Ti minutter du ikke får igjen
De fleste som bruker Claude i jobbsammenheng kjenner igjen dette: du åpner en ny chat, limer inn den samme bakgrunnsinformasjonen du limte inn forrige uke, og først etter ti–femten minutter er du faktisk i gang med oppgaven. Det er ikke Claude som er problemet. Det er inngangspunktet.
Rammeverket under bygger på hvordan Anthropic selv anbefaler profesjonell bruk av Claude – og det mest nyttige der er ikke nye funksjoner, men en tydelig modell for å velge riktig verktøy til riktig oppgave.
Hva er forskjellen på Chat, Prosjekter og Artifacts i Claude?
Kort svar: Chat er en enkeltstående samtale for engangsoppgaver. Prosjekter er et vedvarende arbeidsrom for oppgaver som gjentar seg, med faste instrukser og en kunnskapsbase. Artifacts er outputformatet for leveranser – kode, rapporter og dokumenter vist som egne, redigerbare blokker. Research er et fjerde inngangspunkt for oppgaver som krever flertrinns søk på tvers av flere kilder.
Valget mellom dem former alt som skjer etterpå i økten, så det bør gjøres før du skriver prompten – ikke underveis.
Velg inngangspunkt før du skriver prompten
Chat er standardinngangen: en ustrukturert samtale som lagres i historikken og kan fortsettes senere. Minne og søk i tidligere samtaler kan ta med seg nøkkelkontekst inn i nye økter, men Chat gir deg ikke et Prosjekts bevisste vedvarende instrukser og kuraterte kunnskapsbase. Chat fungerer godt til enkeltstående spørsmål, raske utkast, utforskende prompting og oppgaver du ikke skal gjenta.
Prosjekter er vedvarende arbeidsrom bygget for gjentakende arbeid. Et Prosjekt holder tre ting: faste instrukser (det Claude skal vite og gjøre konsekvent i alle samtaler i rommet), en kunnskapsbase (dokumenter og referansefiler lastet opp én gang), og en egen samtalehistorikk atskilt fra din globale historikk. Samtaler i et Prosjekt deler instrukser og kunnskapsbase, men deler ikke kontekst med hverandre.
Artifacts er riktig outputformat når resultatet er en leveranse snarere enn et samtalesvar – utkast, datatabeller, formaterte rapporter og kode vises som egne, redigerbare blokker ved siden av chatten.
Research går lenger enn vanlig websøk: det kjører flertrinns søk på tvers av flere kilder og syntetiserer dem, og er tilgjengelig på betalte planer.
Eksempelet som viser hvor mye det betyr
En prosjektkoordinator skrev ukentlige statusrapporter. Hver mandag åpnet hun en ny chat og skrev inn det samme: prosjektnavn, teamstruktur, interessentliste, formatkrav og forrige ukes åpne punkter. Claude leverte gode rapporter, men økten tok 40 minutter – hvorav rundt 12 minutter kun gikk til å bygge opp kontekst på nytt.
Løsningen var å bygge et Prosjekt. Bakgrunn, teamstruktur og interessentliste gikk inn i kunnskapsbasen. Rapportformat og faste instrukser om eskaleringsterskler gikk inn i prosjektinstruksene. Nå åpner hun Prosjektet mandag morgen og limer inn ukens oppdateringer – konteksten er allerede der, og økten tar 25 minutter. Rapportkvaliteten er den samme; det er oppsett-skatten som forsvant.
Tommelfingerregelen: Spør om oppgaven gjentar seg, om bakgrunnskonteksten er den samme på tvers av økter, og om outputformatet er konsistent. Svarer du ja på minst to av tre, bygg Prosjektet – oppsettstiden er tjent inn igjen etter to–tre økter.
Fire kapasitetslag – fire ulike problemer
Utover inngangspunktet finnes fire lag som løser hvert sitt problem, og de kan brukes hver for seg eller kombinert.
Skills er gjenbrukbare prosedyrer. Anthropic leverer innebygde Skills for vanlige profesjonelle oppgaver – opprette, redigere og analysere Excel-ark, Word-dokumenter, PowerPoint og PDF-er. Egendefinerte Skills kan legges til for oppgavespesifikke arbeidsflyter. Skills ligger på kontonivå, ikke inne i ett enkelt Prosjekt, og Claude tar dem i bruk automatisk når de er relevante – i eller utenfor et Prosjekt. Der et Prosjekts instrukser og kunnskapsbase er dets egen konfigurasjon, forteller en aktiv Skill Claude å følge en definert prosedyre for den oppgavetypen, konsekvent, uansett hvor den er relevant.
To ting er verdt å huske om Skills. For det første reduserer de variasjon, men eliminerer den ikke – en Skill som genererer ukentlige rapporter i konsistent format vil likevel produsere ulik tekst hver gang. Gjennomgang forblir en del av arbeidsflyten uansett hvor godt Skillen er konfigurert. For det andre krever Skills en tillitsvurdering: en Skill har tilgang til alt du gir Claude tilgang til i økten, så gjennomgå kilde og tillatelser før du aktiverer en tredjeparts-Skill. Anthropic-leverte Skills og Skills godkjent av egen organisasjon er det lavrisiko-utgangspunktet.
Code Execution er Claudes sandkassemiljø for beregninger. Claude skriver og kjører kode internt og returnerer resultatet – du skriver ikke koden selv. Dette betyr noe fordi Claude genererer prosa ved å produsere den mest sannsynlige neste tekstsekvensen, noe som fungerer godt for språkoppgaver, men for beregninger kan det gi plausible tall som ikke nødvendigvis stemmer. Code Execution gir et verifisert resultat fordi beregningen faktisk kjøres. Bruk det i stedet for å be Claude regne når numerisk output skal brukes eller rapporteres, når data må transformeres eller renskes, når output skal være en graf, eller når output skal være en reell nedlastbar fil som .xlsx, .pptx, .docx eller .pdf.
Memory beholder jobbrelevante fakta på tvers av økter – rollekontekst, preferanser for outputformat, navn på faste samarbeidspartnere, faste rammer som gjelder på tvers av prosjekter – slik at du slipper å legge inn den samme konteksten hver gang. Memory er mest nyttig når den kurateres aktivt: gå gjennom lagrede minner jevnlig, minst månedlig for aktive brukere, slett eller oppdater det som ikke lenger stemmer, og hold settet fokusert på det som faktisk går igjen. Prosjekt-scopet Memory holder kontekstene atskilt per Prosjekt, slik at kontekst fra klient A ikke dukker opp i økter for klient B – separate arbeidsstrømmer bør ha separate Prosjekter. Inkognitomodus holder en økt utenfor Memory og chat-historikk (gjelder frittstående chatter utenfor Prosjekter), nyttig for sensitive samtaler, men den overstyrer ikke organisasjonens underliggende lagringsregler.
Alle fire lag i samme arbeidsflyt
En business-analytiker som lagde en månedlig regelverksrapport illustrerer hvordan lagene virker sammen. Oppgaven var konsistent – ta månedens regelverksoppdateringer, identifiser hva som gjaldt porteføljen, oppsummer konsekvensene, og formater etter en fast mal – men høyt på innsats. De to første månedene kjørte hun alt i Chat: lastet opp dokumenter, limte inn porteføljekontekst på nytt, skrev inn formatinstrukser på nytt, og verifiserte hvert eneste tall manuelt. Hun fant to feil i måned én og én i måned to, alle før rapporten gikk ut.
I måned tre bygde hun om arbeidsflyten med kapasitetslagene: porteføljekontekst og faste formatinstrukser inn i Prosjektet, tidligere rapporter inn i kunnskapsbasen, en Skill aktivert for rapportformatet, og numeriske beregninger flyttet til Code Execution. Tiden per økt gikk fra 65 til 30 minutter – og verifiseringssteget kjørte fortsatt. Ingen feil ble funnet i måned tre til åtte.
Fire spørsmål oppsummerer hvordan man velger lag: Hvilke deler av oppgaven er like hver gang? Det peker mot faste instrukser og Skill. Hvilket referansemateriale går igjen på tvers av økter? Det peker mot kunnskapsbasen. Hvilke output må beregnes riktig, ikke bare «høres riktig ut»? Det peker mot Code Execution. Hvilken kontekst vil du ha med deg på tvers av økter uten å legge den inn på nytt? Det peker mot Memory.
Modellvalg: hastighet mot kapasitet
Claude finnes i tre nivåer, og valget mellom dem er en avveining mellom hastighet og kapasitet.
Haiku er den raskeste og mest effektive modellen. Den håndterer strukturerte oppgaver godt – klassifisering, ekstraksjon, formatering, enkel oppsummering og rutinearbeid i stort volum der hastighet betyr mest og kostnaden ved et ufullkomment resultat er lav. Når en oppgave kjøres i volum over hundrevis av elementer i sekvens, forsterkes Haikus hastighetsfortrinn.
Sonnet er det balanserte nivået og håndterer bredden av profesjonelle oppgaver med solid kvalitet: utkast, syntese, analyse, research-assistanse og dokumentgjennomgang. For det meste av kunnskapsarbeid er Sonnet riktig utgangspunkt.
Opus er nivået med høyest kapasitet, for oppgaver som krever nyansert vurdering, kompleks flertrinns resonnering, tvetydige input som må tolkes, eller arbeid der kvalitet veier tyngre enn hastighet – kundevendte leveranser, kompleks dokumentanalyse, strategisk planlegging og høyrisiko-syntese på tvers av flere kilder.
I praksis: reserver Opus for arbeid der kvalitetstaket faktisk betyr noe, bruk Haiku der volum og hastighet er det primære og oppgaven har klar struktur, og la Sonnet dekke resten. På måler- eller kvotebaserte planer, inkludert API-tilgang, blir denne avveiningen også en kostnadsavveining per kall, siden et høyere kapasitetsnivå bruker mer kvote per kall.
Kontekst er et budsjett
Modellvalg og kapasitetskonfigurasjon bestemmer hva Claude kan gjøre i en økt. Konteksthåndtering bestemmer hvor lenge Claude gjør det godt.
Hver samtale har et endelig arbeidsminne, og det tømmes etter hvert som samtalen vokser. Når det nærmer seg grensen, oppsummerer claude.ai automatisk tidligere meldinger for å frigjøre plass (på betalte planer med Code Execution aktivert), og full historikk er fortsatt tilgjengelig for referanse. I praksis: en lang økt der du ga detaljerte instrukser i de første ti minuttene kan gi svar 90 minutter senere som ikke følger dem – ikke fordi Claude ignorerer dem, men fordi detaljer kan komprimeres bort når tidlig kontekst oppsummeres.
Tegn på at en samtale trenger et grep: Claude slutter å følge instrukser den fulgte korrekt tidligere i samme økt, svar adresserer bare den siste utvekslingen uten referanse til tidligere beslutninger, eller nøyaktigheten faller på måter som er konsistente med tapt tidlig kontekst.
Tre responser når konteksten forringes:
- Restart. Start en ny samtale – Prosjektets faste instrukser og kunnskapsbase følger automatisk med, samtaletråden gjør ikke det. Riktig når økten har driftet forbi det som kan reddes, eller når du starter en genuint ny oppgave innenfor samme arbeidsstrøm.
- Oppsummer. Før du starter en ny samtale, be Claude lage et sammendrag av nåværende status – beslutninger tatt, pågående arbeid, åpne spørsmål – og lim det inn som kontekst i den nye samtalen. Det bevarer kontinuitet uten å ta med et forringet kontekstvindu videre.
- Bevar. For informasjon som bør være tilgjengelig i alle fremtidige økter, lagre den i Memory eller oppdater Prosjektets kunnskapsbase. Det er mer effektivt å lagre riktig informasjon på riktig tidspunkt enn å legge den inn på nytt gjentatte ganger.
Claudes bruksgrenser opererer på mer enn ett tidsvindu – et kort rullerende øktvindu, pluss ukentlige grenser på betalte planer som gjelder på tvers av modeller (med en egen ukentlig pool for det høyeste modellnivået). De konkrete vinduene og kvotene varierer per plan og endres over tid, så sjekk gjeldende grenser i Anthropics hjelpesenter når du leser dette. For intensive oppgaver er det mer effektivt å planlegge fremover enn å jobbe rundt en avbrutt økt: del store oppgaver i segmenter, lagre delresultater i kunnskapsbasen, og start på nytt fra et sammendrag i stedet for å strekke én økt i det uendelige.
Fem ting som holder seg
- Velg inngangspunkt før du skriver prompten – Chat for engangsarbeid, Prosjekter for gjentakende arbeid med stabil kontekst, Artifacts for leveranser, Research for oppgaver som krever aktuell informasjon fra flere kilder.
- Fire kapasitetslag løser fire ulike problemer – Prosjekter bærer kontekst, Skills definerer gjentakende prosedyrer, Code Execution verifiserer beregninger, Memory bevarer kontinuitet.
- Modellnivåene reflekterer en avveining mellom hastighet og kapasitet – match nivå til hva oppgaven krever.
- Kontekst er et budsjett – lange samtaler forringes etter hvert som konteksten fylles; restart, oppsummer eller bevar er mer effektivt enn å jobbe rundt drift etter at den har akkumulert seg.
- Variasjon er iboende, gjennomgang er strukturell – enhver Claude-funksjon, inkludert konfigurerte Skills, produserer ulikt resultat fra kjøring til kjøring. Rammeverket for riktig inngangspunkt og kapasitetslag avgjør hvordan arbeidet settes opp; gjennomgangsdisiplinen avgjør hva som faktisk går ut til kunden.
Hva IT Buddy anbefaler
De fleste bedriftene vi møter bruker Claude eller ChatGPT i nettleseren, ved siden av arbeidet – ikke fordi verktøyet er svakt, men fordi ingen har satt opp Prosjekter, Skills eller Memory riktig fra start. Det er nøyaktig det samme mønsteret som gjør at Copilot ofte ikke leverer: grunnarbeidet mangler, ikke kapasiteten i verktøyet.
Rammeverket over er noe vi setter opp direkte med kundene våre som en del av leveransen – riktig Prosjekt-struktur, kuraterte Skills, og en Memory-policy som ikke lekker kontekst mellom klienter eller avdelinger. Det er en del av grunnarbeidet en AI Ready-kartlegging avdekker: hvor mye tid teamet deres faktisk taper på oppsett i dag, og hva som skal til for å lukke gapet.
Ta kontakt og book en gratis gjennomgang →
Les også: Claude vs. ChatGPT for bedrifter