Tutor eller arbejdsværktøj: samme teknologi, vidt forskelligt resultat
Tutor eller arbejdsværktøj: samme teknologi, vidt forskelligt resultat
Adskillige tydelige resultater fra forskningslitteraturen (se f.eks. Bastani og kolleger 2025 og Kestin og kolleger 2025, eller dyk ned i vores rapport AI og arbejdsliv) viser, at generativ AI effektivt kan fremme læring. Men det kræver to ting: den rette indstilling af AI og den rette tilgang hos medarbejderen.
At få skabt de læringseffekter, teknologien lover, afhænger af at AI er sat op til at vejlede - ikke til at svare. Og at medarbejderen bruger den aktivt, ikke passivt. Struktureret brug, hvor AI stiller spørgsmål tilbage, tvinger den lærende til at formulere sit eget ræsonnement og bygger forståelse trinvis op, giver markante effekter. I ét studie præsterede universitetsstuderende med en AI-vejleder designet efter disse principper over dobbelt så godt læringsmæssigt sammenlignet med traditionel undervisning (Kestin og kolleger, 2025). I et andet klarede gymnasieelever med fri adgang til ChatGPT sig bedre under øvelsen, men 17 procent dårligere til eksamen, mens elever med en lignende vejleder-version af AI ikke viste det fald (Bastani og kolleger, 2025). Samme teknologi. Forskelligt formål. Radikalt forskelligt resultat.
AI, der møder medarbejderen der, hvor de er fagligt, stiller spørgsmål til deres tænkning og giver tilbagemelding på ræsonnementet, fungerer som den personlige faglige sparringspartner, de fleste aldrig har haft adgang til i hverdagen. AI, der leverer svaret, erstatter den kognitive anstrengelse, der ellers er en forudsætning for at skabe læring.
Ud over den rette AI-brug gælder de klassiske betingelser for fordybelse mere end nogensinde: tid væk fra de daglige opgaver, mulighed for at lave fejl, og plads til fordybelse og pauser. De kan ikke skabes af AI alene.
Adskillige tydelige resultater fra forskningslitteraturen (se f.eks. Bastani og kolleger 2025 og Kestin og kolleger 2025, eller dyk ned i vores rapport AI og arbejdsliv) viser, at generativ AI effektivt kan fremme læring. Men det kræver to ting: den rette indstilling af AI og den rette tilgang hos medarbejderen.
At få skabt de læringseffekter, teknologien lover, afhænger af at AI er sat op til at vejlede - ikke til at svare. Og at medarbejderen bruger den aktivt, ikke passivt. Struktureret brug, hvor AI stiller spørgsmål tilbage, tvinger den lærende til at formulere sit eget ræsonnement og bygger forståelse trinvis op, giver markante effekter. I ét studie præsterede universitetsstuderende med en AI-vejleder designet efter disse principper over dobbelt så godt læringsmæssigt sammenlignet med traditionel undervisning (Kestin og kolleger, 2025). I et andet klarede gymnasieelever med fri adgang til ChatGPT sig bedre under øvelsen, men 17 procent dårligere til eksamen, mens elever med en lignende vejleder-version af AI ikke viste det fald (Bastani og kolleger, 2025). Samme teknologi. Forskelligt formål. Radikalt forskelligt resultat.
AI, der møder medarbejderen der, hvor de er fagligt, stiller spørgsmål til deres tænkning og giver tilbagemelding på ræsonnementet, fungerer som den personlige faglige sparringspartner, de fleste aldrig har haft adgang til i hverdagen. AI, der leverer svaret, erstatter den kognitive anstrengelse, der ellers er en forudsætning for at skabe læring.
Ud over den rette AI-brug gælder de klassiske betingelser for fordybelse mere end nogensinde: tid væk fra de daglige opgaver, mulighed for at lave fejl, og plads til fordybelse og pauser. De kan ikke skabes af AI alene.
Generativ AI er designet til at gøre tingene nemmere.
Det er en styrke, når den bruges som produktivitetsværktøj. Men set som middel til kompetenceudvikling betyder det, at man skal gå imod teknologiens indbyggede retning - mod det, der kræver mindst anstrengelse. I en virksomhedskultur med fokus på produktivitet, hvor de fleste har travlt, vil medarbejdere, der bruger AI dagligt og til mange forskellige opgaver, opleve en fristelse over tid: mod knappen, der kan give hurtige svar.
Med knappen mener vi den knap, der sender en besked til ChatGPT, Copilot eller det værktøj, man nu engang bruger. Når man lærer at prompte effektivt, oplever nogle, at det meste af deres arbejde kan gå som en slags copy-paste: man beskriver opgaven, og AI henter svaret tilbage. I mellemtiden læner medarbejderen sig længere og længere tilbage og bliver fjernere og fjernere fra det egentlige arbejde.
I vores egne implementeringsforløb med virksomheder har vi set medarbejdere, der bruger AI til faglig sparring og til at forberede sig bedre - til et vigtigt møde, en faglig dialog, en præsentation de vil stå stærkere i. De bruger knappen til at skærpe deres tænkning. Men vi har også set det modsatte.
En ung medarbejder i første job i en stor virksomheds strategiafdeling brugte ChatGPT dagligt - det var forventet og en del af kulturen. Da hun fik en opgave, hun ikke forstod fuldt ud, gik hun ikke til sin nærmeste leder. Hun gik til ChatGPT. Og ChatGPT forklarede det. Problemet var, at hun nu troede, hun forstod det.
I møder, når hun skulle præsentere sit arbejde, var hun afhængig af det, AI havde produceret. Når der var fejl, opdagede hun dem ikke, fordi hun manglede det faglige fundament til at spotte dem. Ingen lagde mærke til det, fordi leverancen holdt. Men den faglige udvikling, der burde ske i første job - fejlene man begår og lærer af, de spørgsmål man tør stille sin leder - udeblev. Det er ikke et isoleret fænomen: en MIT-undersøgelse fandt, at 83 procent af studerende, der netop havde skrevet et essay med AI-hjælp, ikke kunne gengive indholdet bagefter - mod 11 procent i gruppen der arbejdede uden AI (Kosmyna og kolleger, 2025).
Forskning i AI-brug viser, at jo bedre kvalitet AI har, jo sværere er det at spotte dens fejl, og desto mere vil folk have en tendens til at forholde sig ukritisk til den (Dell'Acqua, 2023). Bedre AI gør ikke folk mere opmærksomme. Den gør dem mere afhængige - og med større risiko for fejl til følge. Hvad gjorde du selv sidste gang, ChatGPT var nede? Valgte du at vente, til værktøjet var oppe igen, frem for selv at tænke opgaven igennem?
Det er en styrke, når den bruges som produktivitetsværktøj. Men set som middel til kompetenceudvikling betyder det, at man skal gå imod teknologiens indbyggede retning - mod det, der kræver mindst anstrengelse. I en virksomhedskultur med fokus på produktivitet, hvor de fleste har travlt, vil medarbejdere, der bruger AI dagligt og til mange forskellige opgaver, opleve en fristelse over tid: mod knappen, der kan give hurtige svar.
Med knappen mener vi den knap, der sender en besked til ChatGPT, Copilot eller det værktøj, man nu engang bruger. Når man lærer at prompte effektivt, oplever nogle, at det meste af deres arbejde kan gå som en slags copy-paste: man beskriver opgaven, og AI henter svaret tilbage. I mellemtiden læner medarbejderen sig længere og længere tilbage og bliver fjernere og fjernere fra det egentlige arbejde.
I vores egne implementeringsforløb med virksomheder har vi set medarbejdere, der bruger AI til faglig sparring og til at forberede sig bedre - til et vigtigt møde, en faglig dialog, en præsentation de vil stå stærkere i. De bruger knappen til at skærpe deres tænkning. Men vi har også set det modsatte.
En ung medarbejder i første job i en stor virksomheds strategiafdeling brugte ChatGPT dagligt - det var forventet og en del af kulturen. Da hun fik en opgave, hun ikke forstod fuldt ud, gik hun ikke til sin nærmeste leder. Hun gik til ChatGPT. Og ChatGPT forklarede det. Problemet var, at hun nu troede, hun forstod det.
I møder, når hun skulle præsentere sit arbejde, var hun afhængig af det, AI havde produceret. Når der var fejl, opdagede hun dem ikke, fordi hun manglede det faglige fundament til at spotte dem. Ingen lagde mærke til det, fordi leverancen holdt. Men den faglige udvikling, der burde ske i første job - fejlene man begår og lærer af, de spørgsmål man tør stille sin leder - udeblev. Det er ikke et isoleret fænomen: en MIT-undersøgelse fandt, at 83 procent af studerende, der netop havde skrevet et essay med AI-hjælp, ikke kunne gengive indholdet bagefter - mod 11 procent i gruppen der arbejdede uden AI (Kosmyna og kolleger, 2025).
Forskning i AI-brug viser, at jo bedre kvalitet AI har, jo sværere er det at spotte dens fejl, og desto mere vil folk have en tendens til at forholde sig ukritisk til den (Dell'Acqua, 2023). Bedre AI gør ikke folk mere opmærksomme. Den gør dem mere afhængige - og med større risiko for fejl til følge. Hvad gjorde du selv sidste gang, ChatGPT var nede? Valgte du at vente, til værktøjet var oppe igen, frem for selv at tænke opgaven igennem?
