Oppgavejustert vs. Menneskejustert: Hvorfor AI‑s neste målestokk bør være oss

Hver noen måneder dukker en ny modell opp og ryster AI‑ranglistene. Ifølge Stanfords 2026 AI Index Report oppnådde frontmodeller omtrent 30 prosentpoeng på ett år på Humanity’s Last Exam, en målestokk som er laget spesielt for å være vanskelig for AI. Fremskritt som tidligere tok år, skjer nå i løpet av måneder, og bransjen ser hver ny rekord som bevis på at AI blir bedre.

Jeg bestrider ikke fremgangen. Disse systemene er bemerkelsesverdige i det de er bygget for å gjøre. Men jeg har tilbrakt nesten to tiår i psykologi før jeg gikk over til AI, og jeg kommer stadig tilbake til et spørsmål som ingen av disse målestokkene svarer på. Hva blir modellene egentlig bedre på, og for hvem? En modell kan toppes på enhver nøyaktighetsbasert rangliste som finnes og fortsatt etterlate brukeren i en dårligere posisjon på noen måter. Det finnes ingen test som måler AI‑s påvirkning på brukerne, og det fortjener mer oppmerksomhet.

To ulike typer justering

AI‑industrien snakker konstant om justering, men samtalen dreier seg vanligvis om hvorvidt modellen følger instruksjoner nøyaktig eller om den produserer skadelig innhold. Dette er oppgavejustert AI. Den er optimalisert for å fullføre forespørselen foran seg, korrekt og effektivt.

Det finnes imidlertid en annen måte å nærme seg justering på for å beskytte mennesker. Menneskejustert AI vurderer hva en interaksjon gjør med personen på den andre siden av skjermen når den er over. Gikk de bort mer i stand til å håndtere den neste vanskelige beslutningen på egen hånd, eller ble de mer avhengige av systemet for å håndtere den for dem? Mens oppgavejustering måler resultatet, måler menneskejustering ettervirkningen.

Disse to målene er ikke alltid i konflikt. En modell som gir et raskt, nøyaktig svar på et teknisk spørsmål, tjener begge. Men når spørsmålet ikke har ett entydig svar, blir forskjellene i justering tydelige.

Hva ranglistene ikke viser

De mest siterte målestokkene i bransjen tester ting som konkurransematematikk og kodeoppgaver i repositorium‑skala. De er verdifulle ferdigheter, men hvert spørsmål har et korrekt svar, og modellene er bygget for å finne det.

Dette fungerer bra for objektive problemer, men folk bruker AI til mer enn matematikk, koding og grunnleggende forskning. De stiller spørsmål om karriereveien sin og arbeider gjennom vanskelige samtaler med partnerne sine. Det finnes ingen test som gir en modell poeng for om den håndterte disse spørsmålene godt, fordi det ikke finnes en objektiv sannhet å sjekke svaret mot. Relevant informasjon ligger i personen som stiller spørsmålet. Uansett hvor detaljert prompten er, kan ikke modellen få tilgang til den.

Responsible AI fyller en del av rommet disse målestokkene etterlater åpnet, men selv dette arbeidet er rettet mot kun å redusere skade i stedet for å forbedre menneskelig tenkning. De nåværende sikkerhetstiltakene er rettet mot å hindre modellen i å hjelpe med noe farlig. De tar ikke i betraktning om de tusenvis av vanlige samtaler som passerer hver sikkerhetssjekk også trener folk til å stole mindre på egen dømmekraft.

Hvordan modeller skaper avhengighet

Hver modell jeg har testet har en tendens til å være omfattende, rask og selvsikker. Det er det de belønnes for under trening, og det er den rette instinkten for å håndtere en ødelagt programvarebygging eller en juridisk innleveringsfrist. Når beslutningen avhenger av noens verdier og historie, kan den samme instinkten begynne å virke mot personen som bruker den.

Forskning har allerede vist at dette er mer enn en hypotese. OpenAI og MIT Media Lab gjennomførte en rekke studier om affektiv bruk av ChatGPT og fant at personer som så på AI som en venn og brukte den over lengre perioder, var mer tilbøyelige til å rapportere negative utfall, inkludert høyere ensomhet og emosjonell avhengighet, et mønster også dekket av MIT Technology Review. Separat fant en 2025‑studie publisert i tidsskriftet Societies en signifikant negativ korrelasjon mellom hyppig bruk av AI‑verktøy og kritisk tenkning. Dette ble formidlet av det forskerne kaller kognitiv avlasting, som er tendensen til å overlate en mental oppgave til et verktøy i stedet for å arbeide gjennom den selv.

Ingen av dette betyr at folk skal bruke AI mindre. I stedet må vi innse at når et system løser hver type spørsmål på samme måte, går noe tapt på den subjektive siden av regnskapet, og akkurat nå sporer nesten ingen dette tapet.

Gi direkte svar den fortjente anerkjennelsen

Jeg vil være tydelig på hvor oppgavejustert AI er riktig, fordi poenget med dette innlegget ikke er å argumentere for en modell som dekker alt. Hvis noen spør om en serverfeil eller en frist for skatteinnlevering, gir et raskt, direkte, autoritativt svar dem god hjelp. Det ville vært lite hjelpsomt om AI svarte med et åpent spørsmål. Problemet dukker opp når vi bruker samme instinkt på en prompt om å vurdere et ekteskapelig brudd som vi gjør på en prompt om feilsøking av kode.

Hva vi bør måle i stedet

Beherskelse. Evnen til å gjenkjenne et øyeblikk hvor å løse spørsmålet for brukeren koster mer enn det hjelper, og holde tilbake deretter.

Kalibrert spørsmålsstilling. Å spørre i stedet for å fortelle, når et problem er subjektivt eller knyttet til en persons identitet og verdier snarere enn et faktum i en database.

Å lese øyeblikket. Å skille mellom en forespørsel som krever et direkte, omfattende svar og en som trenger rom for at personen skal bearbeide den selv.

Albert Banduras flere tiår gamle forskning på selv‑effektivitet fant at folk bygger selvtillit gjennom egne mestringserfaringer, ikke ved å se noen andre, eller noe annet, løse problemet for dem. Dette prinsippet er eldre enn AI med et halvt århundre, og det bør bygges inn i hvordan vi designer og evaluerer teknologien.

Hva fremgang bør bety videre

Ingen av dette argumenterer for å bremse teknisk fremgang. Jeg feirer gevinster i koding og resonnering. Men et poengkort som kun er bygget rundt oppgaveløsning forteller oss at AI blir smartere. Det forteller oss ingenting om hvorvidt folk som bruker den blir bedre til å tenke selv.

Jeg ønsker å se den endringen. Etter hvert som disse systemene blir mer kapable, bør også menneskene som bruker dem bli mer kapable. Vi har bevist at AI kan overgå oss på en test. Den neste testen bør evaluere om den kan hjelpe oss å tenke bedre lenge etter at samtalen er avsluttet.