Change Requests

Change Requests - Eksempler og Prompts

Denne side indeholder eksempler på one-liners og copy/paste prompts til at kvalificere dem med AI.

Problemstilling: One-Liners

Nuværende problem:

• Change requests fra forretning til IT er af dårlig kvalitet (one-liners)
• Udviklere kan ikke arbejde med dem
• Testmanagere forstår ikke hvad der ønskes
• Mange “ping-pong” spørgsmål

Løsning:

• Bruge AI-agenter som triage - afsender taler med agenten før den sender videre
• Ligesom triage på et hospital

Visualisering: Problemstilling

Eksempler på One-Liners

❌ One-Liner Eksempler (fra Lines team):

1. “Statistik/Dashboard. Hvor mange billeder er kommet ind?”

   • Problem: Ingen kontekst, ingen problembeskrivelse
   • Mangler: Hvor i systemet? Hvem skal bruge det? Hvorfor?

2. “Firmanavn skal automatisk udfyldes”

   • Problem: For vagt
   • Mangler: Hvor? Hvordan? Hvornår?

3. “Dashboard - modernisering”

   • Problem: Ingen information overhovedet
   • Mangler: Alt

✅ Kvalificeret Eksempel (Reference):

“ADMIN - Roller på domæner”

• Har problembeskrivelse
• Har kontekst
• Har løsningsbeskrivelse
• Har eksempler

Copy/Paste Prompts

Prompt 1: Kvalificer Change Request

Copy/paste denne prompt:

“Du er en AI-ekspert der hjælper med at kvalificere ændringsønsker fra forretning til IT.

Dit ændringsønsker: [indsæt one-liner her]

Din opgave:

1. Identificer manglende information
2. Stil 3-5 kvalificerende spørgsmål
3. Når du har fået svar, strukturer output i dette format:
   • Problem (hvorfor, hvem, omkostning)
   • Kontekst (hvor, hvem, hvordan bruges det nu)
   • Løsning (hvordan, success-kriterier, edge cases)
   • Testkriterier (hvordan testes det, accept-kriterier)
   • Tekniske specifikationer (rettigheder, performance, integrationer)

Start med at stille spørgsmålene.”

Eksempel brug: “Du er en AI-ekspert der hjælper med at kvalificere ændringsønsker fra forretning til IT.

Dit ændringsønsker: Statistik/Dashboard. Hvor mange billeder er kommet ind?

Din opgave:

1. Identificer manglende information
2. Stil 3-5 kvalificerende spørgsmål
3. Når du har fået svar, strukturer output i dette format:
   • Problem (hvorfor, hvem, omkostning)
   • Kontekst (hvor, hvem, hvordan bruges det nu)
   • Løsning (hvordan, success-kriterier, edge cases)
   • Testkriterier (hvordan testes det, accept-kriterier)
   • Tekniske specifikationer (rettigheder, performance, integrationer)

Start med at stille spørgsmålene.”

Prompt 2: Med Kontekst om Systemet

Copy/paste denne prompt (tilpas kontekst):

“Du er en AI-ekspert der hjælper med at kvalificere ændringsønsker.

Kontekst:

• System: Miljøstyringssystem
• Brugere: Sagsbehandlere, miljørådgivere
• Formål: Håndtere jordforureningsdata

Dit ændringsønsker: [indsæt one-liner her]

Kvalificer dette ændringsønsker ved at stille spørgsmål om:

• Problem (hvorfor, hvem, omkostning)
• Kontekst (hvor i systemet, hvem skal bruge det)
• Løsning (hvordan skal det fungere, success-kriterier)
• Testkriterier (hvordan testes det)

Start med at stille spørgsmålene.”

Prompt 3: Med PPG

Hvis du bruger PPG (se PPG Guide):

Step-by-step:

1. Læs PPG først: Skriv læs PPG i chatten
2. Vent på bekræftelse: AI’en bekræfter at PPG er aktiv
3. Send dit ændringsønsker: Skriv Dit ændringsønsker: [indsæt one-liner her]

PPG’en vil automatisk guide AI’en gennem kvalificeringsprocessen.

Proces: One-Liner → Kvalificeret

Visualisering: AI-Kvalificeringsproces

Step 1: Send One-Liner til AI

Skriv til AI:

Dit ændringsønsker: Statistik/Dashboard. Hvor mange billeder er kommet ind?

Step 2: AI Stiller Spørgsmål

1. “Hvilket problem skal dette løse? Hvem har problemet?”
2. “Hvor i systemet skal dette vises? Hvem skal bruge det?”
3. “Hvordan skal det fungere? Hvad er success-kriterierne?”
4. “Hvordan testes vi at det virker?”

Step 3: Svar på Spørgsmålene

Eksempel på gode svar:

1. Problem: Sagsbehandlere kan ikke se hvor mange billeder der er kommet ind i dashboardet
2. Kontekst: Dashboard viser statistik om jordforurening, brugt af sagsbehandlere
3. Løsning: Tilføj et tal der viser antal billeder i dashboardet
4. Test: Tjek at tallet matcher faktisk antal billeder i systemet

Step 4: AI Strukturerer Output

AI’en sammensætter nu alle informationer i et struktureret format med:

• Problembeskrivelse (hvorfor, hvem, omkostning)
• Kontekst (hvor, hvem, hvordan bruges det nu)
• Løsningsbeskrivelse (hvordan, success-kriterier, edge cases)
• Testkriterier (hvordan testes det, accept-kriterier)

Step 5: Review og Send Videre

• Tjek at alt information er korrekt
• Send til udviklere når kvaliteten er god nok

Tips til Kvalificering

• Giv kontekst om systemet og brugerne
• Vær specifik i dine svar
• Tænk på testkriterier - hvordan tester vi at det virker?
• Tænk på edge cases - hvad hvis X sker?
• Brug faglighed - AI hjælper, men du ved bedst

Se Også

• PPG Guide - Struktureret tilgang med PPG
• Del 2: Hands-on - Praktiske øvelser
• Del 1: Teoretisk - Grundlæggende forståelse af AI-modeller

📝 Husk

• AI hjælper med at kvalificere, ikke erstatte faglighed
• Test altid resultaterne før du sender videre
• Jo mere kontekst, jo bedre resultat
• Brug PPG’en for konsistent kvalitet