Prompt engineering for ledelse
Begrebet "prompt engineering" lyder forkert for direktionen. Det lyder som en teknisk disciplin, og direktionens job er ikke at lære teknik. Men der ligger en reel kommunikations-disciplin gemt i begrebet, og når den læres ordentligt, kan AI gå fra at være et hurtigt skrive-værktøj til at være tænke-partner på strategi-niveau. Denne pillar gennemgår hvordan ledere bruger AI til strategi-overvejelser, bestyrelses-forberedelse, intern kommunikation og forretningsanalyse.
Skrevet af Jesper Sachmann, grundlægger af EnterpriseIQ. 27 års IT-lederskab fra Oracle, Logica og Capgemini, kombineret med dagligt brug af AI som tænke-partner i strategisk arbejde siden 2023.
- →Prompt engineering for ledelse er ikke teknik. Det er kommunikations-disciplin der ligner det at briefe en dygtig analytiker.
- →Fire kategorier: strategi, bestyrelses-forberedelse, intern kommunikation, forretningsanalyse.
- →En god leder-prompt har fire elementer: rolle, kontekst, opgave-struktur, krav til output.
- →Produktivitetsgevinst typisk 5-10 timer ugentligt når faste arbejdsgange er etableret.
- →AI er udkast og tænke-partner, ikke beslutter. Tre områder skal undgås helt: enkelt-medarbejder-beslutninger, finansiel rapportering, retlig rådgivning.
Hvorfor "prompt engineering" lyder forkert
Når direktionen hører "prompt engineering", tænker de fleste teknisk specialist. Det er forståeligt, fordi begrebet kommer fra udvikler-fællesskabet og associeres med kodning og system-prompts. For ledere lyder det som noget IT-chefen skal sætte sig ind i, ikke noget der hører til på direktions-niveau.
Det er den forkerte ramme. Den teknik der reelt findes i begrebet er ikke kodning. Det er den evne at formulere en kompliceret opgave klart nok til at en dygtig analytiker kan løse den. Når I briefer en konsulent på et strategi-projekt, gør I præcis det samme: I sætter konteksten, definerer opgaven, specificerer det output I vil have, og afgrænser hvad der ligger uden for scope.
Forskellen er at AI er hurtigere og billigere end konsulenten, og den glemmer ikke hvad I sagde i sidste session. Derudover findes der ikke en eneste leder-opgave der ikke har et eller flere AI-egnede momenter. Strategi-overvejelser har dem. Bestyrelses-forberedelse har dem. Intern kommunikation har dem. Forretningsanalyse har dem. Det er hvor pillaren går videre.
Fire kategorier af leder-prompts
For direktioner i vidensintensive virksomheder fordeler den værdiskabende AI-brug sig på fire hovedkategorier. Hver har sit eget mønster og sin egen disciplin.
Kategori 1: Strategi-overvejelser
AI som tænke-partner på beslutninger med usikkerhed. Typiske use-cases: scenario-analyse på en strategisk satsning, fordele og ulemper ved en opkøbs-mulighed, evaluering af en konkurrents bevægelse, vurdering af om I skal lukke en forretningsenhed.
Disciplinen her er at give AI tilstrækkelig kontekst om virksomheden, markedet og beslutnings-rammerne, og derefter bede om scenarier frem for direkte anbefalinger. Bedst-modellerne (Claude Opus 4.7, GPT-5 o1-pro) er stærke på den her opgavetype når de får ordentlig kontekst at arbejde med. Resultatet er ikke beslutningen. Det er en bedre struktureret diskussion direktionen kan have.
Kategori 2: Bestyrelses-forberedelse
AI som forberedelses-assistent før bestyrelsesmøder. Typiske use-cases: udkast til kvartalsrapport, Q&A-forberedelse på vanskelige spørgsmål, sammenfatning af en omfattende rapport til 2-siders briefing, talepunkter til en strategisk præsentation.
Disciplinen er at give AI det historiske materiale (tidligere bestyrelsesreferater, tidligere rapporter, virksomhedens strategiske kontekst) og bede den producere noget der matcher den eksisterende ton og struktur. Det reducerer forberedelses-tid fra typisk 4-8 timer til 1-2 timer pr møde, samtidig med at kvaliteten af forberedelsen typisk forbedres.
Kategori 3: Intern kommunikation
AI som skribent-assistent på meddelelser, e-mails og talepunkter til medarbejdere. Typiske use-cases: meddelelse om strategiske ændringer, talepunkter til kvartals-allhand, e-mail-svar på medarbejder-spørgsmål, kommunikation om vanskelige beslutninger.
Disciplinen er at give AI konteksten af situationen (hvad er besluttet, hvorfor, hvad er konsekvenserne) plus tone-of-voice-kravene (forretningsmæssig, empatisk, beslutsom). AI producerer et udkast der typisk skal redigeres 30-50 procent, men det kvalificerer udgangspunktet markant frem for at starte fra blanke side. Den slags brug er typisk hvor ledere hurtigst ser tidsbesparelse.
Kategori 4: Forretningsanalyse
AI som analytiker på finansielle data, konkurrent-research og markedsindsigt. Typiske use-cases: gennemgang af kvartalsregnskab og identifikation af bemærkelsesværdige bevægelser, sammenligning af konkurrenters offentlige meddelelser, sammenfatning af branche-rapporter, identifikation af mønstre på tværs af kundedata.
Disciplinen er at give AI strukturerede data (regnskaber, rapporter) og bede om både fakta-sammenfatning og fortolkning. Det er vigtigt at skelne mellem AI som "fortolker data du giver den" (godt) og "finder data selv" (kvalitetsrisiko, kræver verifikation). Perplexity Pro er bedst til research-fasen med kildehenvisninger, Claude eller GPT-5 til den dybere analyse på data du selv giver dem.
Anatomi af en god leder-prompt
En god leder-prompt har fire elementer. Det er ikke en streng skabelon der altid skal følges. Det er en checkliste der hjælper med at sikre prompten har det den skal bruge.
1. Rolle
Fortæl AI hvilken slags ekspert den skal være. "Du er senior strategi-konsulent" eller "Du er erfaren CFO" eller "Du er kommunikationsrådgiver med 20 års erfaring fra børsnoterede virksomheder".
Hvorfor: AI tilpasser tone, ordforråd og analyseframework efter den rolle du giver den. En "senior strategi-konsulent" producerer noget mere abstrakt end en "junior analyst", selv på samme spørgsmål.
2. Kontekst
Fortæl AI om virksomheden, branchen, og den specifikke situation. Inkluder relevante tal (omsætning, vækst, markedsposition), nylige begivenheder, og hvilken type beslutning der skal træffes.
Hvorfor: Generelle prompts giver generelle svar. Konkrete prompts giver konkrete svar. 80 procent af forskellen i kvalitet ligger her, ikke i raffinement af formuleringen.
3. Opgave-struktur
Specificér hvad du vil have AI til at gøre. "Identificer tre scenarier" eller "Sammenfat de fem vigtigste punkter" eller "Skriv et udkast på 200 ord". Klare strukturkrav giver klare strukturerede svar.
Hvorfor: AI vil gerne være hjælpsom og producerer noget selv hvis du ikke specificerer struktur. Det "noget" er sjældent det du faktisk havde brug for.
4. Krav til output
Specificér tone, format, længde og hvad der skal udelades. "Forretningsmæssig tone, ingen bullet points, maks 400 ord, undgå floskler som 'spændende' og 'fantastisk'."
Hvorfor: AI's default-stil er ofte for fortløbende, for fyldt med signaling-ord og for bullet-tung. Eksplicit format-instruktion fjerner 80 procent af irritation-momenterne.
De fire elementer er ikke nødvendigvis adskilte sektioner i din prompt. De kan flyde sammen. Det vigtige er at alle fire er repræsenteret. Mangler kontekst, får du generiske svar. Mangler struktur, får du ustrukturerede svar. Mangler output-krav, får du AI's default-stil. Mangler rolle, får du noget midt-på-vejen-niveau.
Fem eksempel-prompts der virker
Eksemplerne nedenfor er bevidst korte. De skal tilpasses jeres situation, men strukturen er konsistent på tværs.
1. Scenario-analyse på strategisk beslutning
Du er senior strategi-konsulent med erfaring fra mid-market vidensintensive virksomheder i Skandinavien.
Vi er en advokat-virksomhed i Aarhus med 45 medarbejdere, omsætning 65 mio kr, vækst 8 procent. Vi overvejer at åbne kontor i København næste år. Argumentet for er adgang til større kunder. Argumentet imod er at lokale konkurrenter er stærkt etablerede og det vil koste 4-6 mio kr at få det op at stå.
Identificér tre realistiske scenarier (positiv, neutral, negativ) over 3-årig horisont. For hvert scenario: hvilke 3-4 antagelser ligger til grund, hvad er signal-indikatorerne for at det udfolder sig, hvad er den økonomiske konsekvens.
Format: forretningsmæssig tone, ingen floskler, hver scenario på maks 200 ord. Sluttet med ét spørgsmål jeg bør stille før beslutningen.
2. Bestyrelses-Q&A-prep
Du er erfaren bestyrelsesformand der har siddet i 15+ bestyrelser i SMV-segmentet.
Jeg præsenterer Q1-resultater i morgen. Hovedpointer: omsætning 12 procent under budget, omkostninger på linje, derfor lavere indtjening. Vi har mistet to større kunder til konkurrenter på grund af pris, men signed tre nye mindre kunder.
Forudsig de syv-otte mest sandsynlige spørgsmål bestyrelsen vil stille. Til hvert spørgsmål, formuler det skarpe spørgsmål bag spørgsmålet (hvad er de reelt bekymrede for), og foreslå hvordan jeg svarer ærligt uden at virke defensiv.
Format: ingen smalltalk, ingen "Det er et godt spørgsmål"-typer. Direkte og brugbart.
3. Meddelelse om vanskelig beslutning
Du er kommunikationsrådgiver med erfaring fra organisationer der står over for vanskelige medarbejder-meddelelser.
Vi har besluttet at flytte vores kundeservice-team fra Aarhus til Aalborg. Det betyder 12 medarbejdere skal flytte eller skifte job. Beslutningen er truffet, det er ikke til diskussion, men vi vil håndtere det respektfuldt og med ordentlig støtte.
Skriv et udkast til e-mail til de berørte medarbejdere (ca. 350 ord). Tone: respektfuld, ærlig om at det er svært, klar om hvad de næste skridt er, ikke selvbeklagende.
Krav: ingen floskler, ingen "Vi forstår at dette kan være svært"-formuleringer der virker tomme. Konkrete næste skridt med tidspunkter.
4. Konkurrent-analyse fra offentlige kilder
Du er researcher der specialiserer dig i konkurrent-analyse for mid-market virksomheder.
Vores hovedkonkurrent er Firma X (advokat-virksomhed i Aarhus, ca. 35 medarbejdere). De har i de seneste 6 måneder ansat to specialister i tech-jura og lanceret en ny IP-portfolio-service.
Sammenfat på basis af offentligt tilgængelig information: hvad signalerer deres bevægelser om strategi, hvilket markedssegment går de efter, hvad er konsekvenserne for vores positionering. Kildehenvisninger til hver påstand.
Værktøj: brug Perplexity til research-fasen, kryds-tjek mod LinkedIn og firma-website.
5. Sammenfatning af lang rapport
Du er strategisk analytiker der laver executive briefings for travle direktører.
Jeg vedlægger en 80-siders branche-rapport fra McKinsey om AI-adoption i nordiske vidensintensive virksomheder.
Producér en 2-siders briefing der: 1) opsummerer de 5 vigtigste fund i prioriteret rækkefølge, 2) identificerer de 3 mest relevante implikationer for en mid-market advokat-virksomhed, 3) noterer 2 ting i rapporten der virker overvurderede eller for generelle.
Format: ingen marketing-tone, vurderende og konkret. Citér med side-numre når du henviser til rapporten.
De fem prompts viser mønstret. Alle har rolle, kontekst, opgave-struktur og output-krav. Ingen af dem fylder mere end et halvt minut at skrive. Resultatet ligger typisk på et niveau hvor du som leder bruger 10-20 minutter på at finpudse frem for at skrive fra bunden.
Hvor leder-prompts typisk fejler
Fem faldgruber går igen i de ledere vi træner. De er ikke svære at undgå når man kender dem.
Faldgrube 1: For lidt kontekst
"Hvad skal vi gøre med konkurrent X?" giver et generelt svar. "Vi er en 45-mands advokat-virksomhed med 65 mio omsætning, konkurrent X er nylig udvidet med IP-portfolio-service, vores nuværende kunder begynder at spørge om vi kan tilbyde tilsvarende. Hvad er vores tre muligheder?" giver et brugbart svar. Forskellen er ikke i AI'en, det er i konteksten.
Faldgrube 2: Behandle AI som orakel
Ledere der spørger AI "hvad skal vi gøre" forventer en beslutning. AI giver en mulig retning der lyder fornuftig, ledelsen følger den uden videre overvejelse, og når den ikke virker, mister tilliden til AI. Bedre tilgang: brug AI til at strukturere alternativerne og deres antagelser. Beslutningen er din.
Faldgrube 3: Ingen iteration
Mange ledere stiller én prompt og accepterer det første svar. Den reelle værdi opstår i den anden, tredje og fjerde iteration, hvor du tilføjer "uddyb scenario 2", "udfordr antagelse X", "hvad ville være modargumentet". Det er som en samtale med en analytiker, ikke en query mod en database.
Faldgrube 4: Forbruger-tier til fortrolige data
Forbruger-tier ChatGPT, Gemini og Perplexity bruger typisk inputs til træning. Klient-fortrolige strategi-overvejelser, M&A-overvejelser, eller direktions-diskussioner må ikke ind i forbruger-tier. Brug Claude Enterprise, Microsoft Copilot for M365 Enterprise, eller self-hosted Llama for den slags arbejde. Detaljer i vores governance-pillar.
Faldgrube 5: Forventning om hurtig magi
Ledere der prøver AI én gang og oplever et middelmådigt resultat konkluderer ofte "AI virker ikke for mit niveau". Den reelle læring tager 4-8 ugers seriøs brug før prompts begynder at flyde naturligt og den optimale opgave-fordeling mellem AI og din egen tid bliver tydelig. Det er en kompetence på linje med Excel eller PowerPoint, ikke et lyn-fix.
Tre områder hvor AI skal undgås
Pillaren ville være ufuldstændig uden eksplicit at nævne tre områder hvor ledere ikke bør bruge AI som tænke-partner, uanset hvor god prompten er.
1. Beslutninger om enkelt-medarbejdere
Ansættelse, fyring, performance-vurdering, lønjustering, forfremmelse. Det er Art. 22 GDPR-territorium ("automatiseret behandling med retlig virkning"), og det er high-risk under EU AI Act. AI kan bruges til at strukturere proces eller forberede samtaler, men beslutningen om enkelt-personer skal være menneskelig og dokumenteret. Brug AI til at forberede 1-på-1-samtaler, ikke til at træffe HR-beslutninger.
2. Finansiel rapportering til revisor eller børs
Kvartalsregnskaber, årsrapporter, børs-meddelelser, regulatorisk rapportering. Kvalitetsstandarden er højere end AI kan stå inde for uden grundig human review, og fejl her har betydelige konsekvenser. AI kan bruges til at lave udkast på baggrund af strukturerede data du selv leverer, men hver enkelt tal skal kunne spores tilbage til kilden, og review skal være dokumenteret.
3. Klient-specifik faglig rådgivning med retlig virkning
Kontrakter, audit-fund, revisionserklæringer, finansrådgivning, juridisk rådgivning. AI er udkast-værktøj her, ikke beslutter. Den faglige standardisering der ligger i autorisationerne (revisor, advokat, finansrådgiver) er en del af kvaliteten kunden betaler for. AI accelererer udkast-arbejdet, men den endelige levering bærer den autoriserede person ansvaret for.
Tre skridt I kan tage i denne uge
Skridt 1: Etablér jeres AI-arbejdsgang som direktion
- Hvert direktions-medlem afsætter 30 minutter til at teste en af de fem eksempel-prompts ovenfor på en reel opgave
- Brug Claude Pro eller ChatGPT Plus (ikke forbruger-tier hvis data er fortroligt)
- Notér hvad der virkede, hvor friktion opstod, og hvor I brugte længst tid
Skridt 2: Hold 60-minutters refleksion sammen
- Direktionen samles om resultaterne fra Skridt 1
- Identificér 2-3 arbejdsgange hvor AI-augmentation virker værdiskabende
- Aftal hvem der ejer videre udvikling af hver arbejdsgang
- Sæt opfølgningsmøde 4 uger ude i fremtiden hvor I gennemgår progress
Skridt 3: Definér AI-grænser eksplicit
- Skriv 1-side dokument der specificerer hvilke data der må sendes til hvilke værktøjer
- Bekræft eksplicit at de tre forbudte områder (enkelt-medarbejder, finansiel rapportering, retlig rådgivning) ikke AI-behandles
- Del dokumentet med resten af ledelsen plus IT-chef
- Læg det ind i jeres AI-politik (hvis I ikke har en endnu, se vores governance-pillar)
De tre skridt er bevidst lette. Målet er ikke perfekt strategi første dag. Det er at få ledelsen i gang så fundamentet kan vokse på baggrund af reelle erfaringer frem for hypoteser.
FAQ
Skal direktionen lære prompt engineering?
Ikke som teknisk disciplin. Men direktionen bør lære at bruge AI som tænke-partner, og det kræver grundlæggende forståelse af kontekst-opbygning. 2-4 timers fokuseret træning er typisk nok.
Hvor lang tid bruger en typisk direktør på prompts?
30-60 minutter ad gangen i seriøs strategi-session med AI som tænke-partner. Hurtige prompts 2-5 minutter. Samlet produktivitetsgevinst typisk 5-10 timer ugentligt når faste arbejdsgange er etableret.
Må direktionen sende klient-data til AI?
Det afhænger af tier og leverandør. Claude Enterprise, Microsoft Copilot for M365 Enterprise og Gemini Workspace Business har DPA og kan modtage fortrolige data. Forbruger-tier må ikke. For højtfølsomme data: self-hosted Llama eller Mistral.
Hvordan undgår man AI-hallucination?
Tre teknikker: hold konteksten verificerbar, bed eksplicit AI om at angive usikkerhed, brug Perplexity til research med kildehenvisninger. Hallucination opstår oftest når man behandler AI som orakel frem for tænke-partner.
Hvad må direktionen IKKE bruge AI til?
Beslutninger om enkelt-medarbejdere, finansiel rapportering til revisor eller børs, og klient-specifik faglig rådgivning med retlig virkning. AI kan understøtte forberedelse, men ikke træffe beslutninger eller bære endeligt ansvar.
Bruger Jesper selv AI som tænke-partner?
Ja, dagligt. Claude Opus 4.7 til strategi, ChatGPT Plus til iteration, Perplexity til research. Alle leverancer (inklusiv denne pillar) bærer audit-trail. Se vores ai-stack-side for fuld åbenhed.
Næste skridt
Tre veje afhængigt af hvor I står:
Tag EnterpriseIQ Score
12 spørgsmål, 5 minutter. Baseline på AI-modenhed for direktionen og fem konkrete quick wins.
AI Tools Bootcamp
1 dag hands-on for ledergruppe. Direktion-fokuseret version: 90 min briefing plus 30 prompts.
30 min samtale
Uforpligtende. Vi finder ud af hvilke leder-AI-arbejdsgange der giver mening for jeres direktion.
Om forfatteren
Jesper Sachmann er grundlægger af EnterpriseIQ. 27 års IT-lederskab fra Oracle, Logica og Capgemini plus 11 års Archer-baggrund som Alliance Director Europe og Integrated Risk Management Lead Nordics, kombineret med dagligt brug af AI som tænke-partner siden 2023.
AI-attribution: Denne artikel er AI-assisteret produceret med Claude Opus 4.7, menneskelig review af Jesper Sachmann. Se vores AI-transparenspolitik for hvordan vi bruger AI i alle leverancer.
Citerer du denne artikel? "EnterpriseIQ: Prompt engineering for ledelse (2026-05-26)" eller link til enterpriseiq.dk/indsigt/prompt-engineering-ledelse.