Mange oplever, at AI begynder at give dårligere eller mere inkonsistente svar, jo længere man arbejder med den i samme projekt.

Efterhånden som flere krav, beslutninger og detaljer bliver lagt oven i hinanden, bliver outputtet mindre præcist. AI’en overser tidligere instruktioner, ændrer fokus eller prioriterer forkert – ikke fordi opgaven har ændret sig, men fordi mængden af information er blevet for stor.

Det er ikke et tegn på, at modellen er upålidelig. Det er et grundvilkår for, hvordan AI arbejder.

Forklaringen ligger i ét centralt begreb: kontekstvinduer.

Kontekstvinduer sætter grænsen for forståelse

Et kontekstvindue er den samlede mængde information, en AI-model kan forholde sig aktivt til på én gang.

Alle instruktioner, beslutninger og eksempler, som modellen skal tage højde for i sit svar, skal befinde sig inden for dette vindue. Når der tilføjes mere information, end vinduet kan rumme, bliver noget skubbet ud. Ikke selektivt og ikke intelligent, men som en teknisk nødvendighed.

Nogle modeller forsøger at sammenfatte tidligere information og bevare en form for kontinuitet. Men de kan ikke selv afgøre, hvilke beslutninger der er strukturelt vigtige, og hvilke der blot var midlertidige. Det ansvar ligger hos processen.

Det er netop derfor, problemerne ofte først opstår, når et projekt vokser, og kompleksiteten stiger.

Når konteksten bliver for stor

I praksis betyder det, at AI’en begynder at arbejde med et ufuldstændigt grundlag.

Tidligere beslutninger kan forsvinde ud af konteksten. Antagelser kan blive overset. Stilistiske eller arkitektoniske valg kan blive brudt, uden at AI’en “ved”, at den gør noget forkert.

Det kan fx vise sig i længere contentproduktioner, i kravspecifikationer eller i komplekse kodeopgaver, hvor AI’en gradvist bevæger sig væk fra de oprindelige rammer, selvom de aldrig formelt er ændret.

Resultatet er ikke tilfældig støj, men gradvis afvigelse. Outputtet bliver mindre konsistent, mindre forudsigeligt og sværere at styre, jo mere komplekst projektet bliver.

Det er her, mange fejltolker problemet som et spørgsmål om modelkvalitet. I virkeligheden handler det om manglende struktur.

Et stabilt referencepunkt uden for kontekstvinduet

Den mest effektive måde at håndtere kontekstvinduer på er at flytte de vigtigste beslutninger ud af selve samtalen.

Ved at etablere et lille sæt MD-filer, som indeholder projektets faste rammer, skaber man et eksternt referencepunkt, der kan genbruges på tværs af kontekstvinduer og sessions.

MD-filerne fungerer som en form for strukturel hukommelse. De gør det muligt at arbejde iterativt med AI uden at miste overblik, selv når projektet vokser i kompleksitet.

Hvordan MD-filer bruges i praksis

En god praksis er at starte ethvert AI-projekt med at lade modellen foreslå en overordnet struktur og formulere de centrale rammer som én eller flere MD-filer.

Disse filer gives herefter som fast reference, hver gang arbejdet fortsætter. På den måde sikres det, at AI’en altid arbejder ud fra samme grundlag, uanset hvor meget ny information der tilføjes.

Der bør være én klar regel: Ændringer i MD-filerne må aldrig ske implicit. AI’en skal altid foreslå ændringer eksplicit og med begrundelse, så beslutninger forbliver bevidste og sporbare.

Det kræver disciplin, men giver markant mere stabilitet.

Indholdet skal være skarpt, aldrig omfattende

En MD-fil skal ikke forsøge at rumme alt.

Tværtimod fungerer den bedst, når den kun indeholder det, der er afgørende for projektets retning.

Typisk vil det være:

• projektets formål og succeskriterier

• faste beslutninger og antagelser

• principper for struktur, stil eller arkitektur

• tydelige begrænsninger for, hvad der ikke må ændres

MD-filerne er ikke dokumentation i klassisk forstand. De er styrende principper, der reducerer fortolkningsrum og sikrer konsistens.

Struktur kan også etableres efterfølgende

Selv projekter, der allerede er blevet komplekse, kan stabiliseres.

Ved at lade AI’en analysere eksisterende arbejde og udlede forslag til MD-filer kan man ofte hurtigt identificere, hvilke beslutninger der mangler at blive gjort eksplicitte, og hvor forståelsen er gledet.

Det fungerer samtidig som et kvalitetscheck. Uklare eller modstridende formuleringer i MD-filerne peger ofte direkte på de steder, hvor projektet begyndte at miste sammenhæng.

Et grundvilkår, ikke et hack

Kontekstvinduer er ikke et avanceret teknisk trick. De er en grundlæggende del af, hvordan AI fungerer.

Når man indretter sine processer efter dem, bliver arbejdet med AI mere stabilt, mere kontrollerbart og markant mindre frustrerende. Det er ofte her, forskellen opstår mellem ad hoc-brug og professionel anvendelse.

Og netop derfor er forståelsen af kontekstvinduer ikke en optimering. Det er et arbejdsvilkår.