Et universitet kan bruke fem år på å finne ut hva det mener om kunstig intelligens. Studenten kan bruke de samme fem årene på å ta en mastergrad. Universitetet kan endre kurs senere. Studenten får ikke studieårene sine tilbake.

Det er denne skjeve risikoen som mangler i KI-debatten i høyere utdanning.

Mer enn ni av ti studenter bruker allerede KI i studiearbeidet. Likevel mener bare 21 prosent at de får tilstrekkelig opplæring gjennom studiet eller institusjonen. Blant nyutdannede masterkandidater er KI-kompetansen i stor grad selvlært.

Universitetet forvalter altså utdanningen, mens studentene i betydelig grad lærer seg et av de viktigste nye verktøyene for kunnskapsarbeid på egen hånd.

Det burde være mer provoserende enn at de bruker ChatGPT.

For problemet er ikke at studentene bruker KI. Problemet er at mange ikke lærer å bruke den godt. Hvor er dannelsen universitetene skal hegne om?

En språkmodell kan hjelpe studenten med å undersøke et resonnement, forklare et vanskelig begrep, strukturere informasjon og utfordre egne antakelser. Den kan også skrive en oppgave studenten knapt forstår. God KI-bruk krever derfor fagkunnskap, dømmekraft og evne til å kontrollere verktøyet.

Det er kompetanse universitetene må søke for sine faglige ansatte slik at de igjen kan ta det inn i studiehverdagen til studentene. Alt annet er en fornektelse av fremtiden.


Eksamen må måle kompetanse, ikke fravær av verktøy

KI har ødelagt en behagelig sammenheng universitetene lenge har lent seg på: En god innlevert tekst var rimelig dokumentasjon på at studenten kunne skrive en god tekst.

Den sikkerheten finnes ikke lenger.

Men løsningen bør ikke være å flytte stadig mer av vurderingen tilbake til skriftlig skoleeksamen uten moderne hjelpemidler. Da risikerer vi å bli svært gode til å dokumentere hvordan studenten arbeider i en situasjon han eller hun sjelden vil møte igjen etter universitetet.

At studenten blir veldig god på å gjøre noe som ikke skjer i arbeidslivet er intet hederstegn. Det finnes bedre måter.

La studenten forklare arbeidet sitt i en faglig samtale. Be studenten forsvare analysen, utfordre premissene og forklare hvorfor bestemte valg ble tatt. La studenten vise arbeidshistorikk eller prompt-historikk dersom KI har vært en vesentlig del av prosessen. Be studenten demonstrere hvordan modellen ble brukt, hvor den tok feil, hva studenten forkastet og hva som krevde egen faglig vurdering.

Da får vi undersøkt noe langt mer interessant enn om studenten klarte å arbeide uten KI. Vi får undersøkt om studenten behersker faget med KI.

En student som ikke forstår sin egen analyse, vil bli avslørt ganske raskt i en pedagogisk samtale. En student som faktisk har brukt KI avansert, kritisk og selvstendig, bør derimot få anledning til å demonstrere nettopp den kompetansen.

Universitetet må selvfølgelig vite hva studenten kan uten hjelpemidler. Men det må også vite hva studenten kan utrette med dem.

Å blande disse to spørsmålene er å forveksle kontroll med læring.


Universitetene kan vente. Studenten kan ikke.

Her ligger insentivproblemet.

En kunnskapsbedrift som lar konkurrentene arbeide vesentlig smartere og mer effektivt, merker det. Universitetet kan tillate seg å bruke langt mer tid på å oppdage at kandidatene det utdanner mangler relevant kompetanse.

Kostnaden kommer først et annet sted.

Studenten må lære verktøyene senere. Arbeidsgiveren må fylle kompetansegapet. Kandidaten møter andre kandidater som allerede arbeider raskere eller bedre.

Universitetet får tid. Studenten får regningen.

Dette blir særlig problematisk når universitetene forsøker å trekke seg tilbake til argumentet om at høyere utdanning ikke først og fremst skal tjene arbeidsmarkedet.

Nei, universitetet er ikke en yrkesskole. Det skal drive forskning, dannelse, kunnskapsutvikling og kritisk tenkning.

Men norske universiteter hevder samtidig at de utdanner mennesker til samfunns- og arbeidsliv. Arbeidslivsrelevans brukes som begrunnelse for studieprogrammer, finansiering, praksis, samarbeid med næringslivet og selve verdien av høyere utdanning.

Man kan ikke ta æren for arbeidslivsrelevansen og fraskrive seg ansvaret når arbeidslivet endrer seg.

Hvis universitetene mener at det ikke er deres oppgave å gjøre kandidatene relevante for arbeidsmarkedet, bør de si det tydelig og legge bort den delen av samfunnsoppdraget.

Hvis de mener at det er deres oppgave, følger det en plikt til å forholde seg til hvordan kunnskapsarbeid faktisk utføres.


Dette burde være universitetenes hjemmebane

Paradokset er at KI nettopp gjør klassiske akademiske ferdigheter mer verdifulle.

Når en maskin kan produsere et plausibelt svar på sekunder, må studenten kunne avgjøre om svaret er godt. Hvilke premisser ligger under? Hva mangler? Er kildene solide? Følger konklusjonen av argumentet? Når bør modellen ignoreres?

Dette er kritisk tenkning.

Universitetene burde derfor ikke møte KI først og fremst med kontroll. De burde møte den med pedagogisk selvtillit. Derfor er det så flaut påfallende at professorer og rektorer nå rykker læringsformene 20 år tilbake i tid for å gjenvinne kontroll.

Spørsmålet er ikke lenger om KI skal inn i høyere utdanning. Den er allerede der.

Spørsmålet er om studentene skal lære å bruke den av universitetene eller til tross for dem. Universitetene har råd til å ta feil om KI og rette opp kursen senere.

Studentene har ikke råd til å bli utdannet for en verden som allerede er borte.