# GenAI Bootcamp ## Fra awareness til sikker praksis Thomas Delvin / Pharma R&D — Rox Resort, Køge 30. april 2026 <div class="lab-grid"> <div class="lab-cell"><b>Proceskort</b><span>Én nuværende arbejdsgang beskrevet sikkert uden fortroligt materiale.</span></div> <div class="lab-cell"><b>AI-bidrag</b><span>2-3 steder hvor Enterprise ChatGPT eller en GPT kan hjælpe i processen.</span></div> <div class="lab-cell"><b>Commitment</b><span>Én opgave I tester efter dagen med baseline og reviewpunkt.</span></div> </div>

# Rammen: jeres processer er materialet <img src="assets/rox-resort-ai-bootcamp-slide.png" alt="AI-modellen forklaret som en hest med prompt, harness engineering og kontekst engineering" style="width: 100%; max-width: 980px; height: auto; object-fit: contain;"> Dagens arbejde: konkrete arbejdsgange → sikre AI-arbejdsformer.

# AI ændrer ikke jeres faglighed — den ændrer hvor fagligheden gør mest gavn > Mindre manuel produktion. Mere bestilling, audit, review og beslutning. <div class="lab-grid"> <div class="lab-cell"><b>Før</b><span>Jeg skriver, samler, sorterer og dobbelttjekker det meste selv.</span></div> <div class="lab-cell"><b>Nu</b><span>Jeg giver AI en afgrænset opgave og kontrollerer kvaliteten.</span></div> <div class="lab-cell"><b>I dag</b><span>Hver person vælger én proces, hvor AI kan hjælpe uden at overtage faglig sign-off.</span></div> </div>

# Andre i pharma bruger allerede AI — men vi starter med arbejdsmåden <div class="lab-grid"> <div class="lab-cell"><b>AstraZeneca</b><span>AI og data science bruges på tværs af discovery, kliniske forsøg og udvikling. <a href="https://www.astrazeneca.com/r-d/data-science-and-ai.html">Kilde</a></span></div> <div class="lab-cell"><b>Roche / Genentech</b><span>Roche og NVIDIA beskriver generativ AI til drug discovery og udviklingsflows. <a href="https://www.roche.com/investors/updates/inv-update-2023-11-21">Kilde</a></span></div> <div class="lab-cell"><b>Pfizer / CytoReason</b><span>AI-drevne sygdomsmodeller bruges til udviklingsbeslutninger. <a href="https://www.pfizer.com/news/press-release/press-release-detail/cytoreason-announces-expanded-collaboration-deal-pfizer">Kilde</a></span></div> </div> → Vi gør ikke det samme i dag. Vi lærer mønsteret: afgræns opgaven, sæt data-grænse, review output.

# AI skaber først værdi, når faglighed, teknologi og proces hænger sammen > I dag træner vi ikke "smarte prompts". Vi træner en arbejdsform. <div class="lab-grid"> <div class="lab-cell"><b>Faglighed</b><span>Jeres dømmekraft afgør hvad der er rigtigt, relevant og sikkert.</span></div> <div class="lab-cell"><b>Teknologi</b><span>AI foreslår ud fra mønstre. Den kan hjælpe hurtigt, men den skal styres og kontrolleres.</span></div> <div class="lab-cell"><b>Proces</b><span>Vi starter med jeres nuværende arbejdsgang, ikke med AI-værktøjet.</span></div> </div>

# Dagens materiale er et website, ikke en PowerPoint ### I rummet - Vi bruger udvalgte slides, øvelser og live-demoer - Eksemplerne er skabeloner; de rigtige cases kommer fra jeres egne processer - Vi holder tempoet praktisk ### Efter dagen - I kan vende tilbage til skabeloner, kilder og øvelser - Ikke alt skal gennemgås live - Website-formatet gør materialet brugbart som opslagsværk

# Materialet er kvalitetstjekket før workshoppen <div class="workflow-chain"> <span>Thomas' mål<br>wake-up og commitment</span> <span>Deltagerforståelse<br>ikke teknisk først</span> <span>Sikkerhed<br>ingen fortrolige øvelsesdata</span> <span>Læsevenlighed<br>projektor og follow-up</span> <span>Menneskelig beslutning<br>Torben styrer</span> </div> Kvalitetstjekket handler ikke om at imponere med AI. Det handler om relevans, sikkerhed og om deltagerne kan bruge materialet mandag.

# Vi arbejder med procesbeskrivelser, ikke fortrolige dokumenter <div class="safety-matrix"> <div class="safety-gate"> <h3>OK i rummet</h3> <p>Rolle, procestrin, generisk inputtype og ønsket output. Ingen navne, tal, datoer, produkter eller dokumenter.</p> </div> <div class="safety-gate caution"> <h3>Kun godkendt enterprise</h3> <p>Fortroligt arbejdsindhold efter jeres interne regler. Brug Enterprise ChatGPT, og behold human validation.</p> </div> <div class="safety-gate stop"> <h3>Stop</h3> <p>Trade secrets, patientdata, GDPR-persondata, produktformler, deal terms, leverandørnavne og non-public clinical details.</p> </div> </div> > Når vi øver i dag: beskriv processen uden at dele selve materialet.

# Hvad betyder "saniteret" i praksis? En saniteret procesbeskrivelse må gerne fortælle **hvad typen af arbejde er**, men ikke afsløre selve indholdet. <div class="prompt-builder"> <div class="prompt-step"><b>Ja</b><span>"Vi laver en intern opsummering af et møde."</span></div> <div class="prompt-step"><b>Ja</b><span>"Input er noter, output er beslutninger og åbne spørgsmål."</span></div> <div class="prompt-step"><b>Ja</b><span>"Review sker hos faglig ejer før deling."</span></div> <div class="prompt-step"><b>Nej</b><span>Navne, patienter, produkter, tal, datoer og konkrete dokumentuddrag.</span></div> <div class="prompt-step"><b>Nej</b><span>Kunde-, leverandør- eller deal-detaljer.</span></div> <div class="prompt-step"><b>Nej</b><span>Data eller kode, der i sig selv er IP eller fortroligt.</span></div> </div>

# Generativ AI kan hjælpe, men den ved ikke automatisk hvad der er sandt Generativ AI kan foreslå: - tekst og struktur - spørgsmål og reviewpunkter - sammenfatninger og næste trin - tjeklister og udkast til arbejdsgange Derfor arbejder vi altid med: **opgave → kontekst → grænser → outputformat → menneskelig review**

# GPT'er er agent lite: en fast arbejdsinstruks pakket ind i chat En GPT er ikke en fuld agent. Men den kan give jer: - samme rolle hver gang - samme regler hver gang - samme outputformat hver gang - samme sikkerhedsgrænse hver gang - samme reviewspørgsmål hver gang → I dag bygger vi en enkel `Proceskort-assistent` sammen.

# En svag prompt skaber mere reviewarbejde, end den sparer ### Svag "Hjælp mig med min proces." ### Stærk ```text Du er kritisk sparringspartner. Jeg beskriver en arbejdsgang uden fortrolige detaljer. Find 3 sikre AI-bidrag. Returnér en tabel med: procestrin, AI-bidrag, data-risiko og menneskelig review. ``` → Forskellen er ikke modellen. Forskellen er arbejdsinstruksen.

# En god AI-opgave starter med proces, ikke prompt <div class="prompt-builder"> <div class="prompt-step"><b>Procestrin</b><span>Hvad sker der før, under og efter opgaven?</span></div> <div class="prompt-step"><b>Ufarlig kontekst</b><span>Hvad kan beskrives uden fortrolige detaljer?</span></div> <div class="prompt-step"><b>AI-bidrag</b><span>Struktur, udkast, reviewspørgsmål eller tjekliste?</span></div> <div class="prompt-step"><b>Stopregel</b><span>Hvad må AI ikke se eller beslutte?</span></div> <div class="prompt-step"><b>Outputformat</b><span>Tabel, liste, spørgsmål eller næste trin?</span></div> <div class="prompt-step"><b>Reviewpunkt</b><span>Hvor stopper AI, og hvor tager mennesket over?</span></div> </div>

# Øvelse 1: Gør en proces AI-klar uden at dele fortrolige data <div class="exercise-panel"> <div class="timer-display" data-seconds="720">12:00</div> <div> Vælg en aktuel arbejdsgang. Beskriv den på 5 linjer uden navne, tal, patienter, produkter eller fortrolige dokumenter. Output: - 3 procestrin - 1 sikker AI-spørgsmål - 1 ting AI ikke må se - 1 menneskeligt reviewpunkt </div> </div> > Kun procesbeskrivelse: ingen navne, tal, produkter eller fortrolige dokumenter.

# AI er stærkest, når den bruges som kritisk assistent før den bruges som forfatter Spørg før du beder om tekst: - "Find huller i denne procesbeskrivelse." - "Hvilke afklarende spørgsmål bør en fagperson stille?" - "Hvilke dele kræver kilder, data eller sign-off?" - "Hvad kan AI hjælpe med uden at se fortroligt materiale?" > Det bedste første output er ofte en reviewliste, ikke et flot udkast.

# Proces-lab: dokumentarbejde Hvis din proces handler om dokumenter, kan AI hjælpe uden at se dokumentet. <div class="lab-grid"> <div class="lab-cell"><b>Struktur</b><span>"Lav en disposition ud fra denne saniterede opgavebeskrivelse."</span></div> <div class="lab-cell"><b>Review</b><span>"Find uklare antagelser og spørgsmål til faglig review."</span></div> <div class="lab-cell"><b>Tjekliste</b><span>"Lav en review-checkliste før dokumentet går videre."</span></div> </div> > Beskriv dokumenttypen og opgaven, ikke dokumentet.

# Proces-lab: data, kode eller tabeller Hvis din proces handler om data, kode eller tabeller, så beskriv formålet før indholdet. <div class="lab-grid"> <div class="lab-cell"><b>Formål</b><span>"Beskriv hvad koden eller tabellen skal gøre i almindeligt sprog."</span></div> <div class="lab-cell"><b>Validering</b><span>"Foreslå hvilke checks et menneske skal lave."</span></div> <div class="lab-cell"><b>Fejltyper</b><span>"Hvilke typiske fejl skal vi lede efter i denne proces?"</span></div> </div> > Ingen rå data og ingen kode-IP i øvelsen.

# Vi bygger en Proceskort-assistent sammen <div class="workflow-chain"> <span>Rolle<br>kritisk sparringspartner</span> <span>Input<br>saniteret proces</span> <span>Regler<br>ingen fortroligt data</span> <span>Output<br>tabel</span> <span>Review<br>mennesket ejer</span> <span>Test<br>ufarlig case</span> </div> GPT'en skal hjælpe med at finde procestrin, AI-bidrag, data-risiko, reviewpunkt og første testopgave.

# En GPT bliver bedre, når fejl skrives tilbage i instruktionen Vi tester først med en ufarlig procesbeskrivelse. Hvis GPT'en svarer for bredt, forbedrer vi den: ```text Svar altid som tabel med fire kolonner: Procestrin | AI-bidrag | Data-risiko | Reviewpunkt ``` Så tester vi igen. > Det er meta-forbedringen: fejl bliver til bedre instruktion.

# Agent-tænkning starter som en fast arbejdsgang En agent er ikke magi. Det er en arbejdsproces med: - faste trin - tydelige input - stopregler - reviewpunkt - dokumenterbart output I dag arbejder vi med den del, I kan bruge nu: bedre GPT'er og bedre arbejdsinstrukser.

# I dag installerer vi ikke agenter — vi lærer mønsteret Det I skal genkende: <div class="workflow-chain"> <span>Plan<br>hvad skal ske?</span> <span>Input<br>hvad må bruges?</span> <span>Udfør<br>hvad kan AI hjælpe med?</span> <span>Review<br>hvad skal mennesket tjekke?</span> <span>Lær<br>hvad skal forbedres?</span> <span>Næste test<br>hvad prøver vi?</span> </div> Dette er ikke et installationskrav. Det er en måde at tænke arbejde på.

# Øvelse 2: Byg en GPT-instruks til én tilbagevendende opgave <div class="exercise-panel"> <div class="timer-display" data-seconds="1080">18:00</div> <div> Vælg én proces: - review af et argument - opsummering af mødebeslutninger - strukturering af ikke-fortrolige noter - forberedelse af spørgsmål til faglig review - oversættelse af en proces til en tjekliste Definér rolle, input, stopregler, outputformat og reviewpunkt. </div> </div> > Instruksen må kunne deles uden fortroligt indhold.

# Adoption sker gennem mikro-vaner, ikke store transformationer Vælg små faste greb: - "AI-assisted?" som punkt i mødeskabelon - 10-min case-demo på teammøde - fælles GPT eller promptbibliotek - før/efter-måling på én opgave - reviewregel: AI-output må aldrig sendes videre uden faglig sign-off Lederens spørgsmål: **Hvordan brugte du AI, og hvor var reviewpunktet?**

# Vi slutter med tre proceskort fra rummet For hvert proceskort: | Felt | Beslutning | |------|------------| | Proces | Hvilken arbejdsgang vil vi teste? | | AI-bidrag | Hvor kan AI hjælpe? | | Stopregel | Hvad må AI ikke se? Fortroligt materiale er ude. | | Review | Hvad skal mennesket validere? | | Baseline | Hvor lang tid, hvor mange iterationer eller hvilke fejltyper i dag? | | Næste test | Hvad prøver vi først? |

# Output fra dagen <div class="takeaway-dashboard"> <div class="takeaway-item"><b>Proceskort</b><span>Én arbejdsgang beskrevet sikkert.</span></div> <div class="takeaway-item"><b>Sikker AI-instruks</b><span>Én GPT- eller promptinstruks uden fortroligt indhold.</span></div> <div class="takeaway-item"><b>Reviewpunkt</b><span>Et tydeligt stop hvor fagligheden tager over.</span></div> <div class="takeaway-item"><b>Baseline</b><span>Tid, iterationer eller fejltype før AI-test.</span></div> <div class="takeaway-item"><b>Næste test</b><span>Én opgave der prøves efter workshoppen.</span></div> </div>

# Hvad tester jeg efter workshoppen? Skriv én sætning: > "Jeg tester AI på [proces] ved at bruge [GPT/prompt] til [afgrænset bidrag]. Min baseline er [tid/iterationer/fejltype]. Jeg evaluerer efter [første opfølgning]." Det er ikke en stor transformation. Det er én sikker test, som Thomas og teamet kan følge op på.

# Næste modul kan tage udgangspunkt i proceskortene fra i dag Mulige fortsættelser: - modne én proces til en fælles GPT - lave en team-tjekliste for sikker AI-brug - teste proceskort mod faktiske arbejdsgange i godkendt miljø - bygge et fælles promptbibliotek - vælge en superviseret pilot med tydelige gates

# Ressource: AI-infrastruktur er blevet en ledelsesressource Jensen Huang fra NVIDIA peger på, at adgang til compute og tokens bliver en reel begrænsning for vidensarbejde. <a class="resource-link-card" href="https://www.youtube.com/watch?v=Hg0Vus39I60" target="_blank" rel="noopener noreferrer"> <b>Åbn videoen i ny fane</b> <span>Jensen Huang om compute, tokens og AI-infrastruktur som ledelsesressource.</span> </a> Brug den som perspektiv, ikke som teknisk krav til dagens øvelser.