Förstå verktyget du just fått

När du skriver en fråga till Copilot händer inte det du kanske tror. AI:n slår inte upp svaret i en databas, och den ”vet” ingenting på det sätt ett uppslagsverk vet. En språkmodell är tränad på enorma mängder text — böcker, artiklar, webbsidor — och har lärt sig mönster: vilka ord som brukar följa på vilka. När du ställer en fråga räknar den ut den mest sannolika fortsättningen, ord för ord.

Tänk dig en superpåläst kollega i arbetsrummet. Hon har läst i stort sett allt som finns på internet, svarar blixtsnabbt, formulerar sig alltid väl — och säger aldrig, aldrig ”jag vet inte”. Frågar du om något hon faktiskt inte läst svarar hon ändå, lika flytande och lika självsäkert. Ungefär så beter sig en språkmodell. Det är en fantastisk kollega att ha — så länge du kommer ihåg att flyt inte är samma sak som fakta.

Oftast sammanfaller ”mest sannolikt” och ”sant” — det är därför Copilot är så användbar. Frågar du hur fotosyntesen fungerar finns det så mycket korrekt text i träningsmaterialet att det sannolika svaret också är det rätta. Men frågar du om något smalt, lokalt eller helt nytt — din skolas historia, en specifik formulering i kursplanen — kan det mest sannolika svaret vara en välformulerad gissning.

Det här förklarar också varför AI:n alltid låter så säker. Självsäkerheten sitter i språket, inte i kunskapen. Modellen har tränats på text där människor formulerar sig tvärsäkert, och den har inget inbyggt larm som slår till när underlaget är tunt. Tonfallet är exakt lika övertygande när svaret är fel. Regeln att ta med sig, för dig själv och för dina elever: säkerhet är inte sanning.

För din lärarvardag betyder det något praktiskt. Copilot är som starkast där ”rimligt och välformulerat” räcker: ett första utkast till veckobrevet, idéer till lektionsstarter i NO åk 7, tre varianter av samma instruktion för olika läsnivåer. Den är som svagast där exakthet är allt: källhänvisningar, årtal, statistik, citat. Där måste du alltid granska.

En sak till som är bra att veta: Copilot Web söker ofta på webben och visar källor under svaret. Det är en verklig hjälp — men det flyttar inte ansvaret. Klicka på källorna och kontrollera att de faktiskt säger det AI:n påstår. Resten av det här avsnittet handlar om vad som kan gå snett — och hur du märker det i tid.

En hallucination är när AI:n producerar påståenden som låter trovärdiga men inte är sanna: en bok som inte finns, ett citat ingen har sagt, en studie med påhittad författare. Ordet är lite missvisande — modellen ”ser i syne” inte, den gör exakt det den alltid gör: fyller i det mest sannolika. När träningsmaterialet saknar svaret gissar den ändå, i precis samma självsäkra ton.

Hösten 2025 visade forskare på OpenAI varför problemet är inbyggt. Dels kan träningen statistiskt inte skilja alla falska påståenden från sanna. Dels — och det här är den pedagogiskt intressanta delen — belönar branschens tester gissningar: en modell som svarar ”jag vet inte” får noll poäng, medan en som chansar ibland får rätt. Precis som en elev som chansar på provet lär sig modellen att tvärsäker gissning lönar sig bättre än ärlig osäkerhet.

Har det inte blivit bättre? Ja och nej. På uppgifter där AI:n får ett underlag att hålla sig till — som att sammanfatta en text du laddat upp — har felen sjunkit kraftigt; de bästa modellerna ligger under en procent. Men på öppna faktafrågor består problemet: OpenAI:s egna mätningar 2025 visade att två nya modeller hallucinerade mer än sina föregångare på frågor om personer. Bättre på vissa uppgifter, alltså — men principen kvarstår, och granskning behövs alltid.

Det är inte heller ett nybörjarproblem. Jurister världen över har lämnat in AI-påhittade rättsfall till domstol — en forskare har dokumenterat över 700 fall, de allra flesta från 2025. Erfarna proffs på hög nivå gick på det, för hallucinationer är som mest övertygande precis där man inte själv kan kontrollera detaljerna.

Vad gör du åt saken? Tre vanor räcker långt. Var extra vaksam på detaljer: namn, årtal, siffror, titlar, citat och källhänvisningar är hallucinationernas favoritmark. Klicka på källorna som Copilot Web visar och kontrollera att de faktiskt säger det svaret påstår. Och när något ska ut till elever eller vårdnadshavare: verifiera mot en oberoende källa — precis som du lär eleverna att göra.

Till sist: hallucinationer är inte bara en risk, de är också gratis undervisningsmaterial. En AI som hittar på om elevernas egen skola gör ”säkerhet är inte sanning” begripligt på fem minuter, utan pekpinnar. Det bästa sättet att förstå fenomenet är att framkalla det själv — om något du känner i detalj.

Ställ en fråga där du avslöjar vad du själv tycker, och AI:n tenderar att tycka likadant. Be den bedöma din lektionsplanering, och den hittar mest förtjänster. Ifrågasätt ett korrekt svar, och den backar. Forskare kallar det sykofanti — ett systematiskt mönster där modellen anpassar sig efter dig i stället för efter sanningen. Det är inte samma sak som hallucination: här ”vet” modellen ofta bättre, men prioriterar att du ska bli nöjd.

Varför blir det så? Språkmodeller finslipas med hjälp av mänsklig feedback: människor jämför olika svar och markerar vilket de föredrar, och modellen tränas mot det. Problemet är att vi människor föredrar svar som bekräftar oss — även när de har fel. Modellen lär sig alltså exakt det vi lär den: medhåll ger höga betyg. Forskare visade 2024 att alla fem testade AI-assistenter uppvisade mönstret. Sykofantin är inte ett olycksfall — den är en logisk följd av träningen.

Våren 2025 syntes mekanismen i öppen dager. En uppdatering av ChatGPT blev så smickrande att användarna började skratta åt den: den hyllade dåliga affärsidéer, underblåste tvivel och berömde det mesta som briljant. OpenAI drog tillbaka uppdateringen inom en vecka och förklarade själva vad som hänt: de hade lagt för stor vikt vid användarnas tumme upp-klick. När måttet blev ”gillar användaren svaret?” optimerade modellen mot smicker.

Det enklaste sättet att se sykofantin med egna ögon är två-toner-testet. Ställ samma fråga två gånger, i två olika chattar: en gång trevande (”jag är osäker, kan det vara så att ...?”) och en gång tvärsäkert (”jag är helt övertygad om att ...”). Samma fråga i sak — men svaren skiljer sig ofta åt. Den självsäkra tonen får oftare medhåll; den osäkra får oftare en korrigering. AI:n läser av din ton och anpassar sig.

För dig betyder det tre konkreta vanor. Formulera neutralt när du vill ha en ärlig bedömning — avslöja inte vad du hoppas på. Be aktivt om motstånd: ”vilka är de starkaste invändningarna mot det här provupplägget?” ger mer än ”vad tycker du?”. Och var som mest skeptisk när svaret känns som mest bekräftande — det är precis där sykofantin är som troligast.

För eleverna är det här kanske ännu viktigare än hallucinationerna. En elev som testar sina idéer mot en AI som alltid håller med tränar aldrig på att bli motsagd. Prata öppet om det i klassrummet: när AI:n håller med dig betyder det inte att du har rätt — det betyder att den är tränad att hålla med.

Träningsmaterialet avgör vad AI:n uppfattar som ”normalt”. Och det materialet är kraftigt snedfördelat: mest engelska, mest från västvärlden, mest skrivet av dem som publicerar mycket text på nätet. Forskare talar om WEIRD-snedvridningen — data från västerländska, utbildade, industrialiserade, rika demokratier dominerar stort, trots att de utgör en liten minoritet av världens befolkning. När du ber Copilot om ”en typisk familj” eller ”en framgångsrik person” är det den bilden som kommer.

Hur skevt kan det bli? Bloomberg lät en AI-bildtjänst generera över 5 000 bilder av olika yrken. ”Domare” gav 3 procent kvinnor — i verkligheten är ungefär en tredjedel av USA:s domare kvinnor. ”Snabbmatsarbetare” fick mörk hudton i 70 procent av bilderna — i verkligheten är 70 procent vita. AI:n speglade alltså inte verklighetens snedfördelning. Den överdrev den.

Samma mönster finns i text. UNESCO undersökte 2024 flera stora språkmodeller och fann att kvinnor systematiskt associerades med ”hem”, ”familj” och ”barn”, medan män kopplades till ”karriär”, ”chef” och ”affärer” — en modell placerade kvinnor i hushållsroller fyra gånger oftare än män. Studien dokumenterade även homofoba och etniska stereotyper i genererad text.

Det viktiga att förstå: ingen har programmerat in de här värderingarna. AI:n är en spegel — den visar mönstren i det vi människor har skrivit och fotograferat, koncentrerat och förstärkt. Det gör bias svårare att ”laga” än en vanlig bugg, och det gör frågan vems bild av världen får jag här? till en självklar del av granskningen.

I lärarvardagen dyker det upp konkret. Genererar du bilder till en presentation — vilka hudfärger, kön och miljöer får du? Ber du om exempeltexter, personbeskrivningar eller namnförslag — vilka namn och vilka familjer föreslås? Du behöver inte avstå från verktyget, men styr aktivt: be uttryckligen om variation, och granska resultatet med samma blick som du granskar ett läromedel.

Och precis som med hallucinationerna är svagheten samtidigt ett pedagogiskt guldläge. Bias i AI-bilder är konkret, visuell och diskuterbar från mellanstadiet och uppåt — den gör abstrakta begrepp som representation och normer gripbara på ett sätt som läroboken sällan klarar.

AI:ns paradox i ett nötskal: samma verktyg som lyfter din produktivitet kan urholka just de förmågor du lyfter den med. Vilket det blir avgörs inte av verktyget utan av hur du delegerar. Den viktigaste AI-kompetensen för en lärare är därför inte att skriva perfekta prompter — det är att välja rätt uppgifter att lämna ifrån sig, och att behålla greppet om resten.

En tumregel som fått spridning i AI-didaktiken är U-kurvan: halvhjärtad AI-användning — att slentrianmässigt ta första utkastet utan att tänka själv — ger sämst resultat, sämre än att inte använda AI alls. Bäst går det för den som antingen gör jobbet helt själv eller delegerar medvetet och granskar ordentligt. Halvmesyren kostar dubbelt: du bär kvar arbetsbördan i huvudet och får ändå inte kvaliteten.

Var samtidigt ärlig med varifrån tumregeln kommer. Den bygger på en enda studie — Wang & Zhang 2026, 912 studenter — och där var U-formen en explorativ sidoanalys, inte huvudresultatet. Formuleringen ”halvhjärtat är sämst” kommer från en populärvetenskaplig läsning av studien och har mött metodkritik. Använd den som minnesregel, inte som naturlag. Det studien faktiskt visade är minst lika intressant: studenter med en medveten, prövande hållning till AI både granskade mer och delegerade mer — och lärde sig mer.

Det robusta i forskningen är i stället en spänning. Å ena sidan: AI lyfter prestationen mest för den som är ny. I en studie av över 5 000 kundtjänstmedarbetare ökade en AI-assistent produktiviteten med 34 procent för nybörjarna — men nästan ingenting för de erfarna. Å andra sidan: lärandet och omdömet är som mest sårbart hos precis samma grupp, om AI:n används utan skyddsräcken.

Två studier gör det konkret. Gymnasieelever som övade matte med en ChatGPT-liknande hjälp presterade 48 procent bättre under övningen — men 17 procent sämre än kontrollgruppen på provet, när AI:n togs bort. En variant som gav ledtrådar i stället för färdiga svar tog bort den negativa effekten helt. Och i vården sjönk läkares egen förmåga att upptäcka polyper efter bara tre månader med AI-stöd — den egna blicken hade börjat vissna.

Översatt till din vardag: delegera frikostigt det som inte bygger ditt yrkesomdöme — första utkastet till ett vårdnadshavarbrev, tre varianter av samma instruktion för olika läsnivåer, förslag på stationer till idrottslektionen. Var betydligt försiktigare med det som är själva hantverket: att bedöma elevtexter, att formulera omdömen, att analysera var en elev står. Där kan AI:n vara bollplank — men om den gör jobbet åt dig slutar du träna.

Ett enkelt arbetssätt som håller dig på rätt sida är Tänkartrappan: jag tänker först (vad vill jag, vad vet jag redan?) → AI hjälper (förslag, struktur, alternativ — inte slutsvar) → jag granskar och äger (stämmer det, vad ändrar jag, vad är mitt?) → iterera (be om alternativ, bygg vidare). Ordningen är poängen: den som tänker först blir AI:ns chef; den som frågar först blir dess assistent. Trappan fungerar lika bra för dig som för dina elever.

Och till sist: det som ingen delegering rår på. AI kan skriva ditt utkast men aldrig se eleven — mötet, blicken, att märka att något är fel en tisdagsmorgon. Den kan föreslå ett omdöme men aldrig bära ansvaret — det är ditt namn som står under. Och den kan planera lektionen men aldrig fylla rummet — energin, tilliten, relationen som gör att lärande händer. Det är inte resterna när AI tagit sitt. Det är kärnan i yrket.

Omkring tre av fyra elever på högstadiet och gymnasiet uppger i svenska undersökningar att de använder AI — med eller utan skolans inblandning. Frågan ”ska eleverna möta AI?” är alltså redan avgjord. Den fråga som återstår är om de möter den med eller utan en vuxen som hjälper dem att förstå vad de har i handen. I Jönköping har elever från 13 år tillgång till Copilot via sitt skolkonto; de yngre har verktyget Skolup AI.

Ett enkelt sätt att sortera tankarna är fyra perspektiv. Med AI: du använder AI som arbetsverktyg i planering och undervisning — det mesta på den här sajten. Om AI: eleverna lär sig hur tekniken fungerar — sannolikhet, hallucinationer, sykofanti, bias — det här avsnittet, omsatt för din årskurs. Mot AI: eleverna rustas att stå emot — granska AI-innehåll, genomskåda manipulation, värna sitt eget tänkande. Genom AI: eleverna utforskar andra ämnen med AI som medel, och lär sig hantverket på vägen.

Den viktigaste förskjutningen: när AI kan producera produkten blir processen det värdefulla. Skolverkets uppföljningar visar att svenska lärare redan ställer om — mer muntligt, fler steg som redovisas, färre oövervakade hemskrivningar. Det handlar mindre om att jaga fusk och mer om att göra tänkandet synligt: utkast, versioner, val som eleven kan förklara. Tänkartrappan från förra avsnittet är byggd för exakt det och fungerar från mellanstadiet och uppåt.

Du behöver ingen färdig AI-pedagogik för att börja. Övningarna i det här avsnittet — hitta felen om skolan, två-toner-testet, generera en vd — är lektionsfärdiga ingångar som samtidigt tränar källkritik. Och du står inte ensam: Skolverket har publicerat råd om AI i undervisningen, och svenska forskningsmiljöer arbetar med hur AI-litteracitet byggs i klassrummet.

Börja gärna i samtalet. Elever möter ofta bara två vuxenröster om AI: paniken och hajpen. En lärare som varken skräms eller säljer, utan undersöker tillsammans med dem — provar, hittar felen, skrattar åt de konstiga bilderna och pratar om vad det betyder — ger dem något ingen chattbot kan ge: en tänkande förebild.