Kommentar: Skal AI være med til at uddanne fremtidens professionelle?

Det er sjældent, at gymnasiesektoren går forrest i en uddannelsespolitisk diskussion. Men det gør Danske Gymnasier faktisk med deres nye AI-udspil. Her erkender man, at kunstig intelligens ikke er et midlertidigt problem, der kan løses med mere overvågning eller strengere kontrol. AI er blevet en del af uddannelsens vilkår, hvorfor undervisning og prøveformer må tænkes grundlæggende anderledes. Det er en vigtig erkendelse, som nu bør følges op på professionshøjskoler og universiteter.

For debatten om AI i uddannelse har alt for længe været fanget mellem to lige utilstrækkelige positioner. Den ene handler om snyd: Hvordan forhindrer vi studerende i at bruge gpt-modeller til at skrive deres opgaver? Den anden handler om effektivisering: Hvordan kan AI gøre undervisning hurtigere, billigere og mere “personlig”? Begge perspektiver overser det centrale spørgsmål: Hvad er uddannelse egentlig til for? Hvis videregående uddannelser alene handler om at producere korrekte svar, så er AI et passende bidrag og kan naturligvis overtage stadig mere af arbejdet. Men hvis uddannelse også handler om at udvikle dømmekraft, ansvarlighed og faglig identitet, er sagen en helt anden.

Forestil dig to studerende, der skal analysere Søren Kierkegaards Kjerlighedens Gjerninger i en opgave, der handler om menneskesyn. Den første beder AI skrive analysen og afleverer et let redigeret svar få minutter senere. Den anden bruger AI anderledes: som en sparringspartner, der stiller spørgsmål, udfordrer argumenter og kræver tekstnære begrundelser. Begge består måske eksamen, men kun én af dem har faktisk været igennem den læringsproces, hvor faglighed bliver til noget, man bærer selv, og som kan bruges i en professionel sammenhæng som skolelærer, psykolog, sundhedsprofessionel, ingeniører eller noget helt femte. Det er her, AI-debatten for alvor bliver relevant.

For professionsuddannelser og universiteter uddanner ikke blot mennesker med kompetencer. De uddanner mennesker, som senere skal kunne handle under usikkerhed og tage ansvar i situationer, hvor der ikke findes facitlister. Sygeplejersken på akutmodtagelsen, læreren i klasselokalet, psykologen i klinikken, ingeniøren, der må løse et problem, der ikke står beskrevet i lærebøgerne, eller forskeren, der skal vurdere, hvornår data faktisk siger noget vigtigt - og hvornår de ikke gør. Den form for professionel dømmekraft opstår ikke ved at modtage færdige svar. Den opstår gennem den langsomme og ofte frustrerende proces, hvor man selv må kæmpe med stoffet, fejle, revurdere og prøve igen. AI udfordrer netop denne proces.

For teknologien er designet til at reducere friktion. Den svarer hurtigt, selvsikkert og psykofantisk. Den er optimeret til brugerens tilfredshed, ikke til brugerens slidsomme dannelsesprocesser. Derfor risikerer AI i uddannelse at blive det perfekte system til at forfægte læring uden nødvendigvis at skabe den. Problemet opstår ikke, når studerende bruger AI, men når uddannelsessystemet reducerer læring til produktion af output, som AI allerede er blevet “dygtig” til at generere. Det er derfor utilstrækkeligt blot at diskutere regler for brug af AI. Vi må diskutere prøveformer, undervisningsformer og hele vores forståelse af uddannelsens formål.

Mange af de eksisterende eksamensformer stammer fra en tid, hvor det centrale spørgsmål var, om den studerende kunne reproducere viden individuelt. Men når enhver studerende nu har adgang til avancerede sprogmodeller, bliver det stadig mindre meningsfuldt at teste evnen til at fremstille polerede standardbesvarelser hjemmefra. Til gengæld bliver det mere vigtigt at undersøge, om den studerende faktisk kan tænke, vurdere, improvisere og begrunde faglige beslutninger i konkrete situationer. Det peger mod prøveformer med mere mundtlighed, procesarbejde, iterative forløb, praksisnære cases og refleksion over brugen af AI. Ikke fordi alt skal være analogt eller “AI-frit”, men fordi vurderingen må flyttes fra produkter og resultater hen til den faglige proces og dømmekraft, der ligger bag dem.

Samtidig kræver det et opgør med en alt for snæver kompetencetænkning i uddannelsespolitikken. I årtier har uddannelser været organiseret omkring målbare læringsudbytter og såkaldte fremtidskompetencer: 21st Century Skills, som det kaldes i EU-lingo. Men spørgsmålet er ikke blot, hvilke kompetencer studerende skal have, men i lige så høj grad hvordan de udvikler ansvarlighed i brugen af dem.

Fremtidens professionelle skal ikke kun være teknologisk opkvalificerede. De skal dannes til at kunne vurdere, hvornår teknologi bør bruges, hvordan den påvirker relationer og praksisser, og hvilke menneskelige hensyn, der risikerer at forsvinde i optimeringens navn. Det gælder også forskningen. Universiteternes rolle er ikke alene at producere innovation hurtigere ved hjælp af AI, de skal også uddanne forskere, der kan stille kritiske spørgsmål til de teknologier og datasystemer, som former samfundet.

Her er Danske Gymnasiers udspil interessant, fordi det antyder et skifte væk fra ren kontrol og hen imod en mere grundlæggende pædagogisk nytænkning. Men hvis gymnasierne flytter sig, mens universiteter og professionshøjskoler fortsætter som hidtil, opstår et misforhold. De videregående uddannelser vil da forsøge at bevare eksamensformer og undervisningspraksisser, der allerede er under opløsning. Det er ikke holdbart.

Vi har brug for et uddannelsessystem, der tager AI alvorligt uden at hæmme eller omgå menneskelige læreprocesser. Og vi har brug for undervisere, der ikke blot fungerer som kontrollører af AI-brug, men som skaber læringssituationer, hvor studerende stadig skal tænke selv. Den gode underviser giver ikke nødvendigvis svarene hurtigt. Hun problematiserer common sense og stiller sig ikke tilfreds med automatsvar. Hun insisterer på refleksion, argumentation og dvæler i den faglig usikkerhed for at skabe ny og bedre viden. Ikke fordi modstand er et mål i sig selv, men fordi reel læring kræver aktiv deltagelse.

Det er dog ikke alt, der er i vejen med AI. Den kan også bruges til at stimulere læreprocesser. Teknologien kan konfigureres til at udfordre, spørge tilbage og fastholde den studerende i tænkningen frem for at overtage den. Men det kræver undervisningsmiljøer og prøveformer, der understøtter denne brug - og ikke blot hurtig produktion af afleveringer. Det afgørende spørgsmål er derfor ikke, om AI skal ind i de videregående uddannelser. Det er allerede tilfældet. Spørgsmålet er, hvilken slags professionelle og forskere vi ønsker at sende ud i samfundet. Vil vi uddanne mennesker, der er dygtige til at få systemer til at producere svar? Eller mennesker, der kan tage ansvar, når svarene ikke synes tilstrækkelige?