Hvad er generativ AI (GenAI)? Definition, eksempler og sådan virker det

Generativ AI (GenAI) er kunstig intelligens, der skaber nyt indhold – tekst, billeder, lyd, video og kode – ud fra et kort input, du giver den. Det er teknologien bag ChatGPT, Claude, Gemini, Copilot og Midjourney, og det er den, der på få år er gået fra kuriosum til noget, de fleste vidensarbejdere bruger hver eneste uge (om chefen ved det eller ej).

Men hvad er generativ AI egentlig? Hvordan virker den under motorhjelmen, hvor er den stærk, og hvor skal du holde den i kort snor? Her får du definitionen, mekanikken, eksemplerne og faldgruberne – forklaret uden at du skal have en kandidatgrad i datalogi.

Hvad er generativ AI? Definitionen kort fortalt

Generativ AI er en gren af kunstig intelligens, hvor modellen er trænet til at producere nyt indhold, der ligner det indhold, den er trænet på. Det adskiller den fra klassisk – såkaldt diskriminativ – AI, der er trænet til at vurdere eller klassificere noget eksisterende.

• Klassisk AI svarer på spørgsmål som: Er denne mail spam? Er denne transaktion svindel? Hvilken kunde opsiger sandsynligvis sit abonnement?
• Generativ AI svarer på opgaver som: Skriv et svar til kunden. Lav et udkast til en kursusbeskrivelse. Tegn et produktbillede. Opsummér denne rapport på fem linjer.

Begreberne generativ AI, generative AI og GenAI dækker over præcis det samme. Den danske form er “generativ AI”, mens “generative AI” er det engelske udtryk, der også bruges flittigt herhjemme.

Sådan virker generativ AI

Du behøver ikke kunne bygge en model for at bruge den klogt. Men du skal forstå de fire byggesten, for det er dem, der forklarer både styrkerne og svaghederne.

1. Træning på enorme mængder data

En generativ model trænes på gigantiske datamængder – tekst fra internettet og bøger, billeder med billedtekster, kode, lyd. Under træningen lærer den mønstre: hvilke ord der følges ad, hvordan en juridisk tekst er bygget op, hvordan en kat ser ud fra forskellige vinkler.

2. Store sprogmodeller (LLM’er) forudsiger det næste ord

Tekstbaserede GenAI-værktøjer bygger på store sprogmodeller (Large Language Models, LLM’er). De er bygget på den såkaldte transformer-arkitektur, som Google-forskere præsenterede i 2017. Grundprincippet er overraskende simpelt: Modellen beregner, hvilket ord (eller rettere token – et ordstykke) der mest sandsynligt kommer næste gang, og gentager det igen og igen, til svaret står færdigt.

At det lyder simpelt, gør det ikke mindre imponerende. Når modellen er stor nok og trænet på nok data, kan “forudsig næste ord” pludselig ræsonnere, oversætte, opsummere, programmere og skrive i en bestemt tone.

3. Diffusionsmodeller skaber billeder og video

Billedgeneratorer som Midjourney, DALL·E og Stable Diffusion bruger typisk diffusionsmodeller. De starter med ren støj og “renser” den trin for trin, til der står et billede, der matcher din beskrivelse. Før diffusionsmodellerne var GAN’er (Generative Adversarial Networks fra 2014) den dominerende teknik.

4. Finjustering og menneskelig feedback

En rå sprogmodel er ikke en hjælpsom assistent. Den bliver først brugbar, når den finjusteres med eksempler og menneskelig feedback, så den følger instruktioner, svarer høfligt og (i bedste fald) siger fra over for skadelige opgaver.

Eksempler på generativ AI i praksis

Det gennembrud, de fleste husker, kom 30. november 2022, da OpenAI lancerede ChatGPT. Siden er generativ AI rykket ind i de værktøjer, du allerede bruger. Her er de mest udbredte anvendelser i danske virksomheder:

Vil du have et bredere overblik over værktøjerne, så kig forbi vores overblik over AI-tools til arbejdet. Og har du brug for at blive skarp på ét værktøj, har vi både et kursus i ChatGPT og et praksisnært kursus i AI i praksis.

Hvad generativ AI er god til – og hvor den snubler

Styrkerne

• Hastighed: Første udkast på sekunder i stedet for timer.
• Sprog og struktur: Omskrivning, opsummering og oversættelse er modellernes hjemmebane.
• Sparring: En utrættelig sparringspartner, der aldrig synes, dit spørgsmål er dumt.
• Demokratisering: Medarbejdere uden programmeringsbaggrund kan pludselig lave analyser, formler og små automatiseringer.

Svaghederne

• Hallucinationer: Modellen kan opfinde fakta, kilder og tal – med fuld selvtillid. Læs mere om, hvordan du opdager, når din AI digter.
• Ingen egentlig forståelse af sandhed: Den optimerer for det sandsynlige, ikke for det korrekte.
• Datasikkerhed og GDPR: Hvad du indtaster, kan – afhængigt af værktøj og licens – forlade huset.
• Ophavsret og bias: Træningsdata kan rumme skævheder og ophavsretligt beskyttet materiale.
• Generisk output: Uden god kontekst får du det gennemsnitlige svar. (Og gennemsnit sælger sjældent.)

Generativ AI vs. agentic AI: hvad er forskellen?

Generativ AI skaber indhold, når du beder om det. Agentic AI handler: Den får et mål, lægger en plan, bruger værktøjer (mail, CRM, regneark, browser) og udfører flere trin selv. Agentic AI bygger typisk på generative sprogmodeller som “hjerne” – men lægger planlægning, hukommelse og handling ovenpå.

Kort sagt: GenAI skriver mailen. Agentic AI skriver mailen, finder modtageren i CRM’et, sender den og følger op om tre dage. Dyk ned i forskellen i vores guide Hvad er agentic AI? eller læs hvad en AI-agent er.

Generativ AI i virksomheden: sådan kommer du i gang

1. Start med opgaver, ikke værktøjer. Find de opgaver, hvor medarbejderne bruger mest tid på tekst, opsummering eller research.
2. Vælg en godkendt løsning. Brug en virksomhedslicens med databeskyttelse frem for gratis forbrugerversioner.
3. Lav enkle retningslinjer. Hvad må indtastes? Hvem kvalitetssikrer output? Hvornår skal det oplyses, at noget er AI-genereret?
4. Træn medarbejderne. EU’s AI-forordning kræver allerede, at virksomheder sikrer tilstrækkelige AI-kompetencer hos de medarbejdere, der bruger AI. Læs mere om AI-kompetencer som lovkrav (artikel 4).
5. Mål effekten. Tid sparet, kvalitet, tilfredshed. Ellers ender I med en pilot, der aldrig bliver til drift – en klassisk faldgrube.

Generativ AI og ledelse

Generativ AI er ikke kun et IT-anliggende. Den ændrer, hvordan opgaver løses, hvilke kompetencer der efterspørges, og hvordan I sikrer kvalitet og ansvar. Derfor er det ledelsen, der skal sætte retningen: Hvor vil vi bruge GenAI, hvor vil vi ikke, og hvem ejer gevinsterne? I større organisationer er det en af grundene til, at rollen som Chief AI Officer (CAIO) vinder frem.

Ofte stillede spørgsmål

Hvad er generativ AI?

Generativ AI (GenAI) er kunstig intelligens, der skaber nyt indhold som tekst, billeder, lyd, video og kode ud fra et input (en prompt). Eksempler er ChatGPT, Claude, Gemini, Copilot og Midjourney.

Hvad er forskellen på generativ AI og almindelig AI?

Klassisk (diskriminativ) AI klassificerer eller forudsiger ud fra eksisterende data, fx om en mail er spam. Generativ AI producerer nyt indhold, fx et udkast til mailen.

Hvordan virker generativ AI?

Tekstmodeller er store sprogmodeller (LLM’er), der forudsiger det næste ord ud fra mønstre lært i enorme datamængder. Billedmodeller bruger typisk diffusionsmodeller, der omdanner støj til billeder trin for trin.

Er generativ AI og GenAI det samme?

Ja. Generativ AI, generative AI og GenAI er forskellige betegnelser for den samme type kunstig intelligens.

Hvad er forskellen på generativ AI og agentic AI?

Generativ AI skaber indhold, når du beder om det. Agentic AI arbejder mod et mål, planlægger flere trin og bruger værktøjer til selv at udføre opgaven – ofte med en generativ sprogmodel som motor.

Hvordan lærer jeg at bruge generativ AI professionelt?

Aros Business Academy tilbyder både Mini MBA i Artificial Intelligence, der giver det strategiske og praktiske overblik, og et kursus i AI-agenter og automatisering for dem, der vil bygge løsninger, der selv udfører opgaver.

Kort sagt

Generativ AI er den mest tilgængelige form for kunstig intelligens nogensinde: Du skriver, den skaber. Men værdien opstår først, når I ved, hvor den passer ind, hvor den fejler, og hvordan I styrer den. Det er præcis det, vi træner – fra ledelsesgulvet til tastaturet.