Vigtige konklusioner
- AI i uddannelse bevæger sig ud over chatbots. Skoler bør forberede sig på AI-drevne arbejdsgange, der understøtter undervisning, evaluering og administration – ikke kun brug af enkeltstående chatbots.
- Fokuset skal skifte fra AI-output til studerendes tænkning. Efterhånden som AI bliver mere kapabel, er skolerne nødt til at gentænke undervisning, evaluering og klasseværelsespraksis for at sikre, at teknologi understøtter læring i stedet for at erstatte den.
- Succes med AI afhænger af strategi, governance og mennesker. De skoler, der er bedst placeret i 2026/27, vil kombinere klar AI-styring med målrettet personaleudvikling, gennemtænkt værktøjsvalg og en kultur præget af sikker eksperimentering.
Der var et tidspunkt, for ikke så længe siden, hvor en skole med rimelighed kunne sige, at den stadig tænkte på kunstig intelligens.
Et ledelsesteam kunne danne en arbejdsgruppe. Nogen kunne skrive en politik. Et par entusiastiske lærere kunne eksperimentere med en AI-chatbot. Alle andre kunne vente og se, hvor det her fører hen.
Den stilling vil ikke overleve det kommende skoleår.
I løbet af det seneste år har jeg brugt meget tid med lærere, skoleledere, teknologiledere og personer med ansvar for AI-strategi på tværs af skoler og skoledistrikter i forskellige dele af verden. Det, der interesserer mig mest, er sjældent den polerede historie. Det er, hvad der sker, når konferencepræsentationen er slut. Hvad virkede, da eleverne brugte værktøjet? Hvad sparede virkelig lærerne tid? Hvad lød genialt i teorien, men som faldt fra hinanden i et klasseværelse?
Disse spørgsmål ligger i centrum for Undervisernes AI-guide 2027, en ny bog redigeret af Heather Brown og mig, med bidrag fra hundredvis af undervisere og skoleledere, der allerede arbejder med dette arbejde. Bogen, som jeg er glad for at få støttet af Lightspeed Systems, viser, hvad der sker, når disse spørgsmål når rigtige klasseværelser, ledelsesteams og elever.
Spørgsmålet for det kommende skoleår er ikke længere, om skolerne skal engagere sig i kunstig intelligens.
Elever og lærere gør det allerede. Det vigtigere spørgsmål er, om skolerne vil gribe det bevidst an, eller om de vil fortsætte med at træffe beslutninger ét problem ad gangen.
1. Chatbot-æraen er allerede ved at blive gammel
For mange skoler betyder AI stadig at åbne en chatbot, skrive en prompt og vente på, at noget nyttigt dukker op. Skriv en lektionsplan til mig. Lav ti quizspørgsmål.
Det var den første bølge. Det er ikke der, teknologien er på vej hen.
AI bevæger sig mod forbundne arbejdsgange, hvor én handling fører til en anden. Et system kan hjælpe med at udvikle en lektion, oprette og differentiere ressourcerne, opbygge vurderingen og derefter analysere det resulterende arbejde.
Dave Hinrichs og Christie Cloud skriver om denne overgang i deres kapitel, AI er kommet videre. Har undervisere? Som de udtrykker det: "Skiftet går ikke blot fra ét værktøj til det næste. Det går fra isolerede opgaver til sammenhængende arbejde." Det interessante spørgsmål handler i mindre grad om, hvorvidt en lærer kan skrive en smart prompt, og mere om, hvorvidt de kan bruge AI intelligent på tværs af den pågældende arbejdskæde.
Dette skaber et øjeblikkeligt problem for ledere. På den samme skole har du måske én lærer, der knap nok har rørt et AI-system, og en anden, der stille og roligt bygger sine egne værktøjer. En to-timers session, der viser alle tyve nyttige prompts, virker stadig mere utilstrækkelig.
Skolerne skal forstå, hvor deres medarbejdere rent faktisk er, og derefter hjælpe hver enkelt person med at tage et fornuftigt skridt fremad. Det giver ingen mening at lade som om, at alle har brug for den samme træning.
2. Vi bliver nødt til at tale seriøst om at tænke
Dette er for mig det største problem i klasseværelset.
AI gør det utrolig nemt at producere ting. Det er nyttigt for voksne. Det bliver mere kompliceret, når den person, der bruger det, skal lære at producere disse ting selv. En studerende kan generere et essay uden at kæmpe med argumentet eller løse et problem uden at forstå metoden. De kan producere noget, der bemærkelsesværdigt ligner læring, uden nødvendigvis at skulle lære ret meget overhovedet.
I sit kapitel, ACTIVE AI-rammeværket, Daren White beskriver dette som det punkt, "hvor læringshandlingen erstattes af færdiggørelseshandlingen." Det er risikoen i en sætning. Et færdigt produkt kan se stærkere ud, mens læringen under det er blevet svagere.
Faren er, at skolerne reagerer ved at dreje hele samtalen til en diskussion om snyd. Jeg synes, det ville være en fejltagelse. Detektionsværktøjer vil ikke løse dette. Generelle forbud vil heller ikke løse det. Det mere nyttige spørgsmål er, hvornår AI kommer ind i læringsprocessen.
Forestil dig to elever, der forbereder sig til en debat. Den første beder AI om at udvikle argumenter og beviser, før emnet udforskes. Den anden udvikler sin egen holdning og tester deres ræsonnement, før de bruger AI til at udfordre den. Begge elever har brugt AI. Men kognitivt har de gjort fuldstændig forskellige ting. Den anden elev ejer stadig tankegangen.
Samantha Armstrong gør denne sondring særligt godt i sit kapitel, AI i det rodede Midt. Hun skriver: "Hvis AI kommer ind, før eleverne får en del af arbejdet, bliver det en genvej. Hvis den kommer ind bagefter, bliver den et værktøj."“
Nogle gange bør AI slet ikke bruges. Nogle gange kan det være nyttigt til brainstorming eller omfattende udforskning. Det, der betyder noget, er, at alle forstår, hvilken situation de er i, og hvorfor. Studerende har også brug for en bedre mental model af disse systemer. De er ikke digitale professorer, der venter på at afsløre sandheden. De genererer svar ud fra mønstre i data og kan lyde fuldstændig selvsikre, selvom de tager fejl.
Der er også et problem med lighed. En studerende med stærk viden kan bruge kunstig intelligens til at udvide sin læring. En studerende uden dette fundament kan bruge det samme værktøj for at undgå at udvikle det.
Armstrong kommer med en vigtig advarsel: "Hvis vi giver dem et værktøj, der udfører det kognitive arbejde, lukker vi ikke et hul. Vi udvider det."“
3. Evalueringen har nået et punkt, hvor noget skal ændres
Her er en nyttig øvelse til starten af semesteret. Tag en af dine eksisterende evalueringer. Giv den til en AI-model, som eleverne har rimelig adgang til. Se, hvad der sker. Hvis systemet kan producere et næsten perfekt svar på få sekunder, har du lært noget vigtigt om evalueringen.
Larisa Black giver skolerne en beundringsværdigt direkte test i sit kapitel, Skiftende vurderinger i en AI Forbedret verden: “"Hvis AI opnår 100%, så skal denne vurdering sandsynligvis ændres." Det betyder ikke, at faget er forældet. Det betyder ikke, at eleverne skal holde op med at skrive essays. Det betyder, at det endelige produkt ikke længere kan være det eneste bevis, vi er interesserede i. I årevis har skoler talt om at værdsætte læringsprocessen. AI kan endelig tvinge os til at mene det.
Black argumenterer for, at det er her, porteføljer kan blive langt mere nyttige. I stedet for blot at gemme færdige arbejdsopgaver, "bliver porteføljen en registrering af tanker, ikke bare en registrering af svar."“
Dette kræver ikke, at alle skoler skal redesigne evalueringen fra bunden. Start i det små. Indsaml planen såvel som essayet. Bed om et tidligere afsnit eller en kort refleksion. Hav en to minutters samtale om arbejdet. Disse tilføjelser gør det meget sværere at adskille produktet fra den tankegang, der frembragte det.
Der er en mærkelig ironi her. Kunstig intelligens skaber vurderingsproblemet, men den kan også bidrage til at gøre vurderinger bedre overkommelige ved at organisere noter, strukturere dokumentation og afdække mønstre, som en lærer kan gennemgå.
Den vigtige grænse er tydelig, og Osman Aliefendioğlu indfanger den elegant i sit kapitel, Fra 21 timer til 90 minutter: “"AI'en foreslår. Læreren bestemmer."”
4. AI-styring er ved at blive meget mere seriøs.
Der var en fase, hvor skolens AI-politik grundlæggende kunne sige: "Indtast ikke personlige data i ChatGPT." Den fase er overstået. Spørgsmålene om styring mangedobles.
Hvilke oplysninger deles? Kan en lærer kræve, at eleverne bruger et produkt? Kan forældre fravælge det? Hvem godkender et nyt værktøj? Hvem har adgang til elevsamtaler? Hvordan rapporteres usikre svar?
Den stærkeste tilgang, jeg er stødt på, er en repræsentativ AI-gruppe. Den bør omfatte lærere, ledere, personer med ansvar for databeskyttelse og databeskyttelse samt skeptikere. Man vil have folk i rummet, der stiller akavede spørgsmål.
Chad Sussex og Sandy Groom Meeks lærte dette, mens de oprettede deres distrikts AI-taskforce. I deres afdeling, Winterset AI-taskforcen, skriver de: "Selvom det kan være fristende at fylde et udvalg med tidlige brugere, er teammedlemmer, der spiller 'djævelens advokat', uvurderlige."“
Skoler har også brug for en ordentlig proces til godkendelse af værktøjer. Uddannelsesmæssig værdi, brugervenlighed og omkostninger er vigtige. Men hvis et produkt ikke kan forklare, hvad der sker med elevdata, burde det betyde endnu mere.
Så er der den nye kompleksitet af AI-ledsagere, der er designet til at simulere samtaler, venskaber og sommetider følelsesmæssig tilknytning. Børn kan bruge dem derhjemme længe før en lærer ved, at platformen eksisterer. Sikkerhedsforanstaltningerne for samtaler med forældre skal også udvikles.
5. Lærere er ved at blive softwarebyggere
Der sker to modstridende ting inden for uddannelsesteknologi i øjeblikket.
Det første er udmattende. Der er alt for mange værktøjer, som alle hævder at revolutionere planlægning, evaluering eller administration. Ingen lærer kan meningsfuldt evaluere dem alle, og de bør ikke forsøge.
Darren Begley skriver åbent om dette i sit kapitel, At håndtere følelsen af at drukne i Nye værktøjer. Efter at have forsøgt at følge med en voksende liste over AI-produkter, indså han: "Jeg havde byttet én liste over opgaver, der spiste min værdifulde tid, ud med en anden. Jeg var tilbage forfra." En af de klogeste beslutninger en skole kan træffe i år kan være at beslutte, hvad den ikke vil bruge. Vælg et lille antal gode værktøjer, træn folk ordentligt, og gå dybere. At jagte hver udgivelse skaber en anden form for arbejdsbyrde forklædt som innovation.
Men der sker noget andet på præcis samme tid. Lærere kan i stigende grad bygge ting selv.
Indtil for nylig, hvis en lærer ønskede software til et specifikt klasseværelsesproblem, var svaret at købe det, der fandtes, spørge teknologiteamet eller glemme alt om det. Det er ved at ændre sig. Sethi De Clercq udforsker dette skift i Demokratisering af specialbyggede værktøjer. Med hans ord: "Softwareudvikling er blevet en konversationssprog, og det foretrukne kodesprog skifter mod engelsk."“
En lærer kan beskrive et problem og i stigende grad skabe et fungerende værktøj uden at være en traditionel programmør. Det kan være et feedbacksystem, et revisionsværktøj eller en lille applikation til noget, som skolens eksisterende system håndterer dårligt.
Skoler behøver ikke at forblive passive forbrugere. Lærere kan blive skabere. Men ledere har brug for trygge forhold for at det kan ske. Man ønsker ikke, at personalet bygger værktøjer med følsomme data uden tilsyn, eller at styringen er så restriktiv, at enhver idé dør, før den kan testes. Giv personalet trygge steder at eksperimentere og dele, hvad der virker. Folk har brug for eksempler, praksis og kolleger, så de kan stille dumme spørgsmål uden at føle sig dumme. Det er mindre glamourøst end at annoncere et enormt transformationsprogram. Det er også langt mere sandsynligt, at det virker.
Dette er året, hvor skolerne skal blive bevidste
Meget af det, der er sket i løbet af de sidste par år, var eksperimenter. Skolerne prøvede ting. Nogle virkede, andre gjorde ikke. Lærerne udforskede. Ledere skrev forsigtige politikker. Vi lærte.
De skoler, der navigerer succesfuldt i det kommende år, vil vide, hvorfor de bruger kunstig intelligens. De vil have klare grænser omkring data og beskyttelse. De vil forstå, hvornår kunstig intelligens styrker læring, og hvornår den svækker den. De vil gentænke evaluering og give personalet plads til gradvist at opbygge ekspertise.
De vil også acceptere, at nogle beslutninger vil være forkerte. Teknologien vil fortsætte med at ændre sig, efter at beslutningen er truffet.
Der vil ikke være et perfekt øjeblik, hvor nogen endelig giver uddannelse den definitive AI-håndbog. Vi bliver nødt til at bygge den, mens teknologien udvikler sig.
Så start et sted. Se ærligt på, hvor din skole er i dag. Vælg ét problem, der er værd at løse. Indfør fornuftige sikkerhedsforanstaltninger omkring det. Prøv noget. Tal med de mennesker, der er berørt af det.
Ændr det, der ikke virker. Bevæg dig derefter igen.
Skoler behøver ikke perfekt sikkerhed om kunstig intelligens. De har brug for selvtilliden til at træffe gennemtænkte beslutninger uden at vente på, at sikkerheden indtræffer.
Klar til at opbygge din AI-strategi?
Det næste akademiske år vil kræve mere end AI-politikker – det vil kræve klar styring, informeret beslutningstagning og den rette teknologi til at understøtte undervisning, læring og beskyttelse.
Uanset om du gennemgår implementeringen af AI, styrker datastyring eller sikrer, at nye værktøjer stemmer overens med din sikkerhedsstrategi, kan Lightspeed Systems hjælpe dig med at komme videre med tillid.
Tal med vores team at undersøge, hvordan Lightspeed støtter skoler i at udvikle sikre og effektive AI-strategier.