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

graph LR
    A[Forretning<br/>Sender one-liner] -->|"Statistik/Dashboard.<br/>Hvor mange billeder?"| B[GitHub Issue]
    B --> C{Har nok<br/>information?}
    C -->|❌ NEJ| D[Udvikler<br/>Kan ikke arbejde med det]
    C -->|❌ NEJ| E[Testmanager<br/>Forstår ikke hvad der ønskes]
    D --> F[Ping-pong<br/>Spørgsmål]
    E --> F
    F --> G[Tidsforbrug<br/>Fejlretning]
    
    H[Forretning<br/>Sender kvalificeret] -->|"Problem + Løsning<br/>+ Eksempler + Krav"| I[GitHub Issue]
    I --> J{Har nok<br/>information?}
    J -->|✅ JA| K[Udvikler<br/>Kan starte arbejde]
    J -->|✅ JA| L[Testmanager<br/>Kan lave testkriterier]
    K --> M[Effektiv<br/>Udvikling]
    L --> M
    
    style D fill:#ffcccc
    style E fill:#ffcccc
    style F fill:#ffcccc
    style G fill:#ffcccc
    style K fill:#ccffcc
    style L fill:#ccffcc
    style M fill:#ccffcc

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):

læs PPG

[Efter AI bekræfter PPG er aktiv]

Dit ændringsønsker: [indsæt one-liner her]

Proces: One-Liner → Kvalificeret

Visualisering: AI-Kvalificeringsproces

flowchart TD
    A[One-Liner Input<br/>"Statistik/Dashboard.<br/>Hvor mange billeder?"] --> B[AI Analyserer]
    B --> C{Identificer<br/>Manglende Info}
    C --> D[Manglende Problem]
    C --> E[Manglende Kontekst]
    C --> F[Manglende Løsning]
    C --> G[Manglende Testkriterier]
    
    D --> H[AI Stiller<br/>Kvalificerende Spørgsmål]
    E --> H
    F --> H
    G --> H
    
    H --> I[Bruger Svarer]
    I --> J[AI Strukturerer]
    J --> K[Problembeskrivelse]
    J --> L[Løsningsbeskrivelse]
    J --> M[Testkriterier]
    J --> N[Eksempler]
    
    K --> O[Kvalificeret<br/>Ændringsønsker]
    L --> O
    M --> O
    N --> O
    
    O --> P[Udvikler<br/>Kan Arbejde]
    O --> Q[Testmanager<br/>Kan Teste]
    
    style A fill:#ffe6cc
    style O fill:#ccffcc
    style P fill:#ccffcc
    style Q fill:#ccffcc

Step 1: Send One-Liner 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

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

[Struktureret ændringsønsker med Problem, Kontekst, Løsning, Testkriterier]

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


📝 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