Det börjar inte med prompten — det börjar med dig

Alla pratar om prompten. Hur du formulerar den. Vilken mall du använder. Vilka systemmeddelanden du skriver. Prompt engineering har blivit en hel disciplin — som om hemligheten till bra resultat låg i hur du pratar med maskinen.

Det gör den inte.

Jag har sett team använda LLM-verktyg i åtta månader nu. Inte demos, inte workshops — i produktion, varje dag, på riktiga kundprojekt. Och mönstret som träder fram har ingenting med prompten att göra.

Det som faktiskt skiljer

Två utvecklare. Samma verktyg. Samma kodbas. Samma uppgift.

Den ena får ut en lösning som hänger ihop, som hanterar edge cases, som följer projektets arkitektur. Den andra får ut något som ser rätt ut men som faller samman vid första granskningen.

Skillnaden är inte prompten. Skillnaden är vad personen förstod innan prompten skrevs.

Den första utvecklaren förstod uppgiften. Inte bara vad som stod i kravet — utan varför kunden behöver det, vad som kan gå fel, vilka beroenden som finns, vilken kontext som spelar roll. Den förståelsen formade allt som matades in i verktyget. Prompten var en konsekvens av förståelse, inte en ersättning för den.

Den andra utvecklaren läste kravet, kopierade det, och förväntade sig ett resultat. Prompten var perfekt formulerad. Förståelsen saknades.

Varför LLM-perspektivet spelar roll

När du kallar det AI tänker du: verktyget borde förstå. Det borde resa frågor. Det borde kompensera för det jag missar.

När du kallar det vad det är — en stor språkmodell, en LLM — förstår du mekaniken. Modellen processar text. Den förutsäger nästa ord baserat på vad du gav den. Kvaliteten på det du stoppar in bestämmer kvaliteten på det som kommer ut.

Det är inte en metafor. Det är bokstavligen så det fungerar.

Kontextfönstret — det utrymme där modellen arbetar — är inte en teknisk detalj. Det är hela spelplanen. Och du bestämmer vad som finns där. Din förståelse av problemet. Din beskrivning av kundens behov. Dina följdfrågor. Din domänkunskap. Allt det är input — och den inputen är du.

Lyssnaren slår kodaren

Här är det som överraskade mig mest efter åtta månader.

Det är inte de bästa kodarna som får bäst resultat. Det är de som förstår uppgiften bäst. Och det är två helt olika saker.

En person i teamet är inte en utvecklare i traditionell mening. Men han förstår infrastruktur, han förstår vad kunden behöver, han kan ta en vag idé och göra den konkret. Med LLM-verktyg tar han sig an uppgifter han aldrig hade tackat ja till tidigare — och levererar. Inte för att verktyget är magiskt, utan för att han vet vad som ska göras. Verktyget hjälper honom göra det.

En annan person med starkare teknisk bakgrund får sämre resultat. Inte för att verktyget sviker — utan för att förståelsen av uppgiften är ytlig. Kravet läses, men det tolkas inte. Kontexten saknas. Och då spelar det ingen roll hur bra du promptar.

Det är rent soft skills. Att lyssna. Att fråga. Att bygga en bild av vad som faktiskt ska lösas innan du öppnar terminalen.

Det är därför vi säger LLM

Vi slutade säga AI på Mindtastic. Inte för att vara pedantiska — utan för att ordet formar beteendet.

Säger du AI förväntar du dig att verktyget tänker. Du lutar dig tillbaka. Du förväntar dig att det fyller i luckorna.

Säger du LLM förstår du att det är en språkmodell. Den processar det du ger den. Om du ger den en vag beskrivning får du ett vagt resultat. Om du ger den din djupa förståelse av problemet, dina specifika frågor, din domänkontext — då får du något extraordinärt.

Kontextfönster och transkribering. Det är de två viktigaste orden. Inte för att de är komplicerade — utan för att de beskriver exakt vad som händer. Du transkriberar din förståelse till text. Texten hamnar i kontextfönstret. Modellen arbetar med det.

Du är prompten.

Vad detta betyder i praktiken

Jag såg det nyligen i ett samtal med en konsult. Hon ska migrera ett tjugotal bolag mellan två affärssystem. Hon är inte utvecklare. Hon har ingen teknisk bakgrund i traditionell mening.

Men hon kan migrering. Hon vet vilka frågor som måste ställas. Hon förstår processerna, riskerna, beroendena.

Så jag sa: spela in samtalet med kunden. Kasta in transkriberingen i en LLM. Ställ sokratiska frågor. Du kommer ha din migrationsplan — utan att skriva ett enda dokument från scratch.

Hon förstod direkt. För hon förstod uppgiften. Verktyget var sekundärt.

Det är samma sak oavsett om du är utvecklare, konsult, projektledare eller verksamhetsutvecklare. Förstår du vad som ska lösas kan en LLM hjälpa dig leverera det på ett sätt som var omöjligt för två år sedan. Förstår du det inte hjälper ingen prompt i världen.

Inte skit in, skit ut — utan du in, du ut

Det finns ett gammalt uttryck: skit in, skit ut. Det stämmer. Men det är för passivt. Det låter som att problemet är lojt material.

Sanningen är mer specifik: det som kommer ut är en reflektion av dig. Din förståelse. Din nyfikenhet. Din förmåga att lyssna och ställa frågor innan du skriver.

Prompten är aldrig startpunkten. Förståelsen är det.

Det börjar inte med prompten. Det börjar med dig.

Mindtastic om terminologin som formar arbetssättet — LLM, inte AI: varför det spelar roll.

Se även: Du kan inte validera det du inte förstår (serie 6) och Mitt jobb är frågorna (serie 13).