När du står inför ett svårt beslut är ”Vad ska jag göra?” oftast en dålig slutfråga till modellen. Svaret kan vara försiktigt eller tvärsäkert, men begränsas i båda fallen av fakta och den inramning du har gett samt av sådant som modellen gissar.
Ett mer försvarbart användningssätt är som en strukturerad diskussionspartner: be den synliggöra möjliga alternativ, utmana din inramning och identifiera underlag som saknas. Arbetsflödet nedan organiserar användningen utan att behandla modellen som beslutsfattare.
Lämna inte personliga eller konfidentiella uppgifter till verktyg som inte är godkända. Vid beslut om anställning, medicin, juridik, ekonomi, säkerhet eller andra beslut med stora konsekvenser ska AI användas för att strukturera frågor, inte ersätta auktoritativa regler, fackkunskap, rättvisekontroller eller en ansvarig mänsklig beslutsfattare. NIST:s vägledning om människa och AI varnar för att system där människor och AI samverkar kan tappa sammanhang och förstärka snedvridningar.
Byt perspektiv
Perspektivskiftet går från ”ge mig svaret” till ”hjälp mig att tänka”. Mer konkret:
- I stället för ”vad ska jag göra?” → ”hjälp mig att förstå min egen situation”.
- I stället för ”vilka är för- och nackdelarna?” → ”vilka är de starkaste för- och nackdelarna, och vilka av mina antaganden är svagast?”
- I stället för ”vad skulle du rekommendera?” → ”vilket är det mest trovärdiga argumentet mot det alternativ jag lutar åt?”
Olika frågor kan locka fram olika aspekter av samma situation. Perspektivskiftet gör den önskade typen av hjälp tydlig, men garanterar inte att svaret är fullständigt eller opartiskt.
Arbetsflödet för beslut i fyra steg
En upprepningsbar process för beslut med lägre insatser eller för att strukturera ett underlag i ett beslut med stora konsekvenser:
- Rama in – lägg fram situationen tydligt.
- Generera – föreslå argument och alternativ som du kan granska.
- Stresstesta – få modellen att angripa det alternativ du lutar åt.
- Besluta – välj med tydligt redovisad osäkerhet och ansvarsfördelning.
Vi går igenom varje steg.
Steg 1: Rama in
Ett vanligt misstag i beslutsprompter är att börja med för lite kontext. Om du beskriver situationen kortfattat kan modellen behandla din inramning och dina utelämnanden som fakta.
Be modellen intervjua dig först.
Jag ska fatta ett beslut. Innan du säger något annat ska du ställa 5–7 frågor som du behöver få svar på för att kunna vara en användbar diskussionspartner. Ta upp vilka de faktiska alternativen är, vilka mina verkliga begränsningar är, vilka fler som påverkas, hur framgång ser ut och vad jag skulle ångra mest. Vänta på mina svar.
Raden ”ta upp” namnger de dimensioner som frågorna ska behandla. Granska frågorna och lägg till dimensioner som modellen missar.
Besvara frågorna med den detaljnivå som du får dela. Själva svarandet kan synliggöra att alternativen, begränsningarna eller framgångskriterierna fortfarande är otillräckligt definierade.
När du har svarat har modellen mer kontext, men den kan fortfarande missa fakta, incitament eller människor som inte finns representerade i konversationen.
Steg 2: Generera
Be nu om argument och alternativ. En strukturerad mall är:
Ge mig nu:
De tre starkaste argumenten för varje alternativ. Citera mina svar när de stöder en poäng. Markera allt du är osäker på.
Två alternativ som jag kanske har missat. Ibland är det bästa valet ett som jag ännu inte har övervägt. Ange dem om du ser några.
Den enskilt viktigaste faktorn som jag bör väga in. Vilken dimension spelar verkligen störst roll i det här beslutet?
Mitt svagaste antagande. Vilken av sakerna jag har berättat är mest sannolikt fel eller mest benägen att förändras?
Listan kan bredda inramningen. En binär fråga som ”ta jobbet eller inte” kan dölja alternativ som att förhandla, skjuta upp beslutet eller söka en tredje väg. Behandla genererade alternativ som kandidater, inte som belägg för att de är tillgängliga.
En användbar följdfråga är: ”Om mitt svagaste antagande visade sig vara fel, hur skulle beslutet förändras?” Det är en känslighetskontroll. Verifiera att antagandet verkligen är osäkert och betydelsefullt.
Steg 3: Stresstesta
Be nu modellen uttryckligen säga emot.
Spela nu djävulens advokat mot det alternativ jag lutar åt. Anta att jag är på väg att välja [option you’re leaning toward]. Bygg upp det starkaste trovärdiga argumentet mot det. Var konkret – inte allmänna farhågor, utan de faktiska scenarier som skulle göra detta till fel val.
Forskning har visat att vissa assistenter föredrar svar i linje med användarens uttalade uppfattning, även när uppfattningen är felaktig (Sharma m.fl., 2023). Att be om ett motargument kan synliggöra en annan tankegång, men gör den inte oberoende, fullständig eller korrekt.
En mer offensiv version:
Föreställ dig att det har gått två år och att det här beslutet visade sig vara en katastrof. Vad hände? Beskriv steg för steg det mest sannolika händelseförloppet som ledde till misslyckandet.
Prompten anpassar en pre-mortem-teknik: föreställ dig ett framtida misslyckande och arbeta bakåt till tänkbara orsaker (Klein, 2007). Granska de genererade orsakerna mot verkligt underlag, basfrekvenser och fackkunskap.
För beslut där du har en stark magkänsla kan du också prova:
Ange tre anledningar till att jag kanske väljer detta av fel skäl – bias, bekvämlighet, redan investerade resurser eller vad jag vill ska vara sant i stället för vad som faktiskt är sant.
Modellen kan generera tänkbara snedvridningar utan att blanda in en annan person, men den känner inte dina motiv. Behandla listan som frågor för reflektion, inte som en diagnos.
Steg 4: Besluta
Nu har du en mer strukturerad redogörelse för beslutet. Det sista steget är att ange ett val och samtidigt hålla osäkerheten tydlig.
Utifrån allt vi har diskuterat, vad rekommenderar du? Ta med:
- Valet du skulle göra, i en mening.
- En kvalitativ säkerhetsgrad: låg, medelhög eller hög. Hitta inte på någon sannolikhet. Förklara vilka belägg och olösta antaganden som motiverar graden.
- Den enskilda nya uppgift som skulle få dig att ändra svaret.
Var rak. Hoppa över det artiga ”det beror på”-resonemanget – jag vill att du tar ställning.
Graden hjälper dig att skilja en tydlig rekommendation från ett jämnt val, men den är ingen uppmätt sannolikhet eller belägg för kalibrering. Använd förklaringen för att granska beläggen och de olösta antagandena, inte etiketten för att skapa skenbar precision.
Läs rekommendationen, kontrollera fakta och antaganden och fatta sedan beslutet. Rekommendationen är ett underlag bland flera. Ansvaret ligger kvar hos dig eller den behöriga beslutsfattaren.
Några användbara mönster för olika typer av beslut
Jobb- och karriärval. Fråga om tidshorisonten, ekonomiska begränsningar, effekter på andra människor och vilket underlag som fortfarande saknas. Dela bara sådant som du får lägga in i det godkända verktyget och missta inte en genererad rekommendation för kunskap om arbetsplatsen.
Rekryteringsbeslut. Börja med arbetsrelaterade kriterier och en strukturerad process, minimera personuppgifter och be inte AI att sluta sig till skyddade egenskaper, rangordna kandidater eller fatta beslutet. Använd AI för att pröva om beläggen stöder varje kriterium och om processen kan få orättvisa följder. I USA förklarar EEOC:s vägledning om urvalsförfaranden arbetsrelaterade krav och negativ påverkan. Tillämpa reglerna i din jurisdiktion och behåll en ansvarig mänsklig granskare.
Strategiska beslut och affärsbeslut. Använd en pre-mortem, ”föreställ dig att detta har misslyckats om två år”, för att efterfråga beroenden och misslyckandescenarier. Jämför dem sedan med verksamhetsdata och ansvariga ägare.
Stora inköp. Använd inramningen ”svagaste antagandet” för att granska påståenden om framtida användning, totalkostnad, andrahandsvärde eller inkomster. Verifiera priser, villkor och betalningsförmåga separat.
Relationer och personliga beslut. Använd inramningen ”vad skulle jag ångra mest?” som ett underlag bland flera. Att synliggöra möjlig ånger kan hjälpa dig att skilja långsiktiga farhågor från tillfälligt obehag, men det bör inte automatiskt styra beslutet.
En vanlig fälla att undvika
Fällan är att använda AI som en bekräftelsemaskin. Om prompten argumenterar för det alternativ du lutar åt och utelämnar motstridigt underlag kan modellen skapa ett välpolerat försvar för den inramning den fick.
Ett strukturellt skydd är att regelbundet begära ett trovärdigt motargument, särskilt när ditt förstahandsval känns självklart. Enighet efter det steget bevisar inte att beslutet är välgrundat, och oenighet bevisar inte att det är fel. Om relaterade felmönster, se fyra sätt som AI misslyckas som tankepartner och så får du AI att säga emot dig.
En användbar självkontroll är: ”Vad tillförde modellen, och vilket underlag stöder det?” Om den inte tillförde något användbart ska du förenkla eller ändra prompten i stället för att behandla en längre konversation som framsteg.
En anpassad GPT som gör detta till en reflex
Om du gör detta ofta kan du bygga en anpassad GPT för ”beslutsresonemang” (eller ett Claude Project) där arbetsflödet är inbyggt. Använd instruktioner som:
När du får en fråga om ett beslut ska du följa denna strikta ordning:
- Ställ 5–7 frågor som tar upp alternativ, begränsningar, vilka som påverkas, framgångskriterier och vad personen skulle ångra mest. Vänta på svaren.
- Ange de starkaste argumenten för varje alternativ, alternativ som personen kan ha missat, den viktigaste dimensionen och det svagaste antagandet.
- Spela djävulens advokat mot det alternativ personen lutar åt. Bygg upp det starkaste trovärdiga motargumentet.
- Ge en direkt rekommendation med en kvalitativ säkerhetsgrad, beläggen och det okända bakom den samt den information som skulle få dig att ändra svaret. Hitta inte på någon sannolikhet.
Hoppa bara över steg om användaren uttryckligen ber om det. Nämn tänkbara rationaliseringar eller snedvridningar som hypoteser, inte som fakta om personen. Presentera de starkast underbyggda ståndpunkterna och deras avvägningar i stället för att skapa falsk balans.
Använd detta endast när arbetsflödet står i proportion till beslutet och verktyget är godkänt för informationen som ingår. En sparad assistent kan göra ordningsföljden lättare att upprepa, men den validerar inte rådet.
Det du bör ta med dig
AI kan stödja delar av en beslutsanalys: formulera situationen, lista alternativ och stresstesta det alternativ du lutar åt. Den kan också förstärka en ofullständig inramning eller hitta på övertygande skäl. Det slutliga valet ligger hos den ansvariga personen.
Rama in, generera, stresstesta, besluta. Använd de fyra stegen som en checklista, inte som belägg för att ett beslut är bra. Vid beslut med stora konsekvenser ska du även tillföra de auktoritativa regler, den kvalificerade sakkunskap, de berörda personers perspektiv och den formella granskning som situationen kräver.
