KI-pionerene Norge

Kategori: KI i faget

Hvordan KI endrer yrkene elevene utdannes til

  • Hva skal vi kalle det når en fagarbeider kan KI i faget sitt?

    Hva skal vi kalle det når en fagarbeider kan KI i faget sitt?

    «KI-kompetanse» er blitt et ord alle bruker og ingen er uenige i. Det er også et ord som ikke hjelper deg stort når du står i verkstedet.

    For hva betyr det egentlig at en elektriker har KI-kompetanse? At hun kan bruke ChatGPT? At hun vet hva en språkmodell er? Eller at hun ser når KI-forslaget til kursdimensjonering ikke holder mot NEK 400?

    Det siste er noe annet enn de to første. Og det er det som mangler et navn.

    Forslaget

    En ny rapport foreslår KI-fagkyndig.

    KI-fagkyndig (adj.): Som har kompetanse til å bruke, vurdere og integrere kunstig intelligens i sin yrkespraksis, med forståelse for teknologiens muligheter, begrensninger og etiske implikasjoner i eget fagfelt. KI-fagkyndighet er fagspesifikk. Den innebærer at fagpersonen kan skille mellom situasjoner der KI styrker yrkesutøvelsen og situasjoner der den undergraver faglig forsvarlig praksis.

    Hele poenget ligger i ordet «fag».

    Derfor «fag»

    Norsk bruker samme ord om to ting. Skolefag som norsk og matematikk. Og yrkesfag som elektrikerfaget og helsearbeiderfaget.

    Ordfamilien i yrkesopplæringa følger konsekvent den andre betydningen. Fagbrev, fagarbeider, fagprøve, faglig leder, fagkyndig. Ingen kaller en norsklærer «fagkyndig i norsk». Ordet er reservert for yrkeskompetanse, både i praksis og i lovverket.

    Når KI-kompetansen får samme betegnelse, sier man samtidig hvor den hører hjemme. Inne i fagkompetansen, ikke som et generisk tillegg ved siden av den.

    Det er ingen språklig finesse. Begrepsvalget avgjør hva som lar seg måle, finansiere og etterspørre.

    Helsefagarbeider som står ved siden av en eldre beboer i en stue på et sykehjem, med et nettbrett senket mot hoften der en tiltaksliste vises
    Samme slags kompetanse, ulikt innhold. Tiltakslista er et forslag, og det som avgjør er det helsefagarbeideren ser i rommet. Illustrasjon generert med Google Gemini.

    Fire behov i samme skolebygg

    Fagarbeideren og lærlingen trenger KI-fagkyndighet. Å bruke, vurdere og integrere KI i yrkesutøvelsen, og å vite når KI styrker faget og når den undergraver forsvarlig arbeid.

    Yrkesfaglæreren trenger det samme, og i tillegg noe annet. Å legge til rette for at eleven utvikler den samme kyndigheten uten at verktøyet overtar læringen.

    Fellesfaglæreren i et yrkesfaglig program trenger nok kjennskap til programområdet til å yrkesrette KI-bruken i eget fag. Matematikklæreren på elektro skal ikke være KI-fagkyndig elektriker. Helt uvitende om faget kan læreren heller ikke være.

    Skolelederen trenger noe av en annen art. En fast ordning som fanger opp hva som endrer seg i bransjene skolen utdanner til, år etter år.

    Et kompetanseløft som ikke skiller mellom de fire, ender med å treffe ingen av dem presist.

    Hvorfor ikke bare «KI-dyktig»?

    Fristelsen er å lage en lettere variant til hverdagsbruk. Rapporten gjør det ikke, og begrunnelsen er verdt å merke seg.

    Alle kan være KI-dyktige. En regnskapsfører, en journalist, en elev på studiespesialisering. Ordet sier ingenting om fag. Da er man tilbake ved det generiske begrepet, bare med en vennligere klang.

    Hvorfor dette er nettverkets sak

    Rapporten bygger blant annet på en kartlegging av nesten 7 000 bidrag fra konferanser og tidsskrifter, gjort i august 2026.

    Fire sentrale yrkesfagtidsskrifter har til sammen publisert 410 artikler siden 2023. Ingen av dem handler om KI. På ECER 2026, Europas største utdanningsforskningskonferanse, var 272 av 3 081 bidrag om KI. Fjorten av dem berørte yrkesfag.

    Et begrep for KI i yrkesfag lar seg altså ikke låne fra litteraturen. Litteraturen finnes knapt. Det må utvikles der faget utøves, og det er her nettverket har noe ingen andre har.

    Les rapporten

    KI i fag- og yrkesopplæringen: Fra politiske ambisjoner til fagkyndig praksis (versjon 2.0, september 2026) er registrert i Nasjonalt vitenarkiv og kan siteres. Hele rapporten kan lastes ned derfra. Rapporten går gjennom utviklingen internasjonalt, i Norden og i Norge, og ender i femten anbefalinger for myndigheter, fylkeskommuner, skoler, lærerutdanning og forskning.

    Er du uenig i begrepet, eller har du et bedre? Det er nettopp slike innvendinger rapporten er skrevet for å få.

  • Tangen lar elevene jobbe som byrå

    Tangen lar elevene jobbe som byrå

    «Det er bare én måte å jukse på, det er å skrive selv.»

    Sitatet er fra Jo Erlend Thunberg, avdelingsleder for informasjonsteknologi og medieproduksjon ved Tangen videregående skole, og det er fra 2024. Snudd på hodet av den vanlige bekymringen, og helt på alvor ment.

    Han var en av innlederne da nettverket ble annonsert på Lillestrøm bibliotek i oktober. Det han viste fram, er verdt å se nærmere på, for det er et av de tydeligste eksemplene vi har på hva som skjer når en skole går inn i faget sitt i stedet for rundt det.

    Elevene jobber som byrå, ikke som elever

    AI Awards er bygget som et oppdrag, ikke som en oppgave.

    Elevene får en brief fra en ekte oppdragsgiver. Det første året var det selskapet Gervi Labs, som lyste ut en partnerkonkurranse: vis teknisk og kreativ kompetanse gjennom en fullverdig musikkvideo, reklamefilm eller kortfilm laget med generativ KI.

    Så organiseres arbeidet som i bransjen. Team. Prosjektplan og budsjett. Referansegrupper. Formelle kundemøter. Manus, bilde, lyd, video og nettside.

    Verktøykjeden elevene bruker er den samme som en liten produsent ville brukt: Google AI Studio, Adobe Firefly, Dream Machine, ElevenLabs, Suno, Udio, Hedra, Turboscribe, NotebookLM og Adobe Premiere.

    Det er her poenget ligger. Dette er ikke KI brukt til å lære et fag. Dette er faget, slik det ser ut nå.

    De ryddet i personvernet først

    Noe av det mest etterlignelsesverdige er at de tok den kjedelige delen først.

    Prosjektet ble kjørt som et prøveprosjekt, avklart med skoleeier, skolens KI-råd og personvernombud. Elevene fikk tydelig informasjon. Bare tekstbaserte promter laget av elevene selv, og KI-generert materiale som videreforedles gjennom nye KI-tjenester.

    Juryen var uavhengig, mens vurderingen ble gjort av pedagoger. Det skillet er verdt å merke seg. En jury kan kåre den beste filmen. Bare en lærer kan vurdere hva eleven kan.

    Siste prosjektdag var satt av til individuelle vurderingssamtaler.

    Så ville lærerne være med

    I 2025 sa avdelingslederen dette til kollegiet: «Filmkonkurransen gjelder ikke bare elevene, det gjelder også oss. Vi lager to lærerteam. Er dere med?»

    En lærer oppsummerte det slik: «Dette er den gøyeste kompetansehevingen ever.»

    Det er en kompetansehevingsmodell verdt å stjele. Ingen kursrekke, ingen påmelding. Lærerne gjorde den samme oppgaven som elevene, med de samme verktøyene og den samme fristen.

    Årets prosjekt: klima og bærekraft

    I 2026 handlet oppdraget om klima- og bærekraftutfordringer. To uker, utelukkende med KI som verktøy. 17 elevgrupper og to lærergrupper, og en prisutdeling med over 210 gjester.

    Juryen kom fra arbeidslivet. Alexander Salveson Nossum fra Norkart understreket at elevene må forstå både begrensningene og mulighetene ved KI. Sammen med Lars Fredrik Gyland fra Kartverket begrunnet han hovedprisen med at prosjektet var «en demokratisk gamechanger», med potensial til å bygge bro mellom innbyggere og myndigheter.

    Vinneren var Team 3 med prosjektet «Nær», om barn og unges medvirkning i kommunale prosesser.

    Tangen har skrevet om det selv i En demokratisk «gamechanger».

    Og en fortsettelse ingen hadde planlagt

    Vinnerprosjektet stoppet ikke ved prisutdelingen.

    «Nær» har vært inspirasjon til «Hack din fremtidige by», et samarbeid mellom Digin, Digi Innlandet og Oslo kommune med finansiering fra Kommunal- og distriktsdepartementet. Våren 2027 skal det arrangeres hackathon i de tre regionene, der ungdom lager løsninger for å involvere unge i byplanlegging. Initiativet har også vakt interesse hos andre store kommuner og hos KS.

    Det er verdt å stoppe ved. Et elevarbeid laget på to uker med KI-verktøy, i et medieproduksjonsfag på en videregående skole, har inspirert et departementsfinansiert initiativ i tre regioner.

    Det sier noe om hva som skjer når oppdraget er ekte. Elevene løste ikke en skoleoppgave om medvirkning. De laget et forslag som folk utenfor skolen kunne bruke.

    Opplysningene om «Hack din fremtidige by» er formidlet av Jo Erlend Thunberg, Tangen videregående skole, september 2026.

    Og videre inn i arbeidslivet

    1. september var Tangen vertskap for Techpoint Future, ungdomsdagen til teknologikonferansen Techpoint, i samarbeid med Institutt for informasjonssystemer ved Universitetet i Agder.

    Elever fra flere skoler, UiA-studenter og virksomheter som Kartverket, Norkart, Nkom, Google og Gervi Labs. Åtte workshoper og en promptekonkurranse, der oppgaven var «noe du går forbi som flere burde bry seg om».

    Thunberg framhevet i åpningen hvordan samarbeid mellom videregående opplæring, universitet og arbeidsliv kan utvikle regionen og gjøre den attraktiv å arbeide i etter endt utdanning.

    UiA har omtalt dagen i Techpoint Future samlet elever, UiA-studenter og arbeidslivet.

    Hva andre programområder kan ta med seg

    Medieproduksjon er et fag der KI treffer arbeidsoppgavene direkte og synlig. Det gjør Tangen til et tidlig eksempel, ikke et unntak.

    Fire grep lar seg overføre til hvilket som helst yrkesfag:

    • Hent oppdraget utenfra. En ekte oppdragsgiver gir andre krav enn en lærerlaget oppgave.
    • Organiser som bransjen. Team, frister, kundemøter og budsjett er også fagkompetanse.
    • Rydd i personvernet før du begynner, ikke etterpå.
    • La juryen kåre, og læreren vurdere. Det er to forskjellige ting.

    Gjør dere noe liknende i ditt fag? Fortell oss om det.

  • Trange kabler: når KI ikke kan fagspråket

    Trange kabler: når KI ikke kan fagspråket

    En elev spurte en praterobot om trange kabler. Han mente tverrsnitt. Roboten svarte om kabler som ligger under en dyne og kan bli for varme.

    Det høres ut som en morsom glipp. Det er noe langt mer interessant enn det.

    To språk i samme setning

    I elektrofaget betyr trang noe helt bestemt. I hverdagsnorsk betyr det noe annet. En elev som er i ferd med å lære seg både norsk og faget samtidig, står i begge språkene på én gang, og en generell språkmodell hjelper henne ikke over.

    Det er nettopp den avstanden NAFO arbeider med. NAFOKI er en nasjonal løsning med skreddersydde språkassistenter, utviklet for at flerspråklige elever skal få tak i fagbegrepene, ikke bare i ordene. Løsningen ble presentert på nettverkssamlingen i mars av Kjetil Sjøblom Roppestad og Ye Cai fra NAFO, sammen med Ernst Magnus, IKT-pedagog ved Rud videregående skole.

    Å teste hvor en modell bommer, er ikke kritikk av arbeidet. Det er arbeidet.

    Hva testingen fant

    Da en praterobot ble prøvd mot elektrofaget, kom det fram et mønster som er verdt å kjenne uansett hvilket fag du underviser i. Modellen var ikke dum. Den var trent på feil verden.

    Den kjente ikke de norske reglene. NEK 400 er den norske normsamlingen for elektriske lavspenningsinstallasjoner, og en del av fagspråket enhver elektriker vokser inn i. Der norsk praksis skiller seg fra det som er vanlig ellers, valgte modellen det internasjonale. Den visste ikke at den gjorde et valg.

    Den overså grunnleggende fagbegreper. Forleggingsmåte er ikke en detalj i elsikkerhet. Det er noe enhver fagarbeider må ta stilling til. Modellen nevnte det ikke.

    Den blandet sammen størrelser. Effekt og energi, kilowatt og kilowattime. En fagarbeider ser forskjellen umiddelbart. En språkmodell som har lest mye tekst om begge deler, gjør det ikke nødvendigvis.

    Den foreslo metoder som ikke holder. Å teste en jordfeilbryter med stoppeklokke høres rimelig ut for den som ikke kan faget. Det er det ikke.

    Hvert av disse funnene er en rettelse som gjør neste versjon bedre. Det er slik en fagspesifikk KI-plattform bygges: ikke ved å håpe at modellen kan faget, men ved å la fagfolk finne ut nøyaktig hvor den ikke gjør det, og forankre den i kilder som NEK 400, læreplaner og norsk regelverk.

    Den andre siden av det samme

    På samme samling ble det vist et eksempel som peker motsatt vei.

    En arabiskspråklig elev skulle skrive om Ibsen. I stedet for å levere ferdig tekst, lot roboten ham planlegge tankene på morsmålet først, og hjalp ham så steg for steg med å få dem over på norsk. Den ga setningsstartere. Den ba om mer. Eleven forble forfatteren.

    Han hadde tidligere kopiert fra en generell praterobot fordi han sto fast. Med et verktøy som var bygget for å stillasbygge i stedet for å levere, sluttet han å kopiere og begynte å skrive.

    Det er samme lærdom sett fra en annen kant. Et verktøy bygget for en bestemt oppgave, i et bestemt fag, for elever med en bestemt språkbakgrunn, gjør noe annet enn et generelt verktøy gjør.

    Hvorfor dette angår alle programområder

    Elektrofaget er tydelig fordi konsekvensene er målbare. En feil dimensjonering er ikke en meningsforskjell.

    Men hvert eneste yrkesfag har et fagspråk som ikke er hverdagsspråk, og som en generell modell kjenner overfladisk. Helsefagarbeideren har sine begreper. Kokken har sine. Tømreren har sine. Avstanden mellom det ordet betyr på kjøkkenet og det det betyr hjemme, er akkurat den avstanden elevene skal over.

    Verktøyene som virker, er bygget av folk som kan faget. botlab.no er laget av lærere ved Glemmen videregående skole. NAFOKI er bygget av NAFO. Begge er forankret i konkrete kilder, og begge er blitt bedre av å bli testet til de sprakk.

    Hva vi vil vite

    Dette er ett fag og én samling. Vi vil gjerne vite om mønsteret kjennes igjen andre steder.

    Har KI bommet på et fagbegrep i ditt fag, på en måte bare en fagarbeider ville oppdaget? Fortell oss om det.