En almindelig fejl blandt AI-brugere på mellemniveau er at være loyal over for ét værktøj. Du valgte tidligt ChatGPT, Claude eller Gemini, opbyggede dine vaner dér og bruger det til alt. Resultatet kan ofte bruges, men du går glip af styrkerne ved kildeforankret research, analyse af lange dokumenter, udarbejdelse af udkast, kritik, dataanalyse og permanent opbevaring.
Skridtet fra mellemniveau til avanceret brug er at anvende hvert værktøj til det, det reelt er bedst til, og kæde værktøjerne sammen i arbejdsgange, hvor styrkerne forstærker hinanden. Denne artikel viser, hvordan du bygger disse arbejdsgange.
Vi gennemgår styrkerne ved hvert af de vigtigste værktøjer, fire komplette og gennemarbejdede arbejdsgange, der bruger flere værktøjer, samt disciplinen i at flytte data rent mellem dem.
Arbejdsgange med flere værktøjer øger eksponeringen af data. Før du kopierer indhold mellem værktøjer, skal du beslutte, hvilket artefakt der er den autoritative kilde, hvilke værktøjer der er godkendt til dataene, og hvad der skal fjernes før overdragelsen.
De relevante styrker i 2026
Her er en kort rundtur med klare vurderinger af de værktøjer, du bør kunne kombinere:
Perplexity. Research med kilder. Har adgang til internettet, kildebelægger sine påstande og kan køre Deep Research. Det rette udgangspunkt for spørgsmål, hvor du endnu ikke har oplysningerne og ønsker svar, der er forankret i kilder.
Claude (Sonnet 4.5 / Opus 4.5). I vores test er dens skrivestemme den stærkeste, og modellen er en af de stærkeste til ræsonnement over lange dokumenter i 2026. Mange teams bruger den som standard til udkast, omhyggelig analyse og kode, der kræver gennemtænkning. Claude Projects gør det nemt at opbevare referencefiler sammen med samtaler.
ChatGPT (GPT-5 / GPT-5 Thinking). Den stærkeste alsidige model med brede funktioner. Bedst til billedgenerering direkte i chatten, multimodalt arbejde, udforskende samtaler og opgaver, hvor du ønsker hurtig dialog frem og tilbage.
Gemini (2.5 Pro / Flash). Bedst til alt i Google Workspace, opgaver med meget lang kontekst, indbygget videoforståelse og NotebookLM, som teknisk set er et selvstændigt produkt, men ejes af Google.
NotebookLM. Chat med forankring i dokumenter. Upload kilder, stil spørgsmål til dem, og få kildehenvisninger i hvert svar. Det rette værktøj til alle spørgsmål af typen ”Hvad siger netop disse dokumenter om X?”
Notion (med AI / ekstern AI-adgang). Et vedvarende arbejdsområde, hvor resultaterne fra AI-værktøjerne ovenfor kan opbevares, redigeres, sammenkædes og søges. Notions indbyggede AI er udmærket. Vigtigere er det, at Notion er stedet, hvor artefakterne fra din arbejdsgang med flere værktøjer kan samles.
ChatGPT Code Interpreter / Claude Computer Use / Gemini Advanced Data Analysis. Hvert værktøj har en tilstand til at ”køre kode og analysere data”. Den er nyttig, når arbejdsgangen omfatter struktureret databehandling.
Cursor / Claude Code. Særligt udviklet til programmering. Det rette værktøj, når resultatet er kode.
Du behøver ikke dem alle. For de fleste brugere på mellemniveau dækker en kombination af Perplexity + Claude + ChatGPT + NotebookLM + Notion langt størstedelen af behovene på tværs af værktøjer.
Formen på en arbejdsgang med flere værktøjer
En nyttig arbejdsgang har tre egenskaber:
- Hvert værktøj gør én ting. Ikke ”Claude klarer hele projektet”. Claude skriver udkast, Perplexity undersøger, og NotebookLM forankrer i kilder.
- Data flyder rent mellem værktøjerne. Resultatet fra ét værktøj bliver input til det næste, uden at du skal forklare konteksten igen.
- Artefaktet ligger et permanent sted. Notion, Obsidian, Google Drive eller et andet sted — ikke kun i chathistorikken.
Tilføj en fjerde egenskab til seriøst arbejde:
- Overdragelsen er tydelig. Hver gang et resultat flyttes fra ét værktøj til et andet, skal du angive, hvad det næste værktøj kan stole på, hvad det skal kontrollere, og hvad det skal ignorere.
Vi gennemgår fire komplette arbejdsgange for at gøre det konkret.
Arbejdsgang 1: Research- og skriveforløbet
Den klassiske arbejdsgang på mellemniveau. Du vil skrive en artikel, et notat, et oplæg eller en rapport om et emne, du endnu ikke forstår i dybden.
Trin 1: Research med Perplexity.
Brug Perplexitys Deep Research-tilstand. Indram spørgsmålet med skabelonen fra vores artikel om Deep Research: mål, omfang, målgruppe, struktur, kvalitetskrav og åbne spørgsmål.
Vent 10-20 minutter på rapporten. Læs den omhyggeligt. Kontrollér nogle af kilderne.
Trin 2: Forankring i NotebookLM.
Tag de 5-10 bedste kilder fra Perplexity-rapporten — dem, du selv ville have læst, hvis du havde ubegrænset tid — og upload dem til en ny notesbog i NotebookLM.
Bed nu NotebookLM om at udarbejde en analyse i andet gennemløb, der kun er forankret i disse kilder. Sammenlign syntesen med Perplexitys. Forskellene er interessante: Nogle gange har Perplexity ekstrapoleret for meget, andre gange har NotebookLM overset en nyttig slutning.
Du har nu to kildeforankrede perspektiver på emnet.
Trin 3: Udkast med Claude.
Åbn Claude. Indsæt Perplexity-rapporten og NotebookLM-syntesen som referencemateriale. Skriv derefter:
Brug researchen nedenfor som kildemateriale, og skriv et udkast til en [type of piece] i en tone, der passer til [audience-specific voice]. Brug denne struktur: [your structure]. Henvis til konkrete resultater fra researchen. Opfind ikke fakta. Angiv det, hvis researchen ikke siger noget eller er selvmodsigende. Slut med [specific closer pattern].
Claude er den bedste skrivemodel i 2026; her udføres hovedparten af arbejdet.
Trin 4: Forfin med ChatGPT.
Tag Claudes udkast, og indsæt det i ChatGPT. Bed om to ting:
- En kritisk gennemgang — hvad er svagt, hvad mangler, og hvad ville en skeptisk læser klage over?
- Hvis det er relevant: billedgenerering til eventuelle illustrationer, teksten har brug for.
ChatGPT er nogle gange en bedre kritiker af Claudes tekst end Claude selv. Standardindstillingerne er lidt anderledes, så modellen opdager andre blinde vinkler.
Trin 5: Sidste gennemløb af tonen i Claude.
Indsæt ChatGPTs kritik i Claude. Bed Claude om en sidste kirurgisk redigering: Anvend kun de kritikpunkter, der giver mening, og lad ellers udkastet være urørt.
Trin 6: Gem resultatet i Notion.
Gem det endelige udkast i Notion med links tilbage til research-notesbogen. Artefaktet får et permanent hjem.
Samlet tid: ~90 minutter for en tekst, der ville have taget dig en dag, hvis du selv havde researchet, skrevet og forfinet den. Kvaliteten er også mærkbart bedre, fordi hvert værktøj løste det, det er bedst til.
Arbejdsgang 2: Forløbet til kontraktgennemgang
Du har modtaget en kontrakt på 30 sider. Konsekvenserne er reelle, og du ønsker ikke at læse den helt uden forberedelse.
Trin 1: Strategisk kontekst med Perplexity.
Stil et hurtigt spørgsmål i Perplexity: ”Når jeg som [your role] skal underskrive en kontrakt fra en [type of counterparty], hvilke almindelige problemstillinger bør jeg være opmærksom på? Henvis til juridisk vejledning fra troværdige kilder.”
Nu har du en tjekliste over forhold, du skal lede efter, forankret i reel juridisk faglitteratur.
Trin 2: Dokumentanalyse med NotebookLM.
Opret en notesbog i NotebookLM. Upload kontrakten. Upload også:
- En eventuel standardkontraktskabelon, som dit team bruger
- De juridiske vejledninger, Perplexity fremhævede
- Eventuelle tidligere kontrakter, du har underskrevet med lignende modparter
Kør arbejdsgangen med tre gennemløb i NotebookLM:
- Første gennemløb: struktur og hovedpointer
- Risikogennemløb: klausuler, der giver den anden part ensidige rettigheder, tvetydige vilkår, manglende standardbeskyttelse og forhold, der afviger fra din skabelon
- Beslutningsgennemløb: hvad du skal forhandle om, og hvad du kan acceptere
NotebookLMs kildeforankring sikrer, at hver markeret risiko knyttes til en bestemt klausul.
Trin 3: Forhandlingsplan med Claude.
Indsæt NotebookLM-analysen i Claude. Bed om følgende:
Udarbejd en forhandlingsplan på baggrund af denne kontraktanalyse:
- De tre vigtigste krav, jeg bør stille
- Skriv den konkrete ordlyd, jeg ønsker, for hvert krav
- Min reserveposition, hvis modparten afviser
- De to forhold, jeg er villig til at give mig på for at få de vigtige krav igennem
- De forhold, der får mig til at afbryde forhandlingen
Claude er god til denne form for struktureret strategisk tænkning med juridiske dokumenter.
Trin 4: Skriv mailen med modforslaget i Claude.
Fortsæt i den samme samtale: ”Skriv nu mit svar til modparten i en professionel, men bestemt tone. Begynd med to sætninger, der anerkender de dele, jeg er enig i. Angiv de fire ønskede ændringer med konkret ordlyd. Slut med et tydeligt næste skridt.”
Trin 5: Få en menneskelig advokat til at lave et rimelighedstjek, hvis konsekvenserne berettiger det.
Dette trin kan AI ikke udføre. Ved væsentlige kontrakter skal en advokat gennemgå analysen og modforslaget. AI er fremragende til første gennemløb; en advokats vurdering er vigtig i det andet.
Arbejdsgang 3: Fra data til præsentation
Du har et regneark med kvartalsdata og skal præsentere resultaterne for ledelsen.
Trin 1: Analysér med ChatGPT Code Interpreter eller Gemini Advanced Data Analysis.
Upload regnearket. Bed om en åben analyse:
Nedenfor er vores kvartalsvise salgsdata. Analysér dem med henblik på:
- Den mest markante tendens
- Den største overraskelse sammenlignet med sidste kvartal
- De to segmenter, der bedst forklarer de samlede tal
- Eventuelle problemer med datakvaliteten
Gennemgå din ræsonnering. Generér de diagrammer, der kan hjælpe mig med at forstå resultaterne.
ChatGPT kører Python i baggrunden, fremstiller diagrammer og beskriver resultaterne. Lav et rimelighedstjek af de tal, modellen producerer.
Trin 2: Narrativ indramning med Claude.
Indsæt analysen i Claude. Bed om følgende:
Hjælp mig på baggrund af denne analyse med at opbygge et narrativ til en 15-minutters præsentation for ledelsen. Målgruppen er skeptisk, travl og har set mange kvartaler. De vil vide, hvad der har ændret sig, hvad vi bør gøre ved det, og hvad der kan gå galt.
Strukturér narrativet sådan:
- Åbningssætningen
- De to vigtigste indsigter, og hvorfor de betyder noget
- De tre ting, vi vil gøre ved dem
- De to risici, vi bør være opmærksomme på
- Det ene spørgsmål, vi ønsker, at ledelsen drøfter
Tone: sikker, uden forbehold og klar til vanskelige spørgsmål.
Her kommer Claudes styrke som skrivemodel til sin ret.
Trin 3: Generér slides med Gamma eller Claude / ChatGPT i en tilstand til slideeksport.
Indsæt narrativet i Gamma, eller brug Claude eller ChatGPT til at generere Markdown eller en struktur til slides, som du kan eksportere. Mange værktøjer fremstiller nu brugbare første udkast til slides direkte fra en struktureret disposition.
Trin 4: Billedgenerering med ChatGPT.
Hvis dine slides har brug for illustrationer, kan du generere dem direkte i ChatGPT. Hold dig til en ensartet stil, eksempelvis ”flad illustration, brandets farver”, for at skabe visuel sammenhæng.
Trin 5: Øv præsentationen med stemmetilstand.
Åbn ChatGPTs stemmetilstand. Gennemgå præsentationen højt, slide for slide. Spørg: ”Hvor springer min logik et trin over? Hvor vil målgruppen gøre indsigelser?” Stemmebaseret øvelse er et af de mest oversete værktøjer til forberedelse.
Trin 6: Permanent artefakt i Notion.
Læg analysen, narrativet, præsentationen og dine noter fra øvelsen på en Notion-side. Nu kan du søge i materialet, næste gang du skal gøre det samme i næste kvartal.
Arbejdsgang 4: Arbejdsgangen til strategiske beslutninger
Du overvejer en forretningsbeslutning, som ikke er triviel: at ansætte en erfaren medarbejder, vælge en leverandør eller lancere en ny produktlinje.
Trin 1: Indram med Perplexity Deep Research.
Undersøg området. Hvilke hensyn er almindelige for denne type beslutning i din kontekst? Hvad har sammenlignelige virksomheder gjort? Hvad virkede, og hvad gjorde ikke?
Trin 2: Forankr i NotebookLM med interne dokumenter.
Upload interne dokumenter, der har betydning for beslutningen: tidligere planlægningsdokumenter, kundeinterview, teamdrøftelser og økonomiske modeller. I NotebookLM kan du spørge: ”Hvad siger vores egne tidligere overvejelser om dette?” Det er ofte mere nyttigt end ny research.
Trin 3: Beslutningsforløb med Claude.
Brug arbejdsgangen med fire trin fra vores artikel om beslutningstagning: indram, generér, stresstest og beslut. Indsæt Perplexity-researchen og NotebookLM-syntesen som input.
Trin 4: Modargument med en anden model.
Når Claude har udarbejdet sin analyse, skal du tage den med til ChatGPT eller Gemini og bede om at ”opbygge det stærkeste troværdige modargument”. En anden model har andre standardindramninger, så dens modargument er ofte indholdsmæssigt anderledes end det, Claude selv ville formulere.
Trin 5: Præ-mortem med begge modeller.
Lad både Claude og ChatGPT udarbejde en præ-mortem uafhængigt af hinanden: ”Forestil dig, at denne beslutning viste sig at være en katastrofe om to år. Hvad skete der?” Forskellene mellem deres fejlscenarier afslører blinde vinkler.
Trin 6: Syntetisér selv.
Dette trin er forbeholdt mennesker. Efter alt AI-arbejdet skal du skrive din egen beslutning med dine egne ord: hvad du vælger, hvorfor, og hvad der ville få dig til at skifte mening. Gem den. Selve handlingen at skrive beslutningen ned fremtvinger den form for forpligtelse, som beslutninger formidlet udelukkende gennem AI springer over.
Disciplinen i at flytte data mellem værktøjer
Arbejdsgange med flere værktøjer lykkes eller mislykkes afhængigt af, hvor rent du flytter artefakter mellem værktøjer. Her er nogle praktiske vaner:
Opbevar dine prompts i et værktøj til tekststumper eller i Notion. Når du opdager, at du omskriver den samme prompt for tredje gang i et nyt værktøj, skal du gemme den.
Standardisér dine outputstrukturer. Hvis du kan få hvert værktøj til at levere resultatet i nogenlunde samme form, eksempelvis dit format til strukturerede skabeloner, bliver det let at bruge ét værktøjs output som input til det næste.
Forsøg ikke at dele chathistorik mellem værktøjer. Hver samtale lever i sit eget værktøjs historik. Artefakterne — dokumenterne, analyserne og udkastene — bør ligge et sted udenfor, eksempelvis i Notion, Drive eller et dokument.
Bevar ét ”arbejdsdokument” pr. projekt. Én Notion-side, et Google-dokument eller en Obsidian-note, hvor alle relevante AI-resultater samles. Det er din flade til syntese; værktøjerne er blot de steder, hvor arbejdet udføres.
Markér kildestatus. Markér hvert afsnit som source, summary, draft, inference eller decision. Det forhindrer en nyttig modelgenereret opsummering i ubemærket at blive den kanoniske kilde.
Brug kopiering og indsættelse, ikke kæder. Undgå at bygge automatiserede forbindelser mellem værktøjer til enkeltstående arbejde. Fleksibiliteten i ”jeg indsætter bare dette i det andet værktøj” vejer tungere end automatiseringens elegance ved opgaver, der ikke gentages. Automatiserede forbindelser giver mening til tilbagevendende arbejdsgange — det behandles i vores artikler om automatisering.
Det tilhørende arbejdsark, der er linket fra artiklen, giver dig en struktur på én side til at planlægge overdragelser mellem værktøjer, før projektet ender som et virvar af faner.
Hvornår du IKKE skal bruge flere værktøjer
Her er nogle situationer, hvor arbejdet ved at bruge flere værktøjer ikke betaler sig:
- Hurtige samtaleopgaver. Det er helt i orden at blive i ét værktøj. Lad være med at overkonstruere et spørgsmål, der tager fem minutter.
- Opgaver, hvor ét værktøj er markant bedre. Hvis Claude tydeligvis er det rette værktøj til hele forløbet, eksempelvis analyse af lange dokumenter og tekst med store krav til stemmen, skal du lade det bære arbejdsgangen.
- Opgaver, der har gavn af kontinuitet. Hvis du vil iterere 20 gange på det samme artefakt, bryder et værktøjsskift undervejs modellens kontekst. Vælg ét.
Flere værktøjer kommer bedst til deres ret ved større og mere strategiske opgaver, hvor hver fase har sin egen form.
Et lille bibliotek over værktøjer efter opgave
En huskeliste til væggen:
| Opgave | Førstevalg |
|---|---|
| Research med kilder | Perplexity |
| Analyse af lange dokumenter | Claude (Pro/Max) eller NotebookLM |
| Udarbejdelse af tekst | Claude |
| Billedgenerering | ChatGPT eller Midjourney |
| Kodegenerering | Claude eller Cursor |
| Dataanalyse (regneark) | ChatGPT Code Interpreter eller Gemini |
| Spørgsmål og svar med dokumentforankring | NotebookLM |
| Stemme / flere sprog | Gemini eller ElevenLabs |
| Strategisk beslutning | Claude (med input fra Perplexity) |
| Integration med e-mail / Gmail | Gemini |
| Integration med Outlook / Excel | Copilot |
| Hurtig samtale | Det værktøj, du allerede bruger |
Udskriv den, hæng den op, og gør den til en vane. Efter en måned bliver valgene refleksive.
Én arbejdsgang, du kan prøve i denne uge
AI-brug på tværs af flere værktøjer er vendepunktet fra mellemniveau til avanceret brug. Det koster dig tiden til at oprette to eller tre abonnementer, lære styrkerne ved hvert værktøj og opbygge vanen med at fordele opgaver til det rette værktøj. Til gengæld får du arbejde, som intet enkelt værktøj kunne fremstille lige så godt, på kortere samlet tid.
Vælg en af de fire arbejdsgange ovenfor, og prøv den fra start til slut på en virkelig opgave i denne uge. Første gang føles det lidt klodset; tredje gang sker fordelingen automatisk.
