Retrieval-Augmented Generation (RAG) kobler en sprogmodel til eksterne kilder, så svar kan bygge på opdateret og kontrollerbar viden. Uddraget forklarer, hvordan metoden fungerer, hvornår den giver mening, og hvilke krav der stilles til datakvalitet, adgangsstyring og kildekontrol.
Claude 3 og ChatGPT er ikke samme type størrelse: Claude 3 var Anthropics modelserie fra 2024, mens ChatGPT er OpenAIs skiftende chatprodukt. Forskellen handler især om modelgeneration, brugerflade, multimodalitet, lange dokumenter, sikkerhed, datakontrol og hvilke konkrete modeller der faktisk er tilgængelige.
Gemini Advanced og ChatGPT Plus adskiller sig først og fremmest ved økosystem, arbejdsform og datakontrol. Gemini passer bedst til brugere, der arbejder i Googles tjenester, mens ChatGPT Plus typisk er stærkere som selvstændigt AI-værktøj til analyse, skrivning, kodning og tilpassede arbejdsrum.
GitHub Copilot er ofte stærkest i GitHub-baserede udviklingsflows, mens Tabnine typisk passer bedre til teams med høje krav til kodeprivatliv, deployment-kontrol og governance. Valget afhænger især af IDE’er, dataregler, modeladgang, prisstruktur og hvor meget menneskelig review AI-genereret kode kræver.
Parameterstørrelser i sprogmodeller beskriver, hvor mange lærte vægte modellen bruger til at omsætte input til sandsynlige næste ord. Antallet siger noget om kapacitet og ressourcekrav, men kvalitet afhænger også af træningsdata, arkitektur, tilpasning, evaluering og den konkrete opgave.
AI Edge Computing betyder, at AI-modeller kører tæt på de enheder, sensorer eller systemer, hvor data opstår. Det giver især værdi ved lav svartid, lokal databehandling, ustabil forbindelse og behov for bedre kontrol med rådata, men kræver også styring af modelopdateringer, sikkerhed og driftskvalitet.
AI embeddings er numeriske vektorer, der gør tekst, billeder og andre data sammenlignelige efter betydning. Overblikket forklarer, hvordan embeddings bruges til semantisk søgning, RAG, vektordatabaser og anbefalinger, samt hvilke begrænsninger, kvalitetskrav og sikkerhedsrisici der følger med teknikken.
AI i B2B-salgsprocesser er beslutningsstøtte, der kan prioritere kundeemner, forbedre research, foreslå næste handling og styrke forecast. Overblikket dækker forskellen på CRM-automatisering og AI, krav til datakvalitet, menneskelig kontrol, profilering og målepunkter for reel salgsnytte.
AI i HR og rekruttering kan støtte jobmatch, screening og interviewforberedelse, men bør styres som et beslutningsstøtteværktøj med dokumenteret jobrelevans. Emnet omfatter typiske anvendelser, datarisici, bias, EU-regler og de kontrolpunkter, der bør være på plads før teknologien bruges i ansættelsesprocesser.
AI til projektledelse er bedst forstået som beslutningsstøtte, ikke som en erstatning for projektlederen. Teknologien kan støtte planlægning, risiko, møder, status og governance, men kræver tydelige datagrænser, menneskelig kontrol og arbejdsgange, hvor forslag kan spores og kvalitetssikres.