Konsept - Kontekst

AI uten kontekst er som en ny ansatt uten arbeidsbeskrivelse.

Smart. Snakker fire språk. Aner ingenting om dere.

ChatGPT, Claude og Copilot er trent på hele internett - men de vet ingenting om akkurat din bedrift før noen forteller dem det. Kontekst er hele forskjellen mellom «flink fremmed» og «flink medarbeider».

Forstå hva kontekst er

chat.ai - ny samtale

Skriv et tilbud til Lars på fasadepussing.

Hva mener du? Jeg trenger litt mer informasjon:

Hvem er Lars?
Hva er prisen deres per kvm?
Hvilken mal bruker dere?
Hvordan signerer dere normalt?

AI-en kjenner ikke bedriften din ennå

Status

Ingen kontekst

Mangler

3 lag kontekst

Hovedmetaforen

Tenk deg at du ansetter Kari.

Smart. Har lest tusen bøker. Snakker fire språk. Du sender henne inn på kontoret mandag morgen og sier «Begynn å jobbe.»

Mandag 08:15 - dag 1

Hun gjør så godt hun kan.

Hun svarer høflig på en e-post. Men hun vet ikke hvem kunden er. Hun gjetter prisen. Hun bruker feil mal. Hun signerer med feil navn.

Hun foreslår å sende blomster til en kunde dere nettopp har hatt konflikt med. Hun er flink - men resultatene er overflatiske, generiske og av og til pinlig feil.

Mandag 08:15 - dag 8

Samme person. Andre svar.

Du har lært henne hva rollen er, gitt henne tilgang til systemene, fortalt henne hvordan dere snakker, og delt historikken med henne.

Nå er svarene presise. Kundene blir riktig adressert. Du slipper å rette opp etterpå. Forskjellen er ikke at hun er blitt smartere - forskjellen er kontekst.

Det er nøyaktig samme dynamikk med AI. ChatGPT på dag 1 vet ingenting om dere. ChatGPT med kontekst - egne instrukser, deres dokumenter, deres prosesser, deres språk - er en annen assistent, selv om det er den samme underliggende modellen.

Det nye fagfeltet

Context engineering - håndverket bak nyttig AI.

I løpet av 2025 skiftet hele AI-bransjen vokabular. «Prompt engineering» (kunsten å skrive smarte spørsmål) ble erstattet av «context engineering» (kunsten å bygge informasjons-miljøet AI-en jobber i).

Skiftet ble offisielt da to tunge stemmer veide inn samme uke i juni 2025 - Andrej Karpathy (medgrunnlegger av OpenAI) og Tobi Lütke (CEO i Shopify). Begge konkluderte: det avgjørende håndverket er ikke spørsmålet, men konteksten rundt det.

Andrej Karpathy

Medgrunnlegger OpenAI · juni 2025

«+1 for context engineering over prompt engineering. I enhver industriell LLM-app er context engineering det delikate håndverket å fylle kontekstvinduet med akkurat den informasjonen som trengs til neste steg.»

Tobi Lütke

CEO Shopify · juni 2025

«Jeg foretrekker «context engineering» fordi det beskriver kjerneferdigheten bedre: kunsten å gi AI-en all konteksten som trengs for at oppgaven plausibelt kan løses.»

av bedrifts-applikasjoner

40 %

vil ha oppgavespesifikke AI-agenter innen utgangen av 2026 - opp fra under 5 % i 2025 (Gartner).

av SMB-arbeidsgivere

82 %

har investert i AI-verktøy innen 2026 (SBE Council). Spørsmålet er ikke lenger «om», men «hvordan vi får det til å virke».

av arbeidet

90 %

ligger i hva som omgir spørsmålet - dokumenter, data, regler, historikk - ikke i selve prompten.

For deg som SMB-leder betyr det at du ikke trenger å skrive den perfekte ChatGPT-prompten. Du trenger å bygge opp kontekst-laget rundt AI-en din - skrive ned prosessene, gi den tilgang til kundedataene, lære den språket dere bruker.

Hjertet av siden

Tre lag av kontekst.

All AI som leverer god verdi har tre lag av kontekst på plass. Det er ulike folk og ulike systemer som bygger dem - men leder må forstå alle tre.

Lag 3 · Topp

Samtale & sesjon

Hva dere snakker om akkurat nå

Det som er sagt i denne samtalen. Hvilket dokument du lastet opp for 5 minutter siden, hvilke detaljer du allerede har gitt, hva som ble bestemt.

Uten

Du bruker 20 min på å forklare et prosjekt. Åpner ny chat. «Lag møtereferat.» - «Hva slags møte?» All kontekst borte.

Med

AI-en husker hele samtalen. «Lag møtereferat» → den lager referatet fra prosjekt-diskusjonen, med navn og beslutninger.

Bygges av: Brukeren - i samtalen

Lag 2 · Midt

Bedrifts-kunnskap

Kunder, dokumenter, prosesser, data

Alt det faste AI-en kan slå opp i: kundeliste, prisliste, prosjekt-mal, tilbuds-mal, leverandørliste, HMS-håndbok, kontrakts-mal.

Uten

«Skriv tilbud på 180 kvm enebolig.» → AI-en gjetter prisene (250 kr/m²). Bruker generisk struktur. Du må omarbeide.

Med

AI-en kjenner prisliste 2026, tilbuds-mal, vilkår. Leverer komplett tilbud med riktige tall - klart for kunde.

Bygges av: Leder + Aino (kobler systemer)

Lag 1 · Fundament

Rolle & instruks

Hvem AI-en er for dere

Arbeidsbeskrivelsen AI-en alltid har med seg. Tonen, oppførselen, hva den skal og ikke skal gjøre.

Uten

«Skriv e-post til kunden om forsinkelse.» → Generisk, formelt brev. «Kjære Hr. X» - stor avstand.

Med

«Du er kundeansvarlig i Hansen Bygg. Vi er uformelle, bruker fornavn, signerer Mvh + fornavn.» → Kort, varm, eierskap-tar e-post.

Bygges av: Leder - én ettermiddag

Når alle tre lagene er på plass slutter AI-en å være en flink fremmed og blir en flink medarbeider.

Det dramatiske skiftet

Samme spørsmål. To helt ulike svar.

Tre konkrete situasjoner fra norsk arbeidsliv. Samme prompt, samme AI-modell. Eneste forskjell: kontekst-laget rundt.

Eksempel 1

Tilbudsskriving

Bygg

Kunden ringte tirsdag. Vil ha tilbud på fasadepussing av enebolig, ca 200 kvm fasade.

Uten kontekst

·Generisk vennlig brev
·«Pris fra ca 250–450 kr/m²» - gjettede tall
·Formelt språk, «Vennlig hilsen Bygg AS»
·Ingen referanse til kunden
·Mangler reklamasjonstid

40 min omarbeiding

Med kontekst

Adressert «Hei Lars» (Lars Hansen, fornavn-relasjon)
Henviser til samtalen tirsdag
Bruker firmaets pris: 320 kr/m² inkl. stillas. Total: 64 000 kr
Firmaets faste tekst om 5 års reklamasjonsrett
Signert «Mvh, Øyvind»

2 min til ferdig tilbud

38 min spart per tilbud. 5 tilbud/uke = 3+ timer/uke.

Eksempel 2

Kundeoppfølging

Regnskap

Du må purre på 12 utestående fakturaer.

Uten kontekst

·Du henter listen manuelt fra regnskapssystemet
·Slår opp historikken på hver kunde
·Vurderer hvilke som er kritiske
·AI lager én generisk purre-tekst
·Du klipper-og-limer navn og beløp

2 timer manuelt

Med kontekst

AI har tilgang til regnskapssystem og kundehistorikk
«3 har betalt sent før - ring dem først»
«4 nye kunder - vennlig påminnelse-utkast klart»
«5 gjengangere - standardpurring klar for OK»
Du gjør gjennomgang, ikke leting

15 min gjennomgang

Fra 2 timer til 15 min. Hele dagen frigjort.

Eksempel 3

Onboarding av ny ansatt

Generell

Ny prosjektleder begynner mandag. 50 spørsmål om hvordan dere gjør ting.

Uten kontekst

·«Hvordan skriver vi tilbud her?»
·ChatGPT svarer generisk om bransjen
·Helt riktig - men ikke slik dere gjør det
·Den nye må stadig avbryte deg
·Tribal knowledge lever bare i hodene

Produktiv uke 6

Med kontekst

«Her er Hansen Bygg sin tilbuds-mal»
«Standard 30 dagers vilkår, 5 års reklamasjon»
«Tilbud over 100 000 kr må godkjennes av Øyvind»
«Her er tre eksempler du kan se på»
Kunnskapen er fanget og delt

Produktiv dag 3

Ny ansatt produktiv 3x raskere. Du slipper 50 avbrudd.

Hvordan i praksis

Fire måter å gi AI kontekst på.

Fra enkelt til mer avansert. Du trenger ikke gjøre alle fire - start på toppen, jobb deg nedover etter behov.

Metode 1

Skriv det opp

Lavterskel · høy verdi

Hva

Du tar deg tid til å skrive ned hvordan dere faktisk jobber: tilbudsprosess, e-postregler, hvilke ord dere bruker, hva som er forbudt å si.

Hvor

Lagres i en Custom GPT (ChatGPT), en Claude Project eller en Gem i Gemini Gems. Alle tre lar deg laste opp instruksjoner og dokumenter som AI-en alltid har med seg.

Lederens jobb

Sett av 2–4 timer en kveld. Skriv ned hvem dere er, hvordan dere snakker, hvilke regler dere alltid følger. Last opp 5–10 sentrale dokumenter.

Fra generisk ChatGPT til bedrifts-tilpasset assistent på én ettermiddag.

Metode 2

Koble til systemene

Mellomnivå

Hva

AI-en får tilgang til dine eksisterende systemer: regnskap, CRM, prosjektverktøy, e-post, fil-mappe.

Hvor

Via integrasjoner (Zapier, n8n, Make eller direkte API-er). I 2025–2026 har MCP (Model Context Protocol) blitt standarden for hvordan AI-er kobles til eksterne systemer.

Lederens jobb

Identifiser de 2–3 systemene AI bør «se inn i». Få Aino (eller annen partner) til å bygge koblingen.

AI svarer direkte mot levende data: «Hvor mye har vi fakturert Hansen i 2026?» «Hvilke prosjekter er forsinket?»

Metode 3

Gi tilgang til dokumenter

RAG · kunnskapsbase

Hva

AI-en får en kunnskapsbase med alle relevante dokumenter - kontrakter, HMS, prosjektnotater, e-poster - og slår opp på sekundet.

Hvor

Teknikken bak heter RAG (Retrieval-Augmented Generation). Du trenger ikke kunne forkortelsen - bare vite at AI-en kan lese hele biblioteket og finne det relevante.

Lederens jobb

Samle dokumenter ett sted (OneDrive, Dropbox, Google Drive). Få noen til å koble på.

AI svarer korrekt på «Hva sa vi til Hansen om garantitiden i kontrakten fra 2024?» - uten at du må lete.

Metode 4

Lære den reglene

Gjerder & guard-rails

Hva

AI-en lærer hva den aldri skal gjøre - og hva som krever ditt OK før den utfører.

Hvor

Skrives inn som regler i Custom GPT, Claude Project eller i agent-konfigurasjonen.

Lederens jobb

List opp de 5–10 «gjerdene» som er viktige: «Ikke send mail før jeg har sagt OK.» «Aldri foreslå pris under 280 kr/m².» «Hvis kunden nevner advokat: stopp og hent meg.»

Du tør la AI-en jobbe mer autonomt fordi du vet at den ikke kan rote til de viktigste tingene.

Hvor i Aino-stigen

Kontekst er fundamentet under hele stigen.

Aino-stigen har fire trinn. Kontekst er ikke ett av dem - den ligger under alle. Uten dette fundamentet faller stigen sammen, eller du tar skrittet og faller ned igjen.

Passiv AI

AI-en sitter og venter. Kontekst spiller liten rolle - du bruker den ikke.

Kontekst: Ikke nødvendig

Aktiv AI

Du ber AI gjøre konkrete oppgaver. Kontekst er forskjellen mellom å redigere svar i 20 min vs. brukbart utkast på 30 sek.

Kontekst: Avgjørende for kvalitet

Selvgående AI

AI jobber av seg selv basert på regler. Automasjoner uten kontekst lager bare generisk søppel - i stor skala.

Kontekst: Absolutt forutsetning

Tjene penger på AI

Du selger tjenester der AI gjør jobben. Kontekst er det som gjør at du kan stå inne for kvaliteten - og ta betalt.

Kontekst: Selve produktet

FUNDAMENT

Kontekst

Rolle & instruks · Bedrifts-kunnskap · Samtale & sesjonUnder hele stigen. Uten dette faller hvert trinn sammen.

På trinn 2 er kontekst forskjellen mellom middels og bra. På trinn 3 er den selve forutsetningen. På trinn 4 er den det du faktisk selger.

Verdien - i kroner og timer

5,6 timer per uke. Per ansatt.

Realistisk verdi

1,2 mill

kr/år i frigjort kapasitet

Typisk SMB med 15 ansatte som sparer 5 timer per person per uke. Bedrifter med solid kontekst-lag henter 6–10 t/uke per leder.

Slik regnes det

Ansatte i SMB: 15
Timer spart per ansatt per uke: 5 t
Timer spart totalt per uke: 75 t
Uker i året: 47
Timepris (snitt): 350 kr
Årlig verdi: 1 233 750 kr

22 %

av SMB-ledere rapporterer at AI sparer dem 6–10 timer per uke (Tech.co 2026).

5,6 t

spart per uke i snitt på tvers av SMB-ansatte. Ledere sparer dobbelt så mye (7,2 t) som vanlige ansatte (3,4 t).

26 %

av AI-tiden går til omarbeiding av output - de som har kontekst på plass omarbeider mindre og henter mer tid.

Det viktige skillet

De som ikke har kontekst på plass bruker mye tid på omarbeiding - de får generiske svar de må klippe-og-lime. De som har kontekst på plass får svar nær ferdig - og henter 6–10 timer/uka i tid. Forskjellen er ikke ulike AI-modeller. Det er ulikt kontekst-lag rundt samme modell.

Tallene er gjennomsnitt. Noen bedrifter henter ikke mer enn 2–3 t/uke. Andre henter 12+. Spennet henger sammen med hvor godt kontekst-laget er bygd opp - ikke hvilken AI som brukes.

Vanlige misforståelser

Det folk tror - og det som faktisk stemmer.

Riktig at modellen er trent på enormt mye tekst. Men den vet ingenting om akkurat din bedrift, dine kunder, dine priser eller dine prosesser. Du må gi den det - det er hele jobben.

Når kontekst-arbeidet ikke lønner seg

Det er noen tilfeller hvor du heller skal la være.

Hvis du bruker AI én gang i uka til generelle research-spørsmål - «hva er trendene i bransjen?» - trenger du ikke bygge kontekst-lag. Generisk AI er nok.

Hvis bedriften din ikke har faste prosesser, faste kunder eller fast språk - er det ingenting å gi AI-en. Bygg prosessene først, så kontekst-laget.

Hvis dataene dine er sensitive på en måte som ikke er avklart juridisk (helsedata, kontrakter under taushetsplikt) - vent til du har rett verktøy og rett godkjenning.

Regel: Kontekst-arbeid lønner seg når du bruker AI til konkrete arbeidsoppgaver som gjentar seg. Da betaler det seg på dag 2.

Hva må du gjøre nå?

Tre konkrete steg.

Du trenger ikke å gå hele veien på én dag. Du må bare starte riktig sted.

Velg én arbeidsoppgave

Den du gjør oftest, som tar mest tid, og som har klare regler. Tilbudsskriving, kundeoppfølging, e-post-sortering - det første som dukker opp er sannsynligvis riktig.

Skriv opp konteksten

2–4 timer en kveld. Hvem er dere, hvordan snakker dere, hvilke regler følger dere, hvilke maler bruker dere. Last opp 5–10 sentrale dokumenter til en Custom GPT eller Claude Project.

Test i én uke

Bruk den nye assistenten på den ene oppgaven i én uke. Mål tiden. Juster konteksten basert på det du ser. Etter uke 1 vet du om dette er verdt mer.

Vil du ha hjelp til å gjøre dette riktig fra start? Vi setter opp kontekst-laget for deg - i din bedrift, på dine systemer. Boker du en gratis prosess får du planen ferdig priset og prioritert.