##  [What's up, JEV](/index.php/da/node/290)

    *Indsendt af Lennart den tir, 29 sep 2026 - 11:24*

  [ ![What's up, doc](/sites/default/files/styles/max_1300x1300/public/2026-09/composite_16.png.avif?itok=abJkLCeV)](/index.php/sites/default/files/2026-09/composite_16.png)

*Om to måder at afgøre, hvad der haster på en todo-liste, og hvorfor jeg endte med at bruge begge.*

Jeg har bygget en funktion ind i den todo-liste, jeg bruger i terminalen, der skal svare på ét spørgsmål: Hvad skal jeg lave nu? Hver opgave får et tal for, hvor meget den haster, og listen sorteres efter det.

Der er to måder at regne tallet ud på. Den ene er et regnestykke. Den anden er at spørge en AI. Jeg har prøvet begge, og forskellen er mere lærerig end selve listen.

## Regnestykket

Den første metode er lånt fra Taskwarrior, et gammelt og velafprøvet program til opgavestyring. Hver opgave får point for de ting, man kan se udefra. En deadline, der nærmer sig, giver op til 12 point. Høj prioritet giver 6, og en opgave, man allerede er i gang med, giver 4. En opgave, der venter på sine delopgaver, får 5 point trukket fra. Pointene lægges sammen, og så er tallet der.

**Fordelene** er dem, man forventer af en regel. Tallet er det samme hver gang. Det er gratis og kommer med det samme, og det kræver ikke internet. Man kan få hver opgave forklaret linje for linje: 9 point for deadline og 6 for prioritet. Er man uenig, retter man vægtene og ikke sin tillid.

**Ulempen** er, at regnestykket kun ser mærkaterne og aldrig selve opgaven. "Kunder bliver logget ud hvert femte minut" og "omdøb en intern variabel" får præcis samme tal, hvis ingen af dem har fået en deadline eller en prioritet. Regnestykket er kun så godt, som ens egen disciplin med at sætte mærkater er, og den disciplin er sjældent god en travl tirsdag.

## AI'en

Den anden metode sender selve opgaveteksten til jev, en model fra TypeSafe, som jeg også har skrevet om i [Den, der underviser, må ikke give karakteren](https://docujai.com/da/node/287). jev skriver ikke prosa. Den svarer på ét spørgsmål med et tal: Hvor meget betyder det at få den her opgave gjort? Skalaen går fra "der sker ikke meget, hvis den aldrig bliver lavet" til "noget er i stykker, eller folk er blokeret lige nu".

Den læser, hvad der står. Udfaldet giver sig selv: kunderne, der bliver logget ud, fik 0,98, og variablen fik 0,25.

**Fordelen** er, at den fanger det, man glemte at mærke. Den forstår forskel på indhold, som regnestykket ikke kan se.

**Ulemperne** er lige så konkrete. Hvert kald koster penge og tager et øjeblik. Opgaveteksten forlader maskinen og sendes til en ekstern tjeneste. Svaret kan skifte, når modellen bliver opdateret. Den kan også tage fejl med stor sikkerhed, og den kan ikke forklare sig, som regnestykket kan.

## Løsningen var at give AI'en én linje i regnestykket

Jeg lod ikke AI'en bestemme rækkefølgen. Den fik én faktor blandt elleve, og den faktor vejer højst 6 point, lige så meget som høj prioritet. Tre valg gør forskellen:

- **Den bliver kun spurgt om betydning.** Den bliver ikke spurgt om deadlines eller prioritet, for dem regner regnestykket allerede med. Ellers ville det samme blive talt med to gange.
- **Svaret gemmes.** Hver opgave vurderes én gang, så prisen og ventetiden kommer én gang. Rækkefølgen er stabil, indtil man selv beder om en ny vurdering.
- **Svaret står i forklaringen som alt andet.** Man kan se "impact 0,98 × 6 = 5,88" ved siden af deadline og prioritet og overskrive det i hånden.

|  | Regnestykket | jev |
|---|---|---|
| Ser | mærkater: deadline, prioritet, status | selve teksten |
| Pris og hastighed | gratis og øjeblikkeligt | penge og ventetid per opgave |
| Samme svar hver gang | ja | ikke garanteret |
| Kan forklare sig | linje for linje | kun et tal og en sikkerhed |
| Data forlader maskinen | nej | ja |

## Pointen rækker ud over todo-listen

Det samme mønster ser jeg i virksomheder, der vil have AI til at prioritere sager, kunder eller leads. Fristelsen er at lade modellen afgøre det hele. Den robuste løsning er et regnestykke, man kan læse og rette, hvor AI'en leverer netop det, som reglerne ikke kan se, med en vægt, man selv har valgt.

Det er det, jeg mener med at bygge skelettet omkring AI. Det meste af systemet er regler. AI'en får den ene plads, hvor forståelse faktisk slår regler, og den plads har en grænse.