AI-ordliste
Vigtige AI- og virksomhedsteknologitermer — praktiske, jargonfri forklaringer.
135 terms
A
A/B-test af AI-modeller
A/B-test af AI-modeller sammenligner flere modelversioner i produktion med statistisk sikkerhed for at afgøre, hvilken der leverer de bedste forretningsresultater.
Læs mere →A2A (Agent-to-Agent Protocol)
Protokol for kommunikation mellem AI-agenter fra forskellige leverandører — muliggør samarbejde mellem Google-, Microsoft- og Salesforce-agenter.
Læs mere →Adversarielle angreb på AI
Angrebsteknikker, der manipulerer AI-modelinput for at forårsage fejl — fra billedperturbationer til tekstbaserede angreb.
Læs mere →Agentic AI
AI-systemer, der er i stand til autonom planlægning, beslutningstagning og udførelse af flertrinsopgaver uden konstant menneskelig overvågning.
Læs mere →AI Act-risikoklassificering
EU AI Acts firtrins risikoklassificeringssystem — fra forbudte til minimale risikosystemer med tilsvarende krav.
Læs mere →AI Alignment
Forskningen i at sikre, at AI-systemer handler i overensstemmelse med menneskelige værdier og hensigter — selv i ikke-forudsete situationer.
Læs mere →AI as a Service (AIaaS)
Levering af AI-kapaciteter som skytjenester — adgang til modeller, infrastruktur og platforme uden bygge-selv.
Læs mere →AI Center of Excellence
En dedikeret organisatorisk enhed, der driver AI-adoption ved at levere ekspertise, standarder, bedste praksis og delte ressourcer.
Læs mere →AI Governance
Organisatorisk ramme for styring af AI i virksomheden — politikker, processer, ansvarlighed og regulatorisk overholdelse.
Læs mere →AI Guardrails
Beskyttelsesmekanismer, der begrænser AI-modellers adfærd — indholdsfiltre, outputvalidering, tilladelsesgrænser og sikkerhedskontroller.
Læs mere →AI i den juridiske branche
Hvordan AI transformerer juridiske tjenester — dokumentreview, kontraktanalyse, juridisk forskning og complianceautomatisering.
Læs mere →AI i finanssektoren
Hvordan AI transformerer finansielle tjenester gennem svindeldetektering, risikovurdering, handelsautomatisering og regulatorisk overholdelse.
Læs mere →AI i HR og rekruttering
AI-anvendelser i HR, fra kandidatscreening til medarbejderengagement, med fokus på bias-risici og regulatoriske krav.
Læs mere →AI i kundeservice
Sådan forbedrer AI kundeserviceoplevelsen — chatbots, selvbetjening, agentassistance og proaktiv support.
Læs mere →AI i logistik
AI-løsninger til optimering af forsyningskæder, ruteplanlægning, lagerstyring og efterspørgselsprognose.
Læs mere →AI i marketing
AI-anvendelser i marketing — personalisering, kampagneoptimering, indholdsproduktion og kundesegmentering.
Læs mere →AI i produktionsindustrien
AI-applikationer i produktionsindustrien — kvalitetskontrol, forudsigelig vedligeholdelse, procesoptimering og forsyningskæde.
Læs mere →AI i softwaretest
Sådan bruger AI softwaretest — automatisk testgenerering, fejlfinding og testoptimering.
Læs mere →AI i sundhedssektoren
AI-applikationer i sundhedssektoren — diagnostik, lægemiddeludvikling, klinisk beslutningsstøtte og patienthåndtering.
Læs mere →AI og GDPR
Krav og bedste praksis for GDPR-overholdelse ved brug af AI til behandling af personoplysninger.
Læs mere →AI Pipeline
Sekvensen af databehandlings- og modelkørselstrin, der forbinder rådata med AI-modelforudsigelser i produktion.
Læs mere →AI Red Teaming
Test af AI-systemsikkerhed gennem simulerede angreb — finde sårbarheder, omgå guardrails og opdage metoder til modelmanipulation.
Læs mere →AI Sandbox
Et isoleret testmiljø til sikker eksperimentering med AI-modeller og agenter uden risiko for produktionssystemer.
Læs mere →AI-benchmarks
Standardiserede evalueringssæt til sammenligning af AI-modellers præstation — evner, sikkerhed og effektivitet.
Læs mere →AI-bias
Systematiske fordomme i AI-modeloutput som følge af ulige træningsdata — diskriminationsrisiko og manglende regeloverholdelse.
Læs mere →AI-billedgenerering
AI-systemer, der skaber fotorealistiske billeder, kunst og grafik fra tekstbeskrivelser eller eksisterende billeder.
Læs mere →AI-dataanonymisering
Automatisk fjernelse eller maskering af persondata (PII) i træningssæt og AI-modelforespørgsler, GDPR-kompatibelt.
Læs mere →AI-dokumentopsummering
AI-teknikker til automatisk kondensering af lange dokumenter til kortfattede, præcise sammendrag.
Læs mere →AI-drevet OCR
AI-forbedret optisk tegnigenkendelse, der udtrækker tekst fra billeder og dokumenter med høj nøjagtighed.
Læs mere →AI-drevet videnstyring
Brug af AI til at fange, organisere og levere organisatorisk viden — intelligent søgning og automatisk tagging.
Læs mere →AI-etik
Principper og praksis for ansvarlig AI-udvikling — retfærdighed, transparens, ansvarlighed og menneskelig velfærd.
Læs mere →AI-forsyningskædesikkerhed
Sikkerhedsrisici i AI-forsyningskæden — fra kompromitterede modeller til forgiftede træningsdata og ondsindede biblioteker.
Læs mere →AI-implementeringsroadmap
En struktureret implementeringsplan for AI-projekter — fra forretningssag til fuld produktionsskala med fasede milepæle.
Læs mere →AI-indkøb
Strategier for anskaffelse af AI-løsninger — evaluering af leverandører, kontraktforhandling og risikostyring.
Læs mere →AI-inferens
Processen med at generere svar fra en trænet AI-model — produktionsfasen, hvor modellen behandler input og returnerer resultater.
Læs mere →AI-integration med IT-systemer
Metoder og mønstre til integration af AI-komponenter med eksisterende IT-systemer — API'er, middleware og dataarkitektur.
Læs mere →AI-kodegenerering
Brug af AI til automatisk generering, forklaring, revision og forbedring af kildekode på tværs af programmeringssprog.
Læs mere →AI-kompetence
Obligatorisk fra februar 2025 — evnen til at forstå og ansvarligt bruge AI, krævet af AI Act Artikel 4.
Læs mere →AI-modenhedsmodel
Et struktureret framework til vurdering og modning af en organisations AI-kapaciteter — fra ad hoc til industriel skala.
Læs mere →AI-observerbarhed
Realtidsovervågning af AI-systemer — sporing af ydeevne, omkostninger, svarkvalitet og anomalier i produktionsmiljøer.
Læs mere →AI-orkestrering
Koordinering af flere AI-modeller og agenter, der arbejder sammen om komplekse opgaver — fra ressourceallokering til datastyring.
Læs mere →AI-overensstemmelsetest
Test af AI-systemer for regulatorisk overholdelse — AI Act, GDPR, sektorspecifik regulering.
Læs mere →AI-parprogrammering
Samarbejde med en AI-assistent om softwareudvikling — kodeforslag, fejlretning og arkitekturanbefalinger i realtid.
Læs mere →AI-procesautomatisering
Brug af AI til at automatisere gentagne forretningsprocesser — fra dokumentbehandling til beslutningsworkflows.
Læs mere →AI-responsstreamning
Teknologi til levering af AI-genererede svar token-for-token i realtid — forbedrer den opfattede svartid.
Læs mere →AI-revision
Systematisk vurdering af AI-systemer for sikkerhed, regulatorisk overholdelse, resultatkvalitet og forretningsrisiko.
Læs mere →AI-ræsonnering
AI-modeller med forbedrede logiske, matematiske og multi-trin ræsonneringsevner til kompleks problemløsning.
Læs mere →AI-tokenisering
Processen med at konvertere tekst til tokens (ord-/tegnfragmenter), som AI-modellen forstår — påvirker direkte omkostninger og kvalitet.
Læs mere →AI-vandmærkning
Teknikker til at indlejre usynlige signaturer i AI-genereret indhold — til sporing af oprindelse og bekæmpelse af fejlinformation.
Læs mere →AI-videogenerering
AI-systemer, der genererer, redigerer og transformerer videoindhold fra tekst, billeder eller eksisterende videoer.
Læs mere →Anbefalingssystemer
AI-systemer, der foreslår relevante produkter, indhold eller handlinger til brugere baseret på adfærd og præferencer.
Læs mere →Ansvarlig AI
En ramme for AI-udvikling og -brug, der prioriterer retfærdighed, transparens, ansvarlighed og menneskelig overvågning.
Læs mere →Autonome AI-agenter
AI-systemer, der selvstændigt planlægger, udfører og tilpasser handlingssekvenser for at nå komplekse mål med minimal menneskelig indgriben.
Læs mere →C
Chain of Thought
Promptteknik, hvor AI-modellen "tænker højt" — ræsonnerer trin for trin, forbedrer nøjagtigheden ved komplekse spørgsmål.
Læs mere →Chatbot vs. AI-agent
Forskellen mellem reaktive chatbots og autonome AI-agenter — fra enkelt svar til komplekse flertrins-arbejdsflows.
Læs mere →CI/CD for AI
Tilpasning af CI/CD-principper til AI/ML-modeludvikling og -implementering — automatiserede pipelines fra eksperiment til produktion.
Læs mere →Cloud AI vs. on-premise AI
Afvejning af cloud-AI-tjenester mod on-premise-implementering — omkostninger, privatliv, kontrol og ydeevne.
Læs mere →Computer Use (AI)
AI-modellers evne til direkte at styre en computer — klikke, skrive, navigere grænseflader som et menneske.
Læs mere →Computer Vision
AI-systemer, der fortolker og analyserer billeder og video — fra objektgenkendelse til medicinsk billeddannelse.
Læs mere →D
Datadrift
Ændringen i statistiske egenskaber for inputdata over tid — fører til forringelse af modelydeevne i produktion.
Læs mere →Dataforgiftning
Angreb der bevidst forurener AI-træningsdata for at skabe sårbarheder eller forvrænge modeladfærd.
Læs mere →Dataannotering
Processen med at mærke rådata (billeder, tekst, lyd) med tags og metadata, der er nødvendige for at træne supervised AI-modeller.
Læs mere →Deepfake-detektion
AI-teknikker til opdagelse af syntetisk manipuleret lyd, video og billeder — forsvaret mod desinformation og svindel.
Læs mere →Differentieret privatliv
Matematisk ramme der giver kvantificerbare privatlivsgarantier ved tilføjelse af statistisk støj til data.
Læs mere →Digital tvilling
En virtuel model af et fysisk objekt, system eller proces — brugt til simulering, overvågning og AI-drevet optimering.
Læs mere →Dokumentopdeling (chunking)
Opdeling af lange dokumenter i mindre segmenter for effektiv indeksering og hentning i RAG-systemer.
Læs mere →E
Edge AI
Kørsel af AI-modeller direkte på slutenheder — uden at sende data til skyen, med minimal latens.
Læs mere →Embedding (vektorrepræsentation)
Repræsentation af tekst, billeder eller lyd som talvektorer — grundlaget for semantisk søgning og RAG-systemer.
Læs mere →Emergente evner i AI
Uventede evner, der opstår i store AI-modeller ved tilstrækkelig skala — ikke til stede i mindre modeller.
Læs mere →EU AI Act-guide
EU AI Act er verdens første omfattende juridiske ramme for kunstig intelligens, der fastlægger regler baseret på risikoniveauer.
Læs mere →Evaluering af AI-modeller
Systematisk vurdering af AI-modellers ydeevne ved hjælp af metrikker, benchmarks og domænespecifikke tests.
Læs mere →Explainable AI (XAI)
Teknikker, der muliggør forståelse af, hvorfor en AI-model traf en given beslutning — afgørende for tillid, revision og AI Act-overholdelse.
Læs mere →F
Feature Engineering
Processen med at transformere rådata til informative funktioner, der forbedrer AI-modellers forudsigelsesevne.
Læs mere →Fine-tuning
Genoptræning af en AI-model på specialiserede data — tilpasning af en generel foundation model til et specifikt domæne eller opgave.
Læs mere →Fortrolig computing
Teknologi der beskytter data under behandling ved hjælp af hardware-baserede sikre enklaver — kritisk for AI med følsomme data.
Læs mere →Foundation Model
Stor, forhåndstrænet AI-model, der tjener som fundament — tilpasses via fine-tuning til specifikke anvendelser.
Læs mere →Function Calling
Evnen hos AI-modeller til struktureret at kalde eksterne funktioner og API'er under svargenerering.
Læs mere →Fødereret læring
AI-træningsmetode, der bevarer data lokalt på enheder — modellen trænes uden at centralisere følsomme data.
Læs mere →G
Generativ AI
AI-systemer, der er i stand til at skabe nyt indhold — tekst, billeder, kode, lyd og video — baseret på indlærte mønstre.
Læs mere →GPU og TPU til AI
Specialiseret hardware til AI-beregning — GPU'er og TPU'er accelererer både modeltræning og inferens markant.
Læs mere →Grounding AI
Teknik til at forankre AI-modelsvar i faktuelle data — eliminere hallucinationer ved at levere kontekst fra pålidelige kilder.
Læs mere →H
Human-in-the-Loop
Designmønster, hvor et menneske verificerer og godkender AI-beslutninger — kvalitetskontrol og sikkerhed.
Læs mere →Hyperautomatisering
Kombinationen af AI, RPA, procesudvinding og analyser til automatisering af alle automatiserbare processer.
Læs mere →I
Informationshentning til AI
Teknikker til effektivt at finde og hente relevante dokumenter og data til AI-modeller i RAG- og søgesystemer.
Læs mere →Intelligent dokumentbehandling (IDP)
AI-drevne systemer, der udtrækker, klassificerer og behandler information fra ustrukturerede dokumenter i stor skala.
Læs mere →L
Leverandørindlåsning i AI
Risikoen for afhængighed af én AI-leverandørs platform — strategier for portabilitet og open source-alternativer.
Læs mere →LLM Routing
Intelligent dirigering af forespørgsler til den rette sprogmodel baseret på kompleksitet, omkostning og krævet svarkvalitet.
Læs mere →M
Maskinoversættelse med AI
AI-drevne systemer til oversættelse mellem sprog — neurale maskinoversættelse og domænetilpasning.
Læs mere →MCP (Model Context Protocol)
Åben standard for kommunikation mellem AI-modeller og eksterne datakilder og værktøjer — "USB-C for kunstig intelligens."
Læs mere →Mixture of Experts (MoE)
En neural netværksarkitektur der aktiverer forskellige ekspert-undernetværk afhængigt af input for øget kapacitet.
Læs mere →MLOps
Disciplin der kombinerer ML-engineering med DevOps-principper for at strømligne modellers livscyklus fra eksperiment til produktion.
Læs mere →Modelforgiftning
Angreb der forurener AI-modeller under træning for at indsætte bagdøre eller skadelig adfærd.
Læs mere →Modelkort
Et standardiseret dokumentationsdokument, der beskriver en AI-models formål, ydeevne, begrænsninger og etiske overvejelser.
Læs mere →Modelkvantisering
Teknik til reduktion af præcisionen af modelparametre for hurtigere og billigere inferens med minimal kvalitetstab.
Læs mere →Modelregister
Et centraliseret lager til styring af AI-modellversioner, metadata, målinger og implementeringsstatus.
Læs mere →Modelservering
Infrastruktur og mønstre til implementering af AI-modeller i produktion med skalerbarhed, lav latenstid og høj tilgængelighed.
Læs mere →Modelversionering
Praksis med at spore og styre versioner af AI-modeller — reproducerbarhed, rollback-muligheder og revisionshistorik.
Læs mere →Multiagentsystemer
AI-arkitektur, hvor dusinvis af specialiserede agenter samarbejder om opgaver — hver med unikke kompetencer og roller.
Læs mere →Multimodal AI
AI-modeller, der behandler tekst, billeder, lyd og video samtidigt — forstår kontekst fra flere informationskilder.
Læs mere →Multimodal RAG
RAG-systemer, der henter og behandler flere datatyper — tekst, billeder, tabeller og lyd — i en samlet kontekst.
Læs mere →N
Neurale skaleringsregler
Empiriske relationer der beskriver, hvordan AI-modellers ydeevne forbedres med modellstørrelse, data og beregning.
Læs mere →NIS2 og kunstig intelligens
NIS2-direktivet i AI-kontekst — cybersikkerhedskrav for virksomheder, der bruger AI-systemer i kritisk infrastruktur.
Læs mere →NLP (Natural Language Processing)
AI-teknikker til forståelse, behandling og generering af menneskesprog — grundlaget for chatbots, oversættelse og tekstanalyse.
Læs mere →O
Open source AI
AI-modeller og -frameworks der er åbent tilgængelige — fordele, risici og strategier for virksomhedsbrug.
Læs mere →Opmærksomhedsmekanisme
Den centrale komponent i Transformer-arkitekturen, der giver AI-modeller mulighed for at fokusere på relevante dele af inputtet.
Læs mere →Overvågning af AI-modeller
Kontinuerlig overvågning af AI-modellers ydeevne i produktion — detektering af drift, degradering og anomalier.
Læs mere →P
Prompt Engineering
Kunst og videnskab i at udforme effektive instrukser til AI-modeller for at opnå ønskede outputs.
Læs mere →Prompt Injection
Angreb, der injicerer ondsindede instruktioner i AI-modellens inputdata — for at overtage kontrollen over dens adfærd.
Læs mere →Prædiktivt vedligehold
Brug af AI til at forudsige udstyrssvigt, før de opstår — reducerer nedetid og vedligeholdelsesomkostninger.
Læs mere →R
RAG (Retrieval-Augmented Generation)
Teknik, der kombinerer informationshentning med generering — AI svarer baseret på aktuelle dokumenter, ikke kun sin "hukommelse."
Læs mere →Reranking
Teknik til forbedring af RAG-systemer ved at reordne hentede dokumenter baseret på semantisk relevans.
Læs mere →RLHF (forstærket læring fra menneskelig feedback)
Træningsmetode der bruger menneskelige præferencesignaler til at guide AI-modeller mod nyttige, harmfrie og ærlige outputs.
Læs mere →ROI af AI
Metoder til beregning og demonstration af den forretningsmæssige value af AI-investeringer — besparelser, produktivitet og strategiske fordele.
Læs mere →RPA vs. AI
Forskellen mellem regelbaseret procesautomatisering (RPA) og AI-drevet intelligens — hvornår man bruger hvilken.
Læs mere →S
Samlet ejeromkostning for AI (TCO)
En ramme til beregning af de fulde omkostninger ved AI-implementering — hardware, API-gebyrer, talent og vedligeholdelse.
Læs mere →Samtale-AI
AI-systemer designet til naturlig dialog med mennesker — chatbots, stemmeassistenter og interaktive agenter.
Læs mere →Semantisk caching
Caching-strategi der gemmer AI-svar baseret på semantisk lighed — reducerer API-omkostninger for lignende forespørgsler.
Læs mere →Semantisk søgning
Søgeteknologi der forstår intentionen bag forespørgslen — returnerer relevante resultater baseret på mening, ikke kun søgeord.
Læs mere →Sentimentanalyse
AI-teknik til automatisk klassificering af stemning i tekst — positiv, negativ eller neutral — til kundeanalyse og overvågning.
Læs mere →Shadow AI
Uautoriseret brug af AI-værktøjer af medarbejdere — uden IT-afdelingens viden eller kontrol, med risiko for datalæk.
Læs mere →Skalering af AI i organisationer
Strategier for udvidelse af AI fra piloter til produktionsskala i hele organisationen — governance og ændringsstyring.
Læs mere →SLM (Small Language Models)
Kompakte AI-modeller (1-7B parametre), der kører lokalt, hurtigt og billigt — ideelle til specialiserede opgaver uden cloud-omkostninger.
Læs mere →Struktureret output
Evnen hos AI-modeller til at generere svar i foruddefinerede strukturer som JSON, XML eller tabeller.
Læs mere →Syntetisk data
Kunstigt genererede datasæt, der bevarer statistiske egenskaber af originaler — til AI-træning uden brud på privatlivet.
Læs mere →T
Tale-til-tekst og tekst-til-tale
AI-systemer til konvertering af tale til tekst og tekst til tale — med høj nøjagtighed og fleresprogssupport.
Læs mere →Temperatur og Top-P-sampling
Hyperparametre der styrer tilfældighed og variation i AI-modeloutputs — balance mellem kreativitet og præcision.
Læs mere →Transfer Learning
Teknik, der genbruger viden fra en præ-trænet model til en ny, relateret opgave — reducerer data- og beregningskrav.
Læs mere →Transformer-arkitektur
Den grundlæggende neurale netværksarkitektur bag moderne LLM'er — self-attention, encodere og decodere.
Læs mere →V
Vektordatabase
Specialiseret database, der gemmer data som numeriske vektorer — muliggør semantisk søgning efter "lignende" indhold.
Læs mere →Vibe Coding
At skabe software ved at beskrive på naturligt sprog — udvikleren siger "hvad," AI genererer "hvordan."
Læs mere →Vidensdesitillation
Teknik til at overføre viden fra en stor AI-model (lærer) til en mindre, mere effektiv model (elev).
Læs mere →Vidensgraf
En struktureret repræsentation af viden som et netværk af entiteter og relationer — fundament for AI med faktuel præcision.
Læs mere →Virksomhedens AI-strategi
En struktureret plan for AI-adoption på virksomhedsniveau — forretningsmål, teknologivalg, governance og roadmap.
Læs mere →