Opgave‑justeret vs. menneske‑justeret: Hvorfor AI’s næste benchmark bør være os

Hver få måneder dukker en ny model op og ryster AI‑ranglisterne. Ifølge Stanfords 2026 AI Index Report opnåede frontmodeller cirka 30 procentpoint på et år på Humanity’s Last Exam, et benchmark, der er designet til at være svært for AI. Fremspring, som tidligere tog år, sker nu på få måneder, og branchen betragter hver ny høj score som bevis på, at AI bliver bedre.

Jeg betvivler ikke fremskridtene. Disse systemer er bemærkelsesværdige inden for det, de er bygget til at gøre. Men jeg har tilbragt næsten to årtier i psykologi, før jeg gik over i AI, og jeg vender altid tilbage til et spørgsmål, som ingen af disse benchmarks besvarer. Hvad bliver modellerne præcis bedre til, og for hvem? En model kan toppe enhver nøjagtigheds‑baseret rangliste, men stadig efterlade brugeren dårligere stillet på nogle måder. Der findes ingen test, der måler AI’s påvirkning på brugerne, og det fortjener mere opmærksomhed.

To forskellige former for justering

AI‑branchen taler konstant om justering, men samtalen kredser typisk om, hvorvidt modellen følger instruktionerne præcist, eller om den producerer skadeligt indhold. Dette er opgave‑justeret AI. Den er optimeret til at udføre den aktuelle anmodning korrekt og effektivt.

Der findes dog en anden måde at tænke på justering på, som beskytter mennesker. Menneske‑justeret AI vurderer, hvad en interaktion gør ved personen på den anden side af skærmen, når den er afsluttet. Gik de væk mere i stand til selv at håndtere den næste svære beslutning, eller blev de mere afhængige af systemet? Hvor opgave‑justering måler resultatet, måler menneske‑justering eftervirkningen.

Disse to mål er ikke altid i konflikt. En model, der giver et hurtigt, præcist svar på et teknisk spørgsmål, tjener begge formål. Når spørgsmålet derimod ikke har ét entydigt svar, bliver forskellene i justering tydelige.

Hvad ranglisterne ikke viser

De mest citerede benchmarks i branchen tester færdigheder som konkurrence‑matematik og kodeopgaver i repository‑skala. De er værdifulde kompetencer, men hvert spørgsmål har et korrekt svar, og modellerne er bygget til at finde det.

Dette fungerer godt for objektive problemer, men folk bruger AI til mere end matematik, kodning og grundlæggende forskning. De stiller spørgsmål om deres karrierevej og arbejder gennem svære samtaler med deres partnere. Der findes ingen test, der scorer en model på, om den håndterede sådanne spørgsmål godt, fordi der ikke er en objektiv sandhed at måle imod. Den relevante information lever inde i den, der stiller spørgsmålet. Uanset hvor detaljeret prompten er, kan modellen ikke få adgang til den.

Ansvarlig AI udfylder en del af det rum, som disse benchmarks efterlader åbent, men selv dette arbejde sigter kun på at reducere skade i stedet for at forbedre menneskelig tænkning. De nuværende sikkerhedsforanstaltninger er rettet mod at forhindre, at modellen hjælper med noget farligt. De tager ikke højde for, om de tusindvis af almindelige samtaler, der passerer hver sikkerhedskontrol, også træner folk til at stole mindre på deres egen dømmekraft.

Hvordan modeller skaber afhængighed

Hver model, jeg har testet, har en tendens til at være omfattende, hurtig og selvsikker. Det er, hvad de belønnes for under træning, og det er den rette instinkt for at håndtere en ødelagt software‑build eller en juridisk indleveringsfrist. Når beslutningen afhænger af en persons værdier og historie, kan den samme instinkt begynde at arbejde imod brugeren.

Forskning har allerede vist, at dette er mere end en hypotese. OpenAI og MIT Media Lab gennemførte en række af studier om affektiv brug af ChatGPT og fandt, at personer, der betragtede AI som en ven og brugte den over længere perioder, i højere grad rapporterede negative resultater, herunder øget ensomhed og følelsesmæssig afhængighed – et mønster også belyst af MIT Technology Review. Separat fandt en 2025‑undersøgelse offentliggjort i tidsskriftet Societies en signifikant negativ korrelation mellem hyppig brug af AI‑værktøjer og kritisk tænkning. Dette blev medieret af, hvad forskerne kalder kognitiv offloading, dvs. tendensen til at overlade en mental opgave til et værktøj i stedet for selv at bearbejde den.

Intet af dette betyder, at folk skal bruge AI mindre. I stedet skal vi indse, at når et system løser enhver slags spørgsmål på samme måde, går noget tabt på den subjektive side af balancen, og lige nu er næsten ingen, der sporer dette tab.

Giv direkte svar deres rette plads

Jeg vil gøre det klart, hvornår opgave‑justeret AI er den rette løsning, fordi pointen med dette stykke ikke er at argumentere for en model, der dækker alle eventualiteter. Hvis nogen spørger om en serverfejl eller en skatteindleveringsfrist, tjener et hurtigt, direkte og autoritativt svar dem godt. Det ville være uheldigt, hvis AI svarede med et åbent spørgsmål. Problemet opstår, når vi anvender den samme instinkt på en prompt om at veje en skilsmisse, som vi gør på en prompt om fejlfinding af kode.

Hvad vi i stedet bør måle

Hvis branchen vil adressere både menneske‑ og opgave‑justeret AI, skal vi tilføje nogle få egenskaber ved siden af nøjagtighed og ræsonneringsdybde i næste generations evalueringer.

Beherskelse. Evnen til at genkende et øjeblik, hvor besvarelsen af spørgsmålet for brugeren koster mere, end det hjælper, og så holde sig tilbage i overensstemmelse hermed.

Kalibreret spørgeteknik. At spørge i stedet for at fortælle, når et problem er subjektivt eller knyttet til en persons identitet og værdier frem for et faktum i en database.

At læse situationen. At skelne mellem en anmodning, der kræver et direkte, omfattende svar, og en, der har brug for plads til, at personen kan bearbejde det selv.

Albert Banduras årtier‑gamle forskning om selveffektivitet har vist, at folk opbygger selvtillid gennem egne mestringserfaringer, ikke ved at se andre – eller noget andet – løse problemet for dem. Dette princip går årtier forud for AI, og det bør indbygges i, hvordan vi designer og evaluerer teknologien.

Hvad fremskridt bør betyde fremover

Intet af dette argumenterer for at bremse den tekniske udvikling. Jeg fejrer gevinster inden for kodning og ræsonnering. Men et scorekort, der udelukkende er bygget omkring opgaveløsning, fortæller os, at AI bliver smartere. Det fortæller os intet om, hvorvidt de mennesker, der bruger den, bliver bedre til at tænke selvstændigt.

Jeg vil gerne se den forandring. Efterhånden som disse systemer bliver mere kapable, bør de mennesker, der bruger dem, også blive mere kapable. Vi har bevist, at AI kan overgå os i en test. Den næste test bør evaluere, om den kan hjælpe os med at tænke bedre længe efter, at samtalen er afsluttet.