08/25 Tanker om KI i utdanning

1. Hva er den største utfordringen med KI i høyere utdanning?

Innledningsvis ble det pekt på at den største utfordringen er å holde tritt med den raske teknologiske utviklingen, og det ble uttrykt bekymring for at universiteter og høgskoler risikerer å sertifisere studenter som ikke har den kompetansen de hevder å ha. Nå er det i og for seg ikke noe nytt at en kan "kjøpe" mastergrader, men bruken av KI utvider repertoaret for de som ønsker å omgå læringsprosesser. En lignende problematikk finner vi også i den andre enden av utdanningssystemet, i form av KI brukt til å gjennomføre sensur. Vi er er mange som tar i bruk KI for å sammenfatte notater og tilbakemeldinger. Denne teksten er i seg selv et eksempel på det, der førsteutkastet var mine notater, som så ble omstrukturert ved hjelp av Grok, for til slutt å bli gjennomskrevet av meg.
I høringsmøtet ble det snakket om kognitiv avlastning gjennom KI (jf cognitive offloading), som kan svekke studenters evne til selvstendig tenkning og nysgjerrighet. Nå er avlastning et ganske positivt begrep, mens “offloading” er noe annet, men poenget står seg: dersom vi bruker KI for å løse oppgaver, uten å gå inn i prosessene i det hele tatt, er vi fort ute å kjøre. Da står vi ovenfor tilsynelatende korrekte resultater, men uten å forstå hvorfor og hvordan de er blitt til.
Apropos “kjøre” – selvkjørende biler begynner å få skikkelig tak: Alphabet-eide Waymo har kjørt over 30 millioner kilometer, og fraktet over 700.000 betalende kunder i USA i 2023. I det selvkjørende biler blir en realitet vil behovet for å ta førerkort langt på vei forsvinne. Kostnaden for å ta førerkort er veldig raskt over 30.000, og de fleste kan nok legge en god del på toppen av det. For å ta førerkort skal du dermed ha lyst til å kjøre bil, ikke være blant de som kun ser bil som transport. Analogiene til utdanning er både knyttet til oppgaver som ikke lenger løses av mennesker og kostnader. En nyutdannet student hadde i gjennomsnitt 457.000 kroner i studiegjeld i 2024, der mange utenlandsstudenter ender med over millionen. En kan spørre seg om utdanning kan bli kortere, med et annet innhold dersom KI tas skikkelig i bruk. I praksis betyr det at en del av det vi lærer i utdanningene i dag rett og slett forsvinner, fordi det vil løses raskere, sikrere og bedre ved hjelp av maskiner. Faren er selvsagt at vi ikke lenger forstår hvordan disse oppgavene løses, i og for seg et klassisk teknologiproblem og slik sett ikke noe veldig nytt. Men kanskje kan vi om noen år se en kortere masterutdanning for lærere?
Et spørsmål som kommer med endringer er om KI kan forsterke sosial ulikhet, spesielt for grupper som allerede i dag sliter med ny teknologi. Flere peker på manglende interesse og nysgjerrighet hos mange studenter, samt utfordringer med å skape fruktbare læringssituasjoner i en KI-dominert kontekst. Det blir dermed vanskelig å få mange til å ta inn over seg de praktiske, de etiske og juridiske sidene ved KI-bruk. En bekymring, som dessverre ikke er helt usannsynlig, er at KI kan forsterke en "utdanningsfabrikk"-trend, og dermed gå på bekostning av utdanningsinstitusjonenes dannelsesmandat. Disse sidene ved utdanning bør trolig forsterkes, og fag som filosofi, etikk, livssyn får større plass.

2. Hvordan ser teknologien og høyere utdanning ut ti år frem i tid?

Alle ser at det vil komme et raskt økende press på UH-institusjonene, om å levere studenter med KI-kompetanse, men et sentralt spørsmål er hvorvidt KI vil føre til at UH-institusjoner blir mer like eller om unike profiler vil forsterkes.
Det ble vist til Rikke Toft Nørgård, som foreslår et  "Future Utopia", forstått som å se for seg en ønsket fremtid og jobbe baklengs for å nå dit. 

• Se “(No) Hope for the future? A design agenda for rewidening and rewilding higher education with utopian imagination”. 

Spørsmålet er da hvor UH ønsker å være om ti år, og hvordan vi kommer dit. Det snakkes om radikal innovasjon, basert på fremtidsbilder, men det er åpenbart stor usikkerhet om hvordan dette skal realiseres –  wikipedia.org/wiki/Design_fiction. Trolig står vi ovenfor en form for innovasjonsdillemma, der det er vanskelig for eksisterende aktører å endre sin egen (forretnings)modell og produksjonsmåte. Jeg finner ikke igjen sitatet, men for to tiår siden foreslo Fast-gründer og NTNU-professor Arne Halaas følgende resept for mer forskningsbasert næringsutvikling i Teknisk Ukeblad: Si opp halvparten av forskerne og gi de som blir igjen dobbel lønn!. Poenget var selvsagt å beholde de “beste” og mest produktive. Dersom KI bidrar til betydelige forbedringer og effektivisering, bærer det veldig raskt den veien for høyere utdanning, forutsatt at fremtidens utdanning arter seg noenlunde som i dag.
Det er imidlertid all grunn til å tenke seg at utdanning vil se annerledes ut. Jeg håper på utdanning med mye mindre klasser og dermed mer tid til hver enkelt student/elev. Det er en grunn til at den militære lagstørrelsen ikke overstiger 12 personer per lagfører. En annen anologi her, er at laget inneholder kompetanse som er bredt nok sammensatt til at laget blir en operativ enhet. Dermed begynner jeg å leke med tanker om hvordan dette kan ses i sammenheng med radikal tverrfaglighet – tverrfaglighet er krevende, men kanskje kan nettopp KI bidra til at ulike fag snakker bedre med hverandre. En student som utdanner seg til lærer i dag har i utgangspunktet 2-3 undervisningsfag. Mengden fagkunnskap står imidlertid ikke i direkte forhold til hva elevene lærer. Kanskje kan en se for seg en annen form for organisering av fag og undervisning, der KI-agenter kan sette sammen mer individuelt tilpassede utdanningsløp med flere fag i pottifolioen. Det er også grunn til å tro (og håpe) at det skriftlige masterarbeidet forsvinner i sin nåværende form, og at vi kan få vurderings- og eksamensformer som i større grad legger vekt på studentenes praktiske bruk av fagkunnskaper og pedagogiske ferdigheter.
Gitt at kunstig intelligens blir allment tilgjengelig, og at det kan automatisere mange av de prosessene som utgjør kunnskapsarbeid i dag,  vil utdanningssektoren endres fundamentalt. Jeg tenker gjerne med Alan Kays ord: "The best way to predict the future is to invent it". Hvis det fremtidige målet er studentgrupper på 12, lærere som er tettere på, mer individuelt tilpassede utdanningsløp, mer praktisk arbeid og økt tverrfaglighet, hvordan kan vi ta i bruk KI for å nå det målet med dagens ressurser? En kan drømme om et utdanningsløp som i mye større grad legger reell vekt på prosess
Når det kommer til konsekvenser av KI er det mange “hvis ...”, blant annet blir det høyst usikkert hva som regnes som relevant kunnskap for lærere, studenter og elever. Det eneste en kan være noenlunde sikker på er at evnen til å vurdere informasjon med tanke på kvalitet og relevans alltid vil være viktig. UNESCOs definisjon av informasjonskompetanse (anno 2008) står seg ganske godt på et overordnet nivå, men kildene og informasjonsflyten ser åpenbart annerledes ut i dag. Det å kunne vurdere informasjon er også noe annet enn å inneha den, og det er også høyst usikkert hva arbeidsgivere vil gå etter når de ansetter. I dag er undervisningssektoren en kompleks filtreringsmekanisme, som i stor grad evner å bringe frem kvalifiserte kandidater etter endt studieløp. Samtidig er det åpenbart at for mange “filtereres” ut av utdanning for tidlig, eller av grunner som, ikke minst fordi de fleste i praksis tvinges til å ta avgjørende utdanningsvalg for tidlig. Det er for eksempel til å rive seg i håret av at lærerstudenter kan bli møtt med en forventning om å velge sitt masterfag når de begynner på lærerutdanningen, gjerne i en alder av 19 år. For min egen del, snart 40 år senere, håper jeg å være et anekdotisk bevis på at det er mye å hente hos personer som går på skrå gjennom utdanningssystemet: konstruksjonsingeniør, film og fjernsyn, hovedfag i medievitenskap, phd i IKT og læring, for å ende opp som professor i kunst og håndverk. Når en snakker med folk viser det seg at svært mange ender et annet sted enn de en gang trodde, mye fordi en rett og slett ikke vet hvor en skal. Flere ulike fag i bagasjen gjør kanskje at en ser flere perspektiver, og om ikke annet har lettere kan nærme seg personer med andre faglige utgangspunkt. Jeg har også tro på at faglig bredde gjør det enklere å få stor nytte av KI, før en dykker ned i bruk av KI på spesialområder.
I høringsmøtet ble det opplyst at studenter ved HVL rapporterer at de i økende grad bruker KI som sparringpartner (20% daglig bruk i 2023, og 60% i 2024). Studentene forteller også at de opplever at dette reduserer behovet for å være fysisk til stede på campus. At studentene opplever at de har noen å diskutere fag med er bra, men mindre bra dersom det fører til en form for alenegang med KI. Undervisning som i større grad er reelt praktisk er trolig noe av løsningen. Samtidig er det interessant å se på i hvilken grad og hvordan en kan endre studieform, utdanningens lengde, og ikke minst hvor den foregår. Trolig kan dette gjelde alle nivåer i utdanningssystemet, om en på forskjellige måter.

3. Hvordan kan utdanningene forberede studentene på et samfunn og arbeidsliv der KI får økt betydning? Hva blir viktigere, og hva blir mindre viktig å lære?

Det ble understreket at flere profesjoner (som sykepleie) krever en form for handlingsberedskap, som kan iverksettes umiddelbart. En kan ikke spørre en KI-tjeneste, men må handle umiddelbart i de konkrete situasjonene som oppstår. Samtidig synes det åpenbart at det er mye å hente innenfor blant annet helsefag, da særlig i form av ulike former for monitorering og prediktiv KI, samt ulike former for støtte ved rapportering og informasjonsinnhenting. I akutte situasjoner er det ikke veldig vanskelig å se for seg en helsearbeider som kan ha stor nytte av å få presentert sanntidsinformasjon om en pasient, f eks i AR-briller, i det vedkommende står ovenfor en kritisk situasjon og må handle raskt. Ulike former for rutinemessig dokumentasjon og rapportering gjelder alle sektorer, og KI kan avlaste slike sekundære arbeidsoppgaver for å frigjøre tid til medmenneskelig arbeid.
Det ble påpekt at gode KI-brukere må ha betydelig basiskunnskap og kritisk tenkning for å kunne bruke teknologien effektivt. Effektivitet er imidlertid kun en liten del av totalbildet. Vi må ha ambisjoner om at bruken av KI skal gjøre at oppgaver løses bedre. Derfor bør undervisere og studenter sammen reflektere over hvilke kunnskaper som fremmer det særlig menneskelige, noe som er spesielt viktig i profesjonsfag som har menneskemøter i sentrum. Her kommer trolig utdanningssektoren til å bli utfordret gjennom KI-verktøy som allerede er i bruk i helsevesenet og skoleverket, der store aktører som Microsoft og Google satser på nettopp helse. Det ble videre vist til at enkelte fag (f.eks. medisindesign, nevrologi) krever svært spesifikk KI-kompetanse, som dermed griper direkte inn i læringsprosessene.
Det ble tatt til orde for at læringsutbyttebeskrivelser må være relevante og meningsfulle for studentene, inkludert KI-bruk.
Diskusjonen berørte i relativt liten grad forhold knyttet til demokrati og samfunnsutvikling, men det ble understreket at kunnskap må internaliseres for å kunne støtte demokratiet, og at "kunnskap et tastetrykk unna" på ingen måte er tilstrekkelig. Jeg tenker at det dialogiske potensialet ved flere former for KI, er noe annerledes enn informasjon som hentes inn via rene nettsøk. Kombinasjonen av en søkagent og en tilsynelatende evne til å ressonere gjør at tjenester som Grok kan gi meg ganske gode forklaringer på konkrete problemstilling i samtiden: som å forklare hvordan ulike systemer for skatt på forbruk er en viktig del av bildet i tolldiskusjonene med USA.

4. Hvordan skal man gjennomføre eksamen og vurdering?

Bedre prosesskontroll og muntlig eksamen for å sikre at studenter forstår innholdet de produserer med KI, og vurderingsformer som krever fysisk tilstedeværelse. Flere understreker behovet for troverdige og meningsfulle vurderingsformer som fremmer refleksjon og faglig utvikling. Prosessevaluering er imidlertid kostbart, og kan være krevende for studenter hvis de nærmest vurderes kontinuerlig.
Det er lite hensiktsmessig å vurdere KI-kompetanse som en generell ferdighet. I stedet må ulike fag teste kunnskap på forskjellige måter, tilpasset deres spesifikke behov.
Det blir nevnt lovpålagte bacheloroppgaver, som foreløpig kan synes å hindre at en forsøker alternativ til tradisjonelle prøver. Objective Structured Clinical Examination (OSCE) for å teste praktiske ferdigheter nevnes som et alternativ i helsefag. Dette er en standardisert metode der studenter vurderes gjennom praktiske oppgaver ved flere stasjoner, hvor de demonstrerer kliniske ferdigheter som kommunikasjon, diagnostikk, og håndtering av pasientsituasjoner.

5. Hvilke tilpasninger av vurderingsformer kan gjøres i lys av KI-utviklingen?

Målet er vurderingsformer som fremmer refleksjon og faglig utvikling. Alle synes å enes om behovet for å vurdere læringsprosesser, ikke bare sluttproduktet, og at vurderingsformer må tilpasses hvert fagmiljøs unike behov. Generelt økt bruk av muntlig eksamen for å teste studentenes forståelse og unngå plagiatrisiko.
Det ble opplyst at (UiB) tillater KI-bruk i masteroppgaver til tekstgenerering, men med tydelige retningslinjer (retningslinjer fra det juridiske fakultet) og prosesskontroll. Diskusjoner om fusk og kontroll kommer alltid opp, men fokus bør være på å skape trygge og konstruktive rammer for KI-bruk. Enn så lenge synes de fleste institusjonene å legge seg på en linje der det å levere en tekst som helt eller delvis automatisk frembragt regnes som fusk, med mindre det er sitert på redelig måte. Men jeg kan ikke fri meg for annet enn at det blir litt rart dette – sitering av KI. I min bok er et sitat og en kildehenvisning der for at leseren skal kunne oppsøke kilden, og selv kunne vurdere hvorvidt tolkning og bruk av kilden virker fornuftig. Problemet er jo at det hjelper fint lite å vite hvilken KI-tjeneste som er benyttet, med mindre en også kjenner ledeteksten og sammenhengen denne er benyttet. Min mening er at det eneste som egentlig kan fungere er å kreve at en benytter nettjenester med mulighet til å linke direkte til dialogen med KIen – et eksempel fra Grok, som lar meg linke direkte. Problemet er imidlertid mange, blant annet ekskluderer det bruk av offline-modeller, noe som av mange andre hensyn trolig blir det som er best egnet for utdanning. De fleste norske utdanningsinstitusjoner synes å gå for Microsoft Copilot, som imidlertid ikke har funksjoner for å linke til dialogen.
Elefanten i rommet er nok ikke vurderingsformene som sådan, men hva vi vurderer. Jeg har svært vanskelig for å forstå hvordan det vil være mulig å gå videre med skriftlige hjemmebesvarelser på bachelor- og masternivå. Jeg gjør et lite personlig tilbakeblikk, til Jon som ingeniørstudent, for mer enn 37 år siden. På den tiden kom de programmerbare, grafiske kalkulatorene. Bruk av kalkulator var selvsagt lovlig, men å programmere inn formler ble ansett som juks. Problemet var bare at på større skoleeksamener havnet jeg i bakleksa. De med størst ambisjoner investerte i HP28S som kunne lagre hele pensumets formelapparat, beregne integraler, regne med matriser og tegne grafer. Jeg lurer sannelig på om den kunne vise deler av utregningene også. Husker ikke, for jeg hadde ikke en slik. I alle fall ble det strekk i studentlaget, mellom de som fikk maskinell drahjelp og de som håndregnet. Jeg kastet etter hvert inn håndkleet, og kjøpte en HP42S. Denne var enklere og rimeligere, men den kunne også lagre formler, mm og dermed raskt sjekke om jeg hadde håndregnet riktig. Poenget er at på et tidspunkt satt de fleste av mine medstudenter med lignende kalkulatorer, og løste oppgaver som var ment for de som ikke hadde tilgang denne typen verktøy. Besvarelsene ble skrevet inn og levert på papir, men selve regneprosessen skjedde med en maskinell venn på siden.
Denne formen for fusk spredde seg selvsagt raskt, og noen år senere endte det med at slike kalkulatorer etter hvert ble forbudt til eksamen. Slike regler består fremdeles, noe som trolig er fornuftig i mange sammenhenger. Et slikt, restriktivt regelverk sikrer i alle fall at en har kontroll på hva en tester, men stiller også spørsmål ved hva det er formålstjenlig å teste. Ser vi til KI i 2025 er dette analogien til HP28S i 1988 (se bort fra at KI ikke er noe særlig til å regne – til det har vi til gjengjeld Wolfram alpha), det endrer forutsetningene for hvilke oppgaver det blir meningsfylt å gi. Dersom en overlater til studentene å redegjøre for KI-bruk, så regner jeg med at mange vil jukse (selv om det ikke er veldig tydelig hva KI-juks faktisk innebærer)  – redegjøre for bruk i det små, men bruke det mer aktivt til større ting. Jeg og mine medstudenter får tjene som anekdotiske bevis på at det neppe har blitt hverken bedre eller verre på den fronten. I møte med KI er dermed løsningene å vurdere arbeider som blir gjort under kontrollerte forhold, eller vurdere arbeider som KI rett og slett ikke kan lage. Skriftlige hjemmearbeider hører ikke til i noen av de to kategoriene! Jeg underviser og vurderer fag med en stor praktisk komponent, men ja, vi klør oss til tider i hodet når vi leser masterbesvarelser, og jeg håper betydelige endringer kommer.

6. Hva slags ferdigheter trenger studentene i bruk av KI, og bør  utdanningsinstitusjonene gi spesifikk opplæring og veiledning?

Basiskunnskap om det temaet en utforsker, og kritisk sans må til for å kunne bruke KI effektivt. Dette handler også om en viss grad av metarefleksjon, om hvordan KI fungerer i læringsprosesser.
I fjor, etter å ha forhørt meg litt, endte jeg med å vise studentene hvordan de kan laste opp pensumtekster til Google Notebook LM. Notebook gjør faktisk det den lover, som å lage sammendrag, hente ut sentrale penger, lage tidslinjer mm. En kan også stille spørsmål for å få mer konkret og utførlig informasjon, og ikke minst få svar med kildehenvisninger direkte til de tekstene en har lastet opp. Det er sannelig ikke enkelt å se hva som skal motivere studentene til selv å lese pensum i detalj. Jeg skjønner i alle fall såpass: det gir ingen mening å gi studentene tradisjonelle skriveoppgaver, og tro at de ikke utnytter teknologier som dette. Og det er ingen enkel oppgave å komme frem til en god metodikk, som lar studentene internalisere pensumtekstene. Det er liten tvil om at noe av arbeidet, som tidligere måtte til for å sette seg inn i en tekst, rett og slett forsvinner. Med det forsvinner en del annet også.
På den positive siden kan en se til at vi lenge har slitt med å få studentene til faktisk å lese pensumtekster. Kanskje kan KI-dialoger med tekster faktisk gjøre at det oppleves som mer interessant å gå inn i et arbeid med en tekst. Men dette tekstarbeidet ser ganske annerledes ut enn tidligere, og vi må følge det opp på helt andre måter enn tidligere. Det er ikke til å komme vekk fra at høyere utdanning hviler ganske tungt på at studenter skal utvikle sin faglige tenkning gjennom å skrive, og at det byr på problemer dersom KI erstatter store deler av denne prosessen. Samtidig kommer en ikke unna at KI forandrer hvordan vi arbeider med tekster, og at dette endrer forholdet mellom veileder og student. En utfordring er dermed å komme frem til veiledning som støtter studentenes læringsarbeid gjennom KI-bruk.
Flere understreker at studenter (og ansatte) må forstå de etiske og juridiske sidene ved KI-bruk, og det blir foreslått å tenke nytt om innføringsemner for å lære studenter gode vaner i bruk av KI. Ut fra min egen selvransakelse tror jeg “vaner”, gode eller mindre gode, kommer til å handle om hvordan en benytter KI for å komme gjennom studiene. Arbeid som oppleves som tungt vil studenter (og andre) trolig forsøke å lette ved bruk av KI, mens arbeid som oppleves som motiverende vil ha større sjanser for å bli gjort ved studentenes egen innsats. Igjen peker det mot endringer i vurderingsformer, og hva vi faktisk vurderer.

7. Hvilke muligheter og utfordringer gir KI i undervisning og læringsaktiviteter?

Blant mulighetene ser en KI som et verktøy for å avlaste uønskede arbeidsoppgaver, slik at tid kan brukes på arbeid der en kommer tettere på det som motiverte studentene til å søke en bestemt utdanning i utgangspunktet. KI kan hjelpe flinke studenter til å designe sine egne læringsomgivelser, og gir undervisere og studenter muligheter til sammen å utforske KI anvendt i fag, gjennom felles undring og refleksjon. Bruken av KI er såpass ferske saker at det i en tid fremover gir muligheter for forskning og innovasjon i samspill mellom studenter og undervisere.
En utfordring er at faglærere opplever manglende interesse og nysgjerrighet hos mange studenter, og at denne tendensen kan bli forsterket av KI-bruk. KI-bruk kan føre til former for outsourcing av tenkning, noe som hemmer læringsprosesser og utvikling av faglige interesser. Dette kan forsterke sosiale ulikheter, både som en følge av ulik tilgang til teknologien, men ikke minst når det gjelder å ta teknologien i bruk på konstruktive måter.
Det blir vist til at læring også handler om sosial og kulturell friksjon i undervisningsrommet, som kan være vanskelig å håndtere med KI. Flere mener KI tvinger oss til å reflektere over hva høyere utdanning er og hvordan det skal forme mennesker.

8. Hva har KI å si for masteroppgaven og andre langsvarsoppgaver?  

Som nevnt tillater flere KI til tekstgenerering i masteroppgaver, men dette krever prosesskontroll og muntlig eksamen for å sikre forståelse. Det blir samtidig vist at det er stor variasjon i hva som regnes som masterarbeid på tvers av fagmiljøer, og at masteroppgaver kan knyttes tettere til reelle problemer der KI brukes som verktøy.
For egen del vil jeg si det tydelig: den tradisjonelle, skriftlige masterbesvarelsen må bort. Det kommer til å koste å gjennomføre nye eksaminasjonsformer og omfattende muntlig. Disse kostnaden må etter alle solemerker dekkes inn gjennom kutt i undervisning. Det vil igjen si at vi må jobbe annerledes, noe en kan håpe at KI delvis kan bidra til. Ingen enkle svar her.

9. Hva skal til for at faglige ansatte har kompetanse til å håndtere KI på en utdanningsfaglig god måte?

Alle synes enige om behovet for kritisk refleksiv og ansvarlig eksperimentering med KI, og at det er nødvendig med kompetansehevingstiltak for ansatte, inkludert skeptikere. Skeptikerne er viktige å få med, for å sikre forsvarlig utprøving av KI. Opplæring må tilpasses de enkelte fagmiljøenes behov og være direkte knyttet til undervisningsoppgaver.
KI endrer veiledningsforholdet, og at ansatte må trenes i å veilede studenter i KI-bruk. Det blir videre vist til Oljefondet, der ansatte får tid til å lære om KI (hvis ikke er de ikke lenger skikket til jobben), og antydet at UH-institusjoner må gi lignende muligheter.
Det ble pekt på at KI-modeller ikke har kunnskap i seg selv, men er verktøy som krever menneskelig resonnement. Her er jeg oppriktig usikker: hva er egentlig kunnskap? Et utgangspunkt er de tre aristoteliske kunnskapsformene episteme, techne og fronesis. Episteme knyttes til teoretisk, vitenskapelig kunnskap. Det er også kunnskap som kan læres gjennom studier, men da i form av handlinger og teknikker. Fronesis er praktisk klokskap eller dømmekraft, dvs evnen til å ta de riktige avgjørelsene i konkrete situasjoner. Fronesis er erfaring og skjønn som utvikles over tid. Foreløpig kommer KI til kort i forhold til techne, men synes i alle fall å komme godt ut av det når det gjelder episteme. Juryen er ute når det gjelder fronesis. Men, gitt utviklingen de siste årene, det vil være dristig å forme fremtidens utdanning ut fra en tro på at KI ikke vil kunne håndtere alle disse kunnskapsformene på svært mange områder. KI oppleves jo allerede som mer empatisk enn mange mennesker.
Utdanning, særlig profesjonsutdanninger, er kvalifiserende. Vi skal sikre at de studentene som utdannes faktisk kan det vi sier de kan. Men om de yrkene vi kvalifiserer for er i hurtig endring, er det da evner til endring vi skal lære bort og evaluere. Høyere utdanning er bygget på konservatisme, i den forstand at vi skal bringe videre kunnskaper som er basert på erfaring, ikke finne opp noe helt nytt. Det har gitt oss et system som er ganske robust mot endring, slik at dette skjer langsomt. Slik sett har utdanning vært et filter som sørger for at det siste nye ikke uten videre anerkjennes og formidles videre. Det har vært en bra ting, men også en grunn til at utdanning tar tid – en skal først lære seg mange ting, for så etter hvert å bryte med det, og forsøksvis innovere. Spørsmålet er om den modellen holder i fremtiden:
Kanskje trenger høyere utdanning et skunkworks for undervisning, med frihet til å utvikle undervisningsformer som bryter med de bestående måtene å løse ting på. En “skunkworks-tanke” som jeg har lekt med lenge: hvordan ville et utdanningssystem sett ut dersom ulike studenter fikk mulighet til å gå gjennom det i forskjellig hastighet? Med gode KI-veilederre i tillegg til faglige mentorer tror jeg det vil være fullt mulig.
Jeg er ikke i tvil om at det er lærerstudenter som kunne gått gjennom dagens lærerutdanning på tre år, dog med utfordringer knyttet til praksisperioder – praksis er noe en absolutt ikke bør kutte i, men det kan kanskje organiseres på andre måter. Mange studenter jobber lite: for mer enn ti år siden var daværende utdanningsminister Torbjørn Røe Isaksen overrasket over hvor lite studentene jobbet med studiene. I snitt brukte studentene 27 timer i uken på studier. Det har neppe blitt bedre. Det er ikke studentenes feil. De gjør det systemet krever av de, og utvikler læringstaktikker (ikke læringsstrategier – som egentlig handler om hva noen andre vil at lærende skal gjøre). Samtidig har mange studenter for lite kontakt med arbeidslivet, og langt fra alt arbeid som skjer på fritiden er negativt. Poenget er at mange studenter vil kunne gå mye raskere gjennom studiene ved å jobbe fulle arbeidsuker, kanskje også legge inn et ekstra gir. 27 timer er dessuten et gjennomsnitt, og sier ikke noe om studentenes evner, motivasjon og incitamenter.

10. Hvilke behov er det for nasjonale tiltak og løsninger kontra lokale når det gjelder KI i høyere utdanning?

Det foreslås felles nordiske KI-modeller for å redusere avhengighet av kommersielle aktører. Litt uklart hvorfor de skal være nordiske, men jeg antar det handler om språk. Jeg tror uansett brede, transparente open-source-modeller er veien å gå. Trolig vil dette komme som en følge av stadig rimeligere hardware og smartere måter å trene modeller på. Dette er foreløpig ekstremt dyrt, men DeepSeek viste at plutselig skjer det sprang i utviklingen.
Det snakkes om behov for nasjonale løsninger for å sikre eierskap over KI-verktøy. Her blir EU-forordninger nevnt, noe som kan påvirke KI-bruk i UH-sektoren. Frankrike og Tysklands satsing på Open Source som et alternativ til Microsoft-dominans blir nevnt.
Så spørs det om nasjonale løsninger går godt sammen med at hvert utdanningsmiljø må kunne tilpasse KI-bruk til sine spesifikke behov.

Noen tanker fremover

Det blir færre av de tradisjonelle «juniorjobbene», og med dem forsvinner en viktig læringsarena, skriver Anjali Bhatnagar i Dagens Næringsliv. Hva skjer når ingen trenger ansatte som kan gjøre de enkle jobbene, og gjennom det finne en vei inn i yrkeslivet. Profesjonsutdanningene som har integrert praksis har i og for seg en foreløpig løsning på dette problemet, og kanskje er dette en modell også for andre utdanninger. Det kommer imidlertid med solid behov for nytenking i forhold til hvordan praksis organiseres. Kanskje er studentbedrifter en måte å gjøre det på?

I overskuelig fremtid er det trolig de akademiske disiplinene som får kjenne konsekvensene av KI sterkest. Dvs først i køen for hurtig disrupsjon kommer trolig transportsektoren. Selvkjørende taxier rulles ut i Kina og USA, og det vil være mer enn merkelig om ikke dette kommer for fullt også i Europa. I Norge, med et høyt kostnadsnivå og godt utbygget teknisk infrastruktur, vil jeg tro at jobber innenfor persontransport med mindre kjøretøyer er det første som ryker. Større spenning er kanskje knyttet til yrker innen økonomi, jus, logistikk og merkantile fag, mediefag, programmering, designfag, osv. Det er ikke veldig vanskelig å føye til mange områder innen utdanning på denne listen. Trolig vil alle disse fagområdene se en reduksjon i antall ansatte, der de som blir igjen blir mye mer effektive og lønnes bedre.

Jeg ber i den sammenhengen Grok om å utdype denne saken "KI skaper superstjerner og arbeidsledige" og får i løpet av noen sekunder dette svaret – den surrer litt, men gir meg raskt en oversikt. Ifølge en omfattende undersøkelse blant eksperter på KI er det mer sannsynlig enn ikke, at vi i 2047 har KI-systemer som utfører alle arbeidsoppgaver bedre og billigere enn mennesker. Et interessant spørsmål knyttet til tidligere teknologiskifter, er at disse i all hovedsak har dreid seg om å effektivisere fysisk arbeid. Et viktig unntak er trolig skrivekunsten, men denne ble til for mer enn fem tusen år siden og brukte lang tid på å spre seg. Når KI raskt erstatter kognitivt arbeid utfordrer og endrer det samfunnet på andre måter, gitt at det i mindre grad vil være jobbmuligheter knyttet til serviceyrker og yrker der den på forskjellige måter kontrollerer maskiner.

Om så mange sektorer vil få redusert behov for ansatte, hvor kommer eventuell økning? Med en aldrende befolkning og stadig mer som kan behandles, synes helse og omsorg å være en sannsynlig vinner. I overskuelig fremtid gjelder det trolig hele spennet, fra leger til helsefagarbeidere, kanskje med et økende behov i den lavere enden av utdanningsspekteret. Legene vil trolig bli langt mer effektive, og de beste gjør det meste av jobben – til høy lønn. Jeg har også tro på andre praktisk rettede utdanninger, der disse vil befinne seg et sted mellom yrkesfag og ingeniørutdanninger. Trolig ikke kontoringeniørene, og heller ikke mange av de tradisjonelle yrkesfagene. Fremtidens yrker vil nok ha en solid teknologikomponent knyttet til de praktiske ferdighetene.

Jeg lurer dermed også på hvordan møtene mellom yrkesfag og robotikk kommer til å se ut. For snart tredve år siden ble det slått fast at “Utfordringen for norsk kunnskapspolitikk er at landet ikke får nok kompetanse ut av befolkningens talent. De resultater som nås, er ikke på høyde med de ferdigheter som kan utvikles.” (NOU 1988:28, s. 7 – Hernes-utvalgets rapport) – jeg anbefaler å lese denne ene siden, om utfordringsbildet i 1988. Det kunne vært skrevet i dag.

For ti år siden postet jeg dette, om konsekvensene av automatisering: Den første industrielle revolusjon tok i bruk vann og damp for å mekanisere produksjonen. Den andre revolusjonen tok i bruk elektrisk kraft og åpnet ytterligere for masseproduksjon. Tredje fase tok i bruk elektronikk og informasjonsteknologi og gjorde det mulig å automatisere produksjonen. Nå er vi inne i en fjerde industriell revolusjon, den digitale revolusjonen som har foregått siden midten av forrige århundre. Denne fasen er preget av en blanding av teknologier som visker ut grensene mellom det fysiske, digitale og biologiske. Bransjer kommer til å slukne som døende stjerner og folk vil få panikk når robotene kommer inn i arbeidslivet, skrev Dagens Næringsliv tidligere i år (altså i 2015). Dette preget meg i overgangen til å bli lærer og forsker innenfor kunst og håndverk, og gjør det i dag i enda høyere grad.