Utsource din tenkning til AI, og det vil erstatte deg

Sjefen for AI i Microsoft, Mustafa Suleyman, har nylig delt en skremmende prediksjon: innen de neste 12 til 18 måneder, vil de fleste, eller kanskje alle, hvitekragsjobber være fullstendig automatisert av kunstig intelligens. Mr. Suleyman er ikke den første til å dele en slik antagelse (ja, jeg snakker om Dario Amodei og hans 5-års AI-dom til verden), og definitivt ikke den siste. Men la meg dele en kontroversiell holdning: AI, enten på 18 måneder eller fem år, vil ikke kunne erstatte hvitekragsarbeidere. Men hvis vi stopper å tenke, vil det.

Og jeg sier ikke at det ikke vil bli integrert i de fleste prosesser, eller at det ikke kan hjelpe mennesker med deres arbeidsbyrde. Dette skjer allerede. Men å erstatte menneskelig tenkning, å eliminere menneskelig innsats, er det ene oppgaven AI ikke er i stand til å gjøre (med mindre vi som mennesker erstatter vår beslutningsmaskin med AI, det vil si).

Hvorfor menneskelig tenkning ikke kan og ikke bør utkontrakteres

Det finnes tre bestemte grunner til at jeg kommer tilbake til når noen sier at AI er på vei til å erstatte alle. Hver enkelt av dem er noe menneskelige hjerner gjør som en selvfølge, og hver enkelt av dem er noe AI, uansett hvor avansert, ikke kan gjenta.

AI kan ikke ha den konteksten som et menneskelig hjernen har

Når en person tar en beslutning, gjør de det ikke, som et språkmodell, bare forutser det neste ordet basert på generell sannsynlighet. De trekker på en fullstendig samling av erfaringer som er kodet over flere systemer på samme tid: våre personlige minner, våre lænte vaner og de emosjonelle innsatsene i disse øyeblikkene. Denne kollektive fortiden lar hjernen konstant gjette hva som vil skje neste, og oppdaterer sin syn bare når virkeligheten viser det feil. Kontekst, med andre ord, er substratet hver persepsjon er bygget på.

Et stort språkmodell fungerer annerledes. Vektene kommer fra en begrenset korpus av tekst det ble trent på en gang og ikke lenger har tilgang til. Det har ingen persepsjonsloop, ingen prediksjonsfeil fra en verden det må leve i. “Konteksten” som er tilgjengelig for det er hva som skjer å være i prompt-vinduet. Det har aldri gått inn i rommet før. Så når vi tar en beslutning som avhenger av å vite hva som er normalt her, hva som kom før og hva som står på spill, kjører vi prediksjoner mot en livstid av bundet erfaring – personlig og av generasjonene som kom før oss. Modellen matcher mønster over tekstbasertatabaser. To svært forskjellige operasjoner, og ingen skaleringskontekstvinduer lukker gapet.

Å vite navnet er ikke det samme som å vite noe

Denne visdommen kommer fra Nobelprisvinneren i fysikk, Richard Feynman (eller fra hans far, for å være mer spesifik). Han trodde at å bare memorere etiketter eller definisjoner ikke betyr å vite temaet. Ekte forståelse kommer fra erfaring og forståelse.

Charlie Munger, en amerikansk forretningsmann og investor, foreslo en term for en slik overfladisk læring — “Chaufførkunnskap”. Anekdoten bak dette er om en faktisk chauffør for fysikeren Max Planck, som hørte hans forelesning om kvantemekanikk så ofte at han lærte det av hjerte. Han tilbød så å levere det i stedet for Planck i München, noe han gjorde suksessfullt. Men når det kom til spørsmål fra publikum, kunne han, ikke overraskende, ikke svare. Og det er forskjellen på overfladisk “chauffør” kunnskap og omfattende, tjent gjennom år med arbeid og kamp, Planck-kunnskap.

I dag er de største språkmodellene de mest sofistikerte chaufførene vi noensinne har bygget. De kan resitere kvantemekanikk, summerere filosofi, utarbeide en kontrakt og rimme noen ord. Men noe som krever erfaring i stedet for å gjenkjenne mønster, som å vite hvorfor en merkevareposisjon som fungerte i én marked nødvendigvis vil feile i det neste, er unikt for mennesker, og det er det som faktisk driver beslutninger.

Men å forstå hvorfor en merkevareposisjon som fungerte i én marked nødvendigvis vil feile i det neste, kan ikke oppnås ved enkel mønstergjenkjenning. Erfaring er unikt for mennesker og er det som faktisk driver beslutninger.

Likevel er hovedforskjellen mellom oss og AI ikke dataforedling — det er eierskap

En evne hos mennesker (eller i hvert fall noen av oss) til å ta ansvar for handlingene, eie konsekvensene, skammen, lære av dem og gjøre alt mulig for at situasjonen ikke skal skje igjen, og derfor for at vi ikke skal føle smerten av en ny feil — dette er hva gjør vår tenkning og våre beslutninger så unikt forskjellige fra kunstig intelligens.

AI føler ikke skyld. Eller skam. Det sover ikke dårlig over en beslutning som viste seg å være feil. Det bærer ikke minnet av en avtale det tapte, en ansatt det presset for at det ikke fungerte, en strategi det forsvarte i et styremøte som gradvis ødela verdi to år senere. Modellen gir et svar, svaret viser seg å være feil, og modellen går videre til neste prompt som om ingenting hadde skjedd (fordi for dem har ingenting skjedd). Det er ingen intern kostnad å være feil, og derfor er det ingen press å være riktig neste gang – noe som faktisk presser mennesker til å utvikle og forbedre seg.

For ti år siden arbeidet jeg i venturekapital, analyserte tidlige startups, og vi så på selvstyrte bilavtaler. Selv da var robo-taxi-prototyper statistisk tryggere enn menneskelige sjåfører. Teknologien fungerte. Den fungerer fortsatt i 2026. Så hvorfor er våre byer fortsatt ikke oversvømmet av selvstyrte biler? Fordi ansvaret for en selvstyrt bil ikke er klart nok. Når det skjer en kollisjon, vet rettssystemet virkelig ikke hvem å skyld på — personen som flipper bryteren, produsenten eller programvareutvikleren. Før dette spørsmålet har et svar, er vi fast. Teknologien har løpt foran ansvarligheitsrammeverket som bør være der for å absorbere den.

Hvordan ikke å miste våre sinn (og jobber) i AI-alderen

Mens jeg virkelig tror AI ikke kan erstatte menneskelig tenkning, kan jeg også se mønsteret av mennesker som faller for fristelsen til å få en kortvei til resultater. For første gang i historien trenger du ikke et hjerte for å få et svar. Du trenger bare å skrive et spørsmål. Friksjonen som tidligere tvang oss til å tenke er fjernet, noe som høres bra ut, til du innser at friksjonen var poenget. Det var hvordan hjernen ble bygget opp i første omgang.

Og her er hvor jobbspørsmålet også kommer tilbake. AI vil ikke erstatte hvitekragsarbeidere som en kategori. Men det vil erstatte de spesifikke menneskene som har utkontraktet all sin tenkning til det. Hvis du bytter dom, kontekst og eierskap mot raske svar fra en chat-vindu, slutter du å være personen som bringer noe til bordet. På det tidspunktet trenger din arbeidsgiver deg ikke lenger. De kan snakke direkte med modellen.

Så å beholde jobben i AI-alderen og å beholde sinn i AI-alderen kommer ned til samme spørsmål. Og nedenfor er fire vaner du må adresse det.

AI bør øke nysgjerrigheten

Effekten AI har på hjernen din avhenger fullstendig av hvordan du bruker det. Hvis du er nysgjerrig og villig til å grave, blir AI den beste læringskameraten noen har noen gang hatt. Bedre enn Wikipedia, bedre enn noen bok, fordi det kan forklare samme ide på fem forskjellige måter til en av dem klikker, og følge deg ned i enhver kaninhull du ønsker. Eller du kan be det om å hjelpe deg å beholde informasjon bedre – som å øve spaced repetition til du virkelig får konseptet.

For noen som ikke er nysgjerrig, gjør AI det motsatte. Det tar over tenkningen de skulle ha gjort selv. De får output uten arbeid, og arbeidet var poenget. Over tid visner denne muskelen. Etter den industrielle revolusjonen, da maskiner gjorde fysisk arbeid mindre vanlig, bygde vi treningsstudioer for å gi kroppene våre hva de trengte for å utfordre og vedlikeholde seg. Og det er hva vi kommer til å trenge: mentale treningsstudioer for å holde hjernene våre fit.

I 2025, MIT Media Lab gjennomførte en studie der 54 deltakere skrev essays over fire måneder, delt inn i tre grupper: ChatGPT, søkemotor og hjerte bare. Mens de skrev, sporet elektroencefalogram hjernens aktivitet. Til slutt viste ChatGPT-gruppen konsistent den laveste neurale sammenhengen og produserte essays som lærerne beskrev som “sjelløse”. Hjerte-gruppen hadde den sterkeste hjernaktiviteten gjennom hele.

Men det mest talende kom i den siste sesjonen, da forskerne byttet gruppene. Hjerte-gruppen, som nå fikk ChatGPT, overgikk alle. De hadde bygget tenkingsmuskelen først og brukte deretter AI på toppen av det. Den andre gruppen kunne ikke holde følge, fordi de hadde hoppet over delen hvor muskelen blir bygget.

Å lære er et verb, så det kan ikke være passivt

For å lære skal teori kombineres med praksis. Å lese om en ide er en form for inndata; å gjøre noe med den ideen er en annen. Å trykke, å svare, å anvende, å få noe galt og å prøve igjen — disse aktivitetene trekker inn forskjellige deler av hjernen enn passiv forbruk gjør, og de holder deg fokusert på materialet.

Sokrates var allerede på det i århundrer siden: han ga aldri bare elevene svaret, men tvang dem til å produsere det (ofte et feilaktig ett) først, og korrigerte det deretter. Og jeg selv har opplevd fordelen av denne filosofien som matematikkestudent: vi fikk bare halv kreditt for å memorere en teori, mens den andre halvdel krever å bevise den. Dette fokuset på grunnleggende forståelse er hva som tillot oss å huske og anvende konseptene bedre.

Å undervise et emne tar kunnskapen din til neste nivå, gjør det vanskeligere å falle i den psykologiske fellen kalt illusjonen av kompetanse, og gir en bedre forståelse av emnet. Når du må forklare en ide tydelig og gjøre det flere ganger på flere forskjellige måter, er det ingen måte du ikke kan forstå og huske det selv. Richard Feynman noterte en gang med god grunn: “Hvis du ikke kan forklare det enkelt, forstår du det ikke.”

Tallene bak dette er også: I sikkerhetstreningsstudier beholdt aktive lærere 93,5% av informasjon sammenlignet med 79% for passive lærere (Engageli, 2025). Den bredere Læringspyramiden fra National Training Laboratories i Bethel, Maine, viser samme mønster på alle nivåer:

Data uten pålitelige kilder er sladder

Ja, mennesker bør spørre om svarene de får fra AI. De bør be om kilder, og når det ikke er noen kilder, bør de være skeptiske.

Men det er et større problem bak all dette, og det er at validering av AI-utgang er blitt vanskeligere og vanskeligere. Modeller sitater kilder som ikke eksisterer, de parafraserer ekte kilder på måter som forvrider meningen, de blandet nøyaktig informasjon med oppfunnet informasjon innen samme paragraf, og det er ingen klar måte å skille hvilken som er hvilken.

I tillegg er stadig mer av internettet selv AI-generert, noe betyr at modeller nå lærer fra utgangene til andre modeller. De originale menneskeskrevne kildene blir begravd under alt som er auto-generert på toppen av dem.

Dette er hvorfor jeg mener at pålitelig kunnskap fortsatt må komme fra mennesker. Hvis vi ikke kan fullt ut stole på modellen, og vi ikke kan fullt ut stole på kildene bak modellen, så er menneskelig erfaring det eneste som er igjen å stole på.

Som Tony Robbins en gang sa: “Hvis du vil være suksessfull, finn noen som har oppnådd resultater du ønsker og kopier hva de gjør, og du vil oppnå samme resultater.” En person som har faktisk gjort det de underviser om, har gått gjennom år med arbeid, betalt for feilene sine og bygget sin kunnskap med virkelige konsekvenser — det er den typen kilde som holder.

Uten kontekst mangler detaljene

En annen vane som hjelper når du lærer med AI er å motstå fristelsen til å hoppe rett til ditt spesifikke spørsmål. De fleste mennesker, når de vil vite noe, skriver det eksakte smale spørsmålet inn i en chatbot og tar svaret på face value. Problemet er at de mangler hele bakgrunnen som svaret sitter i. En spesifikk del informasjon løsrevet fra konteksten er svært lett å misforstå.

Jeg er en historie-nørd, så la meg gi et historie-eksempel. Gettysburg-talen er en kort tale Lincoln holdt i 1863, på stedet for en av de blodigste slagene i den amerikanske borgerkrigen. Tenk at du må skrive en essay om det. Du ber AI om en analyse og får en ren gjennomgang av ordene, strukturen og de retoriske enhetene.

Men kan du virkelig skrive den essayen uten å vite noe om borgerkrigen selv? Kanskje ikke. Du ville ikke forstå hvorfor dette slaget var viktig, eller hvorfor en tale holdt på denne bakken bar så mye vekt. Du ville ikke fange at krigen hadde skiftet fra å bevare unionen til å avskaffe slaveriet, og at talen var Lincolns måte å redefinere hva landet kjempet for. Du ville ikke se den politiske spenningen bak nesten hver linje, fordi for deg ville linjene bare være fine fraser om en trist hendelse.

Uten konteksten av borgerkrigen, lyder talen som en kort gravtale. Med den er du å lese et vendepunkt i hvordan en nasjon forstod seg selv. Og det er den typen nyanser AI bare vil gi deg hvis du allerede vet nok til å spørre om det.

Samme prinsippet gjelder for nesten alt du kan bruke AI til. Start bredt. Få det generelle bildet. Så dykk ned i detaljene. De vil bety noe en gang de har en kontekst å lande i.

Bunnlinjen: AI er et verktøy, og verktøy trenger hender

Hvert større teknologisk sprang i menneskehetens historie utløste samme panikk. Kalkulatorer ville gjøre oss glemme matematikk. Internettet ville gjøre oss glemme hvordan å tenke. Søkemotorer ville drepe minnet vårt. Og likevel er vi her, fortsatt regner, fortsatt tenker, fortsatt husker, bare med bedre verktøy til hånden.

AI er den neste i den rekken, og kanskje den kraftigste vi noen gang har bygget. Det kan skrive, summerere, analysere, utarbeide, oversette, kode og gjøre alt dette raskere enn noen av oss. Men det ønsker ikke noe. Det kan ikke bry seg om utfallet. Det kan ikke leve med konsekvensene av å være feil. Disse delene av arbeidet tilhører fortsatt oss, og de er delene som definerer om arbeidet er noen god til slutt.

Menneskene som trives i neste tiår vil være de som holder seg nysgjerrige, de som holder å stille bedre spørsmål, og de som bruker AI til å lære raskere og tenke dyptere, i stedet for å bruke det til å hoppe over tenkningen helt. De vil være de som bringer noe til bordet som ingen modell kan gjenta: dom, kontekst og villighet til å eie en beslutning. Så nei, AI vil ikke erstatte deg eller gjøre deg arbeidsløs. Men versjonen av deg som stoppet å tenke, kan.