Der er tre måder at få en sprogmodel til at passe til jeres opgaver: at skrive bedre instruktioner, at give den adgang til jeres egne dokumenter, eller at finjustere selve modellen. De binder i stigende grad i den rækkefølge. Den letteste vej, der løser opgaven, er som regel den rigtige, fordi den er lettest at tage med til en anden model.
Valget kan blive truffet af den, der bygger løsningen, ud fra hvad der virker hurtigst. Det er et valg med betydning for økonomi, binding og jeres rolle efter AI-forordningen, og det fortjener at blive truffet med de tre ting for øje.
Måde 1: instruktioner
Den enkleste tilpasning er teksten, der sendes med hver forespørgsel: en beskrivelse af opgaven, tonen, formatet og eksempler på gode svar. Den kaldes ofte systemprompt eller instruktion.
Hvad den løser. Format, tone, faste regler og opgaver, hvor modellen allerede har den viden, der skal til.
Hvad den binder. Lidt. Instruktionerne er tekst, I ejer, og de kan flyttes til en anden model. De skal som regel justeres efter flytningen, fordi modeller reagerer forskelligt på samme tekst. Opbevar en kopi hos jer selv. Se prompter og testsæt er jeres.
Hvad den kræver. Timer til at skrive og afprøve. Ingen ekstra drift.
Måde 2: egne dokumenter
Den næste måde er at lade modellen søge i jeres dokumenter og bruge de fundne stykker i svaret. Metoden kaldes RAG og er beskrevet i søgning i egne dokumenter.
Hvad den løser. Opgaver, der kræver viden, modellen ikke har: jeres håndbøger, priser, kontrakter og sager. Viden kan opdateres ved at opdatere dokumenterne, uden at røre modellen.
Hvad den binder. Indekset. Det er bygget med en bestemt model til at omsætte tekst til talrækker, og skifter I den model, skal alle dokumenter behandles igen. Ligger indekset hos udbyderen, binder det også dér. Modellen, der skriver svaret, kan derimod skiftes uden at bygge indekset om. Mere i indlejringer og vektordatabaser binder stille.
Hvad den kræver. Opbygning og vedligehold af indekset, styring af rettigheder og måling af, om søgningen finder det rigtige.
Måde 3: finjustering
Finjustering betyder, at modellen trænes videre på jeres eksempler, så dens vægte ændres. Resultatet er en ny udgave af modellen.
Hvad den løser. Opgaver, hvor modellen skal lære en bestemt adfærd eller et bestemt sprog, som instruktioner ikke kan få den til, og hvor I har mange gode eksempler.
Hvad den binder. Mest. Hos en tjeneste er den finjusterede model knyttet til grundmodellens levetid. Hos de udbydere, hvis dokumentation vi gennemgik 8. november 2026, følger finjusterede modeller grundmodellens udfasning, og hos én kan der ikke laves nye finjusteringer, når grundmodellen er på vej ud. Udfases grundmodellen, skal finjusteringen laves igen på en ny, med jeres eksempler og ny test.
Ved en åben model, I selv finjusterer, følger licensen med til den nye udgave. I de licenser, vi har læst, gælder grænser og krav også afledte modeller. Én kræver, at en afledt model, der gøres tilgængelig for andre, bærer udgiverens navn forrest. En anden regner også modeller trænet på modellens svar som afledte. En tredje lader sin omsætningsgrænse gælde for afledte værker. Læs licensen, før I finjusterer.
Hvad den kræver. Et datasæt med gode eksempler, beregningskraft til træningen, test af resultatet og en plan for at gentage det hele, når grundmodellen skifter.
Rollen efter AI-forordningen
Finjustering er efter Kommissionens retningslinjer en måde at ændre en model på. Kommissionen skriver, at ikke enhver ændring gør den, der ændrer, til udbyder af modellen. Som vejledende kriterium nævnes, at ændringen bruger mere end en tredjedel af den regnekraft, den oprindelige model blev trænet med, og Kommissionen skriver selv, at få ændringer i dag opfylder det. Kriteriet er vejledning og står ikke i loven. Instruktioner og egne dokumenter ændrer ikke modellen. Hvad det betyder for jer, står i artiklen om finjustering og udbyderrollen. Ved konkret tvivl bør en advokat se på sagen.
Sådan vælger I
Begynd med instruktioner, og mål resultatet med jeres egen prøvesamling. Mangler modellen viden, så tilføj egne dokumenter, og mål igen. Overvej først finjustering, når de to første ikke rækker, og når I har eksemplerne, pengene og planen for at gentage den. Skriv for hver opgave ned, hvilken måde I valgte, og hvorfor.
Hvad det kræver, og hvad det koster at lade være
Valget kræver en prøvesamling for opgaven og en måling for hver måde, I prøver. Instruktioner kan prøves på dage. Egne dokumenter kræver uger til at bygge og måle et indeks. Finjustering kræver uger til måneder med datasæt, træning og test, og samme arbejde igen ved hvert skifte af grundmodel.
Vælger I finjustering, fordi det lyder grundigt, kan I stå med en tilpasning, der skal laves om, hver gang grundmodellen udfases, til en opgave, instruktioner kunne have løst. Vælger I aldrig andet end instruktioner, kan I gå glip af den viden, egne dokumenter giver. Prisen er i begge tilfælde timer brugt forkert.
Det skal I lade være med
- At finjustere, før instruktioner er prøvet · den letteste vej binder mindst.
- At gemme instruktionerne alene i udbyderens værktøj · en kopi hos jer gør dem flytbare.
- At finjustere en åben model uden at læse licensen · kravene følger med til den nye udgave.
Det skal valget kunne vise
- ☐ Den valgte måde for hver opgave med en begrundelse.
- ☐ En måling med jeres prøvesamling for hver måde, der er prøvet.
- ☐ Grundmodellens udfasningsdato, hvis I finjusterer i en tjeneste.
- ☐ Licensen for den model, I finjusterer, læst og dateret.
Kilder
- Kommissionens retningslinjer om forpligtelser for udbydere af AI-modeller til almen brug, C(2025) 7719, pkt. 57 til 64, læst på dansk 8. november 2026.
- Licensfilerne for en række åbne modeller, læst 8. november 2026.
- Store udbyderes og platformes dokumentation om finjustering og grundmodellers livscyklus, læst 8. november 2026.
Senest gennemgået: november 2026.
Næste skridt
Tag én opgave, og prøv instruktioner med en prøvesamling, før andre veje overvejes.
Læs også: Hvad binder, når I vælger AI? · Licenserne på åbne modeller
→ Kontakt · Tlf. 70 13 63 23 · Jurisdiktions- og afhængighedsvurdering hos Nielco IT
