Scout Robotics

Sådan bruger du AI til at finde dit parti - uden andres bias 🇩🇰

De fleste parti-tests til FV2026 bygger på populistiske udsagn om sprøjtegifte, store bededag, indvandring, pensionsalder og konkrete enkeltsager. Journalister lever af overskrifter der fanger - og det smitter af på de spørgsmål og svarmuligheder, vi præsenteres for. Det gør det svært at gennemskue, hvad partierne egentlig står for.

Jeg har tidligere sagt, at det at få AI til at virke ikke handler om den perfekte prompt - det handler om at forstå, hvordan AI bedst arbejder. Det er hele essensen af Level 3 AI-modenhed.
Og alligevel er her et eksempel på det modsatte: en simpel prompt der løser en konkret opgave på 5 minutter.

Resultatet er 40 spørgsmål, ingen neutrale svarmuligheder, ligeligt fordelt på tværs af emner som klima, økonomi, forsvar, indvandring og velfærd. Til sidst får du alle 12 partier rangeret med en procentscore og et personligt resume der forklarer, hvorfor du lander som du gør.

Nogle gange holder en veltænkt prompt - og det er måske også en del af at forstå AI godt.

Prøv den selv her 👇 ( virker bedst på Claude )

"Gennemlæs partiernes programmer for alle 12 partier der stiller op til FV2026, og lav på den baggrund 40 spørgsmål som du stiller mig ét ad gangen. Fordel spørgsmålene ligeligt på tværs af alle politiske emner - klima, økonomi, indvandring, forsvar, velfærd og øvrige - så intet emne fylder mere end andre i slutresultatet. Spørgsmålene skal formuleres neutralt, så jeg ikke kan aflæse hvilke partier de peger mod, og præsenteres som klikbare knapper. Ingen neutral svarmulighed. Når alle 40 er besvaret, udpeger du hvilke partier jeg er mest enig med, rangeret med procentscore og et kort personligt resume."

**Fra idé til kørende AI-sikkerhedsagent på 52 minutter**

Har du tænkt over hvor mange enheder der er på dit hjemmenetværk lige nu? Vaskemaskine, køleskab, jordvarme, computere, telefoner. Sandsynligvis 15-30. Der findes masser af tools til at scanne netværket. Men hvem har tid til at sidde og grave i firmware-checks, port scans og CVE-lister?

Løsningen: en AI-agent der gør det for mig — bygget uden at jeg rørte en linje kode. Samler data fra alle kilder, analyserer det hele, og giver mig kun besked når noget faktisk er galt. 35 min. til kravspec og arkitektur. 17 min. til kodegenerering. 2 småfejl rettet på under et minut.

Første test: en NAS-enhed der manglede en firmware-opdatering. Præcis den slags man overser i en travl hverdag.

Jeg har ikke skrevet en linje kode. Jeg har fortalt AI'en hvad jeg ville have, taget beslutningerne og godkendt løsningen. AI'en har bygget det. Det handler ikke om den perfekte prompt, men om hvordan man tøjler AI.

Det her er ikke fremtiden. Det er en mandag formiddag og én kop kaffe. Hvis du ikke er startet — så er det den kop kaffe du mangler.

Scout Robotics og 5 danske landbrugsvirksomheder er gået sammen om at udvikle et drone setup, hvor dronen autonomt skal indhente data fra marken, analysere og efterfølgende behandle afgrøden. Du kan læse mere om projektet her:

Ny drone skal overvåge og pleje afgrøderne på marken Et nyt projekt skal udvikle en drone, der bor i marken, og overvåger afgrøden med kamerateknologi og kunstig intelligens. Fem danske landbrugsvirksomheder, Aalborg Universitet samt landbrugsbedriften Klitgaard Agro står bag GUDP-projektet.