Lærerne roper varsku om KI. Forskningen viser nøyaktig hvor grensen går.

Full åpenhet først

Utenat lager en KI-basert læringsplattform. Vi har en åpenbar egeninteresse i konklusjonen under. Derfor gjør vi to ting: vi oppgir alle kildene, med lenker, slik at du kan lese dem selv — og vi sier tydelig hvor forskningen ikke støtter oss.

Varskuet

juni i år gikk Lektorlaget og Høyre ut i VG og sa at skolen har vært bakpå med KI. Tallene fra Lektorlagets medlemsundersøkelse er ubehagelig lesning: 90 prosent mener KI gir flere snarveier og mindre selvstendig tenkning, 85 prosent er bekymret for elevenes faglige kompetanse, og 65 prosent tror ikke elevene lærer mer av å bruke KI. Rundt halvparten mener undervisningen har blitt dårligere. Bare 9 prosent opplever at de får god støtte fra skolen eller myndighetene.

Ine Eriksen Søreide pekte i samme sak på noe som er lett å avfeie som nostalgi, men som treffer et reelt poeng: «Evnen til å kjede seg, evnen til å dykke ned i ting.» Det er den evnen som er under press.

Samtidig er toget for lengst gått. Utdanningsdirektoratets undersøkelse høsten 2025 viser at 90 prosent av ungdomsskolene og de videregående skolene bruker KI-verktøy i opplæringen, og 65 prosent av barneskolene. I høyere utdanning svarer 91 prosent av studentene i Studiebarometeret at de bruker KI i studiene — mot 60 prosent i 2023. Andelen som bruker det ofte har gått fra 12 til 35 prosent på to år. Bare 21 prosent mener de får god nok opplæring i å bruke verktøyene.

Så: lærerne har rett i bekymringen, og de har rett i at de er overlatt til seg selv. Men «KI i skolen» er ikke én ting man kan være for eller mot. Det finnes et feltforsøk som viser presis hvor grensen går — og den går ikke mellom KI og ikke-KI.

Studien som deler saken i to

I 2025 publiserte Hamsa Bastani og kolleger et forsøk i PNAS med nesten tusen tyrkiske videregåendeelever i matematikk. Elevene ble delt i tre grupper som øvde på oppgaver: én uten KI, én med et vanlig ChatGPT-grensesnitt («GPT Base»), og én med den samme underliggende modellen — GPT-4 — men pakket inn i pedagogiske begrensninger («GPT Tutor»). Tutoren ga hint i stedet for svar, ett skritt om gangen, og nektet å levere den ferdige løsningen.

Mens elevene hadde tilgang, gikk det strålende. GPT Base ga 48 prosent bedre resultater på øvingsoppgavene. GPT Tutor ga 127 prosent bedre.

Så tok forskerne verktøyet fra dem og ga dem en prøve de måtte klare alene.

Elevene som hadde øvd med GPT Base skåret 17 prosent dårligere enn elevene som aldri hadde hatt tilgang i det hele tatt. Ikke bare uendret — dårligere. De hadde brukt modellen som en krykke, følt at det gikk bra, og lært mindre enn kontrollgruppen som satt og strevde uten hjelp.

Elevene som hadde øvd med GPT Tutor hadde ikke dette tapet.

Merk hva som varierte og hva som ikke gjorde det. Samme modell. Samme elever, samme fag, samme oppgaver, samme tid. Det eneste som skilte gruppene var hvem verktøyet lot gjøre jobben. Den ene fikk svaret. Den andre måtte produsere det selv, med hjelp.

Det er hele saken, i ett forsøk. Og det er derfor spørsmålet «er KI bra eller dårlig for læring?» ikke har noe svar. Det er som å spørre om en bok er bra for helsa.

Hvorfor det føles som om man lærer

Det ubehagelige med Bastani-funnet er at elevene i GPT Base-gruppen ikke visste at de lærte mindre. Tvert imot: alt gikk lettere.

Robert Bjork har brukt karrieren på å skille to ting som ser like ut: prestasjon — hvor godt det går akkurat nå, mens du øver — og læring, den varige endringen som viser seg på en prøve senere. De to henger ikke sammen slik man skulle tro. De forholdene som gjør øvingen mest behagelig, gir ofte svakest læring. Bjork kaller det motsatte «desirable difficulties»: vansker som gjør at det går tregere og føles verre der og da, og som er nettopp derfor det fester seg. Anstrengelsen ved å hente noe fram fra hukommelsen er ikke et hinder på veien til læring. Anstrengelsen er læringen.

En språkmodell er en maskin for å fjerne akkurat den anstrengelsen. Svaret kommer velformulert, strukturert og umiddelbart. Det er lett å lese, og fordi det er lett å lese, føles det som om det er forstått. Kognisjonsforskere kaller det flyt-illusjonen: informasjon som er lett å prosessere blir feilaktig vurdert som godt forstått.

To studier gir et bilde av hva som skjer under panseret.

Ved MIT Media Lab målte Nataliya Kosmyna og kolleger hjerneaktiviteten med EEG mens 54 deltakere skrev essays — noen med ChatGPT, noen med søkemotor, noen uten hjelpemidler. Gruppen med språkmodell hadde svakest og minst utbredt nettverksaktivitet, lavest opplevd eierskap til sin egen tekst, og klarte i liten grad å sitere fra det de nettopp hadde levert. Forfatterne kaller det «kognitiv gjeld». Vær oppmerksom på at dette er et lite utvalg, og at studien var en preprint som fikk mer oppmerksomhet enn utvalget strengt tatt bærer — den beviser ikke noe alene, men den peker samme vei som resten.

Bredere er Shiri Melumad og Jin Ho Yuns arbeid i PNAS Nexus — sju eksperimenter med flere tusen deltakere. De som lærte et tema via et KI-sammendrag, i stedet for å søke seg fram selv, brukte mindre tid, rapporterte at de lærte færre nye ting, følte mindre eierskap — og rådene de etterpå skrev til andre var tynnere, mindre originale og mer like hverandre. Kunnskapen ble grunnere fordi jobben med å finne, vurdere og sette sammen var gjort for dem.

Ved Handelshøyskolen BI oppsummerte Torhild Anita Sørengaard og kolleger det samme i desember 2025 med et treffende begrep: outsourcing av resonnering. Teksten blir faglig moden mens forståelsen ikke er det, og du sitter igjen med et svar du kan gjengi, men ikke et resonnement du kan gjenta.

Dette er den mekanismen lærerne kjenner igjen i klasserommet. Bekymringen deres er ikke teknologifrykt. Den er en presis observasjon.

Men den samme teknologien doblet læringen ved Harvard

Høsten 2023 gjorde Gregory Kestin og Kelly Miller et forsøk med 194 studenter i fysikk ved Harvard. Studentene gikk gjennom to leksjoner: én i et aktivt læringsklasserom med underviser til stede, én hjemme med en KI-tutor. Gruppene byttet rekkefølge, slik at hver student var sin egen kontroll.

Læringsutbyttet med KI-tutoren var om lag dobbelt så stort som i klasserommet, på kortere tid — og med høyere selvrapportert motivasjon og engasjement.

Det interessante er hvordan tutoren var bygget. Den var instruert til å svare kort, for å unngå kognitiv overbelastning. Den ga ett steg om gangen. Den nektet å gi hele løsningen i én melding. Den stilte spørsmål tilbake. Kestin er selv tydelig på hva funnet ikke betyr: KI-tutorer skal ikke tenke for studentene, og skal ikke erstatte undervisning.

Sett Bastani og Kestin ved siden av hverandre, og resultatet er ikke motstridende. Det er den samme konklusjonen sett fra to sider:

Effekten av KI på læring bestemmes ikke av modellen. Den bestemmes av hvem produktet lar gjøre den kognitive jobben.

En generell chat er ikke bygget for læring. Den er bygget for å være hjelpsom — å gi deg det du ba om, så raskt og fullstendig som mulig. Det er et helt legitimt designmål, og til de fleste formål er det riktig. Til læring er det direkte kontraproduktivt, fordi det du ba om som regel er å slippe unna det som virker.

Det som virker, har vi visst i tjue år

Her er den delen som er kjedelig: vi vet allerede hva som gir varig læring, og det har vi visst lenge før noen hadde hørt om språkmodeller.

I 2013 gikk John Dunlosky og kolleger gjennom ti utbredte studieteknikker og rangerte dem etter dokumentert effekt. To fikk toppkarakter:

Testing av seg selv (retrieval practice) — å hente fram kunnskapen uten å se på den først.
Spredt repetisjon (distributed practice) — å fordele repetisjonen over tid i stedet for å samle den i én økt.

Tre teknikker havnet i bunnkategorien: å lese om igjen, å streke under, og å oppsummere. Det er ikke tilfeldig at det er nøyaktig de tre studentene bruker mest.

Effekten av å teste seg selv i stedet for å lese om igjen er godt dokumentert: Rowlands metaanalyse fra 2014 fant en gjennomsnittseffekt på g = 0,50 på tvers av 159 sammenlikninger. Cepeda og kolleger gikk gjennom 839 målinger av spredt repetisjon og fant at den optimale avstanden mellom repetisjonene øker jo lenger fram prøven ligger.

Legg merke til hva de tre lavt rangerte teknikkene har til felles med det en språkmodell tilbyr som standard: du leser noe velformulert. Og hva de to høyt rangerte har til felles: du produserer noe fra eget hode, gjentatte ganger, med mellomrom, uten fasit foran deg.

Det er ikke KI som er problemet. Det er at standardgrensesnittet til en språkmodell er en oppsummeringsmaskin, og oppsummering er en av teknikkene med svakest dokumentert effekt.

To måter å bruke samme modell på

	Chat som gjør jobben	Verktøy som får deg til å gjøre jobben
Hva du gir den	Et spørsmål eller en oppgave	Ditt eget pensum: notater, PDF-er, forelesninger
Hva du får	Et ferdig svar	Spørsmål du må svare på selv
Din rolle	Leser og limer	Henter fram fra hukommelsen
Hvem produserer	Modellen	Du
Kognitiv innsats	Minimeres	Kalibreres
Følelse underveis	Går strålende	Går tregt
På prøven uten hjelpemidler	−17 % (Bastani)	2× læringsutbytte (Kestin)

Poenget er ikke at den venstre kolonnen er ubrukelig. Når du står bom fast klokka 23 kvelden før innlevering, er en god forklaring det du trenger, og den er verdt mye. Bastani-studien viser jo også at KI løfter prestasjonen kraftig mens du har den. Problemet oppstår når krykken blir hele treningsopplegget, og prøven kommer uten den.

Hva vi bygger, og hvorfor

Utenat er bygget rundt den høyre kolonnen. Prinsippet er enkelt å formulere og overraskende krevende å holde seg til: KI-en skal jobbe hardest der du ikke lærer noe av å gjøre jobben selv, og trekke seg tilbake der anstrengelsen er hele poenget.

Her er hele verktøykassa, sortert etter hvem som gjør jobben:

Verktøy	Hvem gjør jobben	Hvorfor det er lagt der
Forelesningsopptak → transkripsjon	KI-en	Ren friksjon. Du lærer ingenting av å skrive av lyd.
Øktsammendrag fra dine kilder	KI-en	Oppsummering er lavt rangert som studieteknikk (Dunlosky)
Flashcards, bildeokklusjon, quizer	KI-en lager spørsmålene	Testing er høyt rangert. Du skal svare, ikke lese.
Repetisjonen	Du	Selve læringen (Rowland, g = 0,50)
Planlegging av repetisjonen	KI-en (FSRS-6)	Optimal avstand avhenger av eksamensdato (Cepeda)
Dekning mot læringsmål	KI-en	Motvekt mot å repetere det du allerede kan
Prøveeksamen	Du svarer, KI-en retter	Retrieval under eksamensvilkår
Muntlig-drill	Du snakker, KI-en eksaminerer	Flere gjennomkjøringer enn lærertimer tillater
Oppgavehjelp	Du — Iver gir hint, ikke fasit	GPT Tutor-designet fra Bastani-studien

Og her er det i detalj.

1. Alt materialet ditt inn, ett sted

Det starter med dine egne kilder, ikke med en tom promptboks. Du oppretter et fag, legger emner under det, og holder studieøkter der materialet samles: notater i en editor som takler matte og kode, PDF-er og presentasjoner, nettlenker (artikler, YouTube-videoer, PDF-er på nett blir hentet inn og lest), og bilder — tar du bilde av tavla med telefonen, fester det seg til tidslinjen der det hører hjemme.

Forelesninger kan du ta opp rett i nettleseren eller på telefonen. Lyden transkriberes — i sanntid på betalte planer, med talergjenkjenning — og lyden slettes så snart teksten er klar. Vi lagrer den aldri.

Dette er ren friksjonsfjerning. Ingen har noensinne lært fysikk av å skrive ned lyd manuelt. Og friksjon er den viktigste enkeltårsaken til at folk aldri kommer i gang med teknikkene som faktisk virker: at det er tungt å lage 200 flashcards er grunnen til at de fleste dropper spaced repetition.

2. Kildene dine blir til noe du kan teste deg på

Fra en økt — eller fra akkurat de kildene du huker av, ned på enkeltdokument-nivå — kan du generere:

Øktsammendrag (kompendier) som rydder notater, transkripsjon og dokumenter til et strukturert kapittel med nøkkelbegreper, eksempler og typiske feil.
Flashcards, inkludert cloze og bildeokklusjon: du laster opp et diagram, et kart eller en figur, tegner bokser over det som skal skjules, og får kort som tester deg på hver enkelt del. KI-en kan foreslå boksene, men du justerer dem.
Quizer med flervalg, sant/usant og kortsvar — med fasit og forklaring på hvorfor.
Tankekart og presentasjoner når det er strukturen du trenger å se.

Legg merke til arbeidsdelingen: KI-en lager spørsmålene. Du lager svarene. Det er nøyaktig den fordelingen Dunlosky-oversikten peker på — oppsummering er lavt rangert som studieteknikk, testing er høyt rangert. Så vi automatiserer oppsummeringen og lar deg beholde testingen.

Har du en Anki-samling fra før, kan den importeres med hukommelsestilstanden i behold — modne kort forblir modne, så du ikke starter på null.

3. Repetisjonen planlegges mot datoen du faktisk skal opp

Under kortene ligger FSRS-6, samme moderne algoritmefamilie som Anki bruker, som planlegger neste repetisjon ut fra hvor sannsynlig det er at du har glemt kortet akkurat nå. To ting er lagt til:

Rampe mot prøvedatoen. Cepeda-funnet sier at optimal avstand mellom repetisjonene avhenger av hvor langt fram prøven ligger. Så vi spør deg når du skal opp, og strammer intervallene inn mot datoen.
Vekter tunet på deg. Algoritmens parametere justeres mot din egen repetisjonshistorikk, ikke mot et gjennomsnitt av alle brukere.

Kort du allerede har åpnet kan du repetere uten nett — på bussen, i en kjeller uten dekning — og repetisjonene synkroniseres når du er tilbake på nett.

4. Koblingen til læringsmålene

Dette er den delen ingen generell chat har, og den er mer praktisk enn den høres ut.

Går du på videregående, velger du faget ditt, og kompetansemålene hentes automatisk fra Utdanningsdirektoratets læreplaner ut fra fagkoden. Studerer du, hentes emnets læringsutbytte automatisk for enkelte institusjoner (i dag NTNU) — ellers limer du inn lenken til emnesiden, så leser vi læringsutbyttet derfra.

Deretter kobles alt materialet ditt mot de målene, og du får en dekningsgrad: hvilke mål har du materiale på, hvilke har du testet deg på, og hvilke har du ikke vært innom i det hele tatt. Står du fast på ett av dem, kan du sende det rett til Iver med kontekst om hvor du er — «jeg har delvis dekket dette, hva er hullene?» er et annet spørsmål enn «forklar dette fra bunnen av», og systemet vet hvilket av dem som er ditt.

Poenget er å motvirke en av de mest utbredte studiefeilene: å repetere det du allerede kan, fordi det føles best å få rett.

5. Studiebobler — alt arbeidet mot én vurdering

En studieboble samler alt som hører til én prøve, tentamen eller eksamen: kildene, kortstokkene, quizene, læringsmålene og datoen. Den gir deg to ting:

Mestringsgrad (0–100 %) — et vektet mål på hvor klar du faktisk er, satt sammen av din egen vurdering av hvert læringsmål, flashcard-mestring, quiz-resultater, dekning, og resultatene fra prøveeksamener og muntlig-drill (med tak på hvor mye de sistnevnte kan telle). Du kan følge trenden over dager og uker, som en motvekt til magefølelsen — som vi vet fra flyt-illusjonen er en dårlig rådgiver.
Dagens plan — en prioritert liste over hva du bør gjøre i dag, generert ut fra hvor du er svakest og hvor lenge det er igjen, med tidsestimat og avkryssing.

6. Prøveeksamen og muntlig-drill

Prøveeksamen kan genereres fra pensumet ditt, eller importeres fra et eksamenssett du selv har tilgang til — last det opp, så gjøres det om til en eksamen som rettes med begrunnelse på hvert svar og kobles mot læringsmålene. Du kan svare med tastatur, med stemme (transkriberes og slettes), eller ved å fotografere håndskriften din. Og mens du er inne i en prøveeksamen, går Iver i kun-hint-modus: han gir ledende spørsmål, ikke svar. Det er en øving, ikke en oppslagstjeneste.

Muntlig-drill setter Iver i sensorstolen. Han eksaminerer deg fra dine egne kompetansemål, følger opp svarene dine med oppfølgingsspørsmål, og gir en vurdering til slutt med hva du bør øve mer på. Du svarer med stemme eller tekst. For et muntlig-fag er dette den eneste realistiske måten å få mange nok gjennomkjøringer på — det finnes ikke nok lærertimer i verden til at hver elev får øve muntlig ti ganger.

7. Iver — og oppgavehjelpen som nekter å gi deg fasiten

Iver er KI-studieassistenten. Det som skiller ham fra en generell chat er kontekst: han vet hvilken økt, hvilket kort, hvilken quiz, hvilken studieboble, hvilket fag eller hvilken kalenderdag du står i, og han svarer fra dine kilder — ikke fra internett generelt. Han kan søke på tvers av alt materialet ditt, så «forklar forskjellen mellom X og Y fra forelesning 3» er et spørsmål han faktisk kan besvare. Du kan gi ham et annet navn, en annen personlighet og egne instruksjoner («jeg forbereder meg til medisin-opptaksprøven — vær hardere mot meg»).

Men den mest relevante funksjonen for alt som står over i denne artikkelen, er Oppgavehjelp.

Du fotograferer en oppgave du står fast på. Iver leser den, viser deg hvordan han har forstått den, og deler den i to til seks delsteg — formulert som mål, ikke som svar. Så jobber dere gjennom dem, ett hint om gangen. Han gir ikke den fullstendige løsningen. Han bekrefter ikke et gjettet svar med ja eller nei hvis du ikke har vist utregning — han spør hvordan du kom fram til det.

Og han lar seg ikke overtale. Instruksjonen er eksplisitt på at maset ikke virker: ikke tidsnød («prøven er om ti minutter»), ikke påstander om å være lærer eller forelder, ikke påstander om at han allerede har gitt svaret, ikke beskjed om å se bort fra reglene sine, og ikke tekst som står på det fotograferte arket. Det finnes nøyaktig én måte å låse opp løsningen på: du må ha gjort et reelt forsøk, og så bevisst trykke «Vis løsningen». Ingenting du skriver kan gjøre det.

Det er ikke en tilfeldig designdetalj. Det er GPT Tutor fra Bastani-studien, bygget inn i et produkt.

Der vi er ærlige om avveiningen

Iver kan fortsatt brukes til å slippe unna. Utenfor oppgavehjelpen og prøveeksamen er han en tutor som svarer, og ber du ham skrive innleveringen din, så gjør du en variant av det Bastani-elevene gjorde — og da gjelder −17 prosent for oss også. Vi kan gjøre standardvalget riktig, plassere friksjonen der den hører hjemme, og gjøre det litt mer tungvint å jukse seg selv. Vi kan ikke gjøre det umulig, og vi kommer ikke til å påstå at vi kan.

Det som skiller helheten fra en chat er uansett ikke at modellen er smartere. Det er at pensumet ditt bor ett sted gjennom hele semesteret, og at systemet husker hva du har testet deg på og når — mens en samtaletråd starter på nytt hver gang og aldri kommer tilbake i mai for å sjekke om du fortsatt kan det du kunne i mars.

Hva vi ikke påstår

Det finnes ingen studie av Utenat. Det vi har vist til over er forskning på mekanismene vi bygger på — spredt repetisjon, testing, pedagogisk innrammet KI — ikke på produktet vårt. Det er en reell forskjell, og vi kommer ikke til å påstå noe annet før noen har målt det.

Vi påstår heller ikke at struktur er nok. Kestins tutor doblet læringen i et fag der studentene allerede var motiverte og faglig sterke. Bjorks forbehold gjelder: en vanske er bare produktiv hvis du har forutsetningene for å komme deg gjennom den. Elever som strever, trenger en lærer — ikke en app med bedre algoritme.

Og en generell chat er fortsatt bedre enn oss på bredde. Skal du forstå én ting nå, i et fag du ikke har lastet opp noe fra, så åpne ChatGPT. Vi har skrevet en egen sammenlikning av Utenat og ChatGPT der vi går gjennom det i detalj.

Hva dette betyr for lærere og foreldre

Lektorlagets 90 prosent har rett i observasjonen. Men konklusjonen som følger av forskningen er ikke «forby KI» — den er at forbud og frislipp er de to alternativene som begge går galt, og at spørsmålet som avgjør er et helt annet:

Hvem produserer svaret?

Det er et spørsmål man kan stille om et hvilket som helst verktøy, uten å kunne noe om språkmodeller. Lager eleven kortene og svarer på dem, eller limer eleven inn oppgaveteksten og henter ut et svar? Er KI-en på plass under øvingen og borte på prøven — det verste tilfellet i Bastani-studien — eller er den brukt til å bygge noe eleven etterpå må klare uten den?

Det er også det ærlige svaret på hvorfor debatten har låst seg. Det finnes ingen «KI-politikk» som kan skrives på ett ark for alle verktøy under ett, like lite som det finnes én internettpolitikk. Utdanningsforbundet har pekt på at debatten har handlet for mye om hvordan teknologien skal brukes fordi den finnes, og for lite om hva elevene faktisk skal lære. Det er den riktige rekkefølgen. Begynn med kompetansen, og still deretter det ene spørsmålet til hvert verktøy.

Er du forelder, har vi skrevet en egen side om hva appene faktisk gjør, hva de koster satt opp mot privatistkurs og leksehjelp, og hvordan vi behandler dataene: Til foreldre →. Er du lærer: Til lærere →.

Kort oppsummert

Samme språkmodell ga +48 prosent mens elevene brukte den og −17 prosent når den ble tatt bort. Med pedagogiske begrensninger forsvant tapet. Designet avgjorde, ikke teknologien.
Grunnen er at KI fjerner anstrengelsen — og anstrengelsen ved å hente fram kunnskap er selve læringen.
Det gir en illusjon av mestring, fordi flytende tekst føles som forstått tekst.
Riktig innrammet gikk den samme teknologien den andre veien: dobbelt læringsutbytte på kortere tid i Harvard-forsøket.
Det som virker, er velkjent: teste seg selv, spredt over tid. KI er på sitt beste når den fjerner det kjedelige arbeidet med å komme i gang med nettopp det — og på sitt verste når den overtar selve øvingen.

Det er den forskjellen vi har bygget rundt: KI-en transkriberer forelesningen, lager kortene, quizen og prøveeksamenen, holder styr på læringsmålene og planlegger repetisjonen mot datoen du skal opp. Så gir den deg spørsmålet og går til side.

Prøv Utenat gratis i 14 dager →