Skal du skifte til Claude? Det skal du vurdere først

Claude fylder mere i mange virksomheders AI arbejde lige nu. Det giver god mening. Claude er stærk til research, filer og længere arbejdsflows, og har nyttige funktioner som Projects, Skills og Artifacts.

Men det betyder ikke, at du skal flytte hele virksomheden fra ChatGPT til Claude i morgen.

Det rigtige spørgsmål er mere praktisk: hvilke opgaver løser Claude bedre for jer, hvilke data skal værktøjet have adgang til, og hvordan tester I det uden at gøre hverdagen mere rodet?

Her får du en skriftlig vurdering af Claude, hvor det giver mening, hvor du skal være forsigtig, og hvordan du tester værktøjet på rigtige opgaver.

Det vigtigste først

• Claude er værd at teste, hvis du arbejder med research, filer, gentagne tekstflows, præsentationer eller prototyper.

• Du skal ikke skifte på grund af hype. Test Claude på dine egne opgaver først.

• ChatGPT er stadig stærk i flere arbejdsgange, så valget bør handle om opgaven.

• Start forsigtigt med connectors, filer, e-mail og CRM. Læseadgang før skriveadgang.

• Projects og Skills er især nyttige, når flere skal arbejde efter samme metode.

• Et Claude kursus giver mest mening, når virksomheden vil have en fælles, sikker måde at bruge værktøjet på.

Bygger på en samtale i HverdagsAI podcasten

Artiklen bygger på samtalen mellem Jacob Lynov Mindak og Mads Bang i HverdagsAI podcasten, suppleret med HverdagsAIs praktiske erfaringer og redaktionelle research.

Vil du have den korte, skriftlige version, så læs videre her. Vil du hellere høre hele samtalen, kan du se afsnittet på YouTube eller lytte med på Spotify og Apple Podcasts.

• Se afsnittet på YouTube

• Lyt på Spotify

• Lyt på Apple Podcasts

Claude er stærk lige nu, men skiftet afhænger af dit arbejde

Når et AI værktøj får momentum, opstår der hurtigt en trættende diskussion: er det her nu bedre end alt andet?

Det er sjældent det rigtige spørgsmål.

Et bedre spørgsmål er: hvad skal du bruge det til?

I praktisk brug kan Claude især være stærk til længere arbejdsprocesser, hvor kontekst og struktur betyder meget. Det gælder research, arbejde med filer, projekter med mange tråde, genbrugelige instruktioner og output, der skal kunne vurderes hurtigt.

Det er en reel forskel fra den gamle måde at bruge AI på. Før kopierede man tekst ind i et chatvindue, ventede på et svar og flyttede selv resultatet videre.

Claude er ikke magi. Det er stadig et værktøj, der kræver gode opgaver, klare rammer og sund skepsis. Men for de rigtige opgaver kan det føles mere som en arbejdsflade end som en almindelig chatbot.

Hvorfor Claude fylder mere i AI billedet

Claude har fået mere opmærksomhed, fordi Anthropic har ramt en kombination, mange brugere efterspørger: en stærk model, et overskueligt interface og funktioner, der passer godt til praktisk kontorarbejde.

Det handler ikke kun om modelbenchmarks. De færreste virksomheder vælger AI værktøj ud fra en teknisk rangliste. De vælger ud fra spørgsmål som:

• Kan medarbejderne forstå det?

• Giver det gode svar på dansk?

• Kan det hjælpe med vores konkrete opgaver?

• Er det nemt nok til, at folk faktisk bruger det?

• Kan vi styre adgang til data og systemer?

Her har Claude ramt noget. Særligt desktop appen, Projects, Skills, Artifacts og Cowork gør, at værktøjet føles tættere på arbejdsgange end på ren chat.

Samtidig er ChatGPT ikke blevet irrelevant. Mange virksomheder bruger stadig ChatGPT godt i hverdagen. For nogle opgaver er det hurtigt, velkendt og tilstrækkeligt. Derfor bør valget mellem Claude og ChatGPT ikke blive en fanklub. Det bør være et praktisk valg.

De vigtigste Claude funktioner i praksis

Claude bliver først interessant, når man ser på funktionerne i hverdagen.

Research er en af de mest oplagte. Claude kan hjælpe med at finde kilder, samle eksempler og skabe overblik, før du selv vurderer kvaliteten. Det betyder ikke, at du skal stole blindt på hvert svar. Men det kan spare tid i den første brede søgning, hvor man normalt ville åbne mange faner og sammenligne resultater manuelt.

Et lavpraktisk eksempel er indkøb eller research på tværs af mange sider. Hvis du skal finde et produkt med bestemte krav, kan Claude hjælpe med at samle muligheder, priser og forskelle. I en virksomhed kan samme mønster bruges til konkurrentresearch, markedsblik, produktmuligheder eller mødeforberedelse.

Projects er en anden vigtig funktion. Et projekt samler kontekst, filer og tråde omkring en bestemt arbejdsopgave. Det kan være et kundetilbud, en kampagne, en årsrapport, en sommerfest eller et internt udviklingsprojekt. Fordelen er, at Claude ikke skal starte helt forfra hver gang.

Skills er endnu mere interessante for virksomheder. En Skill er i praksis en genanvendelig instruktion. Den kan beskrive tone of voice, arbejdsgange, systemer, formater eller regler for en bestemt opgave. Det kan være en Skill til nyhedsbreve, LinkedIn opslag, HubSpot arbejde eller tekster i virksomhedens egen stil.

Hvis du allerede arbejder med prompting, er Skills en naturlig næste fase. De gør det nemmere at genbruge de gode instruktioner i stedet for at skrive dem igen og igen. Hvis du vil styrke fundamentet, kan du også læse HverdagsAIs guide til prompt engineering i praksis.

Artifacts gør det muligt at se og arbejde med konkrete output som dashboards, quizzer, små prototyper eller visuelle forslag direkte i Claude. AI svaret er ikke kun tekst. Det kan være noget, du kan se, teste og justere.

Cowork peger endnu mere i retning af praktisk AI arbejde. Her bevæger Claude sig tættere på en desktopagent, der kan arbejde med browser, filer, e-mail og eksterne systemer, afhængigt af hvordan du sætter adgangen op. Det er spændende. Det er også her, man skal være mest forsigtig.

Hvor Claude kan spare tid i hverdagen

Den bedste test af Claude er ikke at spørge, om det er bedre end ChatGPT i teorien. Test det på noget, du faktisk bruger tid på.

Det kan være fire Excel filer med dubletter, hvor data skal samles, renses og afleveres som en ny fil. Det kan være research til et oplæg, hvor du har brug for eksempler og kilder. Det kan være et nyhedsbrev, der skal skrives i en bestemt stil. Det kan være en prototype på en quiz, et dashboard eller en intern side, hvor du ikke har brug for færdig software, men for noget du hurtigt kan vurdere.

Det er her Claude ofte føles stærk. Ikke fordi det fjerner alt arbejde, men fordi det fjerner mange små manuelle mellemled.

Tidligere skulle du måske først formatere filerne, forklare opgaven, kopiere svar over i et nyt dokument, rette til, eksportere og derefter tjekke resultatet. Med de nye funktioner kan mere af processen samles i ét flow.

Det gør især en forskel i opgaver, der gentager sig. Hvis du hver uge skriver nogenlunde samme type mail, samler samme type data, laver samme type rapport eller forbereder samme type møde, er der ofte mere værdi i at bygge en god Claude arbejdsgang end i at skrive endnu en løs prompt.

Sikkerhed, adgang og connectors: start forsigtigt

Det mest spændende ved Claude er også det, der kræver mest omtanke.

Når du kobler Claude til e-mail, filer, CRM eller andre systemer, ændrer opgaven karakter. Så er det ikke længere bare et chatvindue. Så får værktøjet adgang til arbejdsdata, og i nogle tilfælde mulighed for at oprette, ændre eller sende noget.

Start derfor med lav risiko.

Hvis du tester på e-mail, så brug gerne en konto eller et område, hvor der ikke ligger følsomme data. Hvis du kobler Claude til et CRM, så start med læseadgang. Hvis du tester kladder i e-mail, så lad den oprette kladder, ikke sende beskeder. Hvis du installerer eksterne Skills eller connectors, så læs dem igennem og forstå, hvad de gør.

Spørg ikke kun, om Claude kan løse opgaven. Spørg også:

• Hvilke data får Claude adgang til?

• Kan den kun læse, eller kan den også skrive?

• Hvem gennemgår resultatet?

• Hvad sker der, hvis den misforstår opgaven?

• Kan adgangen fjernes igen?

Den sunde tilgang er at åbne én dør ad gangen. Først en lille test. Så en rigtig opgave med lav risiko. Først derefter mere centrale arbejdsflows.

Claude vs ChatGPT: hvornår skal du ikke skifte?

Du skal ikke skifte til Claude, hvis ChatGPT allerede løser dine vigtigste opgaver godt, og du ikke har brug for Claudes særlige funktioner.

Det lyder banalt. Men det er vigtigt.

AI værktøjer skifter hurtigt position. Den model, der er stærkest i én måned, kan blive indhentet af en anden. Derfor er det sjældent klogt at bygge hele virksomhedens metode på ét logo.

ChatGPT kan stadig være stærk til bestemte typer kode, review, analyse og hverdagsbrug. Mange medarbejdere kender det allerede. Hvis værktøjet er indarbejdet, og kvaliteten er høj nok, kan et skifte skabe mere forvirring end værdi.

Claude giver mest mening, når du har et konkret behov. Det kan være bedre projektkontekst, mere struktureret brug af Skills, stærk research, bedre arbejde med filer eller lyst til at teste desktopbaserede agentfunktioner.

Du skal også være opmærksom på forbrug og begrænsninger. Abonnementer, kreditter og modeladgang ændrer sig løbende, og nogle funktioner kan bruge kapacitet hurtigere end almindelig chat. Tjek altid aktuelle priser, forbrugsgrænser og funktioner hos udbyderen, før I beslutter jer.

Hvornår giver et Claude kursus mening?

Et Claude kursus giver ikke mening, bare fordi Claude er populært.

Det giver mening, når I vil bruge Claude mere systematisk. Måske skal flere medarbejdere arbejde med de samme typer opgaver. Måske vil I bruge Projects, Skills og Artifacts ordentligt. Eller måske vil I undgå, at alle sidder med hver sin metode, hver sine prompts og hver sin forståelse af, hvad der er sikkert.

Her handler træning ikke kun om at lære knapperne. Det handler om at skabe en fælles måde at arbejde med AI på.

For nogle virksomheder er det rigtige næste skridt et konkret Claude kursus. For andre er det et bredere blik på AI metoden i virksomheden. Forskellen er enkel: skal I lære ét værktøj godt, eller skal I først finde ud af, hvor AI skal bruges i arbejdet?

Sådan tester du Claude uden at overkomplicere det

Start småt.

Vælg én måned. Vælg én opgavetype. Vælg én person eller et lille team, der tester. Sæt abonnementet til at stoppe igen, hvis I ikke aktivt beslutter at fortsætte. Det lyder lavpraktisk, men det forhindrer, at værktøjer bliver endnu en fast udgift, ingen rigtig ejer.

Vælg en opgave, der har reel værdi, men lav risiko. Det kan være research, datarensning, et internt udkast, en præsentationsstruktur eller en skabelon til gentagne mails. Undgå i første omgang kundeafsendte mails, juridiske vurderinger, personfølsomme data og direkte skriveadgang til centrale systemer.

Efter testen bør I vurdere:

• Blev resultatet bedre eller hurtigere?

• Var det nemt nok til, at teamet vil bruge det igen?

• Hvilke adgange og kontroller skal være på plads, før det bliver fast praksis?

• Hvad skal vi stoppe med at gøre manuelt, hvis Claude faktisk virker?

Hvis Claude vinder på de spørgsmål, er det værd at gå videre. Hvis ikke, er det også et godt svar.

En god AI strategi er ikke at hoppe efter det nyeste værktøj. Det er at finde de arbejdsgange, hvor værktøjet faktisk gør hverdagen lettere.