AI og uddannelse

Hvad er den vigtigste pointe?

Siden forbinder uddannelse med bogens arbejdslivsperspektiv: begyndelsesopgaver, orienteringstid, kontroltab og adgang. Den er ikke en kursusguide og ikke en ren snyd-debat, men en side om hvordan mennesker lærer at blive deltagere i et fag, når AI flytter både opgaver og vurdering.

Siden er en del af Viden-universet til bogen Hvad skal vi lave nu?. Den bruger AI som anledning til at tale om arbejde, ansvar, adgang, faglighed og menneskers plads i danske organisationer.

Hvad ændrer AI her?

• AI kan hjælpe med idéer, struktur, forklaring, feedback, oversættelse, opsummering og udkast — men kan også skjule, hvad den lærende faktisk har forstået.
• Vurdering bliver sværere, hvis opgaven kun måler slutproduktet og ikke processen, dømmekraften og evnen til at forklare egne valg.
• Undervisere får en ny opgave: ikke bare at kontrollere brugen af AI, men at undervise i ansvarlig brug, kildekritik, data og faglig grænse.
• Begyndelsesopgaverne flytter sig. Det, man før lærte ved at skrive, researche, opsummere eller regne selv, kan nu delvist udføres af et system.
• AI-forståelse bliver en del af dannelse og arbejdsliv. Det handler ikke om at gøre alle til teknikere, men om at gøre mennesker i stand til at bruge, vurdere og stoppe AI.
• Ulighed kan vokse, hvis nogle får lærere, vejledere, hjemmestøtte og praktiksteder, der kan sætte rammer for AI, mens andre kun får adgang til værktøjet og ansvaret alene.

Hvad kan uddannelsessteder og arbejdspladser gøre?

• Skeln mellem opgaver, hvor AI må støtte læring, og opgaver, hvor mennesket selv skal vise grundlæggende kunnen.
• Vurder processen, ikke kun produktet: problemforståelse, kildevalg, begrundelser, fejlrettelser og faglig refleksion.
• Gør AI-brug synlig og talbar. Bed elever og studerende forklare, hvor AI blev brugt, hvad der blev ændret, og hvorfor outputtet blev accepteret eller afvist.
• Beskyt begyndelsesopgaver: de små øvelser, hvor mennesker lærer fagets sprog, metode og ansvar.
• Byg bro til arbejdslivet. Spørg hvilke AI-kompetencer en ny medarbejder faktisk skal bruge i praktik, juniorroller, oplæring og professionel hverdag.

En praktisk begyndelse er at vælge få opgavetyper og lave lokale regler for dem. Hvornår er AI en støtte? Hvornår er det snyd? Hvornår er det dårlig faglighed, selv hvis det er tilladt? Og hvornår er det uansvarligt, fordi data, kilder eller menneskelige konsekvenser er for følsomme?

Det kræver orienteringstid for både studerende, undervisere og de arbejdspladser, der modtager nye mennesker. Ingen bør stå alene med at gætte, hvad ansvarlig AI-brug er i et fag.

Snyd er kun det første spørgsmål

Det er forståeligt, at mange uddannelsessamtaler begynder med snyd. Hvis en elev eller studerende afleverer et AI-genereret svar som sit eget, er der et reelt problem. Men hvis samtalen bliver stående dér, bliver den for smal.

Det større spørgsmål er, hvad vi fremover mener med at kunne noget. Må man bruge AI til at få feedback på en tekst? Må man bruge den til at finde modargumenter? Må man bruge den til at forklare et begreb, man ikke forstår? Svaret kan være forskelligt fra fag til fag og opgave til opgave. Derfor skal reglerne være konkrete nok til undervisningen, ikke bare principper på et intranet.

Begyndelsesopgaver og overgangen til arbejde

Bogens begreb begyndelsesopgaver er særligt vigtigt i uddannelse. Begyndelsesopgaver er de små opgaver, hvor mennesker lærer et fag indefra: første research, første udkast, første beregning, første journalnote, første kundesvar, første analyse.

Hvis AI overtager dem uden erstatning, kan uddannelse og arbejdsplads sammen komme til at fjerne den nederste sprosse. Det rammer ikke kun elever og studerende. Det rammer også praktik, trainee-forløb, juniorstillinger og brancheskift. De udelukkede mister ikke nødvendigvis et job i dag; de kan miste muligheden for at lære sig frem til et i morgen.

AI-forståelse som dømmekraft

EU AI Act gør AI-færdigheder til en organisatorisk opgave for relevante udbydere og deployere af AI-systemer. I uddannelse bør det oversættes menneskeligt: Hvad skal en elev, studerende, underviser eller ny fagperson kunne gøre ansvarligt?

Det handler om mere end promptteknik. En person skal kunne beskrive opgaven, vurdere kilder, se fejl, beskytte data, forstå bias, kende grænsen for egen kunnen og vide, hvornår et menneske skal overtage. Det er faglig dømmekraft i en ny situation.

Fire konkrete skift i undervisning og oplæring

• Fra slutprodukt til proces: Den lærende skal kunne vise, hvordan hun tænkte, valgte, forkastede og rettede.
• Fra generelle regler til opgavetyper: AI-brug bør forklares forskelligt for analyse, idéudvikling, kildearbejde, beregning og personlig refleksion.
• Fra individuel prøve til fælles ramme: Uddannelsesstedet og arbejdspladsen skal give tydelige grænser, ikke overlade alt til den enkelte.
• Fra adgang til værktøj til adgang til øvebaner: Det vigtigste er ikke kun at kunne bruge AI, men at få lov til at lære faget.

Tre uddannelsesnære eksempler

• Gymnasieopgaven: Eleven må bruge AI til at få modspørgsmål og strukturidéer, men skal selv kunne forklare problemformulering, kilder, fravalg og ændringer i teksten.
• Erhvervsuddannelsen eller praktikken: Lærlingen må bruge AI til at forberede en kunde- eller borgersituation, men oplæringen skal stadig træne den faglige vurdering i virkelige situationer.
• Professionsuddannelsen: Den studerende kan afprøve AI på en journalnote, case eller analyse, men skal kunne pege på fejl, mangler, datagrænser og hvornår en fagperson skal overtage.

Hvad kilderne bidrager med

UNESCO peger på, at generativ AI i uddannelse kræver menneskecentrerede rammer, rettigheder og ansvar — ikke bare hurtig værktøjsbrug. De danske EMU- og ministeriekilder gør spørgsmålet lokalt: AI skal omsættes til konkrete anbefalinger, datarammer og vurderingsformer i undervisningen.

Kilderne understøtter bogens vinkel: AI i uddannelse bør ikke reduceres til teknik eller kontrol. Det er et spørgsmål om, hvordan mennesker lærer, vurderes og får adgang til arbejde i en tid, hvor maskinen kan deltage i de første skridt.

Spørgsmål der bør stilles lokalt

• Hvilke opgaver skal løses uden AI, fordi de træner grundlæggende faglig kunnen?
• Hvilke opgaver må bruge AI, hvis processen, kilderne og de menneskelige valg forklares åbent?
• Hvordan vurderer vi dømmekraft og læring, ikke kun et pænt slutprodukt?
• Hvilke begyndelsesopgaver skal bevares eller redesignes, så nye mennesker stadig kan lære faget?
• Hvordan støtter vi undervisere, praktikvejledere og ledere, så AI ikke bliver individuelt ansvar uden rammer?
• Hvor kan AI skabe ulig adgang til læring, og hvordan opdager vi det tidligt?

Hvordan hænger det sammen med bogen?

Bogen arbejder med fire positioner i AI-forandringen: de fortrængte, de transformerede, de udelukkede og de empowered. De er ikke faste typer, men steder mennesker kan befinde sig, når arbejdet flytter sig.

Derfor handler denne side også om AI-uro, kontroltab, orienteringstid og begyndelsesopgaver — de begreber, der gør samtalen mere konkret end enten begejstring eller panik.

FAQ