Mange spørger stadig, hvilken AI-model der er bedst.

Jeg forstår godt spørgsmålet.

Det er bare sjældent det mest præcise spørgsmål længere.

For i praksis er det næsten aldrig sådan, jeg arbejder med AI. Jeg vælger ikke ét værktøj og forventer, at det skal kunne bære hele opgaven fra start til slut.
Det bliver for upræcist.

Opgaver er sjældent afgrænset til én ting.
Hvis du skal lave et godt opslag, en præsentation, et workflow, et nyhedsbrev eller et konkret værktøj, er der typisk flere lag i selve opgaven.

Du skal måske først forstå et emne.

Så skal du finde vinklen.

Så skal du udfordre den.

Så skal du validere fakta.

Så skal du skrive.

Så skal du strukturere.

Så skal du måske omsætte det til slides, et system, en guide eller et produkt, andre kan bruge.

Det er sjældent den samme model, der er bedst til alle led her.

Så jeg tænker selv lidt mindre i værktøjer og mere i workflows…
Hvis vi bruger for mange værktøjer, kan vi hurtigt gøre arbejdet mere kompliceret, hvis værktøjerne ikke har en tydelig rolle, og det handler om at teste de forskellige af løbende.
For AI-værktøjerne udvikler sig også hele tiden.

Så det du bruger i dag, bruger du nødvendigvis ikke i morgen.
Så du skal vide, hvorfor og hvornår du bruger dem.

Når jeg vælger AI-værktøjer, starter jeg med spørgsmålet:

Hvad er opgaven?

Skal jeg forstå/lære/udforske noget?

Skal jeg have noget modspil på en idé?

Skal jeg tjekke fakta?

Skal jeg bygge noget?

Skal jeg gøre noget mere anvendeligt?

Spørgsmålene ændrer hele måden, du arbejder på.

For når du starter med værktøjet, risikerer du at presse hele opgaven ind i det format, værktøjet er godt til.

Men når du starter med spørgsmål og workflowet, kan du i stedet give hvert værktøj en tydelig funktion.

Her er et eksempel på et workflow:

NotebookLM + Claude Cowork, når jeg skal forstå noget og omsætte det

Når jeg skal forstå noget hurtigt, starter jeg ofte i NotebookLM.

Det kan være en ny AI-rapport, en LinkedIn-analyse, et webinar, en YouTube-video eller flere artikler om samme emne. Før jeg begynder at skrive, bygge eller udvikle en vinkel, vil jeg gerne forstå materialet ordentligt.

Her bruger jeg NotebookLM som mit research- og forståelseslag.

Et konkret eksempel kan være, hvis jeg sidder med en rapport om LinkedIn, AI-adoption eller en ny tendens i kommunikation. I stedet for at starte med at skrive et opslag eller en præsentation, lægger jeg materialet ind i NotebookLM og bruger det til at finde ud af, hvad materialet siger.

Jeg spørger typisk:

Hvad er de vigtigste pointer?

Hvilke tal eller observationer er værd at gemme?

Hvad bliver gentaget flere steder?

Hvad er nyt, og hvad er bare kendt viden i ny indpakning?

Hvilke pointer kan bruges i et opslag, et nyhedsbrev eller en præsentation?

Det lyder simpelt. Men det ændrer processen.

For jeg bruger ikke NotebookLM til at lave det færdige indhold for mig.
Jeg bruger det til at komme hurtigere ind i stoffet, finde mønstre og skille signal fra støj.

Når jeg har forståelsen, tager jeg ofte materialet videre i Claude Cowork.

Her begynder jeg at bruge indsigterne mere strategisk.

Hvis materialet skal blive til et oplæg, et slide deck, en intern briefing, et workflow eller en kommunikationsvinkel, er det typisk her, jeg former det.

For mig er forskellen ret enkel:

NotebookLM hjælper mig med at forstå noget.

Claude Cowork hjælper mig med at omsætte noget.

Hvis jeg fx har læst en rapport om, hvordan virksomheder arbejder med AI, kan NotebookLM hjælpe mig med at finde de vigtigste fund. Men Claude kan hjælpe mig med at gøre dem brugbare.

Hvad betyder det for en kommunikationsafdeling?

Hvordan kan det omsættes til et oplæg for kolleger?

Hvilke tre pointer er mest relevante for LinkedIn?

Hvordan kunne det blive til en guide, et webinar eller et konkret workflow?

Den kombination fungerer godt for mig, fordi den adskiller research fra produktion.

Hvis jeg beder ét værktøj om både at læse, forstå, vurdere, skrive og strukturere alt på én gang, bliver outputtet ofte mindre præcist i forhold til potentialet.

Det er sådan, jeg øger kvaliteten af mit output.

Jeg kommer løbende til at dele flere af de workflows, jeg bruger i mit eget arbejde.

Tak fordi du læser med og god søndag.

Bedste hilsner
Sally

Keep Reading