Kommentar
28.10.2026
af
Jonathan Løw
PR-foto
Kunstig intelligens kan gøre mange af os markant mere effektive i opgaveløsningen. Men samtidig kan teknologien gøre os dårligere til at tænke nyt, advarer Jonathan Løw – og foreslår tre greb til at undgå det.
Tilbage i 2018 var jeg medstifter af en af Danmarks første generative AI-virksomheder, JumpStory. Dengang hyldede vi kunstig intelligens som den ultimative motor for nytænkning, men det var lang fra blevet mainstream endnu.
Nu har AI for alvor gjort sit indtog på arbejdspladserne. Den kunstige intelligens skriver de første udkast til policy-notater i departementerne, gennemtrawler præcedens på advokatkontorerne, bygger slides i konsulenthusene og strukturerer risikovurderinger i den finansielle sektor.
Men kigger man på den seneste adfærdsforskning og neurovidenskabelige studier fra bl.a. MIT Media Lab og Harvard Business School, tegner der sig et markant kreativitetsparadoks: AI gør den enkelte fuldmægtige, konsulent eller analytiker markant mere effektiv på den korte bane, men teknologien risikerer samtidig at lamme den kollektive faglighed og evnen til at skabe de ægte, visionære gennembrud.
Et centralt studie i den forbindelse blev udgivet i Science Advances. Her testede forskerne, hvad der sker med kvaliteten af koncepter og problemløsning, når medarbejdere understøttes af generative sprogmodeller.
Isoleret set var resultatet for individet imponerende. Testpersoner med adgang til AI leverede løsninger med markant højere gennemsnitlig kvalitet og større umiddelbar brugbarhed. AI kan altså hæve bundniveauet.
Men denne absolut positive effektivisering har en mørkere bagside.
Ledige stillinger
Forskningen viser nemlig også, at når man sammenligner de AI-assisterede forslag på tværs af organisationer, bliver de bekymrende ensartede.
Årsagen ligger i teknologiens natur: Store sprogmodeller er i deres matematiske kerne sat i verden for at spytte det statistisk mest sandsynlige svar ud baseret på historiske data. Når vi samtidig bruger de samme tre-fire dominerende AI-modeller – ofte med de samme standardiserede prompts – konvergerer vores tænkning.
Dertil kommer den mentale pris, vi betaler. Neuroforskere har fundet svagere neurale forbindelser hos personer, der læner sig passivt op ad AI-genererede forslag – et fænomen, sociologer kalder kognitiv dovenskab.
AI er et genialt værktøj til den inkrementelle faglighed – til at forbedre, optimere og effektivisere det, vi allerede kender.
Men historiens største samfundsmæssige, juridiske og økonomiske gennembrud er aldrig opstået ud fra statistisk sandsynlighed. De opstår ud fra forskeres dybe nysgerrighed, modige direktørers visioner, dommeres principielle og banebrydende fortolkninger af loven og embedsmænd, der tør udfordre vanetænkningen i ministerkontorerne.
Derfor vil jeg anbefale følgende tilgang til AI i praksis:
1) Hold AI ude af kontoret i den indledende fase
Når en ny politisk strategi, en organisationsforandring eller et nyt forskningsdesign skal i støbeskeen, skal AI holdes fuldstændig ude af lokalet. Brainstormingen skal foregå med analoge penne, rå faglighed, menneskelig intuition og vilde indskydelser omkring mødebordet. Det er her, vi sikrer diversiteten i tankegangen.
2) Giv algoritmen faglige benspænd
Standardprompts fører til standardsvar. Hvis I vil have innovative løsninger, skal I bevidst tvinge AI’en ud, hvor den ikke kan bunde i sit historiske datasæt. Giv maskinen svære dogmer og rollespil. Bed den fx om: "Indtag rollen som en ekstremt kritisk højesteretsdommer, og kritisér argumenterne i dette udkast til et folketingsnotat."
3) Beløn det modige og det skæve i organisationen
Ledere skal aktivt efterspørge og belønne den radikale afvigelse. Hvis en analytiker eller projektleder præsenterer en skæv hypotese eller en helt utraditionel vinkel, der går stik imod de gængse tendenser og algoritmens anbefalinger, skal det anerkendes som et sundhedstegn frem for at blive kasseret som en fejl.
Jonathan Løw er serieiværksætter, foredragsholder og forfatter til 'Agentbogen - fra hype til handling'