Hva er generativ KI? Slik fungerer ChatGPT, Gemini og Claude — enkelt forklart for bedrifter

Generativ KI — som er forkortelse for generativ kunstig intelligens — er en type programvare som kan lage nytt innhold på bestilling. Du skriver en forespørsel på vanlig norsk, og verktøyet svarer med tekst, bilder, lyd eller kode. Ordet «generativ» betyr at verktøyet genererer nytt materiale, i motsetning til tradisjonelle programmer som bare henter opp det som allerede ligger lagret.

De mest kjente eksemplene er ChatGPT fra OpenAI, Gemini fra Google og Claude fra Anthropic. Alle tre er bygget på samme type teknologi: en stor språkmodell, ofte kalt LLM (Large Language Model). En språkmodell er et program som har lært seg mønstre i språk ved å lese enorme mengder tekst, og som bruker disse mønstrene til å forutsi hva som passer best å skrive videre.

Det du opplever som en samtale med ChatGPT, er egentlig et verktøy som forutsier ett og ett ord av gangen — basert på alt som har blitt skrevet i samtalen så langt. Verktøyet «tenker» ikke som et menneske.

Det gjenkjenner mønstre i språk og bruker dem til å produsere svar som ser fornuftige ut. Dette er en viktig forskjell å ha med seg, både når du bruker verktøyene og når du vurderer hva du kan stole på.

For å forstå generativ KI uten å bli programmerer, holder det å vite tre ting: hva trening er, hva tokens er, og hva en transformer er.

Trening er prosessen der modellen leser milliarder av tekster — bøker, nettsider, artikler, kode — og justerer seg selv til den blir god på å forutsi neste ord. Du kan sammenligne det med en elev som leser så mange norske bøker at eleven etter hvert kan gjette hvilket ord som naturlig følger etter «god» (ofte «morgen», «tur» eller «dag»). Modellen gjør det samme, bare i enorm skala.

Tokens er de små bitene som modellen deler teksten inn i. Et token kan være et helt ord, en stavelse eller bare et tegn.

Når du sender en melding til ChatGPT, brytes teksten ned i tokens før modellen jobber med den. Prisene på bedriftsbruk regnes ofte i antall tokens inn og ut — derfor dukker begrepet opp i prisoversikter.

Transformer er navnet på arkitekturen bak de fleste moderne språkmodeller. Det er et rammeverk som gjør at modellen kan vurdere hvordan ulike ord i en tekst henger sammen, uansett hvor langt fra hverandre de står. Du trenger ikke forstå matematikken bak — det viktigste er at transformeren er grunnen til at moderne verktøy kan holde styr på konteksten i en lang samtale.

Når du sender en forespørsel — ofte kalt en prompt — tar modellen imot teksten din, bryter den i tokens, sender den gjennom transformeren, og produserer svaret ord for ord. Hele denne prosessen skjer på noen sekunder.

Alle tre verktøyene gjør det samme på overflaten: du skriver, de svarer. Men de er laget av ulike selskaper, trent på litt forskjellig data, og posisjonert mot ulike behov.

ChatGPT fra OpenAI er det mest allsidige. Det kan skrive tekst, analysere dokumenter, lage bilder, kjøre enkle beregninger og håndtere tilpassede assistenter (såkalte custom GPT-er). For bedrifter som vil ha ett verktøy som dekker bredt, er ChatGPT ofte den enkleste starten.

Gemini fra Google er tett integrert med Google Workspace. Det betyr at du kan bruke Gemini rett i Google Docs, Gmail og Sheets uten å bytte vindu. I tillegg har Google et eget verktøy som heter NotebookLM, som bruker generativ KI til å oppsummere og svare på spørsmål fra dokumenter du selv laster opp — med tydelige kildehenvisninger.

Claude fra Anthropic er ofte oppfattet som sterkest på lange tekster og redigering. Mange innholdsprodusenter opplever at Claude gir bedre flyt og struktur i artikler, rapporter og guider enn de andre verktøyene. Claude er også bygget med et tydelig fokus på å være forutsigbart og trygt å bruke i bedrift.

Forskjellene mellom verktøyene er mindre enn markedsføringen skal ha det til. For de fleste bedrifter betyr valget mindre enn hvordan dere faktisk bruker verktøyet. Test gjerne to av dem i to uker hver før dere velger standard.

Gemini fra Google er den av de tre hovedverktøyene som skiller seg tydeligst ut i måten det brukes på. I stedet for å være et eget nettsted du åpner for å snakke med en assistent, er Gemini bygget inn i verktøyene mange bedrifter allerede bruker daglig: Google Docs, Gmail, Sheets, Slides og Meet.

Det betyr at du kan be Gemini om å skrive et utkast rett i dokumentet du jobber i, oppsummere en e-posttråd uten å bytte vindu, eller foreslå en formel i et regneark. For bedrifter som allerede er etablert i Google Workspace, reduserer dette friksjonen — du slipper å kopiere tekst mellom verktøy.

Google har også et separat verktøy kalt NotebookLM, som bruker samme type generative språkmodell, men med et viktig tillegg: du laster opp egne kilder først, og modellen svarer kun basert på disse. Det gir tydeligere kildehenvisninger og mindre risiko for at modellen dikter opp fakta. NotebookLM egner seg godt når du skal analysere interne dokumenter, lovtekster eller rapporter.

Hvis teamet ditt ikke bruker Google Workspace fra før, er Gemini sjelden det mest åpenbare valget. Men for de som allerede er der, er det den enkleste måten å få generativ KI inn i arbeidsdagen uten å lære seg et nytt verktøy.

Generativ KI er mest nyttig på oppgaver som krever mye tekst, men der sluttresultatet alltid skal leses gjennom av et menneske. Her er konkrete bruksområder som gir verdi raskt:

• Utkast til e-poster og tilbud. Beskriv situasjonen i to setninger, og få et strukturert førsteutkast du kan redigere.
• Oppsummering av lange dokumenter. Lim inn referater, rapporter eller avtaler, og be om en halvsides oppsummering med de viktigste punktene.
• Idémyldring. Få 20 overskrifter til en artikkel, 10 forslag til produktnavn, eller 5 vinklinger på et markedsføringsbudskap.
• Omskriving og språkvask. Lim inn en tekst som er for lang, for teknisk eller for formell, og be om en enklere versjon.
• Forklaring av fagstoff. Be modellen forklare et konsept på et nivå som passer for en ansatt uten forkunnskaper.
• Forberedelse til møter. Beskriv hva møtet skal handle om, og få forslag til agenda, spørsmål og mulige innvendinger.
• Strukturering av data. Lim inn rotete notater fra en workshop, og be modellen sortere dem i temaer.

Den røde tråden er at verktøyet er best på oppgaver der førsteutkastet tar mye tid, men der et menneske lett kan rette opp feil i siste runde. For oppgaver som krever presis fakta, juridiske vurderinger eller tall fra interne systemer, må du bruke KI-en som hjelper — ikke som fasit.

Generativ KI er imponerende, men har klare begrensninger som alle som bruker verktøyene bør kjenne til.

Hallusinasjon er fagbegrepet for at modellen finner på informasjon som ikke stemmer, men som ser troverdig ut. Fordi modellen egentlig bare forutsier ord som passer sammen, kan den produsere oppdiktede kilder, navn og tall med full selvtillit.

En ChatGPT-respons som inneholder en «forskningsartikkel fra 2023» kan være helt oppdiktet. Regn alltid med at faktapåstander må verifiseres.

Modellen forstår ikke det den sier — den gjenkjenner mønstre. Den kan svare riktig på et matematisk spørsmål i ett øyeblikk og bomme fullstendig i det neste, fordi den ikke «regner» — den forutsier hvilke tegn som pleier å stå der i lignende oppgaver.

Kunnskapen har et skjæringstidspunkt. En språkmodell er trent på data fra en bestemt periode. Hvis du spør om en nyhet fra i forrige uke, vet modellen sannsynligvis ingenting om den — med mindre verktøyet har søk på internett som tilleggsfunksjon.

Modellen kan ikke holde på hemmeligheter. Det du legger inn i en prompt, kan i noen tilfeller bli brukt til videre trening eller lagret på servere utenfor EU. Derfor bør du aldri legge inn personopplysninger, kundedata, passord eller forretningshemmeligheter i gratisversjoner uten å ha sjekket personvernvilkårene.

Modellen er ikke nøytral. Den er trent på tekster skrevet av mennesker, og den gjenspeiler skjevhetene som finnes i disse tekstene. Det kan gi subtile problemer i tekster om mennesker, grupper eller verdispørsmål.

Vanlige feil som bedrifter gjør er å publisere tekst direkte uten kvalitetssikring, å stole blindt på tall og sitater, og å bruke verktøyet på oppgaver som krever juridisk eller medisinsk fagkompetanse. Bruk generativ KI som en rask og utholdende assistent — ikke som en ekspert.

Prompting betyr å formulere gode forespørsler til KI-verktøyet. Kvaliteten på svaret henger direkte sammen med hvor tydelig du har vært i forespørselen.

En god prompt inneholder som regel fire elementer:

1. Rolle eller kontekst: «Du er en norsk innholdsredaktør som skriver for småbedrifter.»
2. Oppgave: «Skriv en kort introduksjon til en artikkel om pensjonssparing.»
3. Krav til formatet: «To avsnitt, maks 150 ord, ikke bruk fagbegreper.»
4. Eksempel eller kilde: «Her er tonen jeg vil ha — [lim inn en referansetekst].»

Eksempel på en svak prompt: «Skriv noe om pensjon.» Eksempel på en god prompt: «Du er redaktør i et norsk nettsted for småbedrifter. Skriv en introduksjon på 120 ord som forklarer hva en pensjonsavtale er, for en leser uten forkunnskaper. Bruk du-form og korte setninger.»

Du trenger ikke lære deg avanserte teknikker for å få god nytte av verktøyene. Det viktigste er å være spesifikk, å gi eksempler når du kan, og å be om forbedringer når første utkast ikke traff. Hvis svaret er for langt, be om en kortere versjon.

Hvis det er for formelt, be om en mer uformell tone. Generativ KI fungerer best som en samtale, ikke som et orakel.

En liten konsulentbedrift i Bergen med tre ansatte ville teste om generativ kunstig intelligens faktisk sparte tid i hverdagen. De opprettet én ChatGPT Plus-konto til 200 kroner måneden og ga én ansatt mandatet å bruke verktøyet aktivt i to uker.

I løpet av de første dagene brukte hun ChatGPT til tre oppgaver: skrive utkast til tilbudsbrev til nye kunder, oppsummere lange referater fra kundemøter, og lage agendaer til interne møter. Hun oppdaget raskt at førsteutkastene spart 30–45 minutter per oppgave, men at hun måtte bruke 10–15 minutter på å rette opp fagterminologi og legge til bransjespesifikke detaljer.

I uke to testet hun å be Claude om det samme, for å sammenligne. Hun opplevde at Claude ga bedre flyt i lange tilbudsbrev, mens ChatGPT var raskere å jobbe med i dialog. Etter to uker valgte bedriften å fortsette med ChatGPT som standardverktøy og legge til Claude bare for den medarbeideren som skriver mest langform.

Total tidsbesparelse for hele bedriften ble estimert til 3–4 timer per uke. Ikke revolusjonerende — men nok til å forsvare en kostnad på 2 400 kroner i året per bruker.

Hvis du vil teste generativ KI i bedriften, er rekkefølgen viktigere enn verktøyet. Start smått, lær av bruken, og skaler deretter.

1. Velg én oppgave som tar mye tid i dag, og som ikke krever presise fakta eller personopplysninger.
2. Gi én ansatt tilgang til ett verktøy — ChatGPT, Gemini eller Claude — i to uker.
3. Sammenlign tidsbruk og kvalitet med hvordan oppgaven vanligvis løses.
4. Før interne retningslinjer for hvilke data som kan og ikke kan legges inn.
5. Utvid til flere ansatte og flere oppgaver først etter at dere har sett at verktøyet faktisk gir verdi.

Det viktigste er å forstå at generativ KI er et hjelpemiddel, ikke en erstatning. Verdien oppstår når verktøyet tar unna repeterende arbeid slik at mennesker kan bruke tiden på det som krever vurdering, kreativitet og ansvar.