AI Fluency: Rammeværk og fundament
AI Fluency er evnen til at samarbejde med AI virkningsfuldt, effektivt, etisk og sikkert. Disse fire adverbier udgør hele definitionen. Dette kursus lærer dig samarbejde som en holdbar færdighed, så det, du lærer, holder længere end nogen modelgeneration.
- At definere AI Fluency og dens fire adverbier: virkningsfuldt, effektivt, etisk og sikkert
- At anvende 4D-rammeværket: Delegation, Description, Discernment, Diligence
- At køre Description-Discernment-loopet på reelle arbejdsopgaver
- At oplyse om AI's rolle i dit arbejde med en diligence-erklæring
Introduktion til AI Fluency
Det meste råd om AI fortæller dig, hvad du skal skrive. Dette kursus lærer dig noget mere holdbart: hvordan du overhovedet skal tænke om at arbejde med AI. Modeller ændrer sig konstant; et prompt-trick, der virker i dag, kan være ubrugeligt næste år. Færdigheden i at samarbejde godt, beslutte hvad du vil uddelegere, kommunikere hvad du har brug for, vurdere hvad du får, og stå inde for det, du bruger, udløber ikke.
AI Fluency er evnen til at samarbejde med AI virkningsfuldt (det opnår dit mål), effektivt (det er tiden værd), etisk (det stemmer overens med dine værdier og forpligtelser), og sikkert (det beskytter dig og andre mod skade).
Ved kursets afslutning vil du have fire ting: et rammeværk for gennemtænkt interaktion, tillid til hvornår og hvordan du skal bruge AI, en samarbejdsevne du faktisk har trænet, og vaner til ansvarligt at evaluere og dele AI-assisteret arbejde.
- AI Fluency = virkningsfuldt, effektivt, etisk og sikkert samarbejde
- Et holdbart rammeværk, ikke en pose prompt-tricks
- Fire kompetencer: Delegation, Description, Discernment, Diligence
Næste: de tre måder, folk engagerer sig med AI på, og hvorfor forveksling af dem skaber den største forvirring om at "bruge AI godt".
Hvorfor vi har brug for AI Fluency
Fluency kombinerer praktiske færdigheder, viden, indsigt og værdier. For at se hvorfor det er vigtigt, skal vi starte med de tre fundamentalt forskellige måder, folk engagerer sig med AI på:
AI udfører specifikke, veldefinerede opgaver efter dine instruktioner. Det kan være at omformatere et dokument, oversætte et afsnit eller generere halvtreds produktbeskrivelser.
Du og AI'en samarbejder som tænkepartnere. Idéer bevæger sig i begge retninger: en strategi udarbejdet sammen, en grundig analyse gennemarbejdet.
Du konfigurerer AI til at arbejde selvstændigt på dine vegne og former dens viden og adfærd i stedet for at give den enkelte opgaver.
Hver tilstand kræver forskellige ting af dig. Automation kræver præcise instruktioner og stikprøvekontrol. Augmentation kræver ægte dialog frem og tilbage. Agency kræver omhyggelig konfiguration på forhånd og ansvar for alt, hvad systemet gør, når du ikke holder øje.
Mærk dine seneste tre AI-anvendelser: Automation, Augmentation eller Agency. Gav du den rette opmærksomhed til hver? Den almindelige fejl er at behandle Augmentation som Automation: én besked sendt, hvad end der kommer tilbage, accepteres.
- Automation udfører, Augmentation tænker med dig, Agency handler for dig
- Tilstanden ændrer, hvad AI Fluency kræver
Næste: rammeværket selv, fire kompetencer i fire sætninger.
4D-rammeværket
Alt andet i dette kursus uddyber disse fire definitioner:
Gennemtænkt beslutning om, hvilket arbejde der skal udføres med AI, og hvilket du selv skal udføre.
Klar kommunikation med AI-systemer.
Kritisk evaluering af AI-output og -adfærd.
Sikring af, at du interagerer ansvarligt med AI.
Rammeværkets centrale påstand: disse kompetencer overlever modeludvikling. Modeller bliver bedre til at håndtere vage anmodninger, men beslutningen om, hvad der hører til AI, vil altid være din. Output bliver mere poleret, men at vurdere, om poleret er lig med korrekt, vil altid være din opgave.
De fire spørgsmål
Hvert D bliver et spørgsmål, du kan stille om ethvert samarbejde:
- Hvad ville jeg beholde for mig selv, og hvorfor? (Delegation)
- Hvilken kontekst og instruktioner har AI'en brug for? (Description)
- Hvordan vil jeg verificere det, der kommer tilbage? (Discernment)
- Hvad skylder jeg de mennesker, der modtager dette arbejde? (Diligence)
En kollega siger, at en rapport "ser færdig ud", og sender den ud uden gennemgang. Hvilken kompetence sprang vedkommende over?
Discernment er den evaluerende kompetence, og det er den, forskning viser, at folk oftest springer over, især når output ser poleret ud. (Diligence svigter også, men det trin, der blev sprunget over, var evalueringen.)
- Delegation beslutter, Description kommunikerer, Discernment evaluerer, Diligence tager ansvar
- Kompetencerne holder længere end en bestemt model
Næste: maskinen, du samarbejder med, i to korte lektioner.
Grundlæggende om generativ AI
Du behøver ikke være ingeniør for at opbygge AI Fluency, men du har brug for en fungerende model af maskinen. Generativ AI skaber nyt indhold i stedet for kun at analysere eksisterende data. Tre ingredienser gjorde moderne sprogmodeller mulige: transformer-arkitekturen, enorme træningsdata og beregningskraft i stor skala. Læring sker i to faser: pre-training (modellen læser enorme mængder tekst og lærer mønstrene i sprog og verden) og fine-tuning (den rå kapacitet formes til assistentadfærd).
Alt, hvad modellen aktuelt er opmærksom på, ligger i en arbejdshukommelse med fast størrelse. Alt uden for den skal nå modellen på en anden måde: gennem det, dens vægte allerede rummer, eller gennem søgning, hukommelsesfunktioner og værktøjer.
Evner, som ingen eksplicit programmerede, dukkede op, efterhånden som modellerne blev skaleret: oversættelse, ræsonnementstrin, efterligning af stil. Derfor forældes kapacitetskort hurtigt, og test er bedre end antagelser.
- Transformers + data + beregningskraft, pre-training og derefter fine-tuning
- Hold fast i to begreber: context window og fremvoksende egenskaber
Kapaciteter og begrænsninger
Alsidighed på tværs af sprogopgaver, samtaleforståelse, skift mellem opgaver uden ny træning, tilkobling til eksterne værktøjer.
Viden efter cutoff-datoer, hallucination, begrænsninger i context window, reelt kompleks flertrinsræsonnement.
De bedste anvendelser kombinerer styrker: AI bidrager med hastighed, bredde og udkastskraft, mennesket bidrager med kritisk tænkning, dømmekraft, kreativitet og etisk overblik. Ingen af dem matcher parret alene.
Feltet bevæger sig hurtigt, så behandl ethvert kapacitetskort, også dette, som forældet den dag det skrives. Det holdbare greb er at vide, hvordan du undersøger: giv det en opgave, du kan verificere, og se efter.
Næste: Delegation, den besluttende kompetence, i dybden.
Et nærmere blik på Delegation
Delegation er at beslutte, hvad du selv gør, hvad du gør med AI, hvad AI håndterer alene, og hvordan arbejdet fordeles. Tre komponenter:
Forstå dit mål og arbejdet, før du inddrager AI. Hvis du ikke kan sige, hvordan succes ser ud, kan intet værktøj hjælpe dig derhen.
Vid, hvad forskellige AI-systemer kan og ikke kan. "AI" er ikke én ting.
Del arbejdet strategisk, så hver side gør det, den faktisk er bedre til.
God Delegation kræver både domæneekspertise og viden om AI-kapaciteter. Det ene uden det andet fejler: domæneeksperten, der ikke kender værktøjet, afleverer de forkerte ting, og værktøjseksperten, der ikke kender domænet, kan ikke skelne godt output fra plausibelt output.
Målet er ikke at automatisere alt. Det er det mest effektive partnerskab for hver opgave. Noget arbejde bør forblive helt dit, og at kunne se det er AI Fluency, ikke en fiasko.
Tag en reel kommende opgave og drøft delegeringsplanen med en AI som en samtale, ikke som en liste. Fortæl målet, spørg hvor den ville have svært ved det, og sig imod. I kan hver især se noget, den anden ikke ser.
- Delegation = problemforståelse + platformforståelse + opgavedelegering
- Det kræver, at du kender både dit domæne og dine værktøjer
Øvelse: projektplanlægning med Delegation
Dette kursus lader ét reelt projekt gå igen i alt det, der følger. Vælg det nu: noget med flere trin, som du kan gennemføre på omkring en time. Et arrangement, der skal planlægges, et køb, der skal undersøges, et forslag, der skal skrives, en studieplan, der skal bygges.
- Definér visionen sammen med AI'en. Beskriv dit projekt, og inviter AI'en til at stille spørgsmål, indtil succeskriterierne faktisk er klare. Dens spørgsmål vil afdække det, du ikke havde besluttet.
- Del projektet op i opgaver. Hvert trin, uanset hvor lille.
- Kør hver opgave gennem delegeringsspørgsmålene, én ad gangen. Gør jeg dette selv? Med AI? Gør AI det alene? Hvorfor? Udfordr dens forslag, og lad den udfordre dine antagelser.
- Gem planen. Senere lektioner vender tilbage til dette projekt.
- Definér succes først, med AI'en der stiller spørgsmål, indtil det er klart
- Delegér opgave for opgave, med grunde, ikke samlet
Næste: Description, og hvorfor det er mere end prompting.
Et nærmere blik på Description
Description er mere end prompting: det er at skabe et samarbejdsmiljø. AI-systemer er interaktive partnere, ikke databaser eller automater, og de kan ikke læse dine tanker. Tre dele:
Det du vil have: output, format, målgruppe og stil.
Hvordan AI'en skal gribe anmodningen an. Vejen kan betyde lige så meget som målet.
Hvordan AI'en skal opføre sig i samarbejdet: kortfattet eller detaljeret, udfordrende eller støttende.
De fleste beskriver kun produktet. Det er i de andre to tredjedele, samarbejder går fra tilstrækkelige til fremragende.
Skriv den dovneste version af en anmodning, du faktisk har brug for ("skriv et nyhedsbrev til mig"). Forbedr den selv ved at bruge alle tre beskrivelser. Giv derefter AI'en den dovne version, og bed den forbedre prompten. Sammenlign, hvilke oplysninger den tilføjede, og hvordan den organiserede dem. Kør det begge veje et par gange, så internaliserer du, hvad god Description indeholder.
- Beskriv produktet, processen og præstationen
- En partner, ikke en automat, og den kan ikke læse dine tanker
Effektive prompt-teknikker
Prompt engineering, helt enkelt: at designe effektive instruktioner ved hjælp af almindelige kommunikationsprincipper plus nogle få AI-specifikke hensyn. Seks teknikker dækker det meste af håndværket:
Hvad dette er, hvorfor du har brug for det, og den baggrund en ny kollega ville behøve.
Ét reelt eksempel på godt output slår tre afsnit med adjektiver.
Format, længde, struktur og faste krav.
I stedet for at bede om alt på én gang.
Giv den plads til at ræsonnere, før den svarer, især om noget analytisk.
Hvem den skal være, og hvordan den skal lyde.
Bed AI'en selv om at forbedre din prompt. Den vil nævne de huller, den opdager, og de spørgsmål, den skulle have svar på. Den kan ikke kende det formål, du aldrig har angivet, så du beslutter, hvilke af de huller der faktisk betyder noget.
Dit udkast til anmodning lyder: "Lav en god præsentation om vores projekt." Hvad er det største, der mangler?
"God" er udefineret, og AI'en ved intet om projektet, målgruppen eller målet. Kontekst er teknik nummer ét af en grund. Uden den former alle andre instruktioner et gæt.
Det første svar er et udgangspunkt. Forfining på baggrund af resultaterne er det egentlige arbejde, og forskning viser, at al anden AI Fluency-adfærd bliver stærkere med den.
- Kontekst, eksempler, begrænsninger, trin, tænkeplads, rolle
- Iterér: det første svar er et udkast til samtalen, ikke afslutningen
Næste: Discernment, bagsiden af Description.
Et nærmere blik på Discernment
Discernment evaluerer det, AI'en producerer, hvordan den producerede det, og hvordan den opfører sig. Den spejler Description præcist:
Kvaliteten af output: nøjagtighed, egnethed, sammenhæng, relevans.
Hvordan AI'en nåede dertil: logiske fejl, opmærksomhedshuller, spring uden belæg.
Hvordan den opførte sig: fungerer stil, længde og måde for dig?
Description og Discernment danner en løbende feedbacksløjfe: det, du lægger mærke til, når du evaluerer, bliver det, du beskriver bedre næste gang. Og en enkel sandhed: selv de mest avancerede AI-systemer har gavn af menneskelig dømmekraft. Forskningen bag dette rammeværk fandt, at Discernment-adfærd er den mindst øvede af alle, og den falder yderligere netop når output ser mest poleret ud.
Vælg noget, du kender indgående. Bed AI'en om tre forskellige forklaringer på det. Bedøm dem med din ekspertise: hvad er rigtigt, hvad er subtilt forkert, hvad mangler. Giv konkrete tilbagemeldinger, og samskab en forbedret version. Læringen nedenunder er, at domæneviden driver Discernment, og begyndere har svært ved at evaluere output præcis dér, hvor de har mest brug for det.
- Evaluer produkt, proces og præstation gennem de samme tre linser
- Den kompetence, der oftest springes over, og som er mest værdifuld, når output ser færdigt ud
Description-Discernment-sløjfen
Denne sløjfe i fire takter er arbejdsrytmen, når AI forstærker dit arbejde, den motor du bruger til enhver reel opgave:
Produkt, proces, præstation.
Evaluer gennem de samme tre linser.
Feedback, justeret Description, iterér.
Tilføj din ekspertise, træf de endelige beslutninger, tag ansvar.
Vend tilbage til dit projekt fra lektion 7. Vælg den mest substantielle opgave, og kør hele sløjfen, indtil du har noget, du faktisk ville bruge. Reflektér derefter: hvilken side kostede mest arbejde, at beskrive eller at vurdere? Hvilke Description-mønstre gav de bedste resultater? De svar er din personlige AI Fluency-profil.
- Beskriv, vurder, forfin, integrér, opgave for opgave, indtil det er færdigt
- Integration betyder, at den endelige beslutning og ansvaret er dit
Næste: Diligence, den etiske og sikkerhedsmæssige halvdel af definitionen.
Et nærmere blik på Diligence
De første tre D'er dækker, at arbejdet er virkningsfuldt og effektivt. Diligence dækker den etiske og sikkerhedsmæssige halvdel. Tre komponenter:
Gennemtænkt valg af AI-systemer og inddragelse: hvilke data du deler, og privatliv, sikkerhed og etik i selve valget.
Ærlighed om AI's rolle over for alle, der skal vide det: kolleger, klienter, læsere, eksaminatorer.
Ejerskab: Du verificerer og indestår for de resultater, du deler.
Diligence er kontekstfølsom: Personlige, akademiske og professionelle sammenhænge har forskellige forventninger til oplysning og verificering, og din opgave er at kende og opfylde dem, der gælder for dig.
"Ved udarbejdelsen af dette dokument har jeg samarbejdet med [AI-værktøj] for at få hjælp til [specifikke opgaver]. Jeg bekræfter, at alt AI-genereret og samskabt indhold er blevet grundigt gennemgået. Det endelige resultat afspejler nøjagtigt min forståelse, ekspertise og tilsigtede mening. Selvom AI-assistance var afgørende, påtager jeg mig det fulde ansvar for indholdet, dets nøjagtighed og dets præsentation."
Anbring en erklæring som denne i sidefoden, bilaget eller metadataene for det færdige arbejde. Tilpas ordlyden, men behold alle dens dele. Referencen Sådan skriver du en AI diligence-erklæring går dybere.
Du brugte AI til at udarbejde en rapport til en klient, gennemgik alt og omskrev halvdelen af den. Hvad kræver gennemsigtighedsdiligence?
Gennemsigtighedsdiligence er ærlighed over for dem, der modtager dit arbejde, afstemt efter situationen. En kort erklæring dækker det; at skjule det er et brud på kompetencen, og at dumpe rå logfiler er heller ikke en oplysning.
- Skabelse, gennemsigtighed, implementering: vælg ansvarligt, oplys ærligt, tag ejerskab over det, du leverer
- Oplysningsnormer varierer efter kontekst; at opfylde dem er en del af kompetencen
Konklusion og opretholdelse af praksis
Hele rammen i ét afsnit: fire kompetencer, der udøves på tværs af tre engagementstilstande. Fluency udvikles gennem øvelse, ikke øjeblikkelig mestring. AI-systemer er kraftfulde, men ikke magiske; de er kun så nyttige og sikre, som vi gør dem i stand til at være gennem gennemtænkt engagement.
Tre måder at fortsætte med at øve sig på
Bedøm dig selv som nybegynder, i udvikling eller selvsikker per D. Vælg en eller to prioriteter. Planlæg øvelse med en tidslinje og succesmarkører.
Forvandl dine bedste tidligere samtaler til skabelonprompter til dine fem til ti tilbagevendende opgaver. Din egen historie er den bedste lærebog, du ejer.
Gåder er træningscentre for Description og Discernment: præcise regler, bevidst vanskelige. Udveksl gåder, løs krydsord i samarbejde, spil tyve spørgsmål.
Vælg én tilbagevendende opgave denne uge, og kør hele løkken på den: beskriv, skeln, forfin, integrer. Én faktisk udført ændring er bedre end ti forståede.
Kursustest
Kreditering. Tilpasset fra AI Fluency-kursusmaterialet af Prof. Rick Dakan (Ringling College of Art and Design) og Prof. Joseph Feller (University College Cork), udviklet i samarbejde med Anthropic. CC BY-NC-SA 4.0. Denne bearbejdning © 2026 AI Literacy Foundation, delt under samme licens.