Når studerende skal skrive afleveringsopgaver og til eksamen, fungerer AI langt fra altid som det hjælperedskab, det ofte bliver italesat som. Tværtimod peger en undersøgelse, som VIA University College har gennemført blandt studerende, at de fagligt svagere studerende har brug for langt mere støtte end de stærkere, hvis teknologien skal være med til at mindske og ikke øge ulighed.
Med andre ord er det misvisende, når generativ AI bliver præsenteret som en teknologi, der fremmer lighed og inklusion (OECD, 2023). Sandheden er, at AI i praksis reproducerer mange af de mønstre, der i forvejen fører til skel mellem mennesker og muligheder (Selwyn & Jandrić, 2020).
Fx er AI i uddannelsessystemet til langt større gavn for de studerende, der er privilegerede ved at komme fra en akademisk orienteret baggrund og har relevante sociale relationer i bagagen.
VIA-undersøgelsen om brug af generativ kunstig intelligens som ChatGPT, Copilot og lignende værktøjer i forbindelse med både forberedelse til og afvikling af eksamener, har haft VIAs studerende til blandt andet pædagog, lærer, sygeplejerske og fysioterapeut som omdrejningspunkt. Nærværende data er primært indsamlet på pædagoguddannelsen, men VIA fortsætter undersøgelsen, som vi afrapporterer senere i et bredere perspektiv.
Den sociale kapital gør en stor forskel
Med AI står vi med en innovativ teknologi, som åbner nye døre. Men AI risikerer samtidig at reproducere eksisterende sociale skel og altså skabe uligheder.
Faktum er nemlig, at de studerendes viden om, hvordan de bedst kan få gavn af de muligheder, AI tilbyder, hænger tæt sammen med dét, den anerkendte franske sociolog og antropolog Pierre Bourdieu betegner som den sociale kapital (Bourdieu, 1986).
Den sociale kapital er summen af de ressourcer, som er knyttet til individets sociale relationer (Bourdieu, 1986). I en uddannelseskontekst viser den sociale kapital sig typisk i form af den enkelte studerendes adgang til støtte fra familiemedlemmer med akademisk erfaring, venner med teknisk ekspertise eller nære bekendtskaber med professionel indsigt.
Sagen er, at den sociale kapital er yderst virksom. Men den er ikke ligeligt fordelt, for nogle studerende har relationer, der giver langt lettere adgang til hjælp og støtte, end andre har.
Sådan forholder det sig også med AI.
Skindet bedrager – AI er ikke universel
På overfladen virker AI som en universel teknologi, da den studerende ikke behøver at spørge en person om hjælp, og da AI tilbyder ideer, sprogforbedring, struktur og overblik i næsten ubegrænsede mængder. I praksis er faktum imidlertid, at AI som teknologi ikke er neutral og til lige stor gavn for alle (Selwyn & Jandrić, 2020).
Udfordringen er, at AI kræver forståelse, sproglig præcision og refleksiv promptbrug (OECD, 2023), og det er kompetencer, der i høj grad hænger sammen med social kapital.
Det gælder både, når AI bliver brugt til eksamensforberedelse i form af mundtlig præsentation, opgaveskrivning og analyse samt udvikling af professionsrettede produkter som lege, træningsøvelser, visualiseringer og læringsforløb, viser VIAs projekt foreløbigt.
AI som støtte til mundtlig eksamen
For de studerende, der forbereder en præsentation til mundtlig eksamen, er generativ AI fx en udbredt sparringspartner til at udvikle indledninger, skabe argumentstrukturer og simulere mulige spørgsmål fra eksaminator.
Men det er ikke alle studerende, der mestrer den afgørende dialog med teknologien og forstår at redigere og tilpasse output. Tværtimod står nogle studerende uden den nødvendige sproglige eller faglige ballast til at evaluere kvaliteten af det, AI genererer (Bourdieu, 1991).
Konsekvensen er, at de studerende, der har lært af deres nære relationer, hvordan man argumenterer akademisk, og hvordan man forholder sig kritisk til viden, har et klart forspring (Bourdieu, 1991).
AI som hjælp til opgaveskrivning
I studerendes arbejde med skriftlige eksamensopgaver kan AI hjælpe med at formulere problemstillinger, opbygge argumenter og sikre sproglig korrekthed.
Men hvis den studerende ikke har lært, hvordan man adskiller fagligt holdbare argumenter fra overfladiske beskrivelser og ikke har evnen til faglig evaluering, kan brugen af AI føre til opgaver med en tynd faglig forankring.
Med andre ord vil den studerende, der er i stand til at iscenesætte sin brug af AI som faglig refleksion, fremstå stærkere og mere kompetent – også i censorers, eksaminatorers og underviseres øjne. AI bliver dermed ikke bare en teknologisk støtte, men et redskab til positionering, anerkendelse og legitimitet.
AI som generator af ’produkter’
En tredje og til tider overset anvendelse af AI i professionsuddannelserne er udvikling af produkter som fx lege, træningsøvelser, visualiseringer og læringsforløb.
Når studerende bruger AI til sådanne praksisnære formål, fordrer det ikke blot teknologisk kompetence, men også evnen til at oversætte AI-genereret input til meningsfulde og etisk forsvarlige aktiviteter. Og det kræver refleksiv faglighed, hvilket er en kapacitet, der i udstrakt grad bliver udviklet gennem deltagelse i praksisfællesskaber, faglig vejledning og kontinuerlig feedback.
Det vil altså sige, at studerende, der har adgang til ressourcer gennem sociale relationer, har bedre forudsætninger for at integrere AI i deres professionsidentitet og eksamensfremlæggelser, mens studerende uden essentiel social kapital er dårligere stillet.
Ulighed i uddannelse risikerer at ramme arbejdsmarkedet
I hele uddannelsessystemet skal vi anerkende, at adgangen til AI forandrer vilkårene for læring og eksamensforberedelse. Samtidig skal vi være bevidste om, at der er behov for at forankre brugen af teknologien med en pædagogisk, didaktisk og social indsats – med et klart mål om at undgå at forstærke eksisterende skel mellem de studerende.
Kunstig intelligens rummer et betydeligt potentiale for at styrke læringskvalitet og udvide adgangen til uddannelse. Men potentialet kan kun realiseres, hvis stater og uddannelsesinstitutioner etablerer de nødvendige rammer for digital kompetence, lige adgang til teknologi, etisk styring og menneskecentreret implementering af AI (UNESCO, 2025).
Hvis ikke de nødvendige rammer bliver skabt, risikerer vi, at forskellene blandt studerende forplanter sig til arbejdsmarkedet og medfører ulighed i adgangen til alle de professioner i velfærdssamfundet, der fordrer indgående digitale kompetencer.
Indlægget herover blev den 15. december 2025 bragt på Altinget.
Kildeliste til ovenstående indlæg:
- Bourdieu, P. (1986). The forms of capital. In J. Richardson (Ed.), *Handbook of Theory and Research for the Sociology of Education* (pp. 241–258). Greenwood Press.
- Bourdieu, P. (1991). *Language and Symbolic Power* (J. B. Thompson, Ed.; G. Raymond & M. Adamson, Trans.). Harvard University Press.
- OECD. (2023). *Generative AI in education: Promises and pitfalls*. OECD Publishing. https://www.oecd.org/education/
- Selwyn, N., & Jandrić, P. (2020). Postdigital living in the age of COVID-19: Unsettling what we see as possible. *Postdigital Science and Education, 2*(3), 989–1005. https://doi.org/10.1007/s42438-020-00166-9
- UNESCO. (2025). AI and education: Protecting the rights of learners. UNESCO.