Tænk selv: sådan undgår du, at AI gør dig mindre skarp

Du har sikkert hørt påstanden: AI gør os dummere. Den dukker op i frokoststuen, i aviserne og i kommentarsporet, hver gang et nyt studie kommer ud. Og den har en kerne af sandhed. Men den er også for grov. Forskningen peger ikke på, at AI gør folk mindre skarpe. Den peger på, at en bestemt måde at bruge AI på gør det: at tage svaret og gå videre uden at tænke selv.

Denne artikel gennemgår de fire studier, der oftest bliver citeret, og hvad de faktisk viser, herunder hvor de er svage. Derefter får du seks rutiner, der holder dig i førersædet, så AI bliver en sparringspartner og ikke en facitliste.

Er der noget om snakken?

Ja, men ikke uden forbehold. Flere studier fra 2025 finder en sammenhæng mellem hyppig eller tillidsfuld brug af AI og mindre kritisk tænkning. Et randomiseret forsøg viser også, at elever med fri adgang til ChatGPT klarede sig dårligere, da de bagefter skulle løse opgaver uden. Det er værd at tage alvorligt.

Men læs tallene med tre ting i baghovedet. De fleste af studierne måler en sammenhæng, ikke en årsag: Folk, der i forvejen tænker mindre kritisk, kan være mere tilbøjelige til at læne sig op ad AI, og ikke omvendt. Flere af dem bygger på, hvad deltagerne selv fortæller om deres egen tænkning. Og det studie, der får mest omtale, er et preprint med 54 deltagere, som ikke er fagfællebedømt. Det er ikke argumenter for at afvise bekymringen. Det er argumenter for at være præcis om, hvad den handler om.

Fænomenet har et navn: kognitiv aflastning. Det er, når du lader et værktøj huske, regne eller tænke for dig. Det gjorde lommeregneren og GPS'en også, og det er ikke i sig selv et problem. Problemet opstår, når du aflaster den del af arbejdet, du faktisk skulle have trænet: at vurdere, afveje og tage stilling.

Hvad viser forskningen?

Her er de tre studier, der oftest nævnes, hvad de fandt, og hvor de er svage.

Lee m.fl., CHI 2025: tillid til AI hænger sammen med mindre kritisk tænkning

Forskere fra Carnegie Mellon University og Microsoft Research spurgte 319 vidensarbejdere om 936 konkrete situationer, hvor de havde brugt generativ AI i arbejdet. Spørgsmålet var, hvornår og hvordan de tænkte kritisk over AI's svar. To mønstre skiller sig ud. Jo større tillid deltagerne havde til AI, jo mindre kritisk tænkning rapporterede de. Jo større tillid de havde til deres egen faglighed, jo mere.

Studiet beskriver også, hvordan selve arbejdet flytter sig, når AI kommer ind: fra at samle information til at verificere den, fra at løse problemet til at integrere AI's svar, og fra at udføre opgaven til at føre tilsyn med den. Det er en præcis beskrivelse af, hvad mange genkender fra deres egen hverdag.

Forbehold: Deltagerne vurderede selv, hvor kritisk de tænkte, og det er ikke det samme som at måle det. Og forfatterne er helt eller delvist ansat hos Microsoft, der sælger AI-værktøjer. Det gør ikke resultatet forkert, men det er værd at vide.

Gerlich 2025: hyppig brug, mere aflastning, mindre kritisk tænkning

Michael Gerlich undersøgte 666 personer i Storbritannien med spørgeskema og interviews. Han fandt en signifikant negativ sammenhæng mellem hyppig brug af AI-værktøjer og kritisk tænkning, og sammenhængen gik gennem kognitiv aflastning: De, der brugte AI meget, overlod mere af tænkearbejdet til værktøjet, og de scorede lavere på kritisk tænkning. Yngre deltagere var mere afhængige af AI end ældre, og højere uddannelse hang sammen med bedre kritisk tænkning uanset AI-brug.

Forbehold: Det er et tværsnitsstudie, altså et øjebliksbillede, så det kan ikke sige, hvad der kommer først. Målene er selvrapporterede, der er én forfatter, og tidsskriftet Societies hører til MDPI-forlaget, som ikke alle forskere regner for lige så strengt som de store tidsskrifter. Studiet viser en sammenhæng. Det viser ikke, at AI er årsagen.

MIT Media Lab 2025: mindre hjerneaktivitet og dårligere hukommelse

"Your Brain on ChatGPT" fra Nataliya Kosmyna og kolleger på MIT Media Lab er det studie, der har fået mest omtale. 54 studerende skrev essays i tre grupper: med ChatGPT, med søgemaskine eller kun med hovedet, mens forskerne målte hjerneaktivitet med EEG. De, der skrev med ChatGPT, viste mindre aktivitet i de netværk, der forbindes med opmærksomhed og hukommelse, deres tekster lignede hinanden mere, og de havde sværere ved at citere fra deres egen tekst bagefter. Forfatterne skriver, at ChatGPT-gruppen konsekvent klarede sig dårligere på neuralt, sprogligt og adfærdsmæssigt niveau.

Forbehold: Det er et preprint, altså ikke fagfællebedømt, selv om det blev revideret i december 2025. 54 deltagere er få, og kun 18 deltog i den fjerde session, hvor grupperne byttede værktøj, og som er den mest interessante del. Deltagerne var studerende, og opgaven var essays, ikke arbejdsopgaver. En offentliggjort kommentar til studiet maner til forsigtighed med at drage konklusioner. Studiet er et interessant signal. Det kan ikke stå alene.

Hvad gør forskellen?

Det mest brugbare svar kommer fra et studie, der ikke bare måler brug, men sammenligner to måder at bruge AI på. Hamsa Bastani og kolleger lavede et forsøg med knap 1.000 gymnasieelever i Tyrkiet, udgivet i PNAS i juni 2025. Eleverne øvede matematik i tre grupper. Den ene havde ingen AI. Den anden havde "GPT Base", en almindelig ChatGPT-grænseflade, der svarede på alt. Den tredje havde "GPT Tutor", en version designet af lærerne, som gav hints og feedback i stedet for at udlevere svaret.

Under øvelserne hjalp begge versioner. Eleverne med GPT Base løste ca. 48 % flere opgaver rigtigt, og eleverne med GPT Tutor ca. 127 % flere. Så kom eksamen uden AI. Her klarede eleverne med GPT Base sig ca. 17 % dårligere end dem, der aldrig havde haft AI. Eleverne med GPT Tutor klarede sig lige så godt som kontrolgruppen. Skaden var væk.

Forskerne forklarer det med, at eleverne brugte GPT Base som en krykke: De bad om svaret og skrev det af i stedet for at prøve selv. Når den version, der kun gav hints, ikke skadede, er budskabet klart. Feedback styrker. Facit svækker. Det samme AI-værktøj kan altså både gøre dig bedre og dårligere, afhængigt af hvad du beder det om.

Forbehold også her: Det er gymnasieelever og matematik, ikke en dansk arbejdsplads med rigtige kunder. Men det er et randomiseret forsøg med en kontrolgruppe, og det er det eneste af de fire studier, der kan sige noget om årsag.

Hvad betyder det på en dansk arbejdsplads?

At din faglighed er dit værn. Det stemmer med Lee m.fl.: De, der stolede på deres egen faglighed, tænkte mere kritisk over AI's svar. Den, der kender sit fag, fanger fejlene. Den, der ikke gør, kan ikke se dem. Vi har skrevet om, hvorfor AI ikke kræver teknisk baggrund, og pointen holder stadig: Det er ikke teknisk viden, der gør dig til en god AI-bruger. Det er viden om dit eget fag.

Og der er plads til forbedring. I Djøfs undersøgelse blandt 1.828 medlemmer, med data fra september 2024 og udgivet i juni 2025, svarede kun 22 %, at de i høj eller meget høj grad har de nødvendige AI-kompetencer. 60 % vil gerne styrke dem. Det er en gruppe, der vil lære, men som endnu ikke føler sig klædt på. Og den, der ikke føler sig klædt på, har svært ved at vide, hvornår der skal siges fra over for et svar, der lyder rigtigt.

Et blik på gymnasiet giver perspektiv. I EVA's undersøgelse blandt 1.411 elever i 3.g fra februar 2026 bruger omkring ni ud af ti AI til skolearbejdet, og 40 % af dem, der bruger det, oplever i nogen eller høj grad, at det gør dem dovne. Det er elevernes egen vurdering, ikke en måling af deres færdigheder. Men det er de medarbejdere, I ansætter om få år, og de siger det selv.

Seks rutiner, der holder dig skarp

Rutinerne bygger på det, forskningen peger på: Tænk først, bed om modspil, tjek svaret, og hold din egen muskel i gang.

1. Skriv dit eget bud først, og brug derefter AI. Det er princippet fra Bastani: Den, der prøver selv, lærer. En sagsbehandler i en kommune, der skal svare på en klage, skriver først tre linjer om, hvad hun mener afgørelsen bør være, og hvorfor. Først derefter beder hun AI om et udkast og sammenligner. Er de uenige, er det netop der, hun skal tænke ekstra.
2. Bed om spørgsmål og modargumenter, ikke om svar. En projektleder i en byggevirksomhed i Aarhus har lavet en tidsplan. I stedet for at bede AI om at lave planen beder han: "Her er min tidsplan. Find de fem svageste led, og stil mig de spørgsmål, en erfaren byggeleder ville stille." Det er GPT Tutor-metoden, bare på en arbejdsplads. Flere måder at bruge AI som sparringspartner beskriver vi i AI som kollega, ikke værktøj.
3. Bed AI forklare sin tankegang, og tjek den. En controller i en produktionsvirksomhed får et forslag til, hvordan en afvigelse skal forklares i månedsrapporten. Hun beder: "Forklar trin for trin, hvordan du kom frem til det, og hvilke antagelser du gjorde." Det er i antagelserne, fejlene gemmer sig. Er en antagelse forkert, er resten også.
4. Verificér kilder og tal. AI kan opfinde kilder, tal og citater og skrive dem med samme ro som de rigtige. En kommunikationsmedarbejder i en brancheorganisation slår hver eneste kilde op, før den kommer i et nyhedsbrev, og bruger den tjekliste, vi har samlet i artiklen om AI-hallucinationer. Reglen er enkel: Et tal, du ikke har set ved kilden, er ikke et tal. Det er et gæt.
5. Skift mellem opgaver med og uden AI. Muskler, du ikke bruger, bliver svagere. En advokatsekretær, der plejer at lade AI lave første udkast til alle breve, skriver hver uge et par breve helt selv og sammenligner bagefter. Det holder hendes egen sprogsans ved lige, og det gør hende bedre til at se, når AI's udkast er for formelt eller for langt.
6. Lær af det, AI laver, i stedet for bare at kopiere. Når AI skriver en Excel-formel, en god indledning eller en klar forklaring, så stop op og spørg, hvorfor den virker. En økonomimedarbejder i en mindre virksomhed beder AI forklare, hvad hvert led i en formel gør, og prøver selv næste gang. Efter en måned kan han de fem formler, han bruger mest, og han kan se det, når AI laver en, der regner på det forkerte.

Fælles for de seks er, at de koster lidt ekstra tid her og nu og sparer langt mere på den lange bane, fordi du fanger fejl, før de bliver til problemer, og fordi du bliver dygtigere i stedet for mere afhængig. Hvordan du formulerer den slags prompts, kan du læse i Sådan skriver du gode prompts.

Hvad betyder det for ledere?

Tre ting. For det første er dømmekraft en kompetence, I skal træne, ikke en selvfølge. Når arbejdet flytter sig fra at udføre til at føre tilsyn, som Lee m.fl. beskriver, er det evnen til at vurdere et svar, der bliver afgørende. Det er en anden kompetence end at kunne skrive en prompt, og den skal have sin egen plads i jeres kompetenceplan.

For det andet kræver det tid. Rutinerne ovenfor tager længere tid end at kopiere svaret, især i starten. Hvis medarbejderne alene måles på, hvor hurtigt de leverer, vælger de krykken. Sæt tid af til at træne på egne opgaver, og gør det tydeligt, at det er i orden at bruge ti minutter ekstra på at tjekke. På vores AI kursus arbejder vi netop med deltagernes egne opgaver, fordi det er der, folk kan se, om svaret holder.

For det tredje kan AI være et emne i MUS og i den daglige ledelse. Bed medarbejderen vise, hvordan han eller hun bruger AI på en konkret opgave, og tal om, hvor det styrker, og hvor det bliver en krykke. Det er en bedre samtale end "bruger du AI?", og den gør det legitimt at sige: "Her stoler jeg ikke på svaret." Hvordan I får den kultur til at brede sig, har vi skrevet om i Få hele holdet med på AI.

Spørgsmålet var, om AI gør os dummere. Svaret er, at AI gør det, du bruger den til. Bruger du den som facitliste, aflaster du den del af arbejdet, du skulle have trænet. Bruger du den som modspil, får du en sparringspartner, der er til rådighed døgnet rundt. Forskellen er ikke værktøjet. Den er, om du tænker først.