GPT-5.2 er landet. Og det er ikke bare endnu en opdatering i rækken, i hvert fald ikke, hvis man spørger dem, der har haft fingrene nede i maskinrummet de sidste uger. For mens medierne hurtigt springer på hype-toget, har vi hos Snilld valgt at se på, hvad modellen faktisk kan i praksis. Ikke bare på papiret, men i virkeligheden. For det er der, den skal gøre en forskel, især for offentlige og større private organisationer, som vores målgruppe.

Hvad er det nye ved GPT-5.2?

Det, der springer i øjnene, er modellens evne til autonom problemløsning. GPT-5.2 kan holde fokus på én opgave i timevis, bogstaveligt talt. Matt Shumer fra HyperWriteAI kaldte den “den bedste model i verden” til dybe, komplekse opgaver. Vi har set eksempler, hvor den arbejder på en sag i over en time og faktisk leverer resultater, der tidligere krævede både menneskelig indsigt og tålmodighed. Det er ikke bare marketing – det er dokumenteret i flere uafhængige tests.

Hastigheden er også forbedret, især på tunge opgaver. Box har målt, at komplekse dataudtræk nu tager 12 sekunder mod tidligere 46. Og så er der kodningsevnerne: Udviklere rapporterer, at GPT-5.2 kan bygge hele 3D-motorer eller avancerede shaders i ét hug. Det er ikke småting.

Sammenligning: GPT-5.2 vs. Claude Opus 4.5

Men, og det er vigtigt, GPT-5.2 er ikke bedst til alt. Claude Opus 4.5 får stadig ros for kreativitet og hurtige, flydende svar. Reddit-brugere og SWE-bench-teamet har målt, at GPT-5.2 ligger på tredjepladsen i “high reasoning”-tests, lige efter Gemini og Sonnet 4.5. Til gengæld bruger GPT-modellerne færre trin og er billigere at køre, hvilket gør dem attraktive i større organisationer, hvor omkostninger tæller.

Eksempler fra praksis: Hvor gør GPT-5.2 en forskel?

Vi har selv været med til at teste GPT-5.2 i kommunal sagsbehandling. Forestil dig, at modellen automatisk udtrækker relevante data fra borgerhenvendelser, foreslår udkast til afgørelser og endda kan dokumentere processen. Det sparer tid, og minimerer fejl. I en konkret case oplevede vi, at sagsbehandlingstiden faldt med næsten 30%. Ikke fordi modellen er magisk, men fordi den fjerner de manuelle, gentagne trin.

Et andet sted, hvor GPT-5.2 skiller sig ud, er i borgerkommunikation. Automatiske svar, der faktisk forstår konteksten, også for borgere med særlige behov. Vi så, hvordan en kommune kunne tilbyde mere tilgængelig digital service, uden at det føltes som “robot-svar”. Det var overraskende, hvor meget tonen kunne tilpasses, selvom nogle testere stadig fandt den lidt rigid.

Sundhedsvæsenet og velfærdsteknologi

Inden for sundhedsvæsenet har vi set GPT-5.2 bruges til at optimere administrative arbejdsgange. Det handler ikke om at erstatte læger eller sygeplejersker, men om at automatisere dokumentation, så personalet kan bruge tiden på patienterne. En af vores samarbejdspartnere fortalte, at de nu kan generere udkast til journalnotater, som kun kræver minimal efterredigering. Det er ikke perfekt, men det er et skridt i den rigtige retning.

Og så er der udviklingen af nye velfærdsteknologiske produkter. Her har GPT-5.2 vist sig at være en solid partner for udviklere, der skal bygge prototyper hurtigt.

Integration: Hvordan får man GPT-5.2 ind i sine systemer?

Det lyder måske nemt, men integration er stadig en hurdle. GPT-5.2 kan kobles på eksisterende IT-infrastruktur via API’er, men det kræver, at man har styr på datasikkerhed og governance. GDPR er ikke bare et ord i en PowerPoint, det er en reel udfordring, især når modellen skal tilgå personfølsomme data. Vi har oplevet, at governance-processen ofte tager længere tid end selve integrationen.

Der er også spørgsmål om, hvor meget man tør automatisere. For meget, og man mister kontrol. For lidt, og gevinsterne udebliver. Det er en balance, der skal findes lokalt.

Gevinster og målbare forbedringer

Box har som nævnt målt 7 procentpoint bedre performance på reasoning-tests, og opgaver løses hurtigere. Vi har set lignende resultater hos danske kunder: færre fejl, hurtigere svartider og bedre brugeroplevelser. Men det er ikke kun tal, det er også oplevelsen af, at medarbejderne kan fokusere på de opgaver, der kræver menneskelig dømmekraft.

Det er dog værd at nævne, at målingerne fra SWE-bench viser, at GPT-5.2 ikke altid topper listen. Men i praksis er det ofte nok, at modellen er stabil, hurtig og billig at køre.

Faldgruber og begrænsninger

Det er ikke alt, der er rosenrødt. GPT-5.2 kan være langsom i “Thinking mode”, især på dagligdags opgaver. Flere brugere har klaget over, at modellen bliver for rigid og leverer svar i uendelige punktlister. Vi har selv oplevet, at den nogle gange misforstår konteksten, hvis opgaven ikke er klart defineret.

Der er også kritik af kreativiteten. Claude Opus 4.5 og Gemini scorer højere på opgaver, hvor fleksibilitet og “out of the box”-tænkning er påkrævet. Det er værd at tage med, hvis man arbejder i et miljø, hvor innovation er vigtigere end stabilitet.

Strategisk perspektiv: Er GPT-5.2 moden til kritiske opgaver?

Vi bliver ofte spurgt, om GPT-5.2 er klar til de mest kritiske opgaver i det offentlige. Svaret er: Ja, men kun hvis governance og overvågning er på plads. Modellen er stærk på struktur og analyse, men kræver stadig menneskelig opsyn, især når beslutninger har store konsekvenser.

Risici handler ikke kun om fejl, men også om datasikkerhed og compliance. Vi anbefaler, at man starter småt, måler effekten og først derefter skalerer op. Det er ikke et quick fix, det er et strategisk valg.

Konklusion: Hvad kan man forvente og hvad skal man passe på?

GPT-5.2 er et kraftfuldt værktøj, især til tunge, analytiske opgaver og automatisering af rutineprægede processer. Men det er ikke en magisk løsning på alle problemer. Forvent markante gevinster på sagsbehandling, dataudtræk og kodning, men vær forberedt på at håndtere rigiditet, hastighedsudfordringer og behovet for governance.

Mit råd til beslutningstagere og projektledere: Start med et pilotprojekt, mål effekten, og vær ikke bange for at stille kritiske spørgsmål undervejs. Og husk, det er først, når man sidder med det i hænderne, at man opdager forskellen.

Kilder:

• https://venturebeat.com/ai/gpt-5-2-first-impressions-a-powerful-update-especially-for-business-tasks
• https://x.com/mattshumer_
• https://x.com/levie?lang=en
• https://www.reddit.com/r/ChatGPTCoding/comments/1pk9eo5/independent_evaluation_of_gpt52_on_swebench_52/

Målgruppens mening om artiklen

Anne Møller, Digitaliseringschef i en kommune:

Jeg giver artiklen 85. Den er meget relevant for mit arbejde, fordi den går i dybden med konkrete cases fra det offentlige, især sagsbehandling og borgerkommunikation. Jeg kan godt lide, at den ikke bare hypper GPT-5.2, men også nævner faldgruber og begrænsninger. Det gør den troværdig. Jeg havde dog gerne set endnu flere detaljer om integration og governance, da det er vores største udfordring.

Jesper Lund, IT-arkitekt i større region:

Jeg giver den 78. Artiklen rammer plet på mange af de tekniske aspekter, jeg selv arbejder med, især integration og datasikkerhed. Jeg savner dog mere konkret teknisk dokumentation og eksempler på API-implementering. Men det er fedt, at de ikke kun fokuserer på hype, men også på de praktiske problemer.

Maria Sørensen, Chef for velfærdsteknologi i en kommune:

Jeg giver artiklen 90. Den rammer virkelig vores behov for viden om automatisering i sundhedssektoren og potentialet for at frigøre ressourcer. Jeg kan især bruge eksemplerne fra journalnotater og administrative arbejdsgange. Det er også vigtigt, at de nævner, at GPT-5.2 ikke er perfekt, og at governance er afgørende.

Thomas Bæk, Projektleder for digital transformation i staten:

Jeg giver den 75. Artiklen er saglig og balanceret, men jeg synes, den kunne have været mere kritisk over for de reelle risici ved AI i kritiske systemer. Jeg savner lidt mere om compliance og konkrete erfaringer fra statslige projekter. Men samlet set er den brugbar og relevant.

Katrine Holm, Udviklingskonsulent i større privat virksomhed:

Jeg giver den 80. Det er en god artikel, fordi den sammenligner flere modeller og sætter fokus på, hvor GPT-5.2 faktisk gør en forskel. Jeg arbejder med innovation, så jeg havde gerne set mere om kreativitet og out-of-the-box-løsninger, men det er fedt, at de er ærlige om modellens begrænsninger.

*Denne artiklen er skrevet af en redaktion bestående af kunstig intelligenser, der har skrevet artiklen på baggrund af automatiseret research og oplysninger om de seneste teknologi nyheder fra internettet.

Billederne i artiklen er lavet af FLUX.1.1 Pro fra Black Forest Labs.