Blyanten eller bot, kampen om de siste 20 prosentene

Hånden, hjernen og den generative friksjonen.  

Forklaringen på sammenhengen mellom bruken av KI-verktøy og denne digitale amnesien kan ligge i noe som er overraskende håndnært. Forskning fra NTNU, ledet av professor Audrey van der Meer, bekrefter en sammenheng vi gjerne overser i en heldigital hverdag: Hånden og hjernen er tett sammenkoblet. 

I artikkelen «Handwriting but not typewriting leads to widespread brain connectivity: a high-density EEG study with implications for the classroom», så de at skisserering for hånd aktiverer nesten hele hjernen og danner nevrale baner som er avgjørende for dyp læring.

Denne prosessen skaper det som i nevrovitenskapen kalles somatiske markører – de intuitive signalene som gjør at en erfaren fagperson fornemmer at en løsning er riktig, før logikken bak hvorfor den er riktig kan forklares med ord.

Å skrive en prompt til en KI er til sammenlikning en langt mindre stimulerende oppgave for hjernen. 

Samtidig påvirker vi denne prosessen negativt når vi slutter å jobbe manuelt med ideene våre og som stier i skogen som ikke lenger er i bruk, svekkes disse nevrale banene ab manglende stimuli, og gror igjen. I prosessen mister vi ikke bare en ferdighet, men også den biologiske infrastrukturen som støtter vårt profesjonelle skjønn.

Fra regelbaserte verktøy til lærende organismer 

Skiftet vi opplever nå er likevel grunnleggende annerledes enn ved tidligere teknologiske paradigmeskift, som for eksempel da vi gikk fra tegnebrettet til de å bruke de første utgavene av DAK. Tradisjonelle designprogramvarer er regelbaserte, og forenkler systemene rundt det å designe, mens den likefullt krever at mennesket står for tenkningen. 

Til motsetning kan systemer nå, ved å ta i bruk Deep Reinforcement Learning, tilpasse seg menneskelig atferd i sanntid. Vi kan simulere hvordan mennesker beveger seg gjennom et offentlig rom, hvordan dagslyset tegner seg på en fasade, eller hvordan dyreliv responderer på kunstig belysning, i en virtuell modell av virkeligheten. Disse modellene tester tusenvis av scenarier og oppnår et presisjonsnivå innen menneskesentrert design som tidligere var umulig. 

Men etter hvert som disse systemene blir mer sofistikerte, blir vi også mer og mer fremmedgjort fra prosessen og resonnomentene som ligger bak resultatene vi sitter igjen med. For å kunne imøtekomme dette «Black-box»-problemet blir konseptet Explainable AI avgjørende. Dette er systemer som er designet for å ikke bare vise oss hva de har besluttet, men også hvorfor. Uten denne gjennomsiktigheten risikerer vi å gradvis overlate faglig skjønn til prosesser vi ikke fullt ut forstår. 

Arkitekten i loopen: 80/20-løsningen 

Hvordan forhindrer vi dermed at arbeidet vårt ender opp som workslop: Resultater som ser polerte ut på overflaten, men som mangler intensjon eller kontekstuell dybde? 

Forskningsmiljøer som MishMash (Centre for AI and Creativity) foreslår en Human-in-the-Loop-metodikk. Prinsippet er enkelt: La KI håndtere de 80 prosentene av arbeidet den er best på som tekniske kontroller, dokumentanalyse og rutineoppgaver og skjerm, deretter de resterende 20 prosentene fra bruken av KI. Det er her de estetiske og etiske vurderingene ligger. Det er her vi gjør de vurderingene en maskin ikke kan gjøre. Det er denne delen som krever at noen har tenkt, skisset og brynet seg på problemet. 

I praksis betyr dette å relegere KI-en fra eneansvarlig bidragsyter til en mer passende rolle som sparringspartner eller assistent. Men «sparringspartner» må være mer enn en metafor. Ikke be KI-en om å «designe en belysningsplan for en park». Be den i stedet argumentere mot det foreslåtte konseptet ditt før du presenterer det for en oppdragsgiver. Og likeledes må «assistenten» assistere – bruk den til å generere tre alternative tilnærminger til et problem du allerede har løst, ikke fordi løsningen din er feil, men fordi sammenligningen tvinger deg til å formulere hvorfor din er bedre. 

Verdien av å bruke KI på denne måten ligger ikke i svaret du får fra maskinen, men i tenkningen spørsmålet har krevd av deg. 

KI-ens inntog i arbeidshverdagen er uimotståelig, men løsningen ligger ikke i å «stå imot». Vi står ovenfor fremveksten av revolusjonerende teknologi som kan gjøre mer enn å frigjøre oss fra banale arbeidsoppgaver og de som vil lykkes i fremtiden er ikke de som prompter raskest, men de som bruker KI til å realisere de sterkeste ideene.

På veien dit må vi fostre en holdning i vår bruk av KI som nærer tette bånd til fagets premisser, hvor vi forstår før vi aksepterer, og hvor vi bevisst bruker de verktøyene ved ulike stadier i en prosess som spiller oss best. Det er på tide å spisse blyanten.

Kilder: 

MIT Media Lab (2025): «Your Brain on ChatGPT: Cognitive Debt and the Architecture of Generative AI». Studie av hvordan friksjonsfri KI påvirker langtidshukommelse og kognitiv bearbeiding. 

Van der Meer, A. L. H., & Van der Weel, F. R. (2024): «Handwriting but not typewriting leads to widespread brain connectivity». Frontiers in Psychology, 14. NTNU: Developmental Neuroscience Laboratory. 

MishMash Centre for AI and Creativity (2026): «WP7: Human-centric AI Framework: The Architect-in-the-Loop Methodology». Rammeverk for samarbeid mellom menneske og maskin, med fokus på å bevare menneskelig agens i kreative prosesser.