Panikken «KI skrev leksene mine» er over: Her er hva som har erstattet den

Da ChatGPT ble tilgjengelig for allmennheten, begynte lærere å se for seg det verst tenkelige scenarioet.

Elevene kom til å slutte å skrive sine egne skolestiler. 

Hjemmeoppgaver kom til å bli umulige å stole på. 

Og et eller annet sted kom en stor språkmodell til å skrive en helt akseptabel skolestil på fem avsnitt om The Great Gatsby mens den angivelige forfatteren spilte videospill i et annet rom.

Bekymringen var forståelig. For første gang hadde elever fri tilgang til teknologi som kunne produsere overbevisende skriftlig arbeid om nesten ethvert emne. Men etter flere år med generativ KI blir samtalen mer sammensatt.

Elevene bruker fortsatt KI. Faktisk har bruken blitt svært utbredt. En undersøkelse fra 2025 fra Higher Education Policy Institute blant mer enn 1 000 britiske universitetsstudenter viste at 92 % brukte KI i en eller annen form, mens 88 % hadde brukt generativ KI til vurderinger. Forskning på UCLA-kullet fra 2025 viste på lignende vis at 73 % av avgangsstudentene som svarte, brukte generativ KI til å støtte studiearbeidet sitt.

Disse studentene ber imidlertid ikke nødvendigvis ChatGPT om å gjøre en oppgave fra start til slutt. De undersøker emner, idémyldrer, leser til eksamen, redigerer tekster, får vanskelige begreper forklart og genererer noen ganger deler av oppgaver.

Dette reiser et viktig spørsmål for lærere: Forstår elevene faktisk det de leverer inn?

Problemet med KI-detektorer

Svaret på KI-genererte skoleoppgaver var en annen form for KI: deteksjonsprogramvare.

Hvis elever kunne bruke en algoritme til å skrive en skolestil, kunne kanskje lærere bruke en annen algoritme til å avsløre dem.

Det er bare ett problem. KI-deteksjon er ikke det samme som bevis.

Helt siden generativ KI ble utbredt, har forskere uttrykt bekymring for falske positive og falske negative. En studie fra 2023 publisert i The International Journal of Management Education fant overlapp i hvordan detektorer klassifiserte autentiske og KI-genererte tekster, noe som åpnet for begge typer feil.

Nyere forskning tyder på at den grunnleggende utfordringen består. En evaluering fra 2026 publisert i Computers & Education testet 13 KI-innholdsdetektorer på autentiske studentoppgaver, avhandlinger og kode. Forskerne konkluderte med at detektorenes ytelse fortsatt var utilstrekkelig for akademiske beslutninger med store konsekvenser, og fant at redigert KI-generert innhold ofte kunne unngå å bli oppdaget.

Det betyr ikke at deteksjonsverktøy er ubrukelige. Det gjør det imidlertid vanskelig å stole på dem som det viktigste svaret på akademisk arbeid utført med hjelp av KI.

Dette reiser også et større spørsmål.

Selv en detektor som fungerte perfekt, ville bare fortelle en lærer om KI sannsynligvis hadde generert en tekst. Den ville ikke fortelle om læring hadde funnet sted.

Se for deg to elever:

• Den første ber en KI-chatbot om å skrive en hel oppgave, gjør noen få endringer og leverer den uten å forstå argumentasjonen.
• Den andre bruker KI til å få forklart et begrep hen har strevd med, stiller oppfølgingsspørsmål, idémyldrer fram mulige argumenter, skriver oppgaven på egen hånd og bruker verktøyet igjen til å finne svakheter i det første utkastet.

Begge brukte KI. Men sett fra et læringsperspektiv gjorde de to svært forskjellige ting.

«Brukte du KI?» blir feil spørsmål

Generativ KI er ikke lenger bare en skrivemaskin med ett bruksområde.

Elever kan bruke den som redaktør, veileder, idémyldringspartner, oversetter, forskningsassistent, kodehjelp eller studieverktøy. KI-funksjoner bygges også stadig oftere inn i programvare folk allerede bruker.

Selv elevene ser forskjellen. I Cheggs globale studentundersøkelse fra 2025 svarte 80 % av de spurte universitetsstudentene at de hadde brukt generativ KI for å støtte studiene sine. Blant disse brukerne brukte 56 % den først og fremst til å forstå konsepter eller fag. Samtidig var 53 % bekymret for å få feilaktig informasjon.

Det siste tallet kan være like viktig som det første, fordi det å lære å bruke KI også innebærer å lære hvordan man vurderer om et svar er til å stole på.

En chatbot kan foreslå kilder til en skolestil. Noen av disse kildene finnes kanskje ikke. Den kan forbedre et avsnitt. Den kan også endre det eleven prøvde å si, på en subtil måte.

Jo enklere KI gjør det å produsere et svar, desto viktigere blir det å kunne nok til å vurdere svaret. Det er her samtalen om akademisk redelighet begynner å dreie seg om KI-kompetanse.

Elevene må vise at de forstår

I flere tiår har gjennomarbeidede oppgaver basert på grundig research ofte fungert som bevis på læring.

En elev leverer en stil, en laboratorierapport, en presentasjon eller et kodeutdrag, og læreren vurderer sluttproduktet for å avgjøre hvor godt eleven forstår stoffet.

Generativ KI svekker denne antakelsen, fordi et polert sluttprodukt nå kan eksistere uten at eleven nødvendigvis har kunnskapen som produktet ser ut til å vise.

Dette tvinger lærere til å se utover sluttproduktet:

1. Be eleven forklare hvorfor hen kom fram til en konklusjon.
2. Spør hvilke bevis som fikk hen til å ombestemme seg.
3. Be eleven forsvare et argument muntlig.
4. Spør hvilken del av oppgaven hen syntes var vanskeligst.
5. Endre én variabel i et problem, og be eleven løse det på nytt.
6. Be eleven peke på en svakhet ved sitt eget arbeid.

Hvis KI var tillatt, kan du spørre hvordan eleven brukte den, hva den bidro med, og hva hen forkastet.

Plutselig er det bare én del av oppgaven å produsere et imponerende svar. Eleven må også vise at hen står inne for tankearbeidet bak det.

Lekser bør vise mer av arbeidsprosessen

I årevis har digitale verktøy gjort det stadig enklere å rette vurderingen mot sluttproduktet. Generativ KI får noen lærere til å gå i motsatt retning: mot prosessen som skapte det.

Det kan innebære å gå gjennom disposisjoner og utkast i stedet for bare de endelige innleveringene. Det kan også innebære å ta med klassediskusjoner eller muntlige deler. Elevene kan dokumentere hvordan argumentasjonen deres utviklet seg, forklare hvorfor de valgte bestemte kilder, eller reflektere over hvor de støtte på problemer.

KI kan til og med bli en del av selve vurderingen.

I stedet for å be elevene om ikke å bruke en chatbot kan en lærer gi dem et KI-generert svar og be dem vurdere det kritisk.

• Hva fikk modellen riktig?
• Hva overså den?
• Hvilke påstander må verifiseres?
• Hvilke kilder må man ha før man kan stole på svaret?
• Kan eleven framføre et bedre argument?

Det er langt vanskeligere å sette bort arbeidet med slike spørsmål, fordi oppgaven nå krever menneskelig dømmekraft. Og dømmekraft er nettopp den ferdigheten elevene trenger når KI kan generere sannsynlig informasjon på forespørsel.

KI-kompetanse blir synonymt med akademisk kompetanse

Det var en tid da «digital kompetanse» stort sett betydde å kunne bruke en datamaskin, navigere på internett og benytte vanlig programvare.

Definisjonen ble mer avansert fordi det ikke var nok å vite hvordan man søkte på internett. Folk måtte også kunne vurdere nettsteder, kjenne igjen upålitelige kilder, beskytte personopplysninger og forstå at noe ikke automatisk var sant fordi det dukket opp øverst i søkeresultatene.

KI-kompetanse gjennomgår en lignende utvikling: Det er nyttig å vite hvordan man skriver en prompt, men det er bare én del av ferdigheten.

Elevene må også forstå hva generativ KI kan og ikke pålitelig kan gjøre. De må kjenne igjen hallusinasjoner, stille spørsmål ved selvsikre svar, verifisere kilder, ta hensyn til personvern og forstå når KI-hjelp går over grensen og erstatter deres eget tankearbeid.

Det skillet vil trolig kreve en del prøving og feiling i lys av det overordnede læringsutbyttet.

Å bruke KI til å forklare et vanskelig begrep kan bidra til raskere læring. Hvis man ber KI løse et problem før man prøver selv, kan man omgå akkurat det kognitive arbeidet oppgaven var ment å utvikle.

Verden utenfor klasserommet

Utdanning har alltid vært et fremtidsrettet prosjekt. Når elevene er ferdige på skolen, tar de med seg lærdommen derfra ut i arbeidslivet. Og arbeidsplassene de kommer til, vil neppe være fri for KI.

KI-assistenter bygges inn i kreative plattformer og virksomhetssystemer. Mange av dagens elever kan komme til å jobbe i yrker der det forventes at de bruker KI effektivt. Derfor blir det stadig vanskeligere å opprettholde en generell «ingen KI»-tilnærming som forberedelse på arbeidslivet.

Det motsatte ytterpunktet er heller ikke særlig nyttig.

En student som ikke kan skrive et argument uten AI, er ikke nødvendigvis bedre rustet for et arbeidsliv der AI brukes. Det er heller ikke en student som godtar en AI-generert analyse uten å kontrollere den.

Den verdifulle ferdigheten er å vite hva man bør sette bort, og hva man ikke bør sette bort.

• AI kan lage et førsteutkast til et sammendrag på sekunder. Likevel må en person ha tilstrekkelig fagkunnskap til å oppdage hva som mangler.
• AI kan generere kode. Noen må likevel vite om koden fungerer, om den er sikker, og om den løser det tiltenkte problemet.
• AI kan skrive et utkast til en e-post til en kunde. Noen må likevel kjenne kunden godt nok til å vite om det er en svært dårlig idé å sende den.

Å være god til å bruke AI uten å kunne utøve selvstendig dømmekraft er ikke særlig verdifull kompetanse.

Det nye spørsmålet om akademisk integritet

Det opprinnelige problemet med juks finnes fortsatt. Studenter kan bruke generativ AI for å slippe å gjøre arbeidet, akkurat som studenter alltid har funnet måter å unngå å gjøre arbeidet på. Lærere må fortsatt sette grenser for hvor AI er tillatt, hvor selvstendig arbeid er viktig, og hva som regnes som akademisk uredelighet.

Men den større samtalen har dreid seg om at AI har gjort det bemerkelsesverdig enkelt å skape inntrykk av kunnskap. Det betyr at utdanningen må bli flinkere til å skille mellom inntrykk av kunnskap og kunnskap i seg selv.

Det gamle spørsmålet var: «Er dette arbeidet ditt?»

Det nye spørsmålet er: «Kan du vise at tankearbeidet bak dette arbeidet er ditt?»

Det spørsmålet er vanskeligere å vurdere. For lærere krever det mer enn å kjøre en stil gjennom et deteksjonsverktøy og vente på en prosentandel. Det er likevel verdt å legge ned den ekstra innsatsen. Lekser er tross alt ikke ment å være et enten-eller-spørsmål: Ble de gjort eller ikke? Lekser handlet, og handler fortsatt, om tankearbeidet som kreves for å gjøre dem.