Integration af kunstig intelligens: Transformation af uddannelse og arbejdsmarked
Linas JuozėnasDel
Hjernen + AI Læring og arbejde med kunstig intelligens
En kompleks idé bliver lettere at forstå. En tom side bliver til det første udkast. Et lille team får værktøjer til at forsøge at gennemføre et større projekt. AI ændrer det, mennesker kan skabe, og rejser samtidig dybere spørgsmål om, hvad vi lærer, hvordan arbejdet organiseres, og hvem der får de nye muligheder.
Tre måder, hvorpå AI kan ændre menneskers evner
En person kan ved hjælp af et værktøj udrette mere uden at tilegne sig alle de færdigheder, som selve værktøjet giver. Det kan stadig være værdifuldt: En stor del af menneskehedens fremskridt afhænger af sprog, bøger, instrumenter og samarbejde. Et vigtigt skridt er tydeligt at formulere, hvilken forbedring vi faktisk sigter efter.
Udførelse med hjælp
Kan personen sammen med værktøjet levere et mere præcist, nyttigt eller hurtigere udarbejdet resultat? Det er et mål for partnerskabet mellem menneske og værktøj.
Vedvarende læring
Hvilken forståelse tager personen med sig videre? Kan vedkommende forklare en idé, opdage en fejl og anvende sin viden i en anden situation?
Fælles muligheder
Hvem får mere adgang, tid, indkomst eller kreativ frihed? Hvem bærer de nye omkostninger, de færre muligheder eller den vanskelige overgangsperiode?
Uddannelse og beskæftigelse mødes netop her. Skoler hjælper mennesker med at udvikle færdigheder, mens arbejdspladser afgør, hvilke færdigheder der får mulighed for at blive praktiseret og belønnet. At ændre det ene område uden at tage hensyn til det andet kan skabe en kløft mellem det, mennesker undervises i, og det, de faktisk får mulighed for at blive til.
Hvorfor integrationen af AI accelererer
Bredere evner bliver praktisk nyttige, når mennesker kan få adgang til dem gennem almindelige opgaver.
Forandringen drives både af det, computere allerede kan udføre, og af hvor let mennesker kan bede dem om at gøre det.
En samtalegrænseflade gør det muligt at tage udgangspunkt i målet: Forklar dette afsnit, sammenlign disse forslag, hjælp med at organisere disse oplysninger. Med opfølgende spørgsmål kan resultatet finjusteres, uden at brugeren behøver lære alle kommandoerne i et specialiseret program. Det fjerner én adgangsbarriere, men ophæver ikke behovet for at forstå selve opgaven.
Ordet „AI“ omfatter forskellige slags systemer
Forudsigelse og klassificering
Systemet evaluerer et resultat eller tildeler en kategori: hvilken besked der hører til en bestemt kø, hvilket dokument der matcher en forespørgsel, eller hvilken hændelse der kan kræve opmærksomhed.
Generativ hjælp
Systemet skaber tekst, billeder, lyd, kode eller andet materiale. Det kan foreslå forklaringer, alternativer og udkast, som mennesker senere kontrollerer og forbedrer.
Handlinger via tilsluttede værktøjer
Systemet bruger software til at hente oplysninger eller udføre handlinger. Dets praktiske muligheder afhænger af de tilsluttede værktøjer, de tildelte tilladelser og de kontroller, der er opbygget omkring det.
Disse evner kan kombineres, men de bør ikke betragtes som indbyrdes udskiftelige. Et system, der skriver en fremragende forklaring, har derfor ikke bevist, at det kan vurdere studerende korrekt, vælge den rette medarbejder eller pålideligt styre en hel virksomhed.
Faldende brugsomkostninger udvider mulighederne
Stanford 2025 AI Index angav, at inferensomkostningen for ydeevne på GPT-3.5-niveau faldt mere end 280 gange fra november 2022 til oktober 2024. Det beskriver omkostningen ved at bruge modeller til at opnå et bestemt ydeevneniveau, ikke omkostningen ved at træne en ny avanceret model. [1]
Faldende brugsomkostninger kan gøre undervisning, oversættelse og gentagne eksperimenter mere tilgængelige. Men en pålidelig tjeneste kræver stadig passende information, tilsyn, support og evaluering. Dens samlede omkostning omfatter også den tid, mennesker bruger på at forberede input, kontrollere resultater og rette fejl.
Flydende formuleringer er en egenskab, der skal bruges med forsigtighed
Et sammenhængende svar kan indeholde en opdigtet reference, en forkert beregning eller en sikker fortolkning af ufuldstændige oplysninger. Opgaven er at gøre relevant evidens tilgængelig og give mennesker en praktisk måde at kontrollere de vigtigste dele på.
Hvad uddannelsesforskningen viser
Læringsresultater afhænger af den lærende, opgaven og hjælpedesignet.
Det er let at se, at en opgave udført med hjælp fra AI ser bedre ud. Men det kræver en anden type undersøgelse at fastslå, om den lærende senere faktisk forstår mere. Forskning begynder at skelne mellem disse resultater, og konklusionerne fremhæver især betydningen af læringsoplevelsens design.
Struktureret undervisning kan fremme læring
Kestinas og kolleger analyserede 194 studerende i to bachelorfysikundervisningsforløb på Harvard i et randomiseret studie. En individuelt udviklet AI-underviser gav en større umiddelbar læringsfremgang end sammenligningsbetingelsen med aktiv læring i undervisningslokalet, som regel på kortere tid.
Systemet anvendte omhyggeligt udarbejdede undervisningsmaterialer og struktureret støtte. Det var evidens for et specifikt pædagogisk design over en kort periode, ikke en test af en hel kursuserstatning eller en langsigtet forbedring på tværs af fag. [2]
Bedre resultater under øvelse kan skjule et læringsgab
Bastani og kolleger undersøgte næsten tusind elever på en tyrkisk gymnasieskole. Ved hjælp af et GPT-lignende interface til generelle formål forbedrede deres resultater sig under øvelsen, men ved efterfølgende selvstændige evalueringer scorede de 17 % lavere end kontrolgruppen.
En version, hvor der var indbygget lærerunderstøttede tutorbeskyttelser, fjernede i store træk denne mangel. Den viste dog ikke en positiv effekt af selvstændig evaluering sammenlignet med kontrolgruppen. Resultaterne vedrører kortvarig matematiklæring ved hjælp af de systemer, der blev anvendt netop i denne undersøgelse. [3]
Hvad den bredere evidens viser
OECD's Digital Education Outlook 2026 skelner på lignende måde: Bedre opgaveløsning er i sig selv endnu ikke et bevis på læring. I rapporten ses der større potentiale, når AI anvendes med et klart pædagogisk formål, med udgangspunkt i undervisningsprincipper og ved hjælp af lærernes kompetencer. [4]
En velbegrundet konklusion ud fra disse data ville være følgende: Skolen bør evaluere aktiviteten med værktøjet og ikke „AI“ som én samlet intervention. Et samtalesystem, der giver færdige svar, en tutor, der stiller diagnostiske spørgsmål, og en assistent, der hjælper med at forberede lærerens materialer, skaber forskellige læringsbetingelser.
Spørg, hvad undersøgelsen faktisk målte
- Hvem deltog? Alder, forudgående viden og kontekst afgør, hvad man kan konkludere ud fra resultaterne.
- Hvad blev der sammenlignet med? Traditionel undervisning, aktiv læring og individuel lektiehjælp er forskellige sammenligninger.
- Hvornår blev læringen testet? En quiz, der gennemføres med det samme, beviser ikke, at viden er bevaret efter flere måneder.
- Hvilken støtte var tilbage? Udførelse med støtte og selvstændig forståelse besvarer forskellige spørgsmål.
- Hvad ændrede sig ud over selve modellen? Det tilrettelagte indhold, tempoet, feedbacken og den ekstra øvelse kan også have bidraget til resultatet.
Disse spørgsmål hjælper skoler med at identificere nyttige beviser uden at gøre et lovende resultat til et universelt løfte. De gør det også muligt at lære af svage resultater: En ringe effekt kan vise, hvilken del af læringsdesignet der skal ændres.
Sådan skaber man støtte, der udvikler forståelse
God støtte hjælper den lærende med at tage det næste meningsfulde skridt.
Et læringsværktøj bliver værdifuldt, når det hjælper et menneske med at gå fra uklarhed til en forklaring, som vedkommende selv kan bruge.
Den rette mængde hjælp ændrer sig under lektionen. En nybegynder kan have brug for et løst eksempel, før vedkommende prøver selv. En person med delvis forståelse kan klare sig med et spørgsmål, der retter opmærksomheden mod et overset trin. En mere erfaren elev kan have gavn af en ukendt situation eller en udfordring af sin antagelse.
Derfor er reglerne „giv altid svaret“ og „giv aldrig svaret“ lige utilstrækkelige. Det bedre spørgsmål er: Hvilken hjælp ville gøre det muligt for denne person at arbejde meningsfuldt med idéen nu?
- Tag udgangspunkt i det, personen allerede ved. Bed om en indledende forklaring, et forsøg eller en forudsigelse. Det afslører mere end en fuld løsning, der gives med det samme.
- Tilbyd den mindst mulige nyttige hjælp. Prøv et afklarende spørgsmål, et enklere eksempel eller en ledetråd. Giv en mere detaljeret forklaring, når der faktisk er behov for den.
- Bed om en forklaring på resultatet. Bed eleven forklare, hvorfor trinnet virker, sammenligne to metoder eller angive en sandsynlig fejl.
- Skift situationen. Brug et andet eksempel, eller tilføj en ny betingelse. Kontrollér forståelsen igen senere, mens de passende tilgængelighedsværktøjer bevares.
Ophæver en stigning på 20 % en rabat på 20 %?
En vare koster 100 €. Prisen reduceres med 20 %, og den reducerede pris øges derefter med 20 %. Eleven gætter på, at prisen vender tilbage til 100 €.
En nyttig første ledetråd er: „Hvilket beløb anvendes den anden procent på?“ Den retter opmærksomheden mod det skiftende grundlag uden at udføre beregningen for eleven.
Åbn forklaringen efter forsøget
En rabat på 20 % reducerer 100 € til 80 €. Den efterfølgende stigning er 20 % af 80 €, altså 16 €. Den endelige pris er derfor 96 €.
100 € × 0,80 × 1,20 = 96 €
For at gå fra 80 € tilbage til 100 € skal man øge med 20 €, hvilket udgør 25 % af 80 €. Procenten afhænger af det beløb, der bruges som udgangspunkt.
Overførselsopgave: Hvis prisen reduceres med 10 %, med hvor mange procent skal den så øges for at vende tilbage til den oprindelige pris? Bed eleven forklare, hvordan vedkommende vil finde svaret, før beregningen udføres.
Reducer unødvendig friktion, men bevar meningsfuld øvelse
Det kan hæmme læringen at læse en forvirrende grænseflade, kopiere tekst konstant eller have svært ved at høre en forklaring, selv om det målrettede færdighedsniveau ikke forbedres af det. Fjernelse af disse barrierer kan give mere plads til tænkning. Den praksis, der faktisk udvikler den færdighed, der undervises i, skal bevares.
Selvstændighed skal også defineres præcist. En elev kan vise sin tankegang ved hjælp af en skærmlæser, stemmeinput eller en anden fastlagt tilpasning. Vurderingen bør skelne mellem tilgængelighedsstøtte og hjælp, der leverer netop den færdighed, som man forsøger at vurdere.
Hold læringen social og fysisk
En samtale med et softwaresystem kan foregå side om side med diskussion, eksperimenter, tegning, læsning og skabelse. En nyttig model er først at udforske idéen med AI, derefter undersøge den sammen med andre mennesker og til sidst skabe og forsvare sin egen forklaring. Værktøjet bliver en del af en bredere aktivitet, ikke hele det pædagogiske miljø.
Undervisning, feedback og vurdering
Understøt lærerens arbejde, og gør elevens tænkning synlig.
Nogle af de mest praktiske pædagogiske anvendelser begynder allerede før lektionen: udvikling af alternative eksempler, tilpasning af materialer, organisering af ressourcer og udkast til feedback. Læreren kan kontrollere disse resultater, før de bruges over for eleverne, og vurdere, om de passer til den konkrete klasse.
Forberedelse af materialer
Begynd med læringsmålet og pålideligt kildemateriale. Bed om eksempler, forklaringer eller øvelsesspørgsmål, og kontrollér derefter nøjagtigheden, sværhedsgraden og overensstemmelsen med det, eleverne skal lære.
Respons på elevens arbejde
Brug tydelige vurderingskriterier, og fremhæv et lille antal meningsfulde næste skridt. Feedbacken skal hjælpe eleven med at gennemgå sin egen tænkning i stedet for blot at skabe en længere liste med kommentarer.
Udvikling af alternativer
Prøv et andet læseniveau, format eller en anden forklaring. Kontrollér, om forenklingen bevarer selve begrebet, og om tilpasningen utilsigtet fjerner den udfordring, som lektionen skal lære eleverne at overvinde.
Identifikation af mønstre
Når reglerne for brug af data er passende, kan værktøjet hjælpe med at håndtere tilbagevendende udfordringer i klassen. Derefter kan læreren kontrollere, om det observerede mønster faktisk afspejler en udbredt misforståelse.
Vurder den færdighed, du ønsker at udvikle
Forskellige opgaver kan have forskellige formål. En kort selvstændig forklaring kan vurdere forståelsen. Et projekt med AI kan vurdere planlægning, kontrol, rettelser og kvaliteten af beslutningerne. Begge kan indgå i kurset, hvis reglerne og læringsmålene er tydelige fra begyndelsen.
- Bed om argumentation: Hvorfor blev netop denne metode, kilde eller dette design valgt?
- Bed om udvikling: Hvad ændrede sig mellem det første forsøg og det endelige resultat?
- Bed om anvendelse: Hvad ville der ske, hvis én af opgavens betingelser blev ændret?
- Bed om kontrol: Hvilken del fra AI blev kontrolleret, og hvordan?
- Bed om refleksion: Hvad forstår eleven nu, som vedkommende ikke forstod tidligere?
En kort forklaring af brugen af AI kan gøre processen tydeligere: „Jeg brugte værktøjet til at foreslå et udkast til strukturen, kontrollerede selv kilderne og omskrev argumentet.“ Omfanget af dokumentationen skal passe til opgaven; indsamling af hver enkelt interaktion kan skabe unødvendigt arbejde og privatlivsproblemer.
Detektorens score skal vurderes uafhængigt
Liang og kolleger fandt, at de AI-tekstdetektorer, de undersøgte, ofte fejlagtigt klassificerede tekster skrevet af personer, der ikke havde engelsk som modersmål. Undersøgelsen blev offentliggjort i 2023 og vurderer ikke alle detektorer, der er udviklet siden. Den viser, hvorfor en automatiseret score alene ikke bør træffe den endelige afgørelse om en anklage for akademisk uredelighed. [5]
En retfærdig proces vurderer selve opgaven, de tilgængelige beviser og elevens forklaring. Elever skal have en reel mulighed for at anfægte en fejlagtig beslutning.
Automatisk feedback og den endelige beslutning indebærer forskelligt ansvar
Et forslag til en tydelig formulering er lettere at gennemgå og rette end en beslutning, der kan påvirke kvalifikationer eller fremtidige muligheder. Efterhånden som konsekvenserne vokser, vokser også behovet for valideret vurdering, ansvarlig gennemgang og en tydelig vej til at rette fejl.
Adgang, sprog og ulighed
Adgang alene er kun begyndelsen på nyttig adgang.
En person, der bor i en lille by, kan få mulighed for at udforske et område, hvor der ikke findes en lokal specialist. En voksen, der vender tilbage til uddannelse, kan finde et tålmodigt sted at begynde at stille spørgsmål igen. Det er muligheder, der er værd at skabe.
I UNESCO's retningslinjer præsenteres menneskelig handlekraft, inklusion, privatliv og alderssvarende design som centrale principper for brug af kunstig intelligens i uddannelser. Det flytter fokus fra blot at uddele konti til spørgsmålet om, hvorvidt folk faktisk kan få gavn af oplevelsen. [6]
Fem betingelser, der gør adgang meningsfuld
- En fungerende forbindelse og enhed: Aktiviteten skal fungere under de forhold, som folk faktisk har.
- Det rette sprog: Terminologi, kulturel kontekst og forklaringer skal kontrolleres på de sprog, de lærende bruger.
- Tilgængelig interaktion: Oplæst tekst, undertekster, tastaturstyring og kompatibilitet med hjælpeteknologier er vigtige.
- Støtte: Folk skal vide, hvordan de vurderer et svar, og hvad de skal gøre, hvis systemet begår en fejl.
- Kontinuitet: Materialer og læring skal fortsat kunne bruges, selv om abonnementer, leverandører eller funktioner ændrer sig.
Oversættelse kan åbne døre, men kræver stadig gennemgang. En flydende forklaring på et mindre udbredt sprog kan bruge et usædvanligt teknisk begreb eller overføre antagelser fra en anden læseplan. Lokale undervisere og fagspecialister er værdifulde, når sådanne erfaringer skal vurderes.
Den digitale kløft former også arbejdsmarkedet
Et arbejdsdokument fra ILO og Verdensbanken fra 2026 undersøgte forskelle i 135 lande. Det fastslog, at digital infrastruktur og erhvervenes faktiske arbejdsopgaver påvirker muligheden for at få del i potentielle fordele ved kunstig intelligens. Nogle arbejdstagere, der kunne få gavn af støtte fra kunstig intelligens, har ikke tilstrækkelig forbindelse, mens arbejdstagere, der er mere udsatte for automatisering, måske allerede er godt forbundet. [8]
Dette er en analyse af påvirkning og muligheder, ikke et antal allerede tabte arbejdspladser. Den praktiske konklusion er, at teknologien kan sprede forstyrrelser og fordele i forskelligt tempo.
Personalisering skal give plads til at udvikle sig
Tidlige vanskeligheder bør ikke blive til en permanent automatisk vurdering af en persons potentiale. Anbefalinger skal fortsat kunne revideres, så der gives mulighed for at afprøve sværere materiale, skifte retning og få menneskelig feedback.
Hvordan ændringer i opgaver ændrer jobs
Tekniske færdigheder er kun én del af en bredere økonomisk proces.
Et arbejde er et sæt af aktiviteter. Det kan omfatte informationssøgning, løsning af usædvanlige sager, koordinering af mennesker, arbejde med fysiske genstande og ansvar for resultatet. Kunstig intelligens kan påvirke disse aktiviteter forskelligt, selv i løbet af den samme arbejdsdag.
Hvad påvirkningen af erhverv fortæller
ILO's globale indeks for 2025 vurderede, at hver fjerde arbejdstager arbejdede i et erhverv, der i et vist omfang blev påvirket af generativ kunstig intelligens. Kategorien med den største påvirkning omfattede 3,3 % af den globale beskæftigelse, og administrative erhverv blev fremhævet som særligt påvirkede. Analysen understreger transformationen, fordi de fleste erhverv stadig rummer opgaver, der kræver menneskelig indsats. [7]
Disse tal beskriver en potentiel sammenhæng mellem teknologi og opgaver. De er ikke prognoser for arbejdsløshed. Indførelsen afhænger af pris, pålidelighed, infrastruktur, efterspørgsel og organisatoriske beslutninger.
Mindre arbejde pr. produktionsenhed
Virksomheden producerer det samme ved at bruge færre arbejdstimer. Afhængigt af valgene kan det reducere arbejdsbyrden, behovet for nye medarbejdere eller beskæftigelsen.
Større efterspørgsel
En lavere pris eller en bedre service gør yderligere aktivitet økonomisk meningsfuld. En del af den sparede indsats opsluges af en større arbejdsmængde.
Et andet arbejde
Nye tjenester bliver mulige, ansvarsområder omfordeles, og teams får brug for færdigheder, de ikke tidligere anvendte.
Disse processer kan foregå samtidig. Et erhverv kan bestå, selv om ansættelsen af medarbejdere på begynderniveau falder, ansvaret bliver større, eller forhandlingsstyrken ændrer sig. På samme måde kan en lille organisation få mulighed for at levere en service, den tidligere ikke havde råd til. Det endelige resultat kan ikke aflæses direkte af modellens testresultat.
Se på hele ansvaret
Illustrative eksempler, ikke prognoser. På mindre skærme kan du rulle vandret.
| Arbejdsområde | Mulig støtte | Ansvarsområder, der stadig kræver en plan |
|---|---|---|
| Kundeservice | Find relevante oplysninger, og udarbejd et udkast til et svar. | Forstå situationen, kontrollér politikken, håndter undtagelser, og sørg for, at problemet faktisk bliver løst. |
| Softwareudvikling | Foreslå kode, forklare komponenter og hjælpe med at undersøge fejl. | Definere krav, teste adfærd, vurdere sikkerhed og føre tilsyn med det oprettede system. |
| Design og kommunikation | Undersøge koncepter, skabe varianter og udarbejde udkast. | Vælge en retning, kontrollere påstande og tilladelser, forstå målgruppen og bevare en konsekvent stemme. |
| Lille onlinevirksomhed | Hjælpe med beskrivelser, oversættelser og organisering af beskeder. | Bekræfte produktets identitet, mål, lagerbeholdning og leveringsoplysninger; holde løfterne til kunderne. |
| Administration og planlægning | Sammenfatte optegnelser, organisere oplysninger og foreslå tidsplaner. | Kontrollere fuldstændigheden, opdage usædvanlige tilfælde og koordinere de mennesker, som løsningen vil påvirke. |
Stillingsbetegnelser kan skjule lokale forskelle
En analyse fra ILO og Verdensbanken fra 2026 viste også, at den samme stillingsbetegnelse kan omfatte forskellige opgaver i forskellige økonomier. Antagelsen om, at arbejdet er identisk overalt, kan overvurdere effekten i udviklingslande. [8] Derfor begynder en nyttig evaluering med det virkelige arbejde: hvad der sker, hvor ofte det sker, under hvilke betingelser, og hvilke konsekvenser der opstår, når noget går galt.
Måling af nyttig produktivitet
Tæl det færdige, anvendelige arbejde og den indsats, det krævede.
En opgave kan begynde at føles lettere, før den bliver hurtigere. Den kan blive hurtigere, før organisationen begynder at levere en bedre service. Det er forskellige ting, som skal måles hver for sig.
Evidens fra kundeservice
I den endeligt publicerede version af Generative AI at Work undersøgte Brynjolfsson, Li og Raymond en trinvis implementering af assistenten blandt 5 172 kundeservicemedarbejdere. De estimerede en gennemsnitlig stigning på 15 % i antallet af problemer, der blev løst pr. time.
Effekten varierede mellem medarbejderne. Mindre erfarne medarbejdere og medarbejdere med svagere resultater forbedrede både hastighed og kvalitet, mens hastigheden blandt de mest erfarne og bedst præsterende medarbejdere kun steg lidt, og kvaliteten faldt en smule. Dette var data fra én bestemt virksomhed og arbejdsproces, baseret på en trinvis implementering og ikke et randomiseret eksperiment. [9]
Det modsatte resultat - og hvorfor datoen er vigtig
I METR's eksperiment fra begyndelsen af 2025 deltog 16 erfarne open source-programmører, som udførte 246 virkelige opgaver i repositories, de kendte godt. Opgaver, hvor det var tilladt at bruge AI, tog 19 % længere tid, selv om programmørerne mente, at værktøjerne havde gjort dem hurtigere. Resultatet gælder for netop dette miljø og denne generation af værktøjer. [10]
I februar 2026 rapporterede METR, at efterfølgende data gav et upålideligt estimat af den aktuelle effekt på grund af vanskeligheder med udvælgelse af deltagere og måling. Forskerne anså en større hastighedsforøgelse for sandsynlig, men kunne ikke pålideligt fastslå dens størrelse. [11]
Tilsammen understøtter disse eksempler, at man skal måle den konkrete arbejdsproces i stedet for at antage, at der findes én universel produktivitetsprocent. De viser også, hvorfor vurderingen skal gentages, når værktøjerne og måderne at bruge dem på ændrer sig.
Den tid, der faktisk blev sparet efter kontrollen
Antag, at opgaven tidligere tog 60 minutter. Ved brug af AI bruges 15 minutter på at forberede den nødvendige kontekst, 10 minutter på at generere en kladde, og 30 minutter på at kontrollere og færdiggøre resultatet.
15 + 10 + 30 = 55 minutter
Fem minutter spares, hvis kvaliteten er den samme. Hvis en bedre proces gør gennemgangen hurtigere, kan gevinsten vokse. Hvis fejl senere skaber ekstra arbejde, kan den oprindelige besparelse forsvinde.
Følg, hvor de sparede kræfter ender
Hurtigere udarbejdelse af kladder kan flytte flaskehalsen til gennemgangen. Et team kan skabe flere forslag, end nogen er i stand til at vurdere, eller flere kundesvar, end der er problemer at løse. Mål den endelige service sammen med delresultatet.
Nyttige målepunkter kan være gennemførelsestid, tid brugt på rettelser, hyppigheden af alvorlige fejl, kundernes resultater og arbejdsbyrden. Den rette kombination afhænger af opgaven: Mængden alene fortæller ikke, om det overhovedet var værd at udarbejde en pædagogisk forklaring, software eller et kundeservicesvar.
Udvikling af ekspertise, mens værktøjerne ændrer sig
Opbyg viden og beslutningskvalitet, der hjælper dig med at bruge nye evner godt.
Ingen liste over "fremtidssikrede færdigheder" kan garantere en sikker karriere. Et mere praktisk mål er at udvikle evner, der kan overføres mellem værktøjer, samtidig med at man bevarer tilstrækkeligt dybdegående faglig viden til at kunne genkende godt arbejde.
Faglig forståelse
Lær principperne, ordforrådet og de tilbagevendende fejl inden for dit område. Det giver et grundlag for at vurdere et svar ud fra mere end blot dets flydende formulering eller udseende.
Problemformulering
Fastlæg målgruppen, det ønskede resultat, begrænsningerne og de manglende oplysninger. Beslut, hvordan succes vil se ud, før du vælger et værktøj eller træffer en beslutning.
Kontrol
Find den oprindelige kilde, kontrollér beregningen, afprøv antagelsen, og genkend den situation, hvor de foreliggende beviser ikke er tilstrækkelige til at træffe en beslutning.
Kommunikation og ansvar
Lyt, forklar kompromiserne, afstem forventningerne, og hold dine løfter. Godt arbejde handler ikke kun om resultatet, men også om pålideligheden i de relationer, der skabes omkring det.
Bevar vejen fra begynder til ekspert
Arbejde på begynderniveau udfører ofte to funktioner: Det skaber noget nyttigt og giver den nye medarbejder erfaring. Hvis AI overtager denne aktivitet, skal organisationen overveje, hvordan denne læring fortsat skal finde sted.
Mulige løsninger er projekter under supervision, rotationer, tydelig drøftelse af komplekse sager og øvelse med feedback. Målet er at sikre, at mennesker stadig opnår den forståelse, der er nødvendig for at gennemgå, føre tilsyn med og forbedre de systemer, de bruger. Det er lige så meget et organisatorisk designproblem som en opgave i individuel læring.
Skab en portefølje af beslutninger
Det endelige resultat viser, hvad der blev skabt. En kort projektbeskrivelse kan yderligere vise, hvordan du definerede problemet, hvor kunstig intelligens hjalp, hvilke fejl du fandt, og hvorfor du valgte den endelige metode. Det gør dit bidrag lettere at forstå.
En bæredygtig læringsrutine
Vælg én tilbagevendende opgave. Lær én relevant metode, anvend den, vurder resultatet, og skriv ned, hvad der ændrede sig. Øv jævnligt den grundlæggende færdighed, som kvaliteten af dine beslutninger afhænger af. Lad det næste læringstrin udspringe af en reel udfordring eller mulighed.
Livslang læring kræver tid, energi og adgang. Arbejdsgivere og offentlige institutioner kan gøre den mere realistisk ved at tilbyde betalt læringstid, tilgængelige kurser og muligheder for at øve sig. Det er sværere at tilpasse sig, når hele omkostningen ved tilpasningen lægges over på mennesker, der allerede arbejder på kanten af deres muligheder.
Tillid, ansvarlighed og fælles gavn
Nyttig integration omfatter beslutninger om oplysninger, magt og muligheder.
Indførelsen af kunstig intelligens ændrer mere end vejen til et svar. Den kan ændre, hvem der får adgang til oplysninger, hvilke beslutninger der gennemgås, og hvem der bærer omkostningerne ved fejl. Disse ordninger skal designes sammen med selve opgaven.
NIST's risikoprofil for generativ kunstig intelligens fremhæver problemer som opdigtet indhold, privatliv, skadelig bias og problematiske former for interaktion mellem mennesker og kunstig intelligens, f.eks. overdreven tillid. Tilgangen understøtter risikovurdering netop i det miljø, hvor systemet faktisk skal bruges. [12]
Brug oplysninger bevidst
Beslut, hvilke data der er nødvendige, hvem der må levere dem, hvor de behandles, og hvor længe de opbevares. Skoler og arbejdsgivere skal give mennesker klare og praktisk anvendelige procedurer for håndtering af følsomme oplysninger.
Gør gennemgangen meningsfuld
Den person, der foretager gennemgangen, skal have relevant viden, tilstrækkelig tid, adgang til dokumentation og ret til at ændre resultatet. Et rent formelt godkendelsestrin skaber ikke disse betingelser.
Undersøg uensartede resultater
Vurder, hvordan systemet fungerer på forskellige relevante sprog, for forskellige brugere og under forskellige omstændigheder. Et godt gennemsnit kan skjule vanskeligheder for de mennesker, der har mest brug for hjælp.
Bevar en vej til fejlretning
Mennesker, der berøres af vigtige beslutninger, skal vide, hvordan de rejser et problem og kommer i kontakt med den person, der er ansvarlig for at løse det.
Beslut, hvem produktivitetsgevinsten er til for
Den sparede tid kan bruges på bedre service, nye projekter, højere løn, kortere arbejdstid eller lavere omkostninger. Den kan også blot blive til en større arbejdsbyrde. Disse resultater afhænger af institutionelle beslutninger, forhandlinger og økonomiske forhold.
Medarbejdere og undervisere bør have indflydelse på omorganiseringen af deres arbejde. De ved ofte bedst, hvilke undtagelser der forekommer hyppigt, hvilke relationer der er vigtige, og hvilke tilsyneladende små fejl der senere skaber store problemer.
Støt overgangen, ikke kun uddannelsen
Hvis der reelt bliver mindre af en bestemt type arbejde, er uddannelse alene måske ikke nok. Nyttige offentlige tiltag kan omfatte indkomststøtte, praktisk karriererådgivning, adgang til udstyr og uddannelse, der er knyttet til reelle muligheder. Det er politiske tiltag, som skal vurderes ud fra omstændighederne, ikke løfter om, at enhver overgang bliver let.
Offentlige investeringer i internetforbindelse, biblioteker, tilgængeligt undervisningsmateriale og lokal ekspertise kan også udvide, hvem der får gavn. Disse grundlag forbliver værdifulde, selv når konkrete produkter eller leverandører ændrer sig.
Praktisk implementeringsplan
Begynd med et klart defineret behov, følg resultatet, og udvid på baggrund af dokumentation.
Den første beslutning er, hvad I vil forbedre. Værktøjet vælges først derefter.
- Vælg et konkret problem. Identificer en tilbagevendende vanskelighed: langsom feedback, gentagen søgning, utilgængeligt materiale eller et udkast, der bruger uforholdsmæssigt meget tid. Definér fordelen, så folk kan genkende den.
- Forstå den nuværende proces. Følg flere repræsentative eksempler. Notér tidsforbrug, kvalitet, hyppige fejl og den hjælp, folk har brug for i øjeblikket.
- Design menneskers og AI's bidrag. Beslut, hvad systemet skal foreslå eller udføre, hvad mennesker skal gennemgå, og hvem der skal afgøre uklare tilfælde. I læringssammenhænge skal I fastlægge, hvilken tænkning eleverne stadig skal øve selv.
- Forbered passende information og adgang. Brug pålideligt materiale og tydelige tilladelser. Sørg for, at deltagerne kan bruge værktøjet under virkelige forhold og ved, hvor de kan få hjælp.
- Gennemfør en begrænset sammenligning. Medtag både almindelige og komplekse tilfælde. Sammenlign så vidt muligt lignende opgaver med og uden hjælp, herunder den tid, det tager at lære en ny proces.
- Gennemgå fordelene, omkostningerne og forskellene mellem mennesker. Medregn rettelser og efterfølgende ekstraarbejde. I uddannelsessammenhænge skal I også vurdere den efterfølgende forståelse; på arbejdspladsen - servicekvaliteten og arbejdsbelastningen.
- Træf en klar næste beslutning. Udvid, juster eller stop. Skriv begrundelserne ned, og gentag vurderingen, når værktøjet, opgaven eller den omkringliggende proces ændrer sig væsentligt.
Brug mål, der passer til formålet
Foreslåede evalueringsspørgsmål. Rul vandret på en mindre skærm.
| Kontekst | Det primære resultat | Spørgsmål, der hjælper med at undgå misvisende resultater |
|---|---|---|
| Elevernes læring | Forståelse, fastholdelse og anvendelse. | Kan eleverne forklare og overføre idéen? Hvilke former for hjælp er fortsat tilladt under evalueringen? |
| Lærerens forberedelse | Anvendeligt materiale og genvunden tid. | Hvor meget kontrol er nødvendig? Er materialet i overensstemmelse med undervisningsplanen og den konkrete klasse? |
| Støtte på arbejdspladsen | Kvalitetsjusteret færdiggørelse og service. | Er rettelser, undtagelser og efterfølgende ekstraarbejde medregnet? Får et bredere team gavn af det? |
| Adgang og inklusion | Deltagelse og meningsfulde resultater. | Hvem kan ikke bruge tjenesten? Hvem får dårligere resultater, eller hvem har brug for ekstra hjælp? |
Gør et lille pilotprojekt informativt
Et begrænset forsøg kan ikke bevise, at systemet vil fungere overalt. Det kan dog vise, om opgaven er valgt rigtigt, hvilke fejl der gentager sig, og hvilke ressourcer der bliver nødvendige ved en større evaluering.
Udgangspunkter for forskellige deltagere
- Undervisere: Vælg én lektion eller feedbackaktivitet, og angiv, hvad eleverne bør forstå efter den.
- Medarbejdere: Undersøg én tilbagevendende opgave, og dokumentér kort hjælpen, kontrollerne og resultatet.
- Arbejdsgivere: Inddrag de medarbejdere, der udfører arbejdet, og aftal på forhånd, hvordan den sparede tid skal bruges.
- Offentlige institutioner: Understøt evalueringer, hvor begrænsninger og ulige resultater præsenteres lige så tydeligt som fordelene.
Spørgsmål, der er værd at stille
Tydeligere forskelle gør det lettere at træffe beslutninger i hverdagen.
Hvis AI kan give svaret, hvorfor overhovedet lære faget?
Viden hjælper med at identificere, hvad der er relevant, stille produktive spørgsmål, opdage fejl og træffe beslutninger, når oplysningerne er ufuldstændige. Den giver jer også mulighed for at bidrage med mere end blot at vælge blandt værktøjets forslag. Nogle aktiviteter kan automatiseres, samtidig med at man fortsat udvikler den forståelse, som kvaliteten af ens beslutninger afhænger af.
Betyder brugen af AI, at en person er blevet klogere?
Det kan betyde, at en person kan udføre mere med hjælp. For at påvise en langsigtet ændring i personens egne kognitive evner kræves der særskilte beviser. Evnen til at udføre noget med hjælp er stadig værdifuld, men den skal beskrives præcist.
Bør enhver skoleopgave tillade brug af AI?
Svaret afhænger af læringsmålet. Nogle aktiviteter udvikler selvstændig sproglig flydende kunnen, mens andre kan lære deltagerne at arbejde effektivt med værktøjer. Forklar på forhånd, hvilken hjælp der er tilladt, og gem passende hjælpemidler.
Kan en AI-tutor erstatte en lærer?
En tutor kan hjælpe med specifikke læringsaktiviteter. En lærer organiserer også læringsmiljøet, lærer klassen at kende over tid, reagerer på omstændighederne og tager ansvar for pædagogiske beslutninger. En undersøgelse af kortvarige tutoraktiviteter vurderer ikke hele denne rolle.
Bør arbejdsgivere forvente samme produktivitetsstigning fra alle?
Forskellige opgaver og erfaringsniveauer kan give forskellige resultater. En assistent kan hjælpe én person med at finde ukendt information, men hindre en anden i en veletableret proces. Mål relevante resultater, og lad arbejdsprocesserne afspejle disse forskelle.
Er det nok at lære at skrive gode forespørgsler til AI?
Klare instruktioner hjælper, men godt arbejde kræver også faglig viden, relevant information, kontrol og en bredere forståelse af opgaven. Formulering af forespørgsler er kun én del af denne praksis.
Hvordan kan en lille organisation begynde uden et stort budget?
Vælg én afgrænset aktivitet, hvis resultater er lette at kontrollere. Brug flere repræsentative eksempler, medregn tiden til kontrol, og registrer, hvad der forbedres. En beskeden evaluering af en nyttig opgave kan give en bedre næste beslutning end en bred implementering uden klare mål.
En fremtid, som mennesker kan være med til at forme
Større evner kan give mere plads til at lære, bidrage og begynde forfra.
De mest værdifulde muligheder er ofte enkle og personlige: En elev forstår endelig en idé, en lærer får tid til at lægge mærke til en person, der oplever vanskeligheder, en medarbejder slipper for gentagne byrder, og et lille team beslutter sig for et projekt, der tidligere virkede uopnåeligt.
AI kan bidrage til sådanne resultater. Om det faktisk sker, afhænger af kvaliteten af de omgivende beslutninger: hvad der undervises i, hvad der måles, hvordan arbejdet omlægges, og hvis erfaringer der inddrages.
Uddannelse kan hjælpe mennesker med at blive kompetente brugere og velovervejede vurderere af stærke værktøjer. Arbejdspladser kan bevare mulighederne for at udvikle ekspertise og samtidig bruge støtte til at forbedre meningsfulde resultater. Offentlige institutioner kan bidrage til at sikre, at adgang og overgange i mindre grad afhænger af en persons indkomst eller bopæl.
Fremskridt kræver ikke, at man venter på en perfekt prognose for fremtiden. Det kan begynde med en velvalgt opgave, en fair sammenligning og en parathed til at forbedre det, dokumentationen viser.
Det vigtigste er det liv, som større evner gør muligt: mere forståelse, mere nyttigt arbejde og flere mennesker, der kan deltage.
Dokumentation og videre læsning
Udgivne undersøgelser, institutionsanalyser og retningslinjer for praktisk evaluering.
Denne vejledning bygger på udvalgte evidensbaserede kilder fra 2023-2026. Resultaterne præsenteres sammen med deres kontekst og målingsbegrænsninger. Klasseeksemplet, evalueringsspørgsmålene og implementeringsplanen er praktiske forslag og ikke særskilt validerede programmer, der er godkendt af de citerede undersøgelser.
Udforsk menneskets potentiale yderligere
Følg forbindelserne mellem biologi, teknologi, uddannelse og de beslutninger, der former udviklingen af menneskelige evner.