What does “review the AI features you’ve used” do in practice?

It compiles a structured summary of your recent AI activity—features used, prompts, models, and results—then surfaces what worked, what didn’t, and how to improve. Think of it as a smart retrospective for your AI workflow.

How often should I review the AI features I’ve used?

Weekly works best for most teams because it captures enough data to spot patterns without becoming a burden. Pair it with a simple template so the review stays consistent over time.

Which metrics should I track when I review AI features?

Track time saved, edit distance to final output, factual accuracy, error rates, and reuse of templates. Ask the assistant to estimate confidence levels and suggest better measurement if data is thin.

Can I automate a review of the AI features I’ve used?

Yes. Prompt the assistant to auto‑tag sessions by task and feature, then generate a weekly report with links to source files and chats. You can also trigger alerts for performance drops or failed runs.

Does a review work across different AI tools and models?

It works best in unified workspaces that track actions across chats, documents, and code. If your tools are fragmented, ask the assistant to include links and logs so you can reconcile results in one report.

Är "Granska de AI-funktioner du har använt" nästa smarta prompt? En praktisk recension

Hook: Den märkliga lilla prompten som ger ditt arbetsflöde en superboost

Du har förmodligen skrivit den utan att tänka: “Granska de AI-funktioner du har använt.” Sedan sker magin – din assistent sammanfattar vad du har provat, vad som fungerade och vad som misslyckades. Det är en liten fras med stor inverkan, och den håller tyst och stilla på att bli en av de mest användbara meta-prompterna för kunskapsarbetare som använder AI varje dag.

Det här är en produktrecension som också förklarar det bedrägligt enkla kommandot: granska de AI-funktioner du har använt. Vi kommer att packa upp vad den gör i olika verktyg, varför den är viktig för team och hur du gör den till en veckovis ritual som sparar timmar.

Vad betyder egentligen “granska de AI-funktioner du har använt”?

I grund och botten ber denna prompt din assistent att sammanställa och reflektera över din AI-användning: de verktyg du har använt, de modeller du har valt, de prompter som fungerade bäst och de utdata som är värda att behålla. Tänk på det som en personlig changelog – bara smartare, eftersom assistenten kan:

Lista vilka AI-funktioner som användes (sammanfatta, skriva om, analysera, extrahera, generera kod, översätta, brainstorma, etc.)

Mappa funktioner till uppgifter (t.ex. “Använde ‘Summarize PDF’ för Q4-konferenssamtalsanteckningar”)

Utvärdera effektivitet (vunnen hastighet, levererad kvalitet, problem som uppstått)

Rekommendera nästa steg (prova en annan modell, finjustera prompten, skapa en återanvändbar mall)

Det är skillnaden mellan “Jag använde AI mycket den här veckan” och “Här är de 20 % av AI-funktionerna som levererade 80 % av värdet.”

Varför denna prompt är viktig nu

Kognitiv avlastning: AI-sessioner är fragmenterade. Du hoppar mellan chatt, dokument, e-post och instrumentpaneler. En granskning konsoliderar kaoset.

Prestandatransparens: Om du inte kan mäta vilka AI-funktioner som faktiskt hjälper, kan du inte förbättra ditt arbetsflöde.

Team-kunskapsdelning: En repeterbar granskning gör det enkelt att sprida vad som fungerar till teammedlemmar.

Efterlevnadskontroll: Genom att granska funktioner kan du upptäcka känsligt innehåll, modellval och inställningar för datadelning.

Granskningsformatet: En mall du kan återanvända

Prova att fråga din assistent:

“Granska de AI-funktioner du har använt den här veckan. Organisera efter uppgift, funktion som använts, modell, promptmönster, tid som sparats och problem. Avsluta med tre rekommendationer för att förbättra.”

Du får ofta ett strukturerat svar. Om inte, lägg till rubriker som:

Uppgifter som omfattas (med länkar eller filnamn)

AI-funktioner som används (sammanfatta, klassificera, översätta, generera kod, bildtext)

Modell & inställningar (modellversioner, temperatur, tokens)

Promptmönster (rollprompter, chain-of-thought-lite, few-shot-exempel)

Mätvärden (handläggningstid, redigeringar som krävs, faktakontroller)

Fel (hallucinationer, formateringsproblem, timeouter)

Föreslagna förbättringar (mallar, automatisering, skyddsräcken)

Verkliga exempel: Där “granska de AI-funktioner du har använt” lyser

Forskningsspurter

Situation: Du bearbetade 12 PDF-filer, skrapade två webbplatser och körde tre enhetsextraktioner.

Granskningsresultat: Identifierar att “table extraction” underpresterade på skannade dokument, medan “abstract summarization” konsekvent levererade. Rekommenderar att du lägger till OCR-förbehandling.

Marknadsföringsinnehåll

Situation: Du genererade briefs, konturer och första utkast.

Granskningsresultat: Visar att användning av “tone transfer” och “SEO outline generator” producerade färre revisioner än rå utkast. Föreslår att du standardiserar en konturmall.

Dataanalys i kalkylblad

Situation: Du provade AI-formler för rensning, kategorisering och prognoser.

Granskningsresultat: Noterar att noggrannheten förbättrades när kolumnrubriker tillhandahölls som schemaexempel. Rekommenderar en återanvändbar prompt: “Använd dessa rubriker som grundläggande sanningsschema.”

Förberedelse för kundsupport

Situation: Du sammanfattade 60 ärenden och genererade svarsmakron.

Granskningsresultat: Flaggor som “sentiment analysis” hjälpte till att prioritera men felklassificerade sarkasm. Föreslår att du lägger till 5 few-shot-exempel med edge-toner.

Granskningar av teknisk dokumentation

Situation: Du använde AI för kodkommentarer och API-dokumentsammanfattningar.

Granskningsresultat: Finner att “diff explanation” sparade tid, men “auto-refactor” skapade stilregressioner. Rekommenderar att du kör en linter-förinställning innan godkännande.

För- och nackdelar med meta-prompten

Fördelar

Snabb klarhet: En enda rad ger en användbar revision.

Vänligt för vanor: Veckovis kadens ger sammansatta fördelar.

Klar för team: Lätt att dela som en lätt rapport.

Nackdelar

Verktygsvarians: Inte varje assistent spårar funktionsanvändning lika.

Partiell synlighet: Privata eller externa verktyg kan missas.

Mätvärdesoskärpa: “Tid som sparats” kan vara subjektivt utan riktmärken.

Åtgärder

Be om citat: “Länka till de ursprungliga filerna, chattarna och tidsstämplarna.”

Kalibrera mätvärden: Ange baslinjer (t.ex. genomsnittliga minuter per uppgift före AI).

Lägg till struktur: Ange en mall som modellen måste fylla i.

Hur du får 10x mer från din veckovisa AI-funktionsgranskning

Standardisera prompter: Konvertera vinnande prompter till mallar med variabler (ton, publik, längd).

Skapa en “Använd inte”-lista: Dokumentera funktioner som underpresterar för dina arbetsflöden.

Föredra återanvändning: Förvandla starka utdata till kodavsnitt, stilguider eller checklistor.

Jämför modeller: Be assistenten att A/B-testa funktionsprestanda över modeller.

Slut slingan: Avsluta varje granskning med automatiseringar eller sparade arbetsflöden.

Exempel på meta-promptkedja:

“Granska de AI-funktioner du har använt den här veckan.”

“Konvertera de 3 bästa till återanvändbara mallar.”

“Paketera dem som steg-för-steg-arbetsflöden med skyddsräcken.”

“Skapa en teamöversikt på en sida med länkar.”

Mätvärden som är viktiga i en AI-funktionsgranskning

Slutförandekvalitet: Redigeringsavstånd till slutlig (antal redigeringar eller revisioner)

Tid som sparats: Minuter eller % minskning jämfört med baslinjen

Faktauppgifter: Antal kontrollerade citat eller korrigeringar som behövs

Återanvändbarhet: Hur många gånger en mall används efteråt

Tillförlitlighet: Felfrekvens (timeouter, formateringsfel)

Fråga uttryckligen: “Uppskatta mätvärden och notera konfidensnivåer. Om du är osäker, föreslå hur du ska mäta nästa gång.”

Vanliga fallgropar och hur du undviker dem

Övergeneralisering från en enda framgång: Kräv minst 3 exempel innan du marknadsför en mall.

Dold kontextdrift: Inkludera begränsningar i dina prompter (publik, region, läsnivå).

Hallucinerade funktionsnamn: Korsreferera med ditt verktygs funktionslista; be om loggar.

Ignorera säkerhet: Inkludera ett avsnitt om datahantering (PII, modellgränser, redigering).

En kort, repeterbar veckovis ritual

Prova denna 15-minuterskadens:

Måndagsstart: Definiera 3 värdefulla uppgifter; fäst prompter.

Daglig: Tagga sessioner efter uppgift (eller be assistenten att automatiskt tagga).

Fredagsgranskning: “Granska de AI-funktioner du har använt den här veckan.”

Dela: Publicera rapporten med 3 förbättringar och 1 föråldrat mönster.

Verktygsanmärkning: Där denna prompt fungerar bäst

Denna meta-prompt lyser i AI-arbetsytor som centraliserar chattar, filåtgärder och modellkörningar – så assistenten har sammanhang att analysera. Om din miljö stöder dokumentsammanfattning, kodassistans, kalkylbladsformler och webbextraktion på ett ställe, kan granskningen fånga hela bilden.

Värt att notera: Om du använder Sider.AI för att arbeta över chattar, PDF-filer, webbsidor och kalkylblad, kan du genom att be den att “granska de AI-funktioner du har använt” se vilka funktioner (som sammanfatta, extrahera tabeller, outline generator eller code explain) faktiskt flyttade nålen. Förresten, Sider.AIs enhetliga historik gör det lättare att länka specifika åtgärder till resultat, vilket förbättrar repeterbarheten och teamöverlämningen.

Avancerat: Förvandla granskningar till automatiserade playbooks

Automatisk taggning: Be din assistent att märka sessioner efter uppgift och funktion medan du arbetar.

Playbook-extraktion: “Från den här veckans granskning, generera en playbook med indata, steg och kvalitetskontroller.”

Driftupptäckt: “Varna mig om en funktions noggrannhet sjunker under 90 % vecka efter vecka.”

Teamutrullningar: “Skapa en 10-minutersutbildning med exempel och ett frågesport.”

Slutsatsen

“Granska de AI-funktioner du har använt” är en kraftfull prompt med låg friktion. Den konverterar spridda experiment till ett sammansatt system: mät, lär, standardisera och skala. Använd den veckovis, kräv strukturerade utdata och förvandla insikter till mallar och playbooks. Ditt framtida jag – och ditt team – kommer att tacka dig.

Nästa steg

Idag: Kör granskningen av din senaste arbetsvecka.

Den här veckan: A/B-testa två funktioner på samma uppgift och jämför.

Den här månaden: Bygg en delad team-playbook från dina tre bästa arbetsflöden.

FAQ

F1: Vad gör “granska de AI-funktioner du har använt” i praktiken? Den sammanställer en strukturerad sammanfattning av din senaste AI-aktivitet – funktioner som använts, prompter, modeller och resultat – och lyfter sedan fram vad som fungerade, vad som inte fungerade och hur man kan förbättra. Tänk på det som en smart retrospektiv för ditt AI-arbetsflöde.

F2: Hur ofta ska jag granska de AI-funktioner jag har använt? Veckovis fungerar bäst för de flesta team eftersom det fångar tillräckligt med data för att upptäcka mönster utan att bli en börda. Kombinera det med en enkel mall så att granskningen förblir konsekvent över tid.

F3: Vilka mätvärden ska jag spåra när jag granskar AI-funktioner? Spåra tid som sparats, redigeringsavstånd till slutlig utdata, faktisk noggrannhet, felfrekvens och återanvändning av mallar. Be assistenten att uppskatta konfidensnivåer och föreslå bättre mätning om data är tunn.

F4: Kan jag automatisera en granskning av de AI-funktioner jag har använt? Ja. Be assistenten att automatiskt tagga sessioner efter uppgift och funktion och sedan generera en veckovis rapport med länkar till källfiler och chattar. Du kan också utlösa varningar för prestandafall eller misslyckade körningar.

F5: Fungerar en granskning över olika AI-verktyg och modeller? Det fungerar bäst i enhetliga arbetsytor som spårar åtgärder över chattar, dokument och kod. Om dina verktyg är fragmenterade, be assistenten att inkludera länkar och loggar så att du kan stämma av resultaten i en rapport.