En ny guide fra udvikleren Laurentiu Gabriel viser, hvordan han bruger store sprogmodeller (LLM'er) til at lære komplekse emner. Guiden, der er offentliggjort på hans blog, beskriver en metode, hvor LLM'er ikke blot bruges til at få svar, men til at strukturere læringsprocessen. For beslutningstagere handler det ikke om teknikken i sig selv, men om, hvordan sådanne værktøjer kan accelerere opkvalificering og vidensdeling i organisationer.
Guiden illustrerer, hvordan man kan bruge LLM'er til at nedbryde et emne i delkomponenter, generere forklaringer på forskellige niveauer og skabe forbindelser mellem begreber. Det er en tilgang, der minder om traditionel pædagogik, men som nu kan automatiseres og skaleres. For virksomheder, der investerer i medarbejdernes kompetencer, betyder det, at LLM'er kan fungere som personlige mentorer, der tilpasser sig den enkeltes tempo og forståelsesniveau.
Det interessante er ikke, at LLM'er kan forklare ting — det har de kunnet længe. Pointen er, at metoden strukturerer læringen, så den bliver reproducerbar og målbar. Det gør den relevant for HR-afdelinger og ledere, der skal beslutte, hvordan AI-værktøjer integreres i uddannelses- og onboarding-programmer. I stedet for at sende medarbejdere på dyre kurser kan organisationer bruge LLM'er til at skræddersy læringsforløb, der er både billigere og mere fleksible.
Men der er også en advarsel: LLM'er kan hallucinere, og en guide som denne understreger vigtigheden af at verificere information. For beslutningstagere betyder det, at man ikke ukritisk kan overlade læring til AI — men at man kan bruge den som et supplement, der frigør tid til kritisk tænkning og anvendelse af viden.
