KI-debatten stopper ved eksamen. Den burde starte i studieprogrammene.

Universiteter og høyskoler diskuterer hvordan kunstig intelligens (KI) skal begrenses, unngås eller kontrolleres i vurderingssituasjoner. Samtidig oppfordrer arbeidsgivere ansatte til å bruke slike verktøy aktivt i arbeidshverdagen. Det er vanskelig å ikke se paradokset: mens arbeidslivet etterspør kandidater som kan bruke KI på en kritisk og praktisk måte, bruker høyere utdanning stadig mer energi på å diskutere hvordan teknologien kan tøyles i vurderingssituasjoner.

Det er selvsagt forskjell på høyere utdanning og arbeidslivet. En sentral oppgave for UH-sektoren er å vurdere studenters kunnskap, og det er et legitimt mål. Men det er ikke det eneste. Universiteter og høyskoler er også forpliktet gjennom lovverk, rammer og læringsutbyttebeskrivelser til å utvikle studieprogrammer som bidrar til at studentene utvikler ferdigheter og kompetanse som er relevante for samfunns- og arbeidsliv.

Det er her KI-debatten blir interessant. For den synliggjør et spørsmål sektoren lenge har kunnet skyve foran seg: Hvordan henger vurderingsformene våre sammen med kompetansen studentene forventes å bruke etter studiene? Når debatten først og fremst handler om eksamen, diskuterer vi sluttpunktet. Det vi i langt mindre grad diskuterer, er læringsprosessene og studieprogrammene som skal gjøre studentene i stand til å møte en kunnskapsvirkelighet der KI allerede er en del av informasjonsmiljøet. Det reiser et mer grunnleggende spørsmål: Ville KI-debatten om eksamen vært like intens dersom studentene gjennom studieløpet systematisk ble trent i å bruke teknologien kritisk, målrettet og praktisk? Dersom de lærte å undersøke, sammenligne, etterprøve og vurdere KI-generert innhold som en integrert del av faglig arbeid, ville kanskje ikke hovedspørsmålet vært hvordan vi hindrer bruk av KI i vurdering, men hvordan vi vurderer kvaliteten på resonnementene der slike verktøy inngår. I dag spør mange studenter: Hva er det riktige svaret? Hva forventer sensor? Et mer relevant spørsmål, og et spørsmål med tydeligere arbeidslivsrelevans, er: Hvordan vurderer jeg om denne påstanden, teksten eller informasjonen er til å stole på? Forskjellen mellom disse spørsmålene handler om hva slags kunnskapspraksis høyere utdanning utvikler.

Poenget er ikke at sektoren mangler vilje eller evne til å gjøre dette. Mange undervisere arbeider allerede med kildekritikk, analyse, refleksjon og i noen fag også kritisk bruk av KI. Utfordringen ligger derfor ikke først og fremst hos enkeltforelesere eller i enkeltemner, men i hvordan dette er organisert og forankret på systemnivå. Når ansvar for sentrale ferdigheter ligger på flere nivåer samtidig, oppstår gjerne et klassisk styringsproblem: noe alle er enige om er viktig, men som ingen har et tydelig ansvar for å gjennomføre. Når dette i praksis blir alles ansvar, men ingens tydelige oppgave, må vi se på rammene som styrer og organiserer høyere utdanning. Spørsmålet er nemlig ikke bare hva vi bør gjøre, men hvorfor dette ikke allerede skjer mer konsekvent. En viktig del av svaret er at forventningen om slik kompetanse i stor grad er implisitt. Den ligger delvis i Nasjonalt kvalifikasjonsrammeverk for livslang læring (NKR) og i læringsutbyttebeskrivelsene, men sjelden så tydelig og eksplisitt formulert at institusjonene systematisk må operasjonalisere den i studieprogramdesign. Resultatet er at utviklingen av kritisk digital og KI-relatert kompetanse ofte blir overlatt til lokale initiativ, ildsjeler og fagmiljøenes egne prioriteringer. Da blir praksisen ujevn, og studentenes møte med disse spørsmålene tilfeldig.

Det er nettopp derfor NKR (Nasjonalt kvalifikasjonsrammeverk for livslang læring) er relevant i denne diskusjonen. Da rammeverket ble innført i 2011, var neppe dagens KI-drevne informasjonsøkologi en del av premissene for hvordan kunnskap produseres, formidles og læres bort. I dag er slike systemer en integrert del av studentenes kunnskapslandskap. Likevel er det fortsatt dette rammeverket som legger føringer for hvilke læringsutbytter som skal oppnås gjennom studieprogrammene, samtidig som tolkning og operasjonalisering i stor grad er overlatt til institusjonene og fagmiljøene. Det betyr ikke nødvendigvis at rammeverket er utilstrekkelig eller feil. Men det gir grunn til å spørre om det bør tolkes tydeligere, eller justeres, slik at det i større grad reflekterer dagens informasjonsvirkelighet. Evnen til å vurdere digital informasjon, forstå usikkerhet, identifisere skjevheter og bruke teknologi på en kritisk og faglig forsvarlig måte er fortsatt generiske ferdigheter. Men i en algoritmestyrt informasjonsøkonomi må disse ferdighetene konkretiseres tydeligere enn før. NKR ble utviklet for en kunnskapsøkonomi. Studentene studerer nå i en algoritmestyrt informasjonsøkonomi. Det endrer ikke behovet for faglig fordypning, refleksjon og akademisk dømmekraft. Tvert imot gjør det disse kvalitetene enda viktigere. Men det betyr at studieprogrammene må organisere læring slik at studentene faktisk får øve på dem i møte med teknologien de skal bruke i arbeidslivet.

Derfor bør KI-debatten handle om mer enn eksamen. Den bør starte i studieprogrammene og i rammeverket som styrer dem. For når teknologi endrer hvordan kunnskap produseres, vurderes og brukes, må også høyere utdanning utvikle studentenes kompetanse i takt med denne virkeligheten. I en tid der kunnskap, informasjon og teknologi endrer seg raskt, er samfunnets evne til å forstå, vurdere og bruke kunnskap i samspill med teknologi en viktig form for beredskap. Universiteter og høyskoler er samfunnets viktigste institusjoner for å bygge denne. Det ansvaret forplikter.