Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Multimodale arbejdsgange: Kombination af tekst, billeder og filer

Lektion 14 af 14 Opdateret 5. november 2026 Mellem
På denne side
  1. Princippet
  2. Fra marken til rapporten
  3. Visuel finansiel analyse
  4. Produktion af illustreret indhold
  5. Krydsrefereret revision
  6. Hvornår skal du skifte til ChatGPT Work?
  7. Design din egen
  8. Din tur
  9. Vigtige pointer
  10. Test din viden

De funktioner, du lige har lært om, er nyttige, når de bruges hver for sig. Men kombineret i én enkelt samtale skaleres de fuldt ud. Tekst, billeder, filer og tale smelter sammen for at løse opgaver, der tidligere krævede flere værktøjer, adskillige eksporter og omfattende manuel bearbejdning. Denne sidste lektion handler om samling.

Princippet

En multimodal arbejdsgang kæder flere input- og outputtyper sammen inden for én samtale mod et defineret mål. Hvert trin udnytter en anden funktion, og konteksten bevares fra start til slut – det er denne vedvarende kontekst, der adskiller det fra en række isolerede forespørgsler. En arbejdsgang til konkurrenceintelligence illustrerer hele billedet.

  1. Upload en Excel-fil med salgsdata fra konkurrenter
  2. Upload skærmbilleder af deres hjemmesider
  3. Anmod om en sammenlignende analyse i tekst
  4. ChatGPT producerer en rapport med genererede diagrammer
  5. Du forfiner punkter for at udforske yderligere ved hjælp af tale

De fire scenarier nedenfor anvender dette princip på almindelige professionelle situationer.

Fra marken til rapporten

Du er kommet hjem fra en messe og skal udarbejde en evalueringsrapport til dit team. I løbet af dagen fotograferer du stande, plakater, visitkort og produktdemoer og sender disse fotos til ChatGPT undervejs sammen med talebeskeder til kontekst – det er her, indtrykkene er friske, og det er mindst praktisk at skrive. Visitkort indeholder personlige data: behold kun det, din rapport har brug for. Om aftenen går du i gang med struktureringen: „Her er alle fotos og noter fra mit messebesøg. Organisér disse oplysninger efter udstiller. For hver skal du notere: firmanavn, præsenterede produkter, interessante punkter og relevans for vores forretning.” Anmod derefter om leverancen: „Generér en struktureret rapport i Word-format med et resumé til ledelsen, detaljer pr. udstiller og mine anbefalinger til opfølgning. Inkludér relevante fotos.” På en time går du fra en bunke fotos til et dokument, der er klar til ledelsen.

Visuel finansiel analyse

Den samme logik gælder for en kvartalsvis gennemgang af resultaterne, men her starter du med en fil. Upload dit KPI-Excel-ark og anmod derefter om analysearbejdet: „Analysér disse data. Beregn udviklingen sammenlignet med foregående kvartal. Identificér de 3 bedste performere og de 3 advarsler.” Verificér disse tal, før du går videre – en fejl her vil sprede sig og forstærkes i alt, hvad der følger, helt ned til de diagrammer, du præsenterer.

Når analysen er valideret, beder du om visualiseringerne: „Generér et visuelt dashboard med 4 diagrammer: indtægtsudvikling, fordeling efter produkt, teamsammenligning og tendens over 4 kvartaler.” Håndtér derefter den endelige formatering: „Saml alt i et 3-siders resumé: nøgletal på side 1, diagrammer på side 2, anbefalinger på side 3.”

Produktion af illustreret indhold

Til et komplet blogindlæg starter arbejdsgangen med råmateriale: upload dine referencedokumenter, PDF’er eller artikler, og anmod om en detaljeret disposition. Selve skrivningen foregår derefter afsnit for afsnit, hvor du itererer over tone, dybde og eksempler i stedet for at kræve hele artiklen på én gang.

Visualiseringerne kommer næst, inden for samme samtale, hvilket sikrer konsistens med den tekst, der lige er skrevet: „Generér en header-illustration til denne artikel i professionel flat design-stil. Opret derefter 3 forklarende diagrammer til afsnit 2, 4 og 6.” Tilføj til sidst den redaktionelle polering: „Foreslå 5 fængende titler, skriv SEO-meta-beskrivelsen, og foreslå 10 relevante søgeord.” En komplet, illustreret og optimeret artikel produceret i én enkelt session.

Krydsrefereret revision

Det sidste scenarie viser værdien af at blande kilder af forskellig art. For at revidere en kundes online-tilstedeværelse uploader du først skærmbilleder af deres hjemmeside, sociale medier-sider og Google-søgeresultater og uploader derefter Analytics-eksporter: trafik, bounce-rate, kilder. Anmod derefter om det, som ingen af datasættene kan levere alene: „Krydsreferér Analytics-data med skærmbilleder af hjemmesiden. Identificér sider med høj trafik, men lav engagement, og korrelér dette med deres design, som er synligt på skærmbillederne.” Afslut med leverancen: „Udarbejd en revisionsrapport med annoterede skærmbilleder, der viser problemområder og forbedringsforslag for hver.”

Hvornår skal du skifte til ChatGPT Work?

Til en lang arbejdsgang, der udnytter flere kilder og skal producere en rigtig leverance – et dokument, et regneark eller en præsentation – er ChatGPT Work værktøjet designet af OpenAI: det opretter eller redigerer disse filer, afhængigt af din plan og workspace-indstillinger. Du kan endda styre det med tale via Live på web og mobil, hvor opgaven fortsætter i tekst efter opkaldet. Behold de samme reflekser: et klart mål, valgte kilder og din godkendelse før enhver afsendelse.

En multimodal arbejdsgang Fire trin: fotos eller skærmbilleder fra marken; en fil til data; en tekstanalyse, der krydsrefererer begge; en leverance, dokument, regneark eller præsentation, med ChatGPT Work om nødvendigt, hvor hvert trin valideres. KOMBINATION AF INPUTS En multimodal arbejdsgang 1 Billeder Mark, skærmbilleder 2 Fil Dataene 3 Analyse Krydsreferencing af kilder 4 Leverance Dokument eller slides Til en lang leverance overtager ChatGPT Work; valider hvert trin før det næste.
Baseret på artiklerne „ChatGPT Voice" og „Creating and editing documents, spreadsheets, and presentations with ChatGPT Work" fra OpenAI Help Center (november 2026).

Design din egen

Disse fire eksempler deler en metode, der kan anvendes på enhver kompleks opgave. Definér først det endelige mål: hvilken leverance eller beslutning sigter du mod? Oplist derefter de tilgængelige inputs – filer, billeder, information – og sekvensér derefter trinnene ved at beslutte den rækkefølge, hvori ChatGPT skal behandle disse elementer. Specificér, hvilket mellemoutput hvert trin skal producere, og valider disse resultater, før du går videre. Alt hviler på dekomponering: en kompleks opgave bliver til en række korte trin, hvor hvert trin udnytter en specifik funktion.

Tre faldgruber går ofte igen for dem, der opdager disse kæder. Den første er at sende alt på én gang uden instruktioner knyttet til hvert element – konteksten bliver ulæselig. Den anden er at miste tråden i en lang samtale; en simpel „Påmindelse: vi arbejder på revisionen for kunde X” nulstiller alt. Den tredje er at forsøge at køre et helt projekt i én enkelt session: ud over et vist volumen er det bedre at opdele det i flere tematiske samtaler.

Din tur

Din mini-arbejdsgang. Byg din egen mini-arbejdsgang med mindst tre inputtyper. Upload et foto – dit produkt, dit arbejdsområde, en begivenhed – og derefter en fil relateret til samme emne. Anmod om en tekstanalyse, der krydsrefererer visuel information og fildata, og afslut med en leverance: rapport, præsentation eller handlingsplan. Tag tid på det, og sammenlign derefter med, hvor lang tid det samme arbejde ville have taget manuelt. Dette delta vil afgøre, hvilke arbejdsgange du beholder som skabeloner.

Officielle kilder: ChatGPT Voice · Creating and editing documents, spreadsheets, and presentations with ChatGPT Work · Uploading files and audio to ChatGPT (OpenAI Help Center)

Vigtige pointer

  • Styrken ved multimodal ChatGPT ligger i at kombinere tekst, billeder, filer og tale inden for én enkelt arbejdsgang
  • Opdel komplekse opgaver i sekventielle trin, hvor hvert trin udnytter en anden funktion
  • Valider resultaterne af hvert trin, før du går videre til det næste
  • Konteksten bevares gennem hele samtalen – udnyt den
  • Opret skabeloner til arbejdsgange for dine tilbagevendende opgaver og spar tid ved hver udførelse

Test din viden

Billeder, tale, filer: tjek dit multimodale værktøjssæt.

1. Hvad kan ChatGPT gøre med et foto af et dokument?

Svar: OCR og analyse: udtræk tekst, strukturér data (inklusive tabeller) og besvar spørgsmål om indholdet – fotoet bliver en brugbar kilde.

2. Hvordan får du et genereret billede, der er trofast over for din intention?

Svar: Ved at beskrive motiv, stil, komposition og detaljer – og iterere: ChatGPT Images giver bedre resultater, når prompten specificerer indramning og begrænsninger frem for blot et tema.

3. Hvad muliggør redigering af eksisterende billeder?

Svar: Ændring af et leveret billede – udskiftning af et element, ændring af en stil, justering af et område – ved at beskrive den ønskede ændring uden at starte forfra.

4. I hvilke tilfælde overgår taletilstand tekst?

Svar: Sprogøvelse, coaching, brainstorming: mundtlig frem og tilbage er hurtigere og mere naturlig – og kombineres med de samme funktioner som skrivning.

5. Hvad er en multimodal arbejdsgang?

Svar: En kæde, der kombinerer inputs og outputs: analysér en PDF, udtræk dens data, generér den tilsvarende visualisering, og skriv sammendraget – hvor hver modalitet tjener det næste trin.

Denne sidste lektion samler det hele: lad dig inspirere af dens arbejdsgange til at bygge dine egne.