Mens vi teller prosentene, løper virkeligheten fra oss

Først: takk til Emil Trygve Hasle-Hoff for et saklig og presist motinnlegg til min kronikk om kunstig intelligens og høyere utdanning. Han har helt rett i én ting: Jeg rotet med tallene. Mennesker hallusinerer også, ikke bare KI. Heldigvis tilgir vi mye lettere overfor mennesker. Og det gir oss grunnlag for interessante diskusjoner, der ny kunnskap faktisk skapes, i direkte utvekslinger av ideer mellom mennesker, som også våre studenter trenger. Igjen, heldigvis.

Ytring

«Hallusinerte du nå, Silvija?»

Jeg skrev at 68 prosent av studentene rapporterte økt refleksjon ved bruk av KI, og henviste feilaktig til Nature Human Behaviour. Det jeg mente å referere til var to ulike artikler: «When combinations of humans and AI are useful: A systematic review and meta-analysis» (Nature Human Behaviour, 2024) og «Impact of ChatGPT on Learning Performance: A Meta-Analysis» (Humanities and Social Sciences Communications, 2025). Begge finnes, men måler forskjellige forhold. Jeg blandet sammen tall fra muntlige forskningspresentasjoner – podkaster, konferanser, paneler – med foreløpige resultater som senere er blitt publisert. Det burde vært presisert tydeligere.

Likevel mener jeg hovedpoenget står: tempoet i utviklingen er nå så høyt at praksis løper fra forskningen.

Ytring

KI: Universitetene må lære før de lærer bort

Mens OECD fortsatt måler digitalisering gjennom PISA-tester og policyindikatorer, dokumenterer KPMG og McKinsey hvordan KI allerede brukes i organisasjoner, hver dag, i virkelig arbeid. Det er ikke teorien som forandrer virkeligheten, men praksisen som presser teorien til å oppdatere seg. La meg vise til noen av disse tall.

McKinseys rapport «Superagency in the Workplace» (2025) viser at 92 prosent av virksomheter planlegger å øke sine KI-investeringer de neste tre årene. Likevel sier bare én prosent at de har oppnådd reell «AI-modenhet» – at teknologien faktisk er integrert i arbeidshverdagen og skaper målbar verdi. Gapet mellom ambisjon og virkelighet er dramatisk.

Ansatte bruker KI-verktøy tre ganger mer enn lederne tror, men nesten halvparten av lederne mener organisasjonen deres beveger seg for sakte. 47 prosent sier utviklingen går for tregt, og 46 prosent peker på kompetansegap som hovedårsak. 48 prosent av ansatte rangerer opplæring som den viktigste faktoren for å lykkes, men halvparten opplever at de får «moderat eller mindre» støtte fra arbeidsgiver.

Særlig interessant er millennial-generasjonen (35–44 år): Hele 90 prosent oppgir at de føler seg trygge i bruk av KI-verktøy og fungerer som de mest aktive endringsagentene. De venter ikke på systemer, prosjekter eller retningslinjer – de prøver, feiler og lærer underveis. Og i det speiler de dagens studenter.

KPMG kaller dette en «shadow AI-økonomi». I deres globale studie fra 2025 sier 58 prosent av ansatte at de allerede bruker generativ KI i jobben – ofte uten godkjenning fra arbeidsgiver. 57 prosent innrømmer at de skjuler bruken for ledelsen, ikke fordi de vil jukse, men fordi reglene ikke finnes ennå. Samtidig stoler bare 46 prosent fullt ut på KI-systemene de bruker daglig.

Ytring

Forelesningen din er ikke fantastisk

Bruken øker altså raskere enn tilliten. Og det samme skjer i høyere utdanning. Studenter og ansatte tar KI i bruk som læringspartner lenge før det finnes faglige rammeverk, felles standarder eller vurderingsformer som fanger opp denne virkeligheten. Dette er ikke nødvendigvis et problem, det er en realitet. Mens vi utarbeider retningslinjer for trygg bruk, har brukerne allerede tatt teknologien i egne hender.

Emil Trygve Hasle-Hoff viser til Nature Human Behaviour-studien som jeg selv refererte til, og påpeker at den fant svakere resultater for menneske–KI-samarbeid enn for den beste parten alene. Det er riktig for enkelte, kontrollerte beslutningsoppgaver. Men hovedbildet i studien er langt mer nyansert.

Meta-analysen bygger på laboratorie-eksperimenter der mennesker og KI løser avgrensede oppgaver med klare fasitsvar. I slike situasjoner koster samarbeid tid og koordinasjon, og det kan se ut som ytelsen synker. Men virkeligheten fungerer ikke slik. I åpne, kreative og kunnskapsintensive oppgaver – altså der dømmekraft, forståelse og utforskning betyr mer enn presisjon – snur effekten.

Når mennesket har faglig oversikt og bruker KI som partner, øker ytelsen betydelig; studien viser en positiv effekt på rundt Hedges’ g ≈ +0,46 når mennesket i utgangspunktet presterer bedre enn maskinen. I praksis betyr det at verdien av samarbeid ikke ligger i å regne riktig, men i å tenke videre. Og det er nettopp denne typen læring – eksperimenterende, kontekstuell og iterativ – som skjer i arbeidsliv og utdanning akkurat nå.

KI forsterker forskjeller. De som kan, blir bedre; de som ikke kan, mister oversikt. Dette er også McKinseys poeng: KI er en forsterker av menneskelig kapasitet – ikke en erstatning for den.

- Vi uteksaminerer studenter fra NTNU med A eller B som ikke har fortjent disse karakterene

Jeg har levd store deler av livet med et logisk verdensbilde. Gödels ufullstendighetsteorem har alltid fascinert meg – tanken om at selv det mest perfekte system aldri kan forklare alt. Men etter å ha arbeidet tett med KI har jeg oppdaget en annen måte å tenke på: den stokastiske. KI ser ikke verden i rett og galt, men i grader av sannsynlighet. Det har endret min egen kognisjon. Jeg ser nå kunnskap som bevegelige mønstre, ikke som endelige svar. Og kanskje er det akkurat dette vi bør lære studentene – å tåle usikkerhet, å lese mønstre, og å tenke i systemer heller enn i regler.

Når jeg snakker om høyere ordens tenkning, mener jeg det samme som i programmering: funksjoner som opererer på andre funksjoner. Overført til læring handler det om å tenke om egen tenkning – å forstå prosess, ikke bare produkt. KI kan faktisk styrke dette. Den kan vise studentene hvordan de tenker, hvilke antakelser de bygger på, og hvor de bør korrigere kursen. Den gode læreren blir ikke den som forbyr teknologien, men den som lærer studenten å bruke den som speil for refleksjon.

Gjesteskribenten

KI, latskap og teknologi: Risikerer vi å utdanne dårligere studenter?

Jeg er enig i at etterrettelighet og presisjon er viktig. Forskningen er kompasset vårt, men KI beveger seg raskere enn kartet oppdateres. Derfor må utdanningsinstitusjonene våge å lære i bevegelse, mens vi sammen bygger ny kunnskap om hva som virker. Peer review tar måneder; språkmodellene endres ukentlig. Universitetene må derfor bli laboratorier for læring i usikkerhet – steder der både lærere og studenter øver på metakognisjon, kritikk og etikk i samspill med KI.

Mens vi diskuterer prosenter og henvisninger, har studentene allerede gått videre. De bruker KI i notater, oppgaver, idéutvikling og refleksjon, fordi det virker. De lærer raskere enn systemene som prøver å beskytte dem fra det ukjente.