A
AI Act
EU's lov om kunstig intelligens. Den inddeler AI-systemer efter risiko — fra minimal til forbudt — og stiller krav til dokumentation, gennemsigtighed og menneskelig kontrol. Gælder alle virksomheder der bruger eller udvikler AI i EU, også de små.
AI Agent
Et AI-system der selv kan udføre opgaver i flere trin — booke møder, svare kunder, researche, opdatere dit CRM. Forskellen på en chatbot og en agent: chatbotten svarer, agenten handler.
AI Lead (Fractional)
Den person der ejer AI i virksomheden: strategi, use cases, valg af tools, compliance og bygning. Fractional betyder på deltid — I får senior erfaring uden at ansætte en fuld stilling.
AI Literacy
Basal forståelse af hvad AI kan, ikke kan, og hvor det går galt. AI Act kræver at medarbejdere der bruger AI har et passende niveau. I praksis: træning, ikke et PDF-dokument i en mappe.
Agentic AI
AI der planlægger, udfører og retter sig selv undervejs i stedet for bare at svare på ét spørgsmål. Det er forskellen på en assistent og en autopilot.
API (Application Programming Interface)
En bro der lader programmer tale sammen. Når en AI-agent opdaterer dit CRM eller sender en mail, sker det via en API. Limen i alle moderne AI-integrationer.
Automation
At lade software udføre gentagne opgaver — fra fakturaer til lead-sortering. Med AI kan automation nu også klare opgaver der før krævede menneskelig vurdering.
C
Chatbot
Et program man kan skrive med. Fra simple FAQ-bots til LLM-baserede assistenter der forstår kontekst. Godt til support — men ofte ikke der, hvor den store værdi ligger.
ChatGPT
OpenAI's AI-assistent og det mest kendte AI-produkt i verden. Kan skrive, kode, analysere og researche. For mange virksomheder er det indgangen til AI — men sjældent hele løsningen.
Claude
Anthropics AI-model og assistent. Kendt for stærk kode, lange dokumenter og god skrivekvalitet. Claude Code bruges af mange udviklere til at bygge software direkte fra terminalen.
Computer Use
Når en AI kan se og styre en skærm — klikke, skrive, navigere — som et menneske. Bruges til opgaver i systemer der ikke har en API.
Context Engineering
Afløseren for prompt engineering. Det handler om at give AI'en den rigtige information, de rigtige tools og de rigtige regler på det rigtige tidspunkt — ikke bare at formulere det perfekte spørgsmål.
Context Window
Hvor meget en AI-model kan holde i hovedet på én gang — målt i tokens. Moderne modeller kan læse hele kodebaser eller hundredvis af sider, men mere kontekst er ikke altid bedre svar.
Copilot
En AI-assistent der sidder inde i det software du allerede bruger — f.eks. Microsoft 365 eller GitHub. Hjælper dig i dit arbejde frem for at gøre det for dig.
D
Deep Learning
Machine learning med neurale netværk i mange lag. Teknologien bag sprogmodeller, billedgenkendelse og stort set alt det, der har gjort AI brugbart de seneste år.
E
Embedding
Tekst, billeder eller data omsat til tal, så AI kan sammenligne betydning. Grundlaget for semantisk søgning: find indhold ud fra mening, ikke kun nøgleord.
Evals
Tests af hvor godt en AI-løsning faktisk virker — på jeres egne opgaver og data. Uden evals ved du ikke om en ny model eller prompt gjorde tingene bedre eller værre.
F
Fine-tuning
At træne en eksisterende model videre på egne data, så den bliver specialist. Sjældent første skridt i dag — god kontekst og RAG løser oftest opgaven billigere.
G
Generative AI
AI der skaber nyt indhold — tekst, billeder, kode, video, lyd. Springet fra AI der analyserer til AI der producerer.
Guardrails
Regler og tjek omkring en AI-løsning, der forhindrer uønskede svar og handlinger. Autoværn på motorvejen: AI'en kører frit, men inden for rammerne.
H
Hallucination
Når AI selvsikkert siger noget forkert eller opdigtet. Det sker fordi modellen forudsiger sandsynlig tekst, ikke fakta. Derfor kildehenvisninger, RAG og et menneske i loopet.
Human-in-the-loop
Et menneske godkender eller retter AI'ens arbejde på de vigtige punkter. Et krav for højrisiko-systemer under AI Act — og bare sund fornuft, når der er penge eller kunder på spil.
I
Inference
Når en færdigtrænet model bliver brugt — altså hver gang du stiller et spørgsmål. Det er her driftsomkostningen ligger, og derfor betaler man typisk pr. token.
L
Large Language Model (LLM)
En stor AI-model trænet på enorme mængder tekst, der kan forstå og skrive sprog og kode. GPT, Claude, Gemini og Mistral er eksempler. Motoren bag næsten alle AI-værktøjer.
Lovable
Platform hvor man bygger fulde web-apps ved at beskrive dem i almindeligt sprog. Kode, database, login og hosting er med. Vores primære værktøj til at gå fra idé til kørende produkt på dage.
M
Machine Learning
En gren af AI hvor computere lærer mønstre fra data i stedet for at blive programmeret regel for regel. Grundlaget for alt fra anbefalinger til svindeldetektion.
MCP (Model Context Protocol)
En åben standard der lader AI-modeller koble sig på tools og datakilder — databaser, Slack, Notion, jeres egne systemer. USB-C for AI: ét stik, mange integrationer.
Multi-agent System
Flere AI-agenter der arbejder sammen, hver med sin rolle — én researcher, én skriver, én tjekker. Kraftfuldt, men også mere at holde styr på. Start med én agent der virker.
Multimodal AI
AI der forstår flere typer input på én gang — tekst, billeder, lyd og video. Upload et foto af en kvittering, og få den bogført.
MVP (Minimum Viable Product)
Den simpleste version af et produkt, der stadig giver værdi. Med vibe coding kan en MVP bygges på en uge — så man tester idéen på rigtige brugere i stedet for i et regneark.
N
n8n / Make
Værktøjer til at bygge automatiseringer visuelt ved at forbinde apps og AI-tjenester. Gode til workflows på tværs af systemer — uden at skrive meget kode.
NLP (Natural Language Processing)
Feltet bag AI's evne til at forstå og skrive menneskeligt sprog. Grunden til at du kan skrive til en AI på dansk og få et brugbart svar.
No-code / Low-code
Platforme hvor man bygger software visuelt med lidt eller ingen kode. Med AI er grænsen udvisket — i dag beskriver man bare, hvad man vil have.
O
Open Source AI
Modeller hvis vægte er frit tilgængelige — som Llama, Mistral og DeepSeek. Giver fuld kontrol over data og kan køre på egne servere i EU, men kræver mere teknisk drift.
P
Prompt
Den instruktion du giver en AI. Jo mere konkret kontekst, mål og format, jo bedre svar. Skraldespand ind, skraldespand ud.
Prompt Engineering
Kunsten at formulere instruktioner, så AI giver præcise resultater. Stadig nyttigt — men i dag er det mest en del af den bredere disciplin context engineering.
Prompt Injection
Et angreb hvor skjulte instruktioner i en mail, et dokument eller en hjemmeside får AI'en til at gøre noget den ikke skulle. Den vigtigste sikkerhedsrisiko, når agenter får adgang til data og værktøjer.
R
RAG (Retrieval-Augmented Generation)
AI'en søger først i jeres egne dokumenter og data og svarer derefter ud fra det, den fandt. Færre hallucinationer, svar der passer til netop jeres virksomhed.
Reasoning Model
En AI-model der 'tænker' i flere trin, før den svarer. Langsommere og dyrere, men markant bedre til matematik, kode, analyse og komplekse beslutninger.
S
Shadow AI
Når medarbejdere bruger AI-værktøjer, ledelsen ikke kender til — ofte med firmadata i gratis tools. Løsningen er ikke forbud, men en klar politik og gode godkendte værktøjer.
T
Temperature
Indstilling der styrer hvor kreativ en model er. Lav giver forudsigelige, faktuelle svar. Høj giver mere variation. Vælg efter opgaven.
Token
Den enhed AI-modeller læser og skriver i — typisk en del af et ord. Prisen afregnes pr. token. Tommelfingerregel: 1.000 tokens ≈ 750 engelske ord, lidt færre på dansk.
Tool Calling
Når en AI-model kan bruge værktøjer — slå op i en database, sende en mail, kalde en API. Det er det, der gør en sprogmodel til en agent.
V
Vector Database
En database der gemmer embeddings, så AI hurtigt kan finde indhold med lignende betydning. Rygraden i de fleste RAG-løsninger.
Vibe Coding
At bygge software ved at beskrive, hvad man vil have, mens AI skriver koden. Hurtigt og stærkt — men som alle håndværk skal det læres, før resultatet holder i produktion.
W
Workflow Automation
At automatisere hele processer fra start til slut — f.eks. fra et lead kommer ind, til det er scoret, tildelt og fulgt op. AI gør workflows i stand til at håndtere undtagelser.
Z
Zero-shot / Few-shot
Zero-shot: AI'en løser opgaven uden eksempler. Few-shot: du viser den et par eksempler først. Som at vise en ny kollega 'sådan gør vi her'.