En skole eller uddannelsesinstitution består af to slags tid, som sjældent er ligeligt fordelt: tid foran klassen eller i forelæsningssalen, og tid udenfor. Sidstnævnte kategori er større, end man ofte antager. Undervisningsforberedelse, udarbejdelse og rettelse af prøver, rapportering, dokumentation over for tilsyn eller bestyrelse, skemalægning, kommunikation med forældre eller studerende, samt administration omkring omsorg og vejledning. Meget af dette arbejde er sprogligt: det består af at læse tekster, skrive tekster, vurdere tekster. Det gør uddannelsessektoren til en branche, hvor forskydningen af arbejde på grund af AI mærkes konkret og tidligt, for tekstarbejde er netop dér, hvor sprogmodeller gør mest.
Dertil kommer en omstændighed, der adskiller uddannelsessektoren fra en butik eller en fabrik: resultatet af arbejdet er nogens udvikling, og den udvikling vurderes og finansieres efter faste rammer. Et curriculum, et eksamensprogram, en tilsynsramme. Det er med til at styre, hvilket arbejde der kan flyttes, og hvilket arbejde der forbliver hos læreren, uafhængigt af hvad der teknisk er muligt.
På nogle skoler udarbejdes en første version af en prøve, en rubrik eller en feedbackformulering allerede af AI, hvorefter en lærer kontrollerer, skærper og først derefter frigiver den. På andre skoler sker det endnu ikke, og forskellen ligger sjældent i viljen til at forny. Den ligger i tre ting, der hver især skal være til stede, før arbejde reelt overgår.
Det første er adgang: må en lærer bruge en sprogmodel på elevdata, eller er der en databehandleraftale og en privatlivsvurdering, der endnu ikke er på plads. Det andet er tilsyn: hvem vurderer, om en AI-genereret vurdering af en elev er korrekt, med hvilken beføjelse og efter hvilken protokol. Det tredje er tillid hos brugeren selv: en lærer, der tvivler på, om et AI-forslag gør en specifik elev retfærdighed, vil ignorere det forslag, uanset hvor godt systemet er.
Disse tre kategorier gennemsyrer alt arbejde i uddannelsessektoren. En del kan AI overtage selvstændigt, såsom at opsummere en lang politiktekst eller udarbejde en første version af et skema. En del foregår med menneskeligt tilsyn, der godkender eller afviser med begrundelse, såsom feedback på en stil eller en udkastrapportering. Og en del forbliver menneskeligt arbejde, såsom samtalen med en elev, der går i stå, eller den pædagogiske afvejning bag en bekymringsmelding. Hvilken del der havner hvor, varierer ikke kun fra institution til institution, men også fra opgave til opgave inden for samme institution.
"Vi bruger AI til at reducere arbejdsbyrden" er en sætning, der passer ind i næsten enhver bestyrelsesberetning og i praksis stort set ikke fastlægger noget. Menes der, at rettetid frigøres til mere opmærksomhed pr. elev, eller at en fast mængde undervisningstid udfyldes med mindre støttepersonale? Begge er legitime ambitioner, men de kræver forskellige capabilities: andre systemer, andre beføjelser, andre aftaler med medarbejderrepræsentationen. Så længe det valg ikke er fastlagt i et konkret fremtidsbillede og afprøvet mod, hvad organisationen skal kunne for at nå dertil, bliver et ledelsesteam ved med at tale forbi hinanden med de samme ord.
Det er her, en beredskabstest gør en forskel: ikke ved at omformulere ambitionen, men ved at afprøve, om forudsætningerne for den er til stede. Tænk på dataadgang, på klare beslutningsrettigheder om, hvem der må godkende et AI-forslag, på trænet kompetence hos lærere og personale, på en tilsynsstruktur, der passer til følsomheden af elevdata.
Når tekstarbejde forskydes, frigøres der undervisningstid eller støttetid. Hvad en bestyrelse gør med den frigjorte kapacitet, hører til institutionens egne strategiske og arbejdsretlige overvejelser, med egne lovkrav, når det drejer sig om personalebeslutninger. Denne side beskriver kun, hvor arbejdet selv bevæger sig hen, ikke hvad en bestyrelse bør gøre med det.
Den underliggende dynamik — sprogligt arbejde forskydes hurtigere end fysisk eller relationelt arbejde, og tilsyn forbliver den styrende faktor — findes ikke kun i uddannelsessektoren. Lignende mønstre kan genkendes i det, der findes af AI-ambitioner i IT-branchen, i den måde detailhandlen ser på AI-opgaver, og i den helt anderledes udgangsposition for AI-ambitioner i restaurationsbranchen. Det, der hver gang er forskelligt, er ikke teknikken, men beredskabet i organisationen bag den.
En ambition som "AI understøtter prøveudvikling" oversættes til konkrete roller: hvem udarbejder, hvem godkender, hvem er ansvarlig, hvis en fejl slipper igennem. Denne oversættelse fra ambition til rolle og beslutningsret står centralt på siden om hvilke capabilities en organisation har brug for for at realisere en AI-ambition, og er for en skolebestyrelse eller et bestyrelsesorgan sjældent kun et teknisk spørgsmål — det er også et spørgsmål om, hvordan et ledelsesteam kommer på linje om, hvad ambitionen præcist indebærer.
Spørgsmålet om, hvilket arbejde i Deres institution der reelt kan overtages af AI, kan ikke besvares med et generelt branchebillede; det spørgsmål besvares opgave for opgave med arbejdsscanningen fra FTE TO AI. Ønsker De først at vide, hvor Deres organisation står lige nu, giver den gratis beredskabstjek med otte korte spørgsmål, ét pr. dimension, et billede af, hvor De er nået længst, og hvor De er nået mindst langt. Den fulde ambitionstest, med de fire lag fra vision til target state og oversættelsen til roller og beslutningsrettigheder, er under udarbejdelse.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.