KI gjør oss raskere. Men gjør den oss bedre på sikt?

Njål Andersen, Førsteamanuensis, Institutt for internasjonal business, NTNU og

Ingunn Olea Lund, Seniorforsker, PsychGen – Senter for Genetisk Epidemiologi og Psykisk Helse, Folkehelseinstituttet.

Organisasjoner måler hvor mye raskere ansatte arbeider og hvor mange de kan nedbemanne på grunn av KI. Men hvis teknologien tar over oppgavene som lar oss utvikle kompetanse og faglig skjønn, risikerer vi at vi får gjort mer i dag, men på bekostning av å bli mindre kompetente på sikt.

 

KI kan gi fantastiske produktivitets-boost. I arbeidshverdagen tar det vesentlig mindre tid å gå gjennom teknisk dokumentasjon eller undersøke om tilbudet vårt har truffet på alle kriterier i anbudet. Internpresentasjoner kan snekres sammen på minutter og festtaler kan genereres på et blunk. Dette er gevinster vi bør ta. Men produktivitetsmål er kortsiktige. De sier lite om langsiktig læring og kompetanse hos ansatte og organisasjonen som helhet.

 

Det sentrale spørsmålet er hvilke oppgaver vi overlater til KI. Rutineoppgaver og andre «hindre» som tar mye tid er gode kandidater for KI arbeid, slik som møteoppsummeringer, oppslag i regelverk, eller få en rask introduksjon til noe nytt. For andre oppgaver, som kreativitet, problemforståelse, tolkning og vurdering gjør vi oss sårbare om vi overlater det til KI. Det er gjennom denne typen arbeid vi utvikler ekspertise og mentale modeller som vi kan trekke på i fremtiden.

 

Vi har undersøkt studenters bruk av KI og ser de bruker to forskjellige prosesser. Den ene kjennetegnes av at KI brukes til å ta bort hindre, slik som å forstå teori og tekniske begrep, skrive og feilsøke kode og formatering av dokument. KI sparer studentene for tid og frustrasjon, som de heller kan vie til det vi kaller «kognitive friksjonsoppgaver», det som gir læring. Den andre prosessen vi ser er når KI brukes til selve friksjonsoppgavene, slik som å formulere en interessant problemstilling, anvende teori, bygge opp argumentasjonen og utvikle besvarelsen. Også denne prosessen sparer studentene for tid og frustrasjon, men de sitter også igjen med vesentlig mindre forståelse, noe som avdekkes i innleveringer og muntlig høring. Uten den grunnleggende faglige forståelsen, får ikke studentene kompetansen til å løse tilsvarene oppgaver senere, videreutvikle kompetanse, eller vurdere kvaliteten på arbeid utført av andre, enten det er kollegaer eller KI.

 

KI verktøy som Claude og Copilot gir oss det mest sannsynlige svaret, det vil si, det vanligste svaret. Det fungerer glimrende på spørsmål om hvordan kjøre en regresjonsanalyse, og annet som har et klart og korrekt svar. Men når målet er å forstå en ny problemstilling eller gjøre en oppgave der kreativitet står sentralt, så vil KI mest sannsynlig styre mot noe kjent og kjedelig. Resirkulering av arbeid er ikke nytt; vi hørte den samme festtalen som i fjor. Det som er nytt er at når vi ber KI produsere en tale slipper vi å se den gamle, og da er det lett å tro at det som kommer ut, er nytt. Evnen til å tenke nytt og kreativt kan falle og det kan skje uten at vi klar over det. En ny studie av advokater i USA fant at patenter ble bedre med KI støtte, særlig blant mindre erfarne. I en senere oppgave, uten KI, presterte erfarne advokater som hadde hatt KI støtte bedre enn kontrollgruppen og viste at de hadde lært av erfaringen. De mindre erfarne hadde stor variasjon i hvordan de presterte uten KI i ettertid, der en vesentlig andel presenterte dårligere. Det er altså både potensialet for vekst, men også en risiko for redusert kompetanse eller stagnasjon.

 

Mennesket i loopen er ikke nok

Praksisen med å ha en person med i prosessen, «human in the loop», som vurderer og kontrollerer KI-genererte løsninger kan bli utilstrekkelig. Det er ingen automatisk kobling mellom god dømmekraft og formelt ansvar. Jo flere kognitive friksjonsoppgaver KI tar, jo mindre øvelse får vi og jo dårligere blir vi i stand kvalitetssikre KI-genererte løsninger. Da blir «human in the loop» noe som hørs fint ut men som i praksis gir falsk trygghet.

 

Bruk av KI som tar bort hindre, frigjør tid og fjerner frustrasjon, bør stort sett oppmuntres. Men før oppgaver overlates til KI, bør man stille tre spørsmål: 1) Hva slags oppgaver setter vi bort? Rutine og regelstyrte oppgaver, eller oppgaver som krever kreativitet, tolkning og vurdering? 2) Er det viktig at noen i organisasjonen kan løse oppgaven? At noen kan løse problemer når omgivelser eller betingelser endrer seg, og en standard KI løsningen ikke lenger strekker til. 3) Hvordan skal aktuelle ansatte få øvelse og tilbakemelding for å utvikle og vedlikeholde nødvendig kompetanse?

 

For ikke å bli akterutseilt, må vi ta i bruk KI. Men det må gjøres på en måte som ikke bare gir kortsiktige effektivitetsgevinster, men også langsiktig kompetanseheving. Først da er vi rustet til fremtidens nye utfordringer og muligheter. Vi bør være forsiktige med å fremheve de som skryter av å kutte arbeidsplasser, og heller rette oppmerksomhet mot de som bruker KI til å heve kompetansen til både nye og eksisterende ansatte.

 

 

Kilder vi har basert oss på:

Analyse av selverklæringsskjema fra studenter på NTNU, gjennomført av undertegnede.

Autor, D., Rodchenko, T., Martin, J., Iscenko, Z., Strand, S., Pearl, D., & Ferere, M. (2026). Does AI Assistance Enhance or Erode Expertise? Evidence from a Three-Month Field Experiment in Patent Drafting  (No. w35720). National Bureau of Economic Research.

Bakker, A. B., & Mostert, K. (2024). Study demands–resources theory: Understanding student well-being in higher education. Educational Psychology Review, 36, Article 92. https://doi.org/10.1007/s10648-024-09940-8

Budzyń, K., Romańczyk, M., Kitala, D., Kołodziej, P., Bugajski, M., Adami, H. O., Blom, J., Buszkiewicz, M., Halvorsen, N., Hassan, C., Romańczyk, T., Holme, Ø., Jarus, K., Fielding, S., Kunar, M., Pellisé, M., Pilonis, N., Kamiński, M. F., Kalager, M., . . . Mori, Y. (2025). Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: A multicentre, observational study. The Lancet Gastroenterology & Hepatology, 10(10), 896–903. https://doi.org/10.1016/S2468-1253(25)00133-5

Doshi, A. R., & Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), Article eadn5290. https://doi.org/10.1126/sciadv.adn5290

Moon, K., Green, A. E., & Kushlev, K. (2025). Homogenizing effect of large language models (LLMs) on creative diversity: An empirical comparison of human and ChatGPT writing. Computers in Human Behavior: Artificial Humans, 6, Article 100207. https://doi.org/10.1016/j.chbah.2025.100207

Moon, K., Kushlev, K., Bank, A., Lira Luttges, B., Viskontas, I., Kaufman, J. C., Johnson, D. R., Duckworth, A. L., & Green, A. E. (2026). The creative link between words and ideas is weakening in the AI era [Preprint]. PsyArXiv. https://doi.org/10.31234/osf.io/jsz58_v6

Shen, J. H., & Tamkin, A. (2026). How AI impacts skill formation [Preprint]. arXiv. https://arxiv.org/abs/2601.20245

Zohar, E., Bloom, P., & Inzlicht, M. (2026). Against frictionless AI. Communications Psychology, 4, Article 39. https://doi.org/10.1038/s44271-026-00402-1