Nyheter | Kunstig intelligens

Publisert 19. november 2026 kl. 11:47
Det er eksamenstid, og studenter over hele landet benker seg foran datamaskiner for å vise hva de har lært i løpet av høsten. Så skal de vente, mens underviserne går gjennom besvarelsene og setter karakterer. Hadde det ikke vært rasjonelt å bruke sensorveiledningene til å la kunstig intelligens sette karakteren umiddelbart, spare studentene for ventetiden og sensorene for en arbeidsoppgave som er rammet av feilkildene som ligger i menneskelig skjønn og mengdeslitasje? Mindre tid på sensur kunne gitt flere timer til undervisning og veiledning.
«Nei», sier utvalget som har utredet hvordan universiteter og høyskoler må tilpasses en virkelighet med KI og levert NOU-en «Kunstig intelligens i høyere utdanning – I kunnskapens tjeneste». Utvalget, som ble ledet av fysikkprofessor Anders Malthe-Sørenssen, la fram utredningen tidligere i november. Nå er den ute på høring.
I kapittelet om vurdering av eksamener skriver utvalget at det «allerede er fullt mulig å utvikle KI-systemer som i mange tilfeller gjennomfører sensur like godt som fagpersoner», og de ser muligheter for effektivisering, for eksempel ved å redusere behovet for to sensorer. Men likevel mener utvalget at KI ikke kan brukes til eksamenssensur, heller ikke som et verktøy som bistår sensorene. En av hovedinnvendingene fra utvalget er at det kan være vanskelig å etterprøve KI-systemets vurderinger.
Utvalget mener at det «ikke er faglig, etisk eller juridisk forsvarlig å åpne for KI-sensur, verken som automatisert sensur eller som beslutningsstøtte for sensor». KI har en rekke svakheter, og dessuten sier lovverket tydelig nei. Å bruke KI i sensur er så høyrisikabelt at KI-utvalget anbefaler universiteter og høyskoler å skrive inn et tydelig forbud i sensoravtalene, for å få bukt med skjult, ureglementert KI-bruk.
Ved Universitetet i Oslo møter Forskerforum Stefan Schauber og Gunnar Rye Bergersen som har forsket på KI, vurdering og tilbakemeldinger.
Schauber er førsteamanuensis ved Seksjon for helsevitenskapelig pedagogikk, Bergersen ved Institutt for informatikk. De ler når de hører om forbudet.
– Jeg tror det kommer fem år for sent. Hvis du snakker med undervisere og finner noen som aldri har brukt KI til å vurdere studentbesvarelser, så har du flaks. Det er veldig mange som sjekker med KI. Jeg tror det har større aksept enn man kanskje ønsker, sier Schauber.
Bergersen lurer på hvordan et sånt forbud skal håndteres.
– Skal noen regelmessig gå gjennom datamaskinen? Vi vet at folk bruker teknologi, selv om de ikke helt vet om de har lov, sier Bergersen.
Men det er særlig denne ureglementerte KI-assistansen utvalget advarer mot. Det er flere grunner til det. NOU-en viser til to forsøk der KI-systemet «presset sammen karakterene», ved å unngå både topp- og bunnkarakterer. I tillegg kan KI-en være dårlig til å vurdere de unike og kreative besvarelsene som samtidig er faglig sterke. Flere andre, kjente KI-utfordringer gjør seg også gjeldende: KI kan videreføre skjevheter fra utvalget den er trent på. Det kan være vanskelig å ettergå hvordan KI-en har fattet beslutningene, og det påvirker studentenes rettssikkerhet.
– Teknologien er kommet, og vi kan være med og påvirke hvordan vi skal gjøre dette på en god måte, heller enn å la de store selskapene gjøre det på sin måte. Det går an å gjøre det lettere tilgjengelig, understøtte det med empiriske studier og forskningsbaserte prinsipper for hvordan måling og tilbakemelding skal gjøres. Det er det jeg ønsker, sier Bergersen.
I NOU-en fra utvalget står det at studentene har rett til upartisk og faglig betryggende sensur. Det vil si at en KI-sensur bør være like god eller bedre enn en gjennomsnittlig sensor.
Utvalget skriver at en av fordelene med KI er at den kan gi mer konsistent og rettferdig karaktersetting ved å kalibrere på tvers av sensorer, og dette ønsker de at det skal forskes videre på. På lang sikt kan KI bli brukt til kvalitetssikring, slik at sensor setter karakteren og KI flagger avvik.
Dette er også midt i Schaubers interessefelt. Han har jobbet med hvordan eksamensdata kan brukes til å utligne forskjeller mellom sensorer.
– Det er en lavthengende frukt å bruke en KI-vurdering til å gi tilbakemelding til sensoren, sier han.
Små forskjeller spiller ikke så stor rolle, men hvis sensor og KI er uenige om en strykkarakter, burde det sjekkes en gang til. Det kan være et første steg for å få erfaring med KI-sensur, og forstå om det er KI-en eller sensor som trenger en justering.

Hittil har Schauber og Bergersen jobbet med KI i tillegg til menneskelige sensorer, og har gode erfaringer med det. Begge har positive erfaringer med å bruke KI til å rette eksamener med korte fritekstsvar. Et regelbasert retteprogram kan gi feil når svaret er rett, men feilstavet, mens KI som oftest vil forstå likevel, forklarer Bergersen. Schauber mener KI kan gjøre en god jobb med fritekstsvar opptil 500 ord, når det finnes en god sensorveiledning.
– KI klarer egentlig ganske bra å vurdere dette, akkurat som et menneske ville ha gjort. Den gjør noen ganger litt feil, men det gjør mennesker òg, sier Schauber.
KI kan også være medsensor. For eksempel kan eksamensbunken deles mellom flere menneskelige sensorer, som samarbeider med en felles maskinsensor. En slik KI-sensor som kan dekke alle eksamensoppgavene, kan bidra til å utligne ulikheter mellom ulike menneskelige sensorer. Schauber har jobbet mye med denne kalibreringen, og om ulikheter i sensorers vurdering handler om ulikt faglig skjønn eller uklare oppgaver og sensorveiledninger. Han er positiv til å bruke KI som medsensor.
– Vi på universitetene sitter hver for oss, jeg setter mine karakterer, han setter sine. Det er jo en ironi i det, når man har en teknologi som kan utjevne alt dette. Det har sine ulemper, men vi oppfører oss fremdeles som om vi vet alt, sier Schauber.
Flere har sett for seg et skrekkscenario der studentene lar KI skrive oppgavene, og underviserne lar KI vurdere oppgavene.
– Det skjer mye mer enn man ønsker å tro. Det er min magefølelse ut fra folk jeg snakker med, sier Schauber.
Dette går ikke bare ut over studentenes læring. Schauber forteller en historie fra sitt fagfelt, medisin, men som også kan gjelde andre som har identiteten knyttet til å være en dyktig fagperson.
– Det fins en liten studie fra onkologien, altså kreftbehandling. Før måtte legene regne ut når og hvor store doser medisin pasientene skulle få. De måtte bruke kunnskap og ferdigheter. Nå har de et KI-system. Først tenker de: ‘Oi, dette er jo flott. Før kunne jeg hjelpe én pasient, nå har jeg fem. Men jeg skjønner ikke lenger hvordan KI-beregningene fungerer, og siden jeg ikke kan sjekke, godtar jeg bare det den sier.’ Og så begynner de å tvile på om de egentlig fremdeles er lege: ‘Hvis den eneste funksjonen jeg har, er å godta det en KI sier, mister jeg identiteten i å være en god lege’.
KI-utvalget skriver at de trenger mer kunnskap om de ytre effektene av KI-sensur, for eksempel hvordan det påvirker student/underviser-relasjonen. Dette har Schauber også tenkt på, for studentene motiveres til å levere bedre fordi oppgavene rettes av et menneske, og denne sosiale motivasjonen forsvinner hvis de vet at det bare er KI som retter.
– Det er interessant, for hva er feil? Og baseline, hva sammenligner vi mot? Er det 0 prosent feil?, spør Bergersen tilbake.
Han har hentet ut data fra 51 000 eksamener på instituttet sitt. De fikk 2300 klager, og de aller fleste ble stående på samme karakter etter klagebehandling, men 27 prosent av dem som klaget, gikk enten opp eller ned i karakter. Det utgjør 1,22 prosent av alle karakterene som ble satt over fem år.
– Har ikke vi gjort feil når studenten klager og får endret karakter? Det er utgangspunktet, vi gjør feil i 1 prosent av sakene. Vi må ikke ha en illusjon om at vi mennesker aldri gjør feil. Alle får ikke perfekte karakterer. Men vi har systemer som korrigerer og fanger opp forskjellige typer feil. KI kan normalisere på tvers av individuelle preferanser, men den gjør andre feil enn mennesker. OK, KI er ikke ideell. Vi er ikke ideelle heller. Men hvorfor er ikke en KI, som har trent på all verdens informasjon, en verdig samtalepartner?, spør han.
Utvalget skriver at KI kan redusere behovet for medsensor, altså at sensuren utføres av ett menneske og én maskin. De har ikke regnet på hvor mye som kan spares på å spare inn én sensor, men de har regnet på en annen besparelse, nemlig begrunnelsene. De legger til grunn at et menneske bruker 20 minutter per begrunnelse, og har kommet til at universiteter og høyskoler samlet bruker 43-44 årsverk på å skrive begrunnelser, som kan spares inn hvis KI kan skrive alle begrunnelsene.
– Jeg bruker som utgangspunkt at den skal være like bra eller bedre enn et menneske, men den gjør det til en hundredel av prisen, og den gjør det umiddelbart. Og så kan man tenke på hvor viktig det er å få en veldig rask tilbakemelding versus å få en som tar to uker. Bare ved at du får den raskere, vil det for mange oppleves som bedre, sier Bergersen.
Begrunnelser skal gjøre studenten i stand til å vurdere om det er grunn til å klage på karakteren som ble satt. De skiller seg altså fra de formative tilbakemeldingene som studentene skal kunne lære noe av og bygge videre på.
I tillegg til å være raske og billige, mener KI-utvalget at det er en fordel at KI kan gi begrunnelser som er mer detaljerte enn menneskelige sensorer har tid til. Blant ulempene er at i åpne oppgaver kan KI svikte på relevans, og føre til redusert ansvarsfølelse hos sensor.
Den største ulempen er at KI ikke vet hva sensor la vekt på, da sensor satte karakteren, og det er grunnen til at dagens regler ikke tillater KI-begrunnelser. Begrunnelser skal være skrevet av den samme som satte karakteren. Fullstendig automatiserte KI-begrunnelser krever altså en lovendring.
– Vi vet at sensorer bruker mye tid på karakterbegrunnelser. Slik systemet er i dag, står sensorer i et dilemma mellom kvalitet og tidsbruk. Vi tror KI kan gjøre denne jobben raskere og bedre, sier Malthe-Sørenssen i en pressemelding.
Utvalget mener at KI-begrunnelser kan oppfylle de viktigste funksjonene til karakterbegrunnelser og gi en betydelig effektiviseringsgevinst, og lander derfor på en «betinget anbefaling», der betingelsen er at det trengs mer forskning, og at masteroppgaver, muntlig og praktiske eksamener unntas.
Utvalget argumenterer også for at det er bedre med helautomatiserte begrunnelser enn at sensor skal få hjelp av KI, fordi da er det helt transparent hva som er KI-bidrag og hva som er menneskelig.

– Det er mye jobb å lage begrunnelser, tenke gjennom, finne argumenter. Med KI-systemer får du en fin beskrivelse på to sekunder, sier Schauber.
Men han har en innvending:
– Den første leser man kanskje nøye. Nummer fem hundre tror jeg ikke blir så grundig lest.
Derfor mener han det kan være lurt å la KI skrive begrunnelsene som ikke betyr så mye, som når noen ber om begrunnelse for en A, men være grundigere der det har mye å si, som skillet mellom bestått og ikke bestått, eller mellom B og C for de som sikter mot en doktorgrad.
Bergersen ser verdien i at KI kan skrive mye mer detaljerte begrunnelser, og har jobbet mye med det.
– Det er en tostegsmodell: Først retting av hver enkelt oppgave, og KI skriver ned hva som er riktig, hva som er feil og hva som kan forbedres. I steg nummer to tar du summen av alle disse oppgavene, slik at du får en totalvurdering.