Varför prompten avgör resultatet
Prompt engineering är att formulera instruktioner till en AI-modell så att svaret blir korrekt och går att använda direkt. Det kräver varken betalverktyg eller teknisk bakgrund. Det kräver en metod.
Med bra prompts får du:
- Mindre efterarbete, eftersom första svaret ligger närmare det du behöver
- Svar som följer din ton och ditt varumärke
- Snabbare arbete med kampanjer, texter och analyser
Metoden jag använder är TCREI, ramverket från Googles kurs Prompting Essentials. Det är lätt att komma ihåg och fungerar i ChatGPT, Claude, Gemini och de andra modellerna.
TCREI i fem steg
TCREI står för Task, Context, References, Evaluate och Iterate. Google lär ut det med minnesramsan "Thoughtfully Create Really Excellent Inputs".
- Task: definiera exakt vad AI:n ska göra.
- Context: ge den bakgrund som behövs.
- References: visa exempel, data eller källor.
- Evaluate: granska svaret.
- Iterate: förbättra prompten och kör igen.
Poängen är att de vanligaste felen, vaga instruktioner, för lite bakgrund och ingen uppföljning, fångas upp av något av stegen.
Så här kan det se ut
- Task: "Skriv en bloggpost på svenska om prompt engineering för digital marknadsföring."
- Context: "Målgruppen är marknadschefer i mellanstora B2B-företag."
- References: "Här är två tidigare inlägg från vår blogg. Följ samma ton och längd."
- Evaluate: "Kontrollera att texten svarar på frågan i rubriken och att varje påstående går att belägga."
- Iterate: "Skriv om rubrikerna så att de blir mer konkreta och granska igen."
Task: vad AI:n ska göra
En tydlig uppgift är grunden. Utan den får du generella svar, svårt att styra ton och stil, och mer jobb med att rätta i efterhand.
En bra Task innehåller:
- Syfte: varför texten eller analysen behövs
- Målgrupp: vem som ska läsa den
- Format: bloggpost, lista, tabell, annonstext
- Ton: formell, avslappnad, säljande eller informativ
Skriv en informativ bloggpost på svenska, cirka 800 ord, om hur TCREI gör prompt engineering enklare för marknadsförare.
Context: rätt bakgrund
Context är bakgrunden AI:n behöver för att svara rätt. Utan den fyller modellen luckorna med gissningar som inte passar din bransch eller målgrupp.
- Bransch: e-handel, SaaS, B2B, lokala tjänster
- Tidpunkt: om svaret ska spegla ett visst läge eller datum
- Företaget: storlek, värderingar, tidigare kampanjer
- Tekniska ramar: CMS, verktyg eller integrationer som svaret måste passa in i
Vi är en B2B SaaS-leverantör av CRM-system. Texten ska locka ledningsgrupper och marknadschefer.
References: underlag i stället för gissningar
När du ger AI:n källor, exempel eller tidigare texter bygger den på ditt underlag i stället för att hitta på. Det höjer både träffsäkerheten och trovärdigheten.
- Data: exporter från Google Analytics eller Search Console, egna rapporter
- Tidigare texter: inlägg eller annonser som fungerat bra
- Riktlinjer: tonalitetsguide eller grafisk profil
En varning: ber du modellen hänvisa till en rapport eller statistik som du inte själv klistrat in riskerar du att få påhittade siffror. Ge den underlaget, be den inte leta upp det ur minnet.
Evaluate: granska svaret
Läs svaret mot det du bad om innan du använder det. Det kan göras manuellt eller med en checklista.
- Innehåll: svarar texten på uppgiften?
- Fakta: stämmer siffror, namn och påståenden?
- Ton: låter det som ditt varumärke?
- Resultat: när texten används skarpt, till exempel i en annons, följ upp klick och konverteringar.
Iterate: förfina och kör igen
Det är i iterationen det stora lyftet sker. Varje varv gör prompten bättre, och de prompts som fungerar sparar du för nästa gång.
- Jämför versioner: kör två varianter av samma prompt och se vilken som ger bäst svar.
- Promptbibliotek: spara prompts som fungerat och återanvänd dem.
- Feedback: låt kollegor som använder svaren säga vad som saknas.
Ett typiskt förlopp:
- Första prompten ger ett generellt svar.
- Du preciserar målgruppen i Task.
- Du lägger till företagsprofilen i Context.
- Du granskar igen och jämför med förra svaret.
Efter några varv har du en prompt som ger ett användbart svar direkt.
Prova själv
Jag har byggt en egen GPT i ChatGPT utifrån ramverket, Master Prompt Engineer, som hjälper dig att bygga prompts steg för steg. Vill du ha en snabb genomgång av hela Google-kursen finns en sammanfattning på YouTube av Tina Huang.
Vill du gå längre än enskilda prompts, till AI-flöden som gör jobbet åt dig, läs guiden om AI-agenter eller se vad jag gör inom AI-marknadsföring.
