Kan AI lage et kurs helt selvstendig?

Teknisk sett ja. Forsvarlig nei. AI kan generere en komplett kursstruktur med tekst og spørsmål, men uten at en fagperson går gjennom innholdet er risikoen for faktafeil og mangler for høy, særlig for opplæring som skal dokumentere regelkrav eller sertifisere ansatte.

Hva er en hallusinasjon i en AI-modell?

En hallusinasjon er når systemet produserer innhold som høres sant ut, men ikke er det. Det kan være oppfunne kildehenvisninger, feilaktige tall, eller påstander som virker rimelige men er feil. Dette skjer fordi modellen predikerer hva som statistisk ser riktig ut, ikke hva som faktisk er riktig.

Når er AI trygt å bruke i kursbygging?

Trygt er det når du bruker AI til utkast og struktur, og når fagpersoner kvalitetssikrer før publisering. Det er også trygt for innhold der konsekvensene av småfeil er små, for eksempel intro til generelle temaer. Det er ikke trygt å publisere AI-innhold direkte på områder som HMS, juss, medisin eller andre fagfelt der feil får konsekvenser.

Hvordan unngår vi at AI finner på fakta?

Gi systemet konkrete kildedokumenter å basere innholdet på (en teknikk kalt retrieval-augmented generation eller RAG), bruk tydelige prompts med avgrenset kontekst, og la alltid en fagperson sjekke resultatet. Ingen av disse tiltakene fjerner risikoen helt, men de reduserer den.

Kan vi stole på AI-generert quiz?

Stole på, nei. Men AI-genererte spørsmål er et godt utgangspunkt som sparer tid. Fagpersonen bør gå gjennom hvert spørsmål, sjekke at svarene faktisk er korrekte, og at distraktørene (de feilaktige svaralternativene) ikke er så dårlige at quizen blir meningsløs.

AI i kursbygging og opplæring: muligheter, begrensninger og fallgruver

For to år siden var AI i kursbygging eksperimentelt. Noen bedrifter testet det, de fleste ventet. I dag er det normalt at kursbyggerverktøy har en «generer utkast»-knapp, og mange bedrifter vurderer hvordan de skal bruke det i praksis.

Det korte svaret er at AI kan være en sterk forsterker av en god kursbygger, og et stort problem for en som ikke vet hva de skal se etter. Her er det som gjelder.

Hva AI faktisk gjør i kursbygging

Dagens AI-kursverktøy baseres på store språkmodeller (LLM). Modellene er trent på enorme mengder tekst, og kan generere sammenhengende språk om nær sagt hvilket som helst tema. I kursbyggersammenheng brukes de typisk til fire oppgaver:

Strukturgenerering. AI foreslår en disposisjon med moduler og kapitler basert på et tema eller opplastede dokumenter. Denne oppgaven er AI overraskende god på.

Innholdsproduksjon. Basert på strukturen lager AI utkast til selve teksten i hvert kapittel. Her varierer kvaliteten mye med promptingen.

Quiz-spørsmål. AI kan lage flervalg- og fritekstspørsmål ut fra innholdet. Ofte fornuftig utgangspunkt, men må alltid kontrolleres.

Språkvask og omskriving. Å forbedre flyten, forkorte lange avsnitt, tilpasse tone til målgruppen. Her er AI ofte svært nyttig.

I Skaldes AI Kursbygger skjer dette i flere faser, der hver fase returnerer strukturert JSON som plattformen så bygger opp som et redigerbart kursutkast. Alt innhold kan deretter endres visuelt før eksport til SCORM 1.2.

Hvor AI er sterk, og hvor den er svak

Sterk: generiske temaer med bred dekning, språklige oppgaver, strukturelle forslag, kreativ variasjon av eksempler, tilpasning til målgruppe, rask iterasjon på tekst.

Svak: fagspesifikke detaljer, bedriftsinterne prosedyrer, oppdaterte lovkrav og forskrifter, tall og statistikk, kildehenvisninger, alt som krever «ferske» fakta modellen ikke har i treningsdataen.

Det er også en type svakhet verdt å nevne særskilt: AI er dårlig på å vite hva den ikke vet. En menneskelig fagperson som er usikker, sier vanligvis «det må jeg sjekke». En språkmodell finner på et svar som høres rimelig ut. Dette er kjernen av det som kalles hallusinasjoner.

Hallusinasjoner: det største problemet

En AI-hallusinasjon er når modellen produserer innhold som ser korrekt ut, men ikke er det. Det kan være en oppfunnet kildehenvisning, en feilaktig paragrafhenvisning til arbeidsmiljøloven, en sertifiseringsprosedyre som ikke finnes, eller en statistikk som er kvalt ut av luft.

Problemet er strukturelt, ikke en bug som kan fikses i neste versjon. Store språkmodeller er optimert for å forutse sannsynlige ordsekvenser, ikke for å verifisere sannhet. Når modellen ikke har nøyaktig informasjon om noe, fyller den ofte ut med noe som språklig sett passer, men som faktisk kan være feil.

For en artikkel på en blogg er dette ubehagelig. For et HMS-kurs som skal dokumentere opplæring etter arbeidsmiljøloven, er det alvorlig. Hvis kurset inneholder feil informasjon om verneombudets rettigheter, og en ansatt handler etter det, er det bedriften som har et problem.

Det finnes teknikker som reduserer risikoen. Retrieval-augmented generation (RAG) gir modellen konkrete dokumenter å basere seg på, i stedet for å la den trekke fra hele treningsdataen. Gode prompts med avgrensede instruksjoner hjelper. Bruk av spesialmodeller trent på bestemte fag kan også redusere risikoen. Men ingen av disse tiltakene eliminerer problemet. Menneskelig kontroll er fortsatt nødvendig for innhold med konsekvenser.

Arbeidsflyten som virker: hybrid, ikke autonom

Bedrifter som får mest ut av AI i kursbygging, har gjerne funnet en variant av denne arbeidsflyten:

Steg 1: Samle kildemateriale. Intern dokumentasjon, prosedyrer, lovkrav, eksisterende opplæringsnotater. Dette er grunnlaget AI skal jobbe ut fra.

Steg 2: Generer utkast. La AI foreslå struktur og førsteutkast basert på kildene. Dette er der tidsbesparelsen er størst, fra timer til minutter.

Steg 3: Fagpersonen redigerer. Noen som kan temaet går gjennom innholdet kritisk. Her skal du regne med at en fjerdedel til halvparten av teksten endres i denne fasen. Det er ikke et tegn på at systemet var dårlig, det er det arbeidet som skal gjøres.

Steg 4: Pilot-test. La to-tre ansatte gjennomføre kurset før det rulles ut bredt. Spør hva som var uklart, hva som følte seg relevant, og hva som føltes generisk.

Steg 5: Publiser og mål effekt. Kurs som er produsert raskt har også lav terskel for revisjon. Hvis noe viser seg å være feil eller uklart, oppdater og publiser på nytt.

Sammenlignet med tradisjonell kursbygging er den store forskjellen at AI gjør steg 2 nesten gratis. Det frigjør tiden til steg 3 og 5, som er der kvaliteten faktisk avgjøres.

Hva du bør verifisere før publisering

Noen konkrete punkter å sjekke i AI-generert kursinnhold:

Lovhenvisninger. Er paragrafnumrene riktige? Er forskriftene fortsatt gjeldende? Er navnene på myndigheter korrekte og oppdaterte?

Tall og prosenter. All statistikk. AI finner på tall som høres plausible ut. Hvis innholdet inneholder «cirka 40 prosent av bedrifter gjør X», krev kilde.

Bedriftsspesifikke påstander. Hvis kurset omtaler dine prosedyrer, verktøy, eller rutiner, sjekk at beskrivelsen stemmer med virkeligheten. AI kan blande sammen bransjestandard og bedriftspraksis.

Kildehenvisninger. AI er kjent for å finne på bøker, studier og forfattere som ikke eksisterer. Hvis kurset siterer en kilde, verifiser at kilden finnes og sier det AI påstår den sier.

Navngitte verktøy eller produkter. Funksjoner kan være foreldet, prisene kan være feil, navn på menypunkter kan være gamle.

En god tommelregel: hvis noe i teksten kan påvirke en beslutning brukeren tar, skal det være kontrollert.

Juridiske og etiske hensyn

Noen punkter å tenke gjennom:

Opphavsrett på treningsdata. AI-genererte bilder og tekst kan i grenseland likne opphavsrettsbeskyttet materiale. For interne kurs er risikoen lav, men hvis kurset skal selges eller distribueres bredt, bør du sjekke leverandørens garantier.

Personvern. Hvis du bruker bedriftens interne dokumenter som kilde for AI-kursbygging, må du vite hvor dataene går. Sendes de til en ekstern modell? Lagres de? Brukes de til videretrening? Dette bør være avklart i avtalen med leverandøren.

Ansvar for feil. Hvis et kurs inneholder feilaktig informasjon som fører til skade, er det bedriften som har ansvaret, ikke AI-leverandøren. Dette understreker hvorfor menneskelig kontroll ikke kan droppes.

Transparens overfor deltakere. Om du skal fortelle at kursinnholdet er AI-generert er en vurderingssak. Mange mener at det bør være tydelig, andre mener det ikke er viktigere enn å fortelle hvilket verktøy kurset ble laget i. Vurder hva som passer din kultur.

Hva du kan forvente fremover

Utviklingen går raskt. Modellene blir mer presise, kildehåndtering blir bedre, og spesialiserte fagmodeller dukker opp. Men de strukturelle begrensningene forsvinner ikke med det første. Hallusinasjoner er et problem vi kommer til å måtte forholde oss til i mange år.

Praktisk betyr det at kompetansen i bedriften forskyves. Den som tidligere skrev kurs fra bunnen av, bruker mer tid på å vurdere, redigere og validere AI-utkast. Rollen blir mer redaktør, mindre forfatter. Det er ikke en mindre krevende rolle, bare en annen.

For ledere som bestemmer kursstrategi, er den praktiske meldingen enkel: AI er klar til bruk, men med klare grenser. Bruk den til å akselerere prosessen, ikke til å erstatte kvalitetssikringen. Og invester like mye i opplæringen av de som skal bruke verktøyet, som i selve verktøyet.