- Du skriver et spørsmål eller en instruks rett inn i chatten.
- Modellen (f.eks. ChatGPT, Claude, Llama eller Gemini) svarer kun ut fra det den lærte under trening og de skjulte instruksene til modellen. Ingen instrukser er lagt til av noen andre.
- Du får svaret rett fra modellen — uten noe filter, tilpasning eller faglig presisering mellom deg og modellen.
- Du skriver et spørsmål eller gir en instruks.
- Før modellen ser spørsmålet ditt, har den fått en skjult instruks. Det kan være hvem den skal opptre som, hvilken tone den skal ha, og hva den bør eller ikke bør gjøre.
- Modellen svarer nå påvirket av instruksen. Samme modell kan oppføre seg helt ulikt avhengig av hvordan denne instruksen er skrevet.
- Svaret er formet av både modellen og instruksen den fikk — men bygger fortsatt bare på det modellen "husker" fra trening.
- Du stiller spørsmålet eller gir instruksen din.
- Modellen får igjen en skjult instruks om hvordan den skal opptre.
- Systemet søker opp relevant innhold i en kunnskapsbase som er lastet opp på forhånd— for eksempel pensum, dokumenter eller nettsider — og legger dette ved som "fasit-notater" til modellen. Her er det viktig at alt man laster opp er lov til å dele etter blant annet åndsverkloven, kopinor-avtalen. For assistenter med kildekall som tilbys på din skole, er dette sjekket opp.
- Modellen skriver svaret basert på både instruksen og informasjonen den nettopp fikk — ikke bare det den lærte under trening.
- Svaret kan nå knyttes til konkret, oppdatert fagstoff — så lenge kunnskapsbasen faktisk inneholder riktig informasjon.
- Du gir agenten en oppgave, ikke bare et spørsmål — f.eks. "finn ut..." eller "gjør...".
- Agenten får en instruks om målet sitt og hvilke verktøy den har lov til å bruke.
- Modellen vurderer oppgaven og bestemmer selv om den trenger hjelp fra et verktøy for å løse den.
- Agenten kan søke på nett, kjøre kode, slå opp i en kunnskapsbase, sjekke en kalender eller sende en melding — og se hva som skjer.
- Modellen ser resultatet fra verktøyet og bestemmer om den trenger å gjøre mer — eller om den er klar til å svare deg.
- Du får et endelig svar, men det kan være resultat av flere runder med handlinger du ikke nødvendigvis så underveis.
Dette brukes sjelden i undervisning/læringsarbeid.
Hvorfor er dette lurt å vite?
Jo flere lag en KI-tjeneste har lagt til rundt selve språkmodellen (systeminstruks, kildekall/RAG, verktøybruk) jo mer kan svarene tilpasses akkurat det du trenger og knyttes til riktig fagstoff. Samtidig blir tjenesten mer kompleks, og det blir vanskeligere å vite hvorfor den svarte som den gjorde.
Spør deg selv, neste gang du velger KI-verktøy til skolearbeid:
- Er dette en generell modell, eller en assistent tilpasset akkurat dette faget eller det jeg skal lære?
- Vet jeg hvor informasjonen i svaret kommer fra — modellens hukommelse, eller et faktisk søk?
- Kan verktøyet bare svare med tekst, eller kan det også utføre handlinger på egen hånd?
- Hva skjer hvis kunnskapsbasen eller verktøyene gir feil informasjon — hvem oppdager det og hvordan kan det oppdages?