I flera av mina tidigare inlägg har jag argumenterat för att GenAI kanske får oss att ställa fel frågor om utbildning. I stället för att fråga vad teknologin kan göra har jag föreslagit att vi bör fråga vad studenten ska göra, vilket tänkande som behöver utföras och vilka delar av lärprocessen som faktiskt leder till förståelse.
Men efter att ha läst en nyligen publicerad artikel av Linus Brunnström och Lisa Palmqvist [1] tror jag att det finns ytterligare en fråga som behöver beaktas.
I tidigare inlägg har jag bland annat argumenterat för att snabb feedback inte automatiskt leder till lärande och att tillgång till svar inte är samma sak som förståelse. Det räcker inte längre att prata om GenAI-literacy som om det bara handlar om att använda GenAI. Utan man måste även se på interaktionen. Det handlar om att kunna styra, evaluera och verkligen lära sig något av interaktionen. Detta kan ses som AI-interaction literacy. En djupare kunskap om hur man interagerar med GenAI på ett aktivt sätt. Problemet är inte att hjälp saknas. Problemet är att hjälpen ofta måste bearbetas innan den blir användbar.[1]
Det handlar alltså inte bara om vad GenAI ger studenten.
Utan också om vad studenten måste ge till GenAI:n.
Det kanske låter märkligt. Hela idén med ett verktyg är ju att det ska hjälpa oss. Ändå kretsar en stor del av artikeln [1] kring en oväntad observation. När författarna försökte använda GenAI som stöd för lärande upptäckte de att det krävdes ett betydande arbete för att göra hjälpen användbar. GenAI:n svarade gärna, snabbt och utförligt, men svaren behövde ständigt justeras, förenklas, avgränsas och omformuleras innan de blev pedagogiskt användbara som stöd för lärandet.
Vi behöver kanske se på GenAI ur ytterligare ett perspektiv.
Vi har blivit så vana vid att beskriva digital teknik som något som minskar friktion att vi nästan har tagit det för givet. Sökmotorer gjorde det enklare att hitta information. GPS gjorde det enklare att hitta rätt. Strömningstjänster gjorde det enklare att finna och konsumera musik och film.
AI placeras ofta i samma kategori.
Den ska göra saker enklare.
Men vad händer om det inte är det som händer?
Från informationsbrist till informationsöverflöd
Universiteten har länge levt med ett grundläggande problem: studenter vet för lite.
Därför har vi byggt upp undervisningen kring att ge tillgång till kunskap, förklaringar, återkoppling och experter.
Men om man läser artikeln [1] noggrant framträder en annan bild. Problemet tycks inte längre vara att det saknas svar. Problemet är snarare att det finns för många svar, för många perspektiv och för många möjliga vägar framåt.
Det är en ganska intressant förändring.
Under större delen av universitetens historia har studentens arbete bestått i att söka efter kunskap och information. Nu kanske arbetet i allt högre grad består i att hantera kunskap.
Skillnaden kan verka subtil, men jag tror inte att den är det. Att hitta information är en sak. Att avgöra vilken information som är användbar är något helt annat.
Den mänskliga handledarens dolda kompetens
Kanske blir detta tydligast om man jämför GenAI med en skicklig lärare. När vi talar om undervisning fokuserar vi ofta på ämneskunskap. Men de mest minnesvärda lärarna var inte minnesvärda därför att de kunde mest. De var minnesvärda därför att de lyckades säga precis lagom mycket.
De visste när studenten behövde ytterligare en förklaring. Men de visste också när studenten inte behövde fem ytterligare begrepp, tre historiska utvecklingar och två konkurrerande teoribildningar. De visste när nästa steg var tillräckligt.
Det är kanske en av anledningarna till att AI ibland kan kännas märkligt överpedagogisk och underpedagogisk på samma gång. Den har nästan obegränsad kunskap. Men den har betydligt svårare att avgöra vilken del av kunskapen som är mest hjälpsam i det aktuella ögonblicket.
I artikeln [1] är detta påtagligt. Författarna behövde upprepade gånger säga att svaren var för omfattande eller för komplexa innan AI:n började närma sig något som liknade det en erfaren stödjande handledare hade producerat.
Ett nytt arbete uppstår
Det är här resonemanget blir intressant.
I ett tidigare inlägg skrev jag om feedback literacy och argumenterade för att värdet av återkoppling inte ligger i att få den utan i att kunna använda den.
Något liknande ser vi här. GenAI gör inte nödvändigtvis att behovet av arbete försvinner. Den flyttar arbetet. Studenten behöver fortfarande vara aktiv, men aktiviteten ser annorlunda ut.
I stället för att leta efter information behöver studenten:
- Avgöra vad som är relevant
- Identifiera vad som fortfarande är oklart
- Be om alternativa förklaringar
- Begränsa omfattningen i svaren
- Styra samtalet vidare så att GenAI:n förstår vad du vill ha
Det är med andra ord ett arbete som handlar mindre om informationsinhämtning och mer om orkestrering. Studenten blir inte bara mottagare av kunskap. Studenten blir projektledare för sitt eget lärande.
Kanske är det just här som den pedagogiska betydelsen av GenAI blir som tydligast. Vi har byggt en teknologi vars främsta löfte är att minska arbetet, men i utbildning verkar den samtidigt skapa en ny typ av arbete.
Kanske har vi underskattat problemet
Det får mig också att fundera på en annan sak.
Vi talar ofta om GenAI som ett verktyg som kan jämna ut skillnader mellan studenter eftersom alla får tillgång till samma resurser. Men tänk om förmågan att använda resurserna är ojämnt fördelad? Vissa studenter intuitivt vet hur man styr ett samtal, upptäcker missförstånd och successivt förfinar sina frågor medan andra inte gör det. Då är det kanske inte tillgången till GenAI som blir den avgörande faktorn.
Då blir det förmågan att hantera GenAI. Det är också nära det som Linus Brunnström och Lisa Palmqvist beskriver som AI-interaction literacy [1].
Det intressanta är att denna kompetens till stor del verkar sammanfalla med sådant som universitet redan försöker utveckla: självständighet, kritiskt tänkande, metakognition och förmågan att identifiera vad man inte förstår.
Ironiskt nog kan det alltså vara så att de studenter som redan är relativt skickliga på att lära sig också är de som får störst nytta av AI som läranderesurs.
Slutord
Även om diskussionen på ytan verkar handla om artificiell intelligens, så ligger något djupare bakom.
Det handlar om relationen mellan hjälp och lärande.
Vi brukar intuitivt anta att mer hjälp alltid är bättre. Men utbildning har aldrig fungerat riktigt så. För mycket hjälp kan göra studenten passiv. För lite hjälp kan göra studenten uppgiven. Det verkligt svåra har alltid varit att hitta balansen däremellan.
Kanske är det därför GenAI är så intressant ur ett pedagogiskt perspektiv. Inte därför att den eliminerar arbetet. Utan därför att den synliggör vilken typ av arbete fortfarande måste göras av människan.
Om de senaste årens GenAI-debatt har handlat om hur enkelt det blivit att få svar, kanske nästa fas kommer att handla om hur man gör svaren användbara. Och kanske visar det sig då att den verkligt begränsade resursen inte är information, beräkningskraft eller tillgång till GenAI. Utan människans förmåga att skapa mening av allt detta. Teknologi kommer, men ofta ändras inte människors natur och hur de reagerar.
- Brunnström, L., & Palmqvist, L. (2026). AI-interaction literacy: reflections on how generative AI might be used to support self-regulated learning in higher education. Assessment & Evaluation in Higher Education, 1–12. https://doi.org/10.1080/02602938.2026.2731261




