Spår 1 · AI i fastighetsbranschen · Lektion 9 av 12

AI-språket: hur man frågar rätt

Efter den här lektionen skriver du frågor till AI-verktyg som ger dig ett svar du faktiskt kan lita på — eller ett ärligt "vet inte".

~6 min läsning
Det här lär du dig

Ett AI-verktyg svarar på den fråga du ställer, inte på den fråga du menade. Ställer du en vag fråga om ett bolag eller en affär får du ett vagt svar tillbaka — och ett vagt svar som är skrivet i säkert språk är farligare än ett svar som öppet säger "osäkert". Det här är hantverket: hur du formulerar frågan så att svaret går att lita på, eller så att verktyget tvingas erkänna vad det inte vet.

Fyra saker en bra fråga har med

Dåliga frågor omskrivna

Dåligt: "Är JM ett stabilt bolag?"<br>Bättre: "Vad var JM AB:s soliditet och rörelsemarginal senaste räkenskapsåret enligt senaste årsredovisningen, och hur har de utvecklats jämfört med föregående år? Ange källa och årtal för varje siffra."<br>Skillnaden: den första frågan tvingar verktyget att gissa vad "stabilt" betyder och svara med ett omdöme. Den andra ber om specifika, verifierbara tal med tidsstämpel — ett omdöme kan du fälla själv när du har underlaget.

Dåligt: "Vem äger det här bolaget?"<br>Bättre: "Vilka är de tre största registrerade ägarna i [bolag], enligt aktuell ägarförteckning, och finns det någon ägare med ett kontrollerande innehav (>25 %)? Om underlaget inte visar en verklig huvudman, säg det uttryckligen."<br>"Vem äger" kan besvaras med ett enda namn som råkar vara störst — utan att säga om det innehavet faktiskt innebär kontroll. Se lektion 2 och 3 för varför den distinktionen är avgörande.

Dåligt: "Är det här en bra affär?"<br>Bättre: "Här är siffrorna för affär A och affär B (belopp, antal enheter, år, om det är en bolags- eller fastighetsaffär). Räkna fram pris per enhet för båda och lista minst tre faktorer som gör dem svåra att jämföra rakt av."<br>"Bra affär" är ett värdeomdöme AI-verktyget inte har mandat att göra åt dig. Be i stället om beräkningen och de skillnader som spelar roll — se lektion 8.

Känn igen ett svar som låter säkert men inte är det

Ett svar som innehåller exakta siffror, procentsatser eller datum utan att ange varifrån de kommer ska misstänkliggöras, oavsett hur självsäkert det är formulerat. Ett språkmodellbaserat verktyg kan generera ett sannolikt-låtande tal även när det inte har ett faktiskt underlag för det — det är inte samma sak som att ljuga medvetet, men effekten för dig som läsare blir densamma om du inte kontrollerar.

Ett svar utan källa är en gissning i finkläder.

Så gör du i praktiken

  1. Ta en fråga du nyligen ställt till ett AI-verktyg om ett bolag eller en affär och skriv om den med kontext, avgränsning, källkrav och osäkerhetskrav.
  2. Ställ båda versionerna och jämför svaren — notera vad den bättre frågan tvingade fram som den första inte gjorde.
  3. Gör källkrav till standardrad i dina AI-frågor om bolag: "ange källa och datum för varje sifferuppgift".

Kontrollfråga

Vad är fel med frågan "Är det här bolaget en säker motpart?" ställd rakt av till ett AI-verktyg?
Frågan ber verktyget fälla ett omdöme ("säker") i stället för att redovisa underlag. Verktyget kan då leverera ett självsäkert svar utan att visa vilka siffror, vilket datum eller vilka källor omdömet bygger på. En bättre fråga ber om specifika, källbelagda uppgifter (soliditet, ägarstruktur, senaste bokslut, eventuella distresssignaler) och lämnar bedömningen av vad som räknas som "säkert" till dig.
Källor
  1. Munin Academy — lektion 2, Att läsa en ägarkedja
  2. Munin Academy — lektion 8, Vad en transaktion avslöjar