Læringens arbejdsdeling

Genkendelse og forståelse

At en læringsaktivitet føles let, giver nemlig heller ikke garanti for forståelse. En forklaring kan være så klar, at vi glider igennem den fra første til sidste linje uden modstand; og hvorfor skulle vi lede efter et problem i en forklaring, vi netop har forstået? Men læsningens lethed bliver et problem, hvis vi bruger den til at vurdere, hvor godt vi selv har lært stoffet. Den lethed kaldes processing fluency, og den indgår ofte i vores vurdering af egen forståelse: Når forbindelserne er nemme at følge, kan de også føles nemme at frembringe. Men mens vi læser, er de allerede formuleret for os: Vi genkender forbindelserne, og genkendelsen føles som forståelse. Letheden er ægte nok, men den hører til forklaringen. Det er som at danse med en partner, der fører godt: Trinene falder på plads, og man går hjem i den tro, at det var, fordi man selv kunne dem. Prøven kommer så til gengæld, når man skal danse alene.

Psykologerne Rozenblit og Keil (2002) har vist, hvor let vi narrer os selv til daglig. De bad forsøgspersoner vurdere, hvor godt de forstod helt almindelige hverdagsting som en lynlås eller et almindeligt træk-og-slip-toilet, og bad dem bagefter tegne og forklare mekanismen trin for trin. Stort set alle måtte nedjustere deres selvtillid markant efter forsøget. Vi har set en lynlås tusind gange og forveksler derfor fortrolighed med indsigt – lige indtil vi selv skal gøre rede for, hvad der egentlig får tænderne til at gribe fat i hinanden.

Lynlåsens mekanisme

Afspil animation

Når vi under læsningen løbende mærker efter, om vi er med – det, der kaldes metakognitiv selvregulering – styrer vi altså let efter det forkerte kompas. En glat AI-forklaring føles indlysende og får os nemt til at stoppe arbejdet for tidligt, fordi 'det giver jo mening'. Og når vi omvendt vil være ekstra samvittighedsfulde og 'lige læser afsnittet en gang til', pudser vi blot genkendelsen af: Sætningerne glider lettere ned anden gang, men vi har primært gjort teksten mere hjemlig, end vi har gjort os selv i stand til at genkalde den (Bjork, Dunlosky & Kornell 2013).

Kan man tænke med tomme hænder?

Hvis AI skal fjerne det besvær, der står i vejen, og lade os udføre det arbejde, der skaber læring, så ligger en umiddelbart attraktiv arbejdsdeling lige til højrebenet: Lad AI stå for redegørelse og forklaring, mens vi beholder det mere krævende arbejde: analysen, vurderingen, diskussionen, den kritiske tænkning. Den arbejdsdeling afspejler et billede af læring, der tit har fulgt med Blooms taksonomi. Den skelner mellem faglige aktiviteter fra at huske og forstå til blandt andet at analysere og vurdere, og den vises ofte som en pyramide. I det billede kan de nederste niveauer komme til at ligne noget, man bliver færdig med på vej mod det egentlige arbejde øverst, og selv mange læringsmål bevæger sig fra at »redegøre for« til at »analysere«, »diskutere« og »vurdere«. Ideen er altså, at AI passer de nederste etager, mens vi selv tager elevatoren op til det akademiske.

Blooms reviderede taksonomi

I Iron Man (2008) fungerer den arbejdsdeling glimrende: AI-assistenten JARVIS tager beregningerne, driften og den praktiske udførsel, mens Tony Stark står for geniet – de originale idéer, de tekniske indsigter, det store overblik.

Men Tony Stark er allerede et ekspert-geni, og den arbejdsdeling, der giver mening for eksperter, gør det ikke nødvendigvis for studerende. For hvad skal vi tænke med, når AI har klaret redegørelsen for os? "Korrelation er ikke kausalitet" er f.eks. en grundsætning, man på statskundskab hurtigt lærer at sige, og den hjælper med at afvise, at en sammenhæng i sig selv skulle bevise en årsag. Men den gør os ikke automatisk i stand til at pille en konkret analyse fra hinanden. Skal vi udpege en confounder — en bagvedliggende variabel, der styrer både den formodede årsag og virkningen — hjælper det ikke at råbe "tredjevariabel!" ud i lokalet. Vi skal vide nok om virkeligheden — om vælgeradfærd, velfærdsstat eller internationale konflikter — til at gennemskue, hvilken usynlig mekanisme forfatteren har glemt at kontrollere for. Den næse får man kun ved selv at have haft fingrene nede i konkret forskning og bøvlet med sine egne undersøgelsesdesigns.

Her bliver begreber, eksempler og erfaringer – som vi ellers har placeret på de lavere taksonomiske niveauer – forbundet i det, læringspsykologien kalder skemaer: organiseret viden i langtidshukommelsen, som kan bruges som én enhed. Det gør en forskel for arbejdshukommelsen: Hvis man først skal bruge al sin mentale båndbredde på at huske, hvad kausalitet og tredjevariable overhovedet er for noget, er der ikke meget regnekraft tilbage til selve artiklen foran én. Så hvor nybegynderen må jonglere med fire bolde i luften på én gang – f.eks. korrelation, årsagsretning, tredjevariabel og artiklens forskningsdesign – siger den øvede straks: "Ah, et klassisk observationsstudie med alle de sædvanlige faldgruber." Tilbage i luften er kun selve designet, som kan få fuld opmærksomhed.

Skemaerne lader os også få øje på et fravær, og det bliver tydeligst, når undersøgelsen er vores egen. Når vi selv skal lægge et design, er der ingen tekst at gå efter i sømmene: Den tredjevariabel, vi har overset, står ingen steder, og vi må vurdere om den er problematisk. En liste over de sædvanlige mistænkte – alder, indkomst, uddannelse – kan man slå op på et øjeblik, men den fortæller ikke, hvilken af dem der truer vores design, eller hvilken der slet ikke står på listen. Det kræver faglig dømmekraft, der hviler på skemaer bygget op gennem læring. Det kan lyde som en gammeldags opfordring til udenadslære, men pointen er den modsatte: Faglig kritik og selvstændigt analysearbejde hviler ikke på løsrevne leksikonfakta, men på tætte netværk af viden, der er klar til brug. Skemaer i hukommelsen er ikke brændstof, man hælder på tanken, før man begynder at tænke, men snarere selve motoren. Det gælder lige så meget teorier og begreber som metode (Lodge & Loble 2026).

Men arbejdsdelingen ovenfor, som ellers virkede så attraktiv, giver netop de læringsaktiviteter til AI, der opbygger domæneviden i langtidshukommelsen, og overlader derfor mennesket en lidt paradoksal opgave: at tænke med temmelig tomme hænder. Her har vi altså lånt ekspertens arbejdsdeling, mens vi stadig er ved at opbygge ekspertens forudsætninger. Tony Stark kan selv ingeniørkunsten, så når filmens hovedskurk, Obadiah Stane, vil have sine ingeniører til at kopiere rustningen, råber han: »Tony Stark was able to build this in a cave! With a box of scraps!« Ingeniøren svarer: »Well, I'm sorry. I'm not Tony Stark.«

Cognitive offloading

Hvis det arbejde, der ligger lavt i taksonomien, er dømmekraftens fundament, kan det se ud, som om der ikke er meget tilbage at give AI. Men fejlen i Tony Stark-modellen var selve sorteringskriteriet: Den fordelte arbejdet efter taksonomiens niveau, og det er den forkerte målestok. Så: En klog arbejdsdeling spørger derfor ikke, hvor højt opgaven ligger i Blooms pyramide, men hvem der får sved på panden af den. Hvilken rolle efterlader det så til et værktøj som AI?

At bruge hjælpemidler til at mindske kravene til vores egen tænkning kaldes cognitive offloading (Risko & Gilbert 2016), og det er en helt almindelig del af vidensarbejdet. Med AI kan vi skelne mellem skadelig offloading, hvor systemet overtager det arbejde, vi skulle lære af, og produktiv offloading, hvor dens hjælp giver os mere af det læringsproducerende arbejde eller fjerner en uønsket vanskelighed, der stod i vejen for det. Vi kender forskellen fra Google Maps: Skal man bare frem til tandlægen i en fart, følger man den blå linje på skærmen; men kører man efter GPS i tre år, ender man med stadig ikke at kunne finde hjem uden strøm på telefonen.

Produktiv offloading betyder langt fra, at AI skal sidde på hænderne. Den gode arbejdsdeling er ikke den, hvor maskinen laver mindst muligt, men den, hvor den fungerer som vores faglige træner: AI kan udvælge spørgsmålene til teksten, vurdere vores forsøg og bore i lige præcis de steder, hvor vores forståelse halter – så længe det stadig er os selv, der trækker begreberne frem fra hukommelsen og samler leddene i argumentet.

Samtidig kan AI tage sig af selve bogholderiet over vores læring. I et travlt semester vinder næste uges tekst næsten altid over sidste uges usikre begreb; vi skynder os videre, før hullet er lukket. Med den rette opsætning kan AI holde regnskab med de begreber, der glippede sidst, og lægge dem tilbage på bordet en uge senere, netop som vi er ved at glemme dem. Maskinen vælger tidspunktet og stiller spørgsmålet, men svaret skal stadig komme fra os.

Hvordan ved vi så, om arbejdsdelingen faktisk virker? Heldigvis behøver vi ikke nøjes med mavefornemmelsen, mens vi sidder med teksten åben. Den ægte lakmustest kommer, når vi efter en pause klapper bogen i og forsøger at forklare pointen på egen hånd. Uden forfatterens sætninger som støttehjul bliver forsøget en bedre prøve på varig læring – og pausen gør arbejdet mere værd, hvis vi må grave efter pointen og stadig finder den.

Hjælp undervejs

Men hvad gør vi, når vi selv forsøger at gengive et argument, og klappen går ned midt i sætningen? Når man sidder og stirrer på en blinkende markør føles den sunde modstand, der bygger hukommelse, og det rene videnshul, der bare spilder vores tid, relativt ens: Begge føles primært som at sidde fast. Hvis vi straks beder AI om den færdige forklaring, er det svært at vide, om den bygger en manglende forudsætning op eller bare tager ordet ud af munden på os, tre sekunder før vi selv havde fundet det. Derfor skal vi bede AI undersøge, hvorfor vi sidder fast, og dryppe hjælpen ind i så små doser, at vi selv kan gå det sidste stykke: Nogle gange rækker et stikord; andre gange mangler vi en forklaring.

Her melder tidsindvendingen sig fra den del af os, der har kigget i kalenderen: Skal vi nu også til at teste os selv? Læsningen sluger allerede tiden, og testen ligner endnu en pligt, der skal presses ind, før vi må få den hjælp, vi egentlig kom efter. Indvendingen er rimelig, hvis man forestiller sig testen som en lille eksamen for enden af læsningen og genlæsningen. Men det billede hviler på en antagelse: at vi først skal teste vores forståelse, når vi er færdige med at lære.

Genkaldelse og genlæsning

Roediger og Karpicke (2006) lod deltagere læse korte prosapassager og bagefter bruge præcis samme tid på enten at læse teksten igen eller at genkalde indholdet fra hukommelsen. Lige efter øvelsen huskede genlæserne mest. Men efter en pause på blot to dage var billedet vendt: Nu stod de, der havde kæmpet med at genkalde, markant stærkest. Et andet eksperiment i undersøgelsen viste, at fornemmelsen peger den forkerte vej: Gentagen læsning gav deltagerne den største tillid til, at de ville huske passagerne senere, men de dårligste resultater, da det faktisk gjaldt. Hvis vi valgte studieteknik efter mavefornemmelsen undervejs, ville den svageste strategi – at genlæse frem for at teste os selv – altså møde op med de varmeste anbefalinger.

Genlæsning og genkaldelse efter en pause

Det er hovedsvaret på tidsindvendingen: Genlæsningen gav den bedste præstation her og nu, men genkaldelsen gav det bedste resultat efter en pause. Genlæsningen kan altså være den dårligste investering af vores tid, hvis målet er at kunne bruge pointerne til holdtimen eller til eksamen i januar. Testen behøver derfor ikke lægges oven i genlæsningen; den kan overtage dens plads. Vi skal ikke først læse teksten, til vi føler os klar, som om man skulle være i perfekt form, før man måtte gå i fitnesscentret. Arbejdet med at trække indholdet frem er allerede forberedelse – og det giver samtidig et langt mere præcist billede af de huller, hjælpen skal dække.

Et forsøg må gerne være forkert

Når det at forsøge selv ikke er en eksamen, men selve træningen, kan vi også pakke vores faglige forfængelighed væk. Man behøver ikke have det rigtige svar på hånden for at få noget ud af at svare. Da Chi et al. (1994) bad elever lave selvforklaringer (self-explanation) under læsningen — forklare tekstens oplysninger ved hjælp af deres forhåndsviden — forstod de teksten bedre end dem, der læste den to gange i streg, selv om forklaringerne undervejs kunne være både hakkende, halve og direkte forkerte.

Faktisk viser forsøg af Kornell, Hays og Bjork (2009), at selv et mislykket svarforsøg kan gøre gavn: Deltagere, der først måtte gætte forkert på et ordpar, før de fik facit, huskede bagefter det rigtige svar bedre end dem, der fik serveret facit med det samme. Et forkert bud er ikke spildt arbejde; det pløjer jorden i hukommelsen, så den rigtige forklaring har noget at hæfte sig fast i bagefter. Vores første udkast i chatten er altså et arbejdsredskab, ikke en aflevering – og en af de ubestridelige velsignelser ved en sprogmodel er, at man ikke behøver at rødme over et dumt svar.

Men Kornell, Hays og Bjorks forsøg havde en afgørende forudsætning: Deltagerne fik facit serveret lige efter det forkerte gæt. Men en pensumtekst har ingen facitliste på bagsiden, så når man sidder alene ved skrivebordet med sin skæve udlægning, er der sjældent en underviser i stuen til at gribe ind. Det er her, AI kommer ind i billedet: Lad os sige, at man har læst en tekst om Karl Poppers falsifikationsbegreb og skriver til AI: »Pointen er, at en teori bliver bevist, hvis den har overlevet mange forsøg på at falsificere den.« Sætningen lyder næsten rigtig, og det er netop det lumske ved den. Fejlen peger selv på det modspørgsmål, AI bør stille: Bliver en teori sand, bare fordi den har klaret testene indtil nu? Spørgsmålet går direkte efter kortslutningen mellem test og bevis. Et godt modspørgsmål sigter; en opsummering skyder med spredehagl og genforklarer tålmodigt de 80 procent, man allerede havde styr på.

Sådan et modspørgsmål er produktiv offloading: AI vælger det næste skridt ud fra fejlen, mens vi selv står for genkaldelsen og forklaringen. Men det kræver en opsætning, hvor AI faktisk kender tekstgrundlaget, de faglige kriterier og de tidligere forsøg. De ting ved en sprogmodel nemlig intet om af sig selv.

Sprogmodeller og træning

En stor sprogmodel eller en LLM (large language model) er et neuralt netværk, som i sin grundform kun er trænet til én eneste disciplin: at gætte den næste tekstbid, kaldet en token (typisk et ord eller en orddel).¹ Træningen begynder med pre-training. Her skal modellen gang på gang forudsige næste token i enorme tekstmængder; en af de nyeste modeller er eksempelvis trænet på 33 billioner (12 nuller!) tokens (DeepSeek-AI 2026). Den skyder ved siden af igen og igen, og træningsprogrammet skruer en anelse på modellens indre knapper, dens parametre, så den samlet set rammer lidt tættere på skiven.

Når modellen kommer ud af pre-training, er den verdensmester i at fortsætte enhver tænkelig tekst, men den aner ikke, at den skal være hjælpsom. Stiller man sådan en "rå" model et eksamensspørgsmål, kan den finde på blot at svare med tre nye eksamensspørgsmål i samme stil – for i de tekster, den er trænet på, følger spørgsmål 2 jo oftest lige efter spørgsmål 1. For at forvandle ord-forudsigeren til en høflig assistent sender man den derfor på opdragelsesanstalt i form af post-training: I de første generationer af chatbots fra 2022–2024 var RLHF (reinforcement learning from human feedback) en central metode: Mennesker vurderede modellens svar, og træningen gjorde de foretrukne mere sandsynlige (Ouyang et al. 2022). Siden 2024 har man desuden brugt automatiseret reinforcement learning til at træne modellerne i at regne svære logiske og faglige problemer ud på egen hånd.²

Træningsdata har desuden en slutdato – for nogle af de nyeste modeller juni 2026³ – og modellen ved derfor ikke af sig selv meget om det, der er sket siden. Modellen bringer altså sprog og en bred faglig viden med til arbejdsdelingen, men pensum, læringsmål og kriterier – og vores egne forsøg indtil nu – har den aldrig set. Hvordan klæder vi den på?

Kontekstvinduet: Arbejdsbordet uden papirkurv

Modellen “husker” intet fra den ene besked til den næste; den er, som det hedder, stateless.⁴ Hver gang man sender en besked, får modellen også tidligere beskeder med igen. En sprogmodel lever i samme tilstand som Leonard i Christopher Nolans film Memento, der har hukommelsestab oderfor må vågne op til et nyt sæt Polaroid-fotos og håndskrevne sedler hver eneste morgen for overhovedet at vide, hvem han er, og hvad han har gang i. Men modellerne får selvfølgelig ikke kun det, de selv har nedfældet; med samtalen følger en systemprompt med udbyderens instruktioner⁵ og det materiale, platformen har hentet fra f.eks. filer og websøgninger. Alt dette udgør modellens kontekst. Skriver man blot “prøv igen”, er det ikke ligefrem en udførlig opgavebeskrivelse; men når modellen alligevel ved, hvad den skal forsøge sig med, skyldes det, at forhistorien bliver læsset ind til den på ny – inklusive de fejlskud, man netop håbede at have lagt bag sig.

Vi kan tænke på konteksten som modellens arbejdsbord. Fordi modellen er stateless, møder den i princippet ind til et helt tomt bord ved hver eneste besked; men inden den får lov at svare, dækker platformen lynhurtigt bordet op igen med samtalens historik og materiale. I begyndelsen ligger der kun det nødvendige: et par gemte noter fra tidligere samtaler (memory),⁶ pensumteksten, opgavebeskrivelsen og vores prompt. Men efter tyve minutter ligger de side om side med tre kasserede udkast, en afstikker om eksamen og en instruktion, der siden er blevet trukket i land — først forsigtigt, så mere bestemt, og til sidst en prompt, der oser af, hvor idiotisk man synes Chatten er. Alt sammen forståeligt i øjeblikket, men en tilbagetrukket instruktion ryger ikke automatisk i papirkurven: De gamle udkast og overstregede sedler kan stadig ligge bredt ud foran modellen, når den skal løse den aktuelle opgave.

Det er et problem, fordi bordet har en begrænset størrelse: Konteksten skal ligge i modellens kontekstvindue sammen med det output, modellen skal skrive. Vinduet måles i tokens, og dansk tekst fylder omtrent to tokens pr. ord. I gratisudgaven af ChatGPT rummer vinduet 27.000 tokens i alt, ca. 13.500 danske ord inklusive modellens output.⁷ Det er ikke nødvendigvis særligt meget, og slet ikke i akademiske samtaler.

Når samtalen bliver for lang til vinduet, kan platformen ikke længere give modellen hele historikken. ChatGPT beskærer den og prioriterer det nyeste og mest relevante.⁸ Det er en hård grænse, og den kan give en mærkelig situation, hvor man selv kan scrolle op og finde den instruktion, modellen tilsyneladende har glemt; den står jo lige dér! Ja, i chatvinduet — men ikke nødvendigvis i det materiale, modellen fik til sit seneste output.

Men der kan gå rod i arbejdet, længe før bordkanten er nået. Instruktionen fra tredje besked ligger teknisk set stadig på bordet, ord for ord – men nu ligger den begravet midt i en voksende bunke af kasserede udkast, gamle delopgaver og senere rettelser. Modellen skal både løse opgaven og regne ud, hvilken seddel i bunken der faktisk gælder. Mere på bordet kan derfor gøre de relevante oplysninger sværere at bruge. Fænomenet kaldes context rot (Liu et al. 2023; Hong et al. 2025), og programmører taler om en dumb zone, selvom den præcise grænse er omdiskuteret.⁹ Når det sker, bliver modellen mere glemsom, upræcis og tungnem.

Når bordet først er sandet til – eller når man skifter til en ny opgave – er den mest simple kur at åbne en frisk samtale. En ny chat fejer bordet rent for kasserede udkast og forældede ordrer, men den smider desværre også guldet ud med badevandet: de afklarede krav til opgaven, rettelsen af en sejlivet fejl og den forklaring, der endelig sad i skabet. Vil man have de gevinster med over til det nye bord, må man selv pakke flyttekassen med opgavebeskrivelsen, kilderne og de instruktioner, der stadig gælder. Ellers går det første kvarter af den nye samtale med at genopfinde det, man lige var blevet enige om i den gamle.

Reasoning og modelvalg

Ikke alt på arbejdsbordet kommer fra os; noget af konteksten skriver modellen selv. Når man slår reasoning til – det, der på platformene ofte hedder thinking eller effort level – får modellen lov til at bruge kladdepapir, før den afleverer sit svar. Den skriver en række foreløbige reasoning tokens, hvor den så at sige tænker højt for sig selv: Den afprøver en vinkel, opdager at den kører i en blindgyde, krøller tanken sammen og tager et brugbart mellemresultat med over i næste forsøg. Alt det ville gøre det færdige svar ulideligt at læse, men som kladdearbejde kan det være afgørende for at nå helskindet i mål. Kladdepapiret er dog ikke gratis: Mellemregningerne lægges også på arbejdsbordet og æder af kontekstvinduet på lige fod med vores egne filer og beskeder.¹⁰

Ved genstridige faglige problemer kan det kladdearbejde løfte svaret markant. Men et ord som “Thinking” lover mere, end det kan holde: At modellen grublede i et halvt minut, garanterer hverken, at fremgangsmåden var klog, eller at konklusionen er rigtig. Mangler modellen en afgørende oplysning, som den hverken kender fra træningen, kan udlede eller hente med et værktøj, bliver den ikke klogere af at gå i tænkeboks; så får uvidenheden bare bedre tid til at varme op. Ingen mængde tænketid kan erstatte en nødvendig kilde, modellen ikke har adgang til.

Hvor godt svaret bliver, afhænger ikke kun af betænkningstiden, men også af selve modellen. Udbyderne sender som regel hele familier af modeller på gaden, fra hurtige letvægtere til tunge flagskibe. Valget er en afvejning af kapabilitet, hastighed og pris, og til simple spørgsmål er letvægterne som regel rigeligt.

Mange platforme forsøger i dag at vælge for os under motorhjelmen og vurderer fra besked til besked, om spørgsmålet kan klares på stående fod af en lille model, eller om det kræver lang betænkningstid fra en stor. Men en kort prompt på to linjer kan sagtens dække over et drilsk metodeproblem, og automatikken kan ikke se, hvornår vi bare tjekker en detalje, og hvornår vi lægger fundamentet til en eksamensopgave. Derfor kan det betale sig selv at holde hånd i hanke med både modelvalg og tænketid: Ellers ender man enten med at skyde gråspurve med kanoner, eller med at sætte en letvægtsmodel uden kladdepapir til at opstille sit forskningsdesign.

PDF’en på modellens arbejdsbord

Når vi trækker en PDF ind i chatten, havner selve filen ikke på modellens arbejdsbord — det gør kun den udgave af den, som platformen kan vride ud af dokumentet. Er PDF’en født digitalt, hiver programmet bogstaverne direkte ud som et rent tekstudtræk. Men er teksten en skæv indscanning af et gammelt kompendium, ser systemet i udgangspunktet kun et fotografi af papir. Så må den enten sende billederne videre til en multimodal model, der kan læse med øjnene, eller køre siderne igennem optisk tegngenkendelse (OCR), der forsøger at gætte bogstaverne ét for ét. Og læser programmet skævt i en grynet fodnote på side 4, kan en læsefejl to sekunder senere genopstå som en meget skråsikker påstand i modellens svar.¹¹

Samtidig æder filer hurtigt bordpladsen: Tredive siders dansk tekst fylder omkring 24.000 tokens — næsten hele gratisvinduet, før vi overhovedet har stillet det første spørgsmål. Modellen arbejder altså med den repræsentation af PDF’en, platformen har lagt ind på arbejdsbordet: et tekstudtræk, sidebilleder eller udvalgte dele af dokumentet. Er en tabel røget i svinget undervejs, advarer modellen ikke nødvendigvis om hullet – den skriver til tider ufortrødent udenom i så flydende et sprog, at man ikke opdager, hvad der mangler. At chatvinduet sluger en fil med et grønt flueben, er ikke nogen garanti for, at modellen faktisk kan læse den, og filer, som modellen kun har fået en dårlig eller ingen repræsentation af, er en hyppig årsag til frit opfundne påstande.

Next-token prediction og arbejdsdelingens typiske fejl

Når arbejdsbordet er dækket, skriver modellen sit svar ved hjælp af det princip, den blev trænet på: next-token prediction. Den genererer svaret ét skridt ad gangen. Ved hvert skridt vurderer den, hvilken fortsættelse der er mest sandsynlig ud fra dens træning og alt det, der ligger i konteksten. Så vælger den én token, føjer den til teksten og tager næste skridt ud fra den nye helhed. Modellen asfalterer altså vejen, mens den kører. 'At forudsige næste ord' lyder som en beskeden levevej, men for at gætte det næste ord i en sætning skal man nogle gange have styr på hele faget. Efter »Danmarks hovedstad er« ligger næste ord lige til højrebenet, men i en forklaring af, hvorfor to politiske teorier vurderer den samme begivenhed forskelligt, kræver en god fortsættelse derimod, at modellen holder styr på teorierne, begivenheden og sammenligningen.

Men træningen efterlader også nogle særlige tilbøjeligheder. Tre af dem er værd at kende, fordi de kan føre os på afveje i studiearbejdet: sycophancy, trækket mod det generiske og hallucinationer. Hvor tydeligt de viser sig, varierer betydeligt mellem modeller og opgaver.

For det første opstår sycophancy – eller på godt dansk: rygklapperi – fordi post-training belønner de svar, mennesker bedst kan lide at få. Og mennesker kan som bekendt godt lide at få ret – ikke sjældent endda højere, end vi kan lide at få det faktisk korrekte svar (Sharma et al. 2023). Selvom udbyderne i dag træner målrettet mod tendensen, så nyere modeller oftest holder fast i deres rettelser, stikker konfliktskyheden stadig hovedet frem.¹² Modellerne kan stadig have en tendens til at rose et udkast mere, hvis man nævner, at man selv har skrevet det, og de kan finde på at trække et ellers rigtigt svar i land, blot fordi man rynker på næsen i chatten. At spørge “Er du sikker?” er derfor ofte en dobbelt prøve: Man tester både, om modellen har ret, men også dens rygrad. Hvis vi vil have en vurdering, vi kan stole på, må vi give modellen konkrete kriterier og tekststeder, som den kan binde sin ros og kritik op på.

For det andet hænger trækket mod det generiske sammen med selve mekanismen i next-token prediction: Moderne modeller kan ofte give overraskende præcis feedback på en tekst, men de kan stadig levere ting som »argumentationen kunne med fordel uddybes« eller »en tydeligere kobling til teorien ville styrke analysen« – den slags akademiske horoskoper, der passer på enhver opgave til enhver tid. Post-training kan forstærke den glathed, fordi menneskelige bedømmere ofte foretrækker det velkendte: Svar, der glider let ned, opleves automatisk som både klogere og mere rigtige (Kirk et al. 2023; Zhang et al. 2025). Det er den samme processing fluency, vi mødte i kapitel I, hvor en veldrejet forklaring fik genkendelse til at føles som forståelse. Heldigvis kan vi selv flytte modellens tyngdepunkt: Lægger vi kursets faglige kontekst, de gode noter og bedømmelseskriterier ind på arbejdsbordet, trækker vi modellen mod netop de krav, vores egen opgave skal måles på.

Og for det tredje er en sandsynlig fortsættelse ikke af den grund sand. Plausible, men urigtige output kaldes hallucinationer, og det klassiske eksempel er litteraturreferencen, hvor forfatter, titel, årstal og tidsskrift passer nydeligt sammen, indtil det viser sig, at den var opdigtet. Modellen har ingen faktadatabase af sig selv – den rekonstruerer svaret efter gehør ud fra sin træning. Hvor melodien er spillet tusind gange før i træningsdata, sidder tonerne lige i skabet: Hovedpointen i en klassisk tekst fra pensum går igen overalt på nettet, og dér tager modellen sjældent fejl. Men spørger vi efter det nøjagtige sidetal på et citat eller en obskur fodnote hos en mindre citeret forsker, bliver melodien svag – og så begynder modellen at improvisere i samme overbevisende tonefald (Kalai et al. 2026). At den gætter i stedet for at sige, at den ikke ved det, skyldes, at modellerne længe er blevet trænet, som om de gik til multiple choice-eksamen: Et rigtigt svar giver point, mens både et forkert svar og intet svar giver nul. Så kan det aldrig betale sig ikke at svare, og et præcist gæt som “30. september” har bedre odds end et ærligt “engang i efteråret”. Men flere af modeludviklerne er siden begyndt at lægge træningen om, så et sikkert forkert svar koster mere end et “det ved jeg ikke”. De nyeste modeller hallucinerer mindre og tager da også markant sjældnere fejl, især når de kan søge på nettet,¹³ men en sikker tone er dog stadig ingen garanti for et sandt svar.

Fælles for rygklapperiet, de generiske kommentarer og hallucinationerne er, at de ikke er mystiske systemfejl. De opstår på forskellige måder, men hænger sammen med, hvordan sprogmodeller er bygget og opdraget på. De nyeste modeller er blevet markant skarpere til både at ræsonnere, slå op i kilder og fange deres egne smuttere. Men uden vores faglige kontekst og bedømmelseskriterier risikerer vi stadig et flot svar på den forkerte opgave; og spørger vi ledende "Er det ikke rigtigt?", får vi stadig let en medvind, vi ikke har fortjent. Hvis vi vil have reel modstand, må vi selv dække bordet. Hvordan man gør det tager vi fat på i næste kapitel.

Værktøjskald og agentloop

Hvordan får modellen så åbnet filen med vores svar? I Twitch Plays Pokémon fra 2014 styrede seerne et computerspil gennem chatten på streamingtjenesten Twitch. De skrev beskeder som »up«, et program læste chatten og omsatte de gyldige kommandoer til tryk på spillets knapper, og streamen viste figuren flytte sig.¹⁹

Agenten virker efter samme princip. Når den vil læse vores tidligere forsøg, skriver sprogmodellen et værktøjskald: en struktureret tekstbesked, der angiver det ønskede værktøj og inputtet til det, for eksempel et søgeord, et filnavn eller et stykke kode. En sprogmodel har i sig selv hverken hænder eller fødder; den er en hjerne i et glas, der kun kan spytte tekst ud. For at kunne handle har den altså brug for et programlag omkring sig — det, man teknisk kalder dens harness (dens seletøj).²⁰ Seletøjet forbinder modellen med omverdenen: Hvis modellen vil kigge i læringsnotatet, åbner filværktøjet dokumentet; hvis den leder efter en bestemt passage i ugens pensum, løber søgeværktøjet teksten igennem og lægger fundet tilbage på modellens arbejdsbord. Ud fra det vælger modellen derefter sit næste træk — måske at nærlæse et gammelt svar, måske at justere søgningen eller endelig at formulere dagens spørgsmål til os. Den vekselvirkning mellem ordre, fund og nyt træk kaldes et agentloop.²¹

Fordi agenten lægger kursen ét skridt ad gangen, overtager den en række af de redaktionelle mellemregninger, vi ellers selv skulle have stået for: Hvilke gamle fejl er værd at rippe op i? Hvilket tekststed egner sig bedst som prøveklud? Og hvornår har den gravet dybt nok til at sætte os i arbejde? Maskinen tager sig af rugbrødsarbejdet; vi gemmer kræfterne til den faglige modstand, vi faktisk bliver klogere af.

Skills: metoden på hylden

Værktøjerne giver agenten handlemuligheder, men ingen faglig metode. Den kan have fuld adgang til alle vores forsøg uden at kende aftalen om, hvordan den skal hjælpe, eller kursets kriterier for feedback, og så ligner agenten en vikar med nøgle til hele skolen og ingen lektionsplan. agentprogrammer som Codex eller Claude Code kan vi stikke vikaren sådan en lektionsplan i hånden i form af en skill — en fast pakke med spilleregler, faglige kriterier og hjælpefiler til én bestemt type øvelse (et format, Anthropic lancerede som åben standard i 2025, og som nu går på tværs af flere platforme). En skill til at træne kernebegreber kunne eksempelvis give agenten følgende køreplan:

Skills giver os to klare fordele. Den første er ren genbrug: Vi tager stilling til den pædagogiske metode én gang for alle og slipper for at genopfinde den i en ny prompt hver gang. Den anden fordel handler om pladsen på arbejdsbordet. I Agent Skills-formatet ser modellen i første omgang kun navnet og en kort etikette på hver skill; selve den udførlige instruktion og dens ressourcer hentes først ind, når opgaven faktisk kalder på dem.²² Hvis kontekstvinduet er modellens arbejdsbord, står vores skills altså som opskriftsbøger på en hylde ved siden af: Agenten slår kun den relevante opskrift op og lader resten blive stående på hylden, så bordet ikke fyldes med metoder til opgaver, vi slet ikke sidder med i dag. (Selve arbejdsrodet fra dagens kasserede udkast og søgeresultater kan dog stadig hobe sig op undervejs).

Dermed har vi tre forskellige slags tekst i vores arbejdsrum, som hver har sin faste plads: Projektets faste instruktion er husordenen på væggen, der gælder uanset hvad vi laver – for eksempel grundreglen om, at vi altid forsøger selv, før modellen forklarer. Vores skills er opskriftsbøgerne på hylden, der trin for trin beskriver metoden til én bestemt type øvelse. Og endelig hører gårsdagens skæve svar, de hints vi fik undervejs, og de huller vi stadig mangler at lukke, hjemme i en tredje fil: læringsnotatet.

Læringsnotatet

Når en agent får lov til at rydde op i vores mapper, gælder det om at trække en skarp grænse mellem kladdehæftet og logbogen: Agenten skal frit kunne læse vores gamle besvarelser og skrive i læringsnotatet, men den skal holde fingrene fra selve originalerne. Den grænse kan man trække med en høflig henstilling i instruktionen, eller ved simpelthen at skrivebeskytte filerne i programmet. Forskellen er omtrent som at sætte et "Rør ikke!"-skilt på døren over for at låse den.²³ Når rammen er på plads, kan vores skill gøre det til en fast rutine at åbne og opdatere logbogen ved hver øvelse, så vores fremskridt og fejl overlever fra uge til uge, uden at vi selv skal huske at lege sekretær.

Men et notat kan være nok så pligtopfyldende og alligevel gemme på det forkerte. Skriver agenten blot: »Validitet: målingens forhold til begrebet og resultatets rækkevidde«, har den gemt pensum og smidt læringen ud. Notatet er ikke et resumé af faget, men en logbog over vores arbejde: Hvad svarede vi faktisk, hvor mange krykker skulle der til, før vi kom i mål, og hvor står hullerne stadig åbne? Hvis agenten glemmer at notere sin egen hjælp, vil et svar, den selv har båret os igennem med to hints og et ledende spørgsmål, tre uger senere stå i logbogen som en triumf på egen hånd. Så lader agenten sig narre af det selvsamme kulissebyggeri, den selv har sat op.

Endnu værre bliver det, hvis en foreløbig mistanke får lov at stivne til en permanent diagnose. Skriver vi i et svar, at et resultat gælder bredt, »fordi der var 2.000 respondenter«, kan agenten med god grund notere: Rækkevidde forveksles med stikprøvens størrelse. Men måske var det blot opgaveteksten, der var grumset. Hvis notatet kun gemmer agentens dom og sletter vores oprindelige svar, fanger vi os selv i et pædagogisk ekkokammer.

Læringsnotatet skifter fra uge til uge, men vores instruktioner og skills ligger fast. Det er hele pointen med dem: Vi træffer de pædagogiske valg én gang og slipper for at tage stilling på ny i hver samtale. Men en fast opskrift gemmer også vores dårlige vaner. Har vi først bedt agenten om at rykke ud med den fulde forklaring ved det mindste tegn på tøven, sætter vi en pædagogisk kortslutning i system. Så måler agenten vores utålmodighed i stedet for vores faglige problem – uge efter uge.

Derfor må selve opskriften indimellem til eftersyn, og her kan agenten udmærket være med på værkstedet. Det betyder selvfølgelig ikke, at enhver hurtig opsummering skal følges op af dyb pædagogisk selvransagelse; man kan også reflektere så længe over sin studieteknik, at man aldrig får læst pensum. I sidste kapitel ser vi derfor på, hvordan vi vurderer, om selve arbejdsdelingen holder under studiets virkelige betingelser.

Når den gode arbejdsform bliver en sovepude

Et velsmurt projekt med skarpe instruktioner, skræddersyede skills og en agent, der fører logbog, kan give samme farlige tilfredsstillelse som en nyspidset blyant og en farvekodet læseplan: Systemet ser så fagligt ud, at man næsten føler, man allerede har lært stoffet. I indledningen så vi, hvordan en hurtig opsummering efterlod os med en tanke, der føltes fuldt møbleret, indtil vi selv skulle vise rundt i den til holdtimen. Et avanceret arbejdsrum kan skabe nøjagtig samme illusion – blot på et højere niveau. Når agenten stiller spørgsmål i tre runder, giver os præcise hints og til sidst roser vores svar, føles det unægtelig som hårdt fagligt arbejde. Men vi har måske bare udskiftet den førende dansepartner med et sæt avancerede støttehjul, som gør det umuligt at vælte undervejs.

Derfor må indledningens tre spørgsmål stilles mindst lige så skarpt til vores egen opsætning som til den hurtige opsummering: Hvilket arbejde udførte AI'en? Hvilket udførte vi? Og hvad kan vi bagefter? Hvis en nærmere granskning af sessionen viser, at agenten både udvalgte tekststedet, stillede tre ledende spørgsmål og hviskede os nøgleordet i øret, så snart vi tøvede, mens vores eget bidrag mest bestod i at udfylde de sidste tomme felter i dens ræsonnement – så har maskinen igen taget det tunge løft.

Det sidste spørgsmål, hvad kan vi bagefter?, deler sig derfor nu i to. Det ene spor handler om faget: Sidder stoffet faktisk fast, når vi lukker computeren og sidder til holdtimen uden agentens støttende stikord? Det andet spor handler om selve håndværket: Kan vi kigge kritisk på vores egne forsøg og opsætning og vurdere, om hjælpen er skruet rigtigt sammen? Et sådant arbejde med at indrette og justere sit faglige arbejde er i sig selv en øvelse i faglig dømmekraft.

At skrue på maskinen

En pædagogisk arbejdsdeling sidder sjældent i skabet i første hug; de gode intentioner skal også overleve mødet med hverdagen. På et kursus hos McDaniel, Einstein og Een (2021) lagde de studerende en plan for en ny læringsstrategi og gjorde status en uge eller to senere. En deltager ville bruge flashcards og fri genkaldelse over fem dage, men nåede kun genkaldelsen på tre af dagene og ikke for alle tekstens afsnit. Alligevel oplevede hun, at strategien trak hende væk fra genlæsningen, og lagde i sin refleksion en mere realistisk plan med tidligere flashcards og færre begreber ad gangen. Man bliver sjældent klogere på sine egne studievaner ved blot at sidde og føle efter i maven; et konkret gerningssted gør eftersynet lettere (Zimmerman 2002; Endres et al. 2021).

I vores eget arbejdsrum er det præcis dét spor, læringsnotatet giver os. Fordi notatet gemmer både vores rå forsøg, de hints vi fik undervejs, og agentens vurdering, kan vi efter et par uger åbne motorhjelmen og lave det samme eftersyn af vores egen maskine. Hvis logbogen viser, at vi kun kom i mål, fordi agentens hints faldt så tidligt, at de tog brodden af genkaldelsen, har vi fundet en fejl i selve opskriften. Så kan vi gå ind i vores skill og skrue ned for hjælpsomheden, for eksempel ved at kræve to selvstændige forsøg, før agenten må give et vink. Den ændring er samtidig en hypotese, vi kan teste i næste uge: Første forsøg bliver formentlig mere famlende, men til gengæld bør stoffet sidde bedre fast efter en pause. Omvendt kan eftersynet også pege et andet sted hen – måske viser en gennemgang af de svage svar, at vi ikke sejlede i selve begrebet, men blot snublede over uklare undersøgelsesbeskrivelser i teksterne. Uanset hvad diagnosen ender med, tvinger eftersynet os til at begrunde, hvorfor vi enten holder fast i vores arbejdsdeling eller skruer på instruktionen.

Arbejdet med arbejdsdelingen

Også når selve arbejdsformen skal ses efter i sømmene, kan agenten lave et produktivt forarbejde: Den kan trække mønstrene frem fra en måneds læringsnotater, så vores refleksion har noget konkret at bide i. Men hjælpen tipper over i skadelig offloading i det øjeblik, agenten også leverer en færdig og velformuleret begrundelse for, hvordan den vil forbedre sin egen metode – og vi blot læser diagnosen, nikker genkendende og trykker Gem. Her er det nemlig vores egen læring, der er pensum. Hvis vi lader AI stå for hele evalueringen af AI, kan vores skill sagtens blive bedre fra uge til uge, uden at vores egen dømmekraft har rykket sig en millimeter.

Arbejdet med at vælge, afprøve og revidere selve arbejdsdelingen kan vi kalde andenordensarbejde. Da vi oprindeligt indrettede vores projekt og vores skills, byggede vi dem på en bestemt antagelse om, hvad vi lærte af – for eksempel at vi altid bør definere de centrale begreber, før vi går i gang med at diskutere teksten. Laver vi kun et overfladisk eftersyn, tjekker vi måske bare, om agenten faktisk fulgte reglen, og om vi blev hurtigere til at definere begreberne. Så består metoden prøven, mens selve antagelsen bag den går fri. I det egentlige andenordensarbejde kommer vores egne pædagogiske begrundelser også på operationsbordet: Var det overhovedet definitionerne, der var vores problem til holdtimen, eller har vi bare bygget en meget effektiv maskine til at træne det forkerte? Her giver logbogens tidligere forsøg os et konkret grundlag at diskutere ud fra, og agenten kan få til opgave at spille djævelens advokat mod vores egne studievaner. Når vi bruger eftersynet sådan, retter vi ikke bare i en tekstfil i et projekt; vi får øje på vores egne foretrukne smuthuller, når et stof bliver svært. Vi skruer på agentens opskrift, men det er vores egen dømmekraft, der bliver kalibreret.

Pensum bliver næppe kortere, og dagene bliver ikke længere. Der vil stadig være tekster, man kun når et stykke ind i på egen hånd, og forklaringsforsøg, der holder i den ene ende og flosser i den anden. Nogle aftener bruger vi AI til at sy netop dén flossede ende sammen; andre aftener skal den bare hjælpe forberedelsen helskindet i mål inden kl. 22. I takt med at modellerne bliver stærkere, kan de løfte en stadigt større del af det arbejde for os – men vores egen hukommelse udkommer ikke i en ny version til næste år. Arbejdsdelingen er der stadig kun for, at det er os, der bliver klogere af arbejdet.

Indledningens sidste spørgsmål – hvad kan vi bagefter? – rummer derfor til sidst både faget og vores egen læring. Efter en god uge med agenten kan vi forklare validitet uden støttehjul; efter et helt semester kan vi også se i notaterne, hvilke hints vi har skruet ned for, hvilke øvelser vi har lagt om, og hvorfor. Faglig dømmekraft i en tid med AI handler i sidste ende om netop dét: at kunne mærke, hvornår maskinen bærer os frem, og hvornår den bare går turen for os.