for formel i svarene. Du tilføjer tre linjer om talesprog.

Næste dag står halvdelen af svarene uden den afsluttende henvisning til hjemmesiden, fordi den regel nu ligger begravet under et afsnit om tone og fylder mindre relativt set.

Derfor kører jeg testsagerne igennem igen efter hver rettelse, også når rettelsen er på to linjer og handler om noget helt andet. Det tager tyve minutter. At opdage fejlen efter 200 udsendte svar tager længere.

Fra praksis

Ret én ting ad gangen. To rettelser samtidig betyder, at du ikke kan se hvilken af dem der ødelagde noget, og så er du tilbage ved at gætte.

Et andet mønster jeg ser tit: en regel bliver tilføjet to gange med lidt forskellig ordlyd, fordi ingen læste instruktionen igennem inden de skrev nederst.

Når de to formuleringer ikke siger præcis det samme, vælger modellen selv. Læs hele instruktionen igennem hver gang du retter, også de dele du ikke rører ved.

### Hvad sker der når leverandøren skifter model under dig?

Så ændrer svarene sig, uden at du har rørt en bogstav i instruktionen. Modellerne bliver udfaset løbende. Anthropic fører en offentlig liste over hvilke modeller der lukker og hvornår, og [Anthropics egen oversigt over udfasede modeller](https://platform.claude.com/docs/en/about-claude/model-deprecations) viser blandt andet, at Claude Sonnet 4 og Opus 4 blev varslet 14. april 2026 og lukket 15. juni 2026.

To måneders varsel. Bruger du en model direkte via API, er det dig der skal nå at teste den nye inden den gamle lukker.

Selv uden et modelskifte er svarene ikke ens fra gang til gang. [Microsofts dokumentation om reproducerbart output](https://learn.microsoft.com/en-us/azure/ai-foundry/openai/how-to/reproducible-output?view=foundry-classic) skriver, at det samme spørgsmål som udgangspunkt giver forskellige svar, og at det ikke er garanteret ens selv når du sætter en seed.

Lange svar afviger mere end korte. Det er værd at vide, inden du bruger en eftermiddag på at jagte en fejl der ikke findes.

Mit råd er at skrive modelnavn og dato ind i loggen hver gang du tester. Så kan du se, om ændringen i svarene faldt sammen med en rettelse du selv lavede, eller med et skifte hos leverandøren.

Uden den note står du med en agent der opfører sig anderledes, og ingen anelse om hvor du skal lede.

### Hvem må rette i instruktionen?

Én person. Skriv navnet øverst i dokumentet. Alle andre må foreslå ændringer, men ikke skrive dem ind. Det lyder stift for en virksomhed med otte ansatte, men alternativet er, at tre personer retter samme uge og ingen opdager det før kunderne gør.

Sæt en fast rytme på. En gang om måneden læser du de seneste svar igennem, vælger de tre dårligste og spørger hvad i instruktionen der tillod dem.

Oftest er svaret, at der ikke stod noget om situationen overhovedet. Så skriver du reglen, noterer datoen og kører testsagerne igen.

Vil du have et par øjne udefra på hvordan jeres instruktion er skruet sammen, så kan du se [hvordan jeg arbejder med AI i virksomheder](https://simongrevang.dk/ai/). Det meste af arbejdet ligger i vedligeholdelsen, ikke i opsætningen.

Kort opsummeret

- Giv instruktionen versionsnummer, dato og en linje om hvad der blev ændret og hvorfor, og gem alle versioner.
- Ret én ting ad gangen og kør testsagerne igennem bagefter, også når rettelsen virker uskyldig.
- Udpeg én person der må skrive i instruktionen. Alle andre foreslår.
- Skriv modelnavn og dato i loggen, så du kan se forskel på dine egne rettelser og et modelskifte hos leverandøren.
- Læs hele instruktionen igennem ved hver rettelse, så du ikke ender med to regler der siger næsten det samme.

![Simon Grevang](https://simongrevang.dk/assets/simon-portraet.webp)

Om Simon Grevang

15 års erfaring med digital markedsføring og forretningsudvikling. Diplomuddannet i digital konceptudvikling fra IBA og bestyrelsesuddannet fra Niels Brock.

[Læs mere om Simon](https://simongrevang.dk/om-mig/)

## Skal vi tage en snak?

Tag en uforpligtende snak om hvor du står. Du går fra samtalen med mindst tre konkrete ting du kan gøre.

Skriv til mig

FAQ

## Ofte stillede spørgsmål

### Hvor lang skal en instruktion til en AI agent være?

Så lang som den skal være for at dække de opgaver agenten løser, og ikke en linje længere. Jeg starter typisk på en halv side og lader den vokse, hver gang agenten laver en fejl jeg kan beskrive med en regel. De fleste af mine agenter ender mellem én og tre sider. Bliver den længere end det, er der som regel to agenter gemt i én instruktion.

### Skal jeg skrive instruktionen på dansk eller engelsk?

Dansk, hvis agenten skal svare på dansk. Jeg har prøvet begge dele, og engelske instruktioner til dansk output giver oftere oversættelsesagtige formuleringer og engelsk ordstilling. Skriver du instruktionen på det sprog svaret skal leveres i, får du sproget med i købet. Husk rigtige danske tegn i instruktionen, altså æ, ø og å, også når du skriver regler om dem.

### Hvad er forskellen på en systemprompt og en almindelig prompt?

Systemprompten er de faste rammer agenten arbejder indenfor hver eneste gang, mens den almindelige prompt er den konkrete opgave du stiller lige nu. Systemprompten siger hvem agenten er, hvad den må, og hvordan svaret skal se ud. Opgaveprompten siger hvad der skal laves i dag. Jeg lægger alt der gentager sig i systemprompten, så jeg slipper for at skrive det samme forfra hver gang.

### Hvorfor giver agenten forskellige svar på det samme spørgsmål?

Fordi sprogmodeller vælger ord med en vis tilfældighed indbygget, så to kørsler sjældent bliver ens ned til ordet. Det er normalt. Det du kan styre, er rammerne: formatet, længden, rækkefølgen og de regler svaret skal overholde. Når jeg oplever at indholdet i svarene svinger, og ikke bare formuleringerne, skyldes det næsten altid at instruktionen er for løs det pågældende sted.

### Hvor mange eksempler skal jeg lægge ind i instruktionen?

To til fire gode eksempler flytter mere end tyve middelmådige. Jeg bruger helst et eksempel på det rigtige svar og et på det forkerte, fordi modellen lærer grænsen bedre når den kan se begge sider. Eksemplerne skal være rigtige svar fra dit eget arbejde, ikke konstruerede. Lægger du for mange ind, begynder agenten at kopiere dem i stedet for at løse opgaven.

### Kan jeg genbruge den samme instruktion til flere agenter?

Del instruktionen op i en fælles del og en opgavespecifik del, så kan du genbruge det meste. Tone, forbudte ord og formatkrav er ens på tværs af mine agenter, så det ligger ét sted og bliver læst ind af alle. Selve opgaven, rollen og afleveringsformen skriver jeg særskilt. Én instruktion der skal klare fire vidt forskellige opgaver, bliver dårlig til alle fire.

### Hvad gør jeg når agenten begynder at opføre sig anderledes uden at jeg har rettet noget?

Tjek først om modellen er blevet opdateret, for leverandørerne skifter version uden at du får besked. Derefter tjekker jeg om konteksten er vokset, altså om agenten har fået flere filer, længere samtalehistorik eller nye data ind. Begge dele ændrer opførslen uden at instruktionen er rørt. Derfor noterer jeg altid hvilken model en instruktion er skrevet til, og tester den igen efter et modelskifte.

### Hvem i virksomheden skal eje og rette instruktionen?

Den der kender fagligheden, ikke den der kender teknikken. Instruktionen er en beskrivelse af hvordan arbejdet skal udføres, og den viden sidder hos personen der selv har løst opgaven i flere år. Prompt engineering til AI agenter er tættere på at oplære en ny medarbejder end på at programmere. Giv én person ansvaret for at rette i den, ellers ender I med fire versioner og ingen der ved hvilken der kører.

### Skal jeg skrive reglerne som punktliste eller som løbende tekst?

Punktliste til regler, løbende tekst til sammenhæng og formål. Jeg bruger prosa til at forklare hvad agenten er sat i verden for, og punkter til alt der er en konkret regel, fordi punkter er nemmere at tilføje, fjerne og teste enkeltvis. Når jeg arbejder med prompt engineering til AI agenter, står de forbudte ting altid som en liste, så jeg kan se præcis hvilken linje der skal rettes.

Læs videre

## Relaterede artikler

- [Sådan måler du ROI på en AI agent inden du investerer en krone 28. jun 2026 42 min læsning](https://simongrevang.dk/artikler/roi-kunstig-intelligens-ai-agent/)

- [Agentic marketing forklaret fra ende til anden 30. sep 2026 39 min læsning](https://simongrevang.dk/artikler/agentic-marketing-forklaret/)

- [Sådan måler du din virksomheds AI readiness 18. maj 2026 33 min læsning](https://simongrevang.dk/artikler/ai-readiness-er-din-virksomhed-klar-til-ai-agenter/)
