Panikken over »Min opgave er skrevet af AI« er forbi: Her er, hvad der har afløst den

Da ChatGPT blev offentligt tilgængeligt, begyndte undervisere at forestille sig det værst tænkelige scenarie.

De studerende ville holde op med at skrive deres egne essays. 

Det ville blive umuligt at stole på hjemmeopgaver. 

Og et sted ville en LLM producere et helt acceptabelt essay på fem afsnit om The Great Gatsby, mens den formodede forfatter spillede videospil i et andet rum.

Bekymringen var forståelig. For første gang havde studerende gratis adgang til teknologi, der kunne producere overbevisende skriftligt arbejde om næsten ethvert emne. Men efter flere år med generativ AI er samtalen ved at blive mere nuanceret.

Studerende bruger stadig AI. Faktisk er brugen blevet bemærkelsesværdigt udbredt. En undersøgelse fra 2025 fra Higher Education Policy Institute blandt mere end 1.000 britiske bachelorstuderende viste, at 92 % brugte AI i en eller anden form, mens 88 % havde brugt generativ AI til opgaver og prøver. En undersøgelse blandt UCLA’s årgang 2025 viste tilsvarende, at 73 % af de adspurgte studerende på sidste år havde brugt generativ AI til at understøtte deres studiearbejde.

Men de studerende beder ikke nødvendigvis ChatGPT om at løse en opgave fra start til slut. De undersøger emner, brainstormer, læser til eksamen, redigerer tekster, får forklaret svære begreber og genererer nogle gange dele af opgaver.

Det rejser et vigtigt spørgsmål for undervisere: Forstår de studerende faktisk det, de afleverer?

Problemet med AI-detektorer

Svaret på AI-genererede lektier var en anden form for AI: detektionssoftware.

Hvis studerende kunne bruge en algoritme til at skrive et essay, kunne undervisere måske bruge en anden algoritme til at afsløre dem.

Der er bare ét problem. AI-detektion er ikke det samme som bevis.

Forskere har advaret om falske positiver og falske negativer, siden generativ AI begyndte at blive udbredt. En undersøgelse fra 2023 offentliggjort i The International Journal of Management Education fandt et overlap i detektorernes klassificering af autentiske og AI-genererede tekster, hvilket gjorde begge typer fejl mulige.

Nyere forskning tyder på, at den grundlæggende udfordring stadig består. En evaluering fra 2026 offentliggjort i Computers & Education afprøvede 13 AI-indholdsdetektorer på autentiske studenteropgaver, afhandlinger og kode. Forskerne konkluderede, at detektorernes præcision stadig var utilstrækkelig til akademiske beslutninger med store konsekvenser, og fandt, at redigeret AI-genereret indhold ofte kunne undgå at blive opdaget.

Det betyder ikke, at detektionsværktøjer er ubrugelige. Men det gør det vanskeligt at stole på dem som den primære løsning på akademisk arbejde, der er udført med hjælp fra AI.

Det rejser også et større spørgsmål.

Selv en detektor, der fungerede perfekt, ville kun fortælle en underviser, om AI sandsynligvis havde genereret en tekst. Den ville ikke fortælle, om der havde fundet læring sted.

Forestil dig to studerende:

• Den ene beder en AI-chatbot om at skrive en hel opgave, foretager et par ændringer og afleverer den uden at forstå argumentationen.
• Den anden bruger AI til at få forklaret et begreb, som vedkommende har haft svært ved at forstå, stiller opfølgende spørgsmål, brainstormer mulige argumenter, skriver opgaven selvstændigt og bruger værktøjet igen til at finde svagheder i det første udkast.

Begge brugte AI. Men set fra et uddannelsesmæssigt perspektiv gjorde de to meget forskellige ting.

»Brugte du AI?« er ved at blive det forkerte spørgsmål

Generativ AI er ikke længere blot en skrivemaskine med ét formål.

Studerende kan bruge den som redaktør, underviser, sparringspartner til idéudvikling, oversætter, forskningsassistent, hjælp til kodning eller studieværktøj. AI-funktioner bliver også i stigende grad indarbejdet i software, som folk allerede bruger.

Selv de studerende kan se forskellen. I Cheggs globale undersøgelse blandt studerende fra 2025 svarede 80 % af de adspurgte bachelorstuderende, at de havde brugt generativ AI til at understøtte deres studier. Blandt disse brugere anvendte 56 % den primært til at forstå begreber eller fagområder. Samtidig var 53 % bekymrede for at få forkerte oplysninger.

Det sidste tal kan være lige så vigtigt som det første, fordi en del af det at lære at arbejde med AI handler om at lære at vurdere, om et svar er til at stole på.

En chatbot kan foreslå kilder til et essay. Nogle af kilderne findes måske ikke. Den kan forbedre et afsnit. Men den kan også ændre det, den studerende prøvede at sige, på en subtil måde.

Jo lettere AI gør det at frembringe et svar, desto vigtigere bliver det at vide nok til at kunne vurdere svaret. Det er her, samtalen om akademisk integritet begynder at udvikle sig til en samtale om AI-kompetencer.

Elever skal bevise, at de forstår stoffet

I årtier har velresearchede, færdige opgaver ofte været betragtet som et tegn på læring.

En elev afleverer en stil, en laboratorierapport, en præsentation eller et stykke kode, og underviseren vurderer det færdige produkt for at afgøre, hvor godt eleven forstår stoffet.

Generativ AI udfordrer denne antagelse, fordi et poleret, færdigt produkt nu kan foreligge, uden at eleven nødvendigvis besidder den viden, som produktet tilsyneladende vidner om.

Det tvinger undervisere til at se ud over det færdige produkt:

1. Bed eleven forklare, hvorfor vedkommende nåede frem til en bestemt konklusion.
2. Spørg, hvilke beviser der fik eleven til at ændre mening.
3. Bed eleven om at forsvare et argument mundtligt.
4. Spørg, hvilken del af opgaven eleven syntes var sværest.
5. Ændr en variabel i et problem, og bed eleven løse det igen.
6. Bed eleven om at pege på en svaghed i sit eget arbejde.

Hvis AI var tilladt, så spørg, hvordan eleven brugte det, hvad det bidrog med, og hvad eleven forkastede.

Pludselig er det kun en del af opgaven at levere et imponerende svar. Eleven skal også vise, at vedkommende selv står bag tankerne, der ligger til grund for det.

Lektier bør vise mere af processen

I årevis har digitale værktøjer gjort det stadig lettere at fokusere bedømmelsen på det færdige produkt. Generativ AI får nogle undervisere til at bevæge sig i den modsatte retning: mod den proces, der skabte produktet.

Det kan betyde, at man gennemgår dispositioner og udkast i stedet for kun de endelige afleveringer. Det kan betyde, at man inddrager klassediskussioner eller mundtlige elementer. Eleverne kan dokumentere, hvordan deres argument udviklede sig, forklare, hvorfor de valgte bestemte kilder, eller reflektere over, hvor de havde det svært.

AI kan endda blive en del af selve bedømmelsen.

I stedet for at sige til eleverne, at de ikke må bruge en chatbot, kan en underviser præsentere dem for et AI-genereret svar og bede dem om at kritisere det.

• Hvad havde modellen ret i?
• Hvad overså den?
• Hvilke påstande skal verificeres?
• Hvilke kilder ville være nødvendige, før man kunne stole på svaret?
• Kan eleven fremsætte et bedre argument?

Det er langt sværere at overlade besvarelsen af disse spørgsmål til andre, fordi opgaven nu kræver menneskelig dømmekraft. Og dømmekraft er netop den færdighed, eleverne har brug for, når AI kan generere plausible oplysninger på kommando.

AI-kompetencer bliver synonymt med akademiske kompetencer

Der var engang, hvor »digital dannelse« først og fremmest betød, at man kunne betjene en computer, navigere på internettet og bruge almindelige programmer.

Definitionen blev mere nuanceret, fordi det ikke var nok at vide, hvordan man søgte på internettet. Man skulle også kunne vurdere hjemmesider, genkende upålidelige kilder, beskytte personlige oplysninger og forstå, at noget ikke automatisk var sandt, blot fordi det stod øverst i søgeresultaterne.

AI-kompetencer gennemgår en lignende udvikling: Det er nyttigt at vide, hvordan man skriver en prompt, men det er kun én del af kompetencen.

Elever skal også forstå, hvad generativ AI pålideligt kan og ikke kan. De skal kunne genkende hallucinationer, stille spørgsmål ved selvsikre svar, verificere kilder, tage hensyn til privatlivets fred og forstå, hvornår brugen af AI går over grænsen og erstatter deres egen tænkning.

Det skel vil sandsynligvis kræve en del forsøg og fejl i forhold til det overordnede læringsudbytte.

Brug af AI til at forklare et svært begreb kan fremskynde læringen. Hvis man beder AI om at løse en opgave, før man selv har forsøgt sig, kan man springe over netop det tankearbejde, som opgaven var udformet til at udvikle.

Verden uden for klasseværelset

Uddannelse har altid været en fremsynet bestræbelse. Når eleverne er færdiguddannede, tager de det, de har lært i skolen, med sig videre til arbejdspladsen. Og det er usandsynligt, at de kommer til at arbejde på arbejdspladser uden AI.

AI-assistenter bliver indarbejdet i kreative platforme og virksomhedssystemer. Mange af nutidens elever vil måske komme til at arbejde inden for områder, hvor det forventes, at man bruger AI effektivt. Derfor bliver det stadig sværere at fastholde en generel tilgang med »ingen AI« som forberedelse på arbejdslivet.

Den modsatte yderlighed er heller ikke særlig nyttig.

En studerende, der ikke kan skrive et argument uden AI, er ikke nødvendigvis bedre forberedt på en arbejdsplads, hvor AI indgår. Det gælder heller ikke en studerende, der accepterer en AI-genereret analyse uden at kontrollere den.

Den værdifulde færdighed er at vide, hvad man skal uddelegere, og hvad man ikke skal.

• AI kan måske udarbejde et første udkast til et resumé på få sekunder. En person skal stadig have tilstrækkelig faglig viden til at opdage, hvad der mangler.
• AI kan måske generere kode. Nogen skal stadig vide, om koden virker, om den er sikker, og om den løser det tilsigtede problem.
• AI kan måske skrive et udkast til en e-mail til en kunde. Nogen skal stadig forstå kunden godt nok til at vide, om det er en virkelig dårlig idé at sende den.

AI-kompetence uden selvstændig dømmekraft er ikke megen kompetence.

Det nye spørgsmål om akademisk integritet

Det oprindelige problem med snyd eksisterer stadig. Studerende kan bruge generativ AI til at undgå at udføre arbejde, ligesom studerende altid har fundet måder at undgå at udføre arbejde på. Undervisere har stadig brug for klare grænser for, hvor AI er tilladt, hvor selvstændigt arbejde er vigtigt, og hvad der udgør akademisk uredelighed.

Men den bredere debat har især handlet om, at AI har gjort det bemærkelsesværdigt let at skabe indtrykket af viden. Det betyder, at uddannelsessystemet skal blive bedre til at skelne mellem indtrykket af viden og viden i sig selv.

Det gamle spørgsmål lød: “Er det dit arbejde?”

Det nye spørgsmål lyder: “Kan du påvise, at tankearbejdet bag dette arbejde er dit eget?”

Det spørgsmål er sværere at vurdere. For undervisere kræver det mere end at lade et essay blive kørt gennem et detektionsværktøj og vente på en procentangivelse. Det er dog indsatsen værd at gøre det ekstra arbejde. Lektier er trods alt ikke tænkt som et enten-eller-spørgsmål: Er de lavet eller ej? Lektier handlede og handler stadig om den tankevirksomhed, der kræves for at lave dem.