Alle AI hackathon-begreber forklaret

Et AI hackathon er et tidskomprimeret innovationsformat, typisk 4 til 72 timer, hvor tværfaglige teams løser konkrete forretningsudfordringer ved hjælp af generative AI-værktøjer. Adskiller sig fra klassiske hackathons ved fokus på forretningsværdi og AI-tools frem for ren kodning.

Et AI-system der kan planlægge og udføre multi-step opgaver autonomt ved at bruge tools som søgning, databaseopslag, kodeudførelse og API-kald. I hackathon-prototyper bygges agenter typisk med n8n, LangChain eller direkte via API'er som OpenAI's Assistants.

OpenAI's chatgrænseflade til GPT-modellerne. Bruges i hackathons til ideation, tekstgenerering, dataanalyse og kodning. GPT-4o understøtter tekst, billeder og filer. Custom GPTs giver mulighed for at lave specialiserede agenter.

Anthropics AI-assistent. Kendt for lang kontekst (200K tokens), stærk kodeforståelse og pålidelig instruktionsfølgning. Claude Artifacts giver mulighed for at generere interaktive HTML/React-komponenter direkte i chatten, ideelt til hurtig prototyping.

Funktion i Claude der gør det muligt at generere og vise interaktivt indhold, HTML-apps, React-komponenter, SVG og kode direkte i chatten. Et af de mest brugte prototyping-tools i vores hackathons fordi ikke-tekniske deltagere kan bygge funktionelle UI'er uden at kende kode.

En AI-integreret kodeeditor baseret på VS Code. Kan generere, refaktorere og forklare kode via chat. I hackathons bruges den af teams med teknisk baggrund til at bygge mere komplekse prototyper hurtigere.

Den forretningsudfordring eller problemstilling et hackathon-team skal løse. En god challenge er specifik, afgrænset og har en klar evalueringsramme. Pre-event-arbejdet handler om at definere den rette challenge.

Processen med at definere og afgrænse en hackathon-udfordring. En velformet challenge starter med 'Hvordan kan vi...' (HMW) og er hverken for bred eller for snæver. AI bruges i pre-event til at analysere stakeholder-input og generere candidate challenges.

En iterativ innovationsmetode der centrerer brugeroplevelse og empati. De 5 faser: Empathize, Define, Ideate, Prototype, Test. Hackathon-formatet er en tidskomprimeret version af Design Thinking-processen.

En klasse af AI-modeller der kan generere nyt indhold, tekst, billeder, kode og lyd baseret på mønstre fra træningsmateriale. I hackathon-kontekst refererer det til modeller som ChatGPT, Claude og Gemini der bruges til ideation, prototyping og problemanalyse.

Et AI-drevet præsentationsværktøj der genererer professionelle slides fra tekst eller outline. Bruges i hackathon pitch-fasen til at lave præsentationer hurtigt uden at bruge tid på design.

Når en AI-model genererer forkerte eller opdigtede fakta med stor selvsikkerhed. Et kerneproblem i produktionssystemer. I hackathons er det vigtigt at prototype-evalueringen inkluderer test af faktuel nøjagtighed.

How Might We. En velafprøvet teknik til at formulere designudfordringer. 'Hvordan kan vi...' er åbent nok til at invitere kreative løsninger, men smalt nok til at holde fokus. Bruges i challenge framing og ideation.

Fasen i et hackathon hvor teams genererer og udvælger idéer. Med AI kan teams generere 10 gange flere idéer end ved klassisk brainstorm. Ideation i AI hackathons veksler mellem divergent tænkning (flest mulige idéer) og konvergent tænkning (prioritering).

En struktureret plan for hvordan en hackathon-prototype bringes i produktion. Inkluderer teknisk arkitektur, ressourcekrav, ansvarlig ejer, succeskriterier og tidsplan. Vi leverer en implementeringsroadmap til alle prototyper fra vores hackathons.

Hvor meget tekst en LLM kan holde i sin kortidshukommelse på én gang. Maalt i tokens. Claude 3.5 har et kontekstvindue på 200.000 tokens, svarende til ca. 150.000 ord. Størrelsen afgør hvor lange dokumenter og samtaler modellen kan referere.

Large Language Model. En stor sprogmodel trænet på enorme mængder tekstdata. LLM'er er kernen i ChatGPT, Claude og Gemini. De kan forstå og generere tekst, kode, strukturerede data og meget mere.

Et AI-billedgenereringsværktøj der producerer fotorealistiske og kunstneriske billeder fra tekstprompts. Bruges i hackathon pitch-fasen til at generere UI-mockups, produkt-visualiseringer og præsentationsgrafik.

Minimum Viable Product. Den mindste version af et produkt der leverer kerneværdien og kan valideres. I hackathon-kontekst er MVP det mal teams arbejder mod. AI-tools har reduceret den tid det tager at na MVP markant.

Et open-source workflow-automatiseringsværktøj med en visuel editor. I AI-kontekst bruges det til at bygge AI-agenter og integrationer der forbinder LLM'er med databaser, API'er og eksisterende systemer. Populært i hackathons fordi det ikke kræver dyb teknisk viden.

Udvikling af software uden manuel kodning, via visuelle editors og konfigurationsgrænseflader. AI-tools som n8n og Claude Artifacts har demokratiseret no-code og gjort det muligt for ikke-tekniske deltagere at bygge funktionelle AI-prototyper i hackathons.

Kunsten at formulere instrukser til en AI-model for at få det ønskede output. En god prompt er specifik, giver kontekst og definerer format på svaret. I hackathons er prompt engineering en kernekompetence der skelner gode fra middelmadige AI-outputs.

En AI-søgemaskine der kombinerer internetsøgning med LLM-svar og inkluderer kildehenvisninger. Bruges i pre-event og research-faser til at kortlægge markedslandskab, konkurrenter og branchetrends.

Den afsluttende præsentation hvor teams præsenterer deres prototype for en jury eller ledelse. En hackathon-pitch er typisk 5 til 10 minutter og fokuserer på problem, løsning, demo og implementeringsplan.

Et funktionelt bevis-pa-koncept der demonstrerer kerneværdien i en løsning. En hackathon-prototype behøver ikke være produktionsklar, men skal kunne demonstreres og generere meningsfuld feedback. Med AI-tools kan teams i dag bygge prototyper der er tæt på produktionsklar på 8 til 48 timer.

Forberedelsesperioden inden selve hackathon-eventet. Inkluderer challenge framing, stakeholder-interviews, deltagerbriefing og facilitatorens forberedelse. Godt pre-event-arbejde er det der oftest skelner et succesfuldt hackathon fra et mislykket.

Perioden efter hackathon-eventet. Indeholder prototype-evaluering, implementeringsroadmap, kompetence-transfer-plan og opfølgning på om prototyper bringes i produktion. 60 procent af prototyper fra velgennemførte hackathons er i produktion inden 90 dage.

Return on Investment. I AI hackathon-kontekst måles ROI typisk på: timesbesparelse per medarbejder, fejlreduktion, konverteringsforbedring eller nye revenue-strømme. En tydelig ROI-kalkulation er central for at få organisatorisk opbakning til implementering.

Et tidsafgrænset arbejdsinterval inden for et hackathon. Typisk 60 til 90 minutter med et klart leverance-mal. Sprints skaber fremdrift og forebygger at teams drukner i analysis paralysis.

En kreativ teknik til at generere idéer ved systematisk at spørge: Substitute, Combine, Adapt, Modify, Put to other uses, Eliminate, Reverse. Bruges i AI hackathon ideation med LLM'er som idégenereringpartner på hvert trin.

Den mindste tekstenhed en LLM arbejder med. Ca. 4 tegn eller 0,75 ord på engelsk. Alle AI-API'er pricerer baseret på antal tokens i input og output. Relevant for estimering af omkostninger ved produktionsprototyper.

Princippet om at sætte faste tidsgrænser for aktiviteter. Centralt i hackathon-faciliteringen. Timeboxing tvinger teams til at prioritere og handle frem for at perfektionere.

Processen med at teste om en prototype løser det rigtige problem på den rigtige måde. I hackathons sker validering typisk via hurtige brugertests, ekspert-feedback og kvantitative kriterier som f.eks. tidsbesparelse eller fejlreduktion.