Artikel skrevet den 18.6.2026 af direktør, Ph.d. Steffen Löfvall

 

Der er særligt tre oplevelser som underviser, projektvejleder og eksaminator, der har fået mig til at skrive denne artikel om et begreb, som jeg foreløbigt kalder “AI-vask”.

Jeg skriver ikke fra en teknologiskeptisk position. Tværtimod. Jeg er grundlæggende teknologioptimist og har i mange år arbejdet med digitalisering, implementering og ansvarlig brug af teknologi i undervisningen og erhvervslivet. Jeg bruger selv AI dagligt. Til faglig sparring og kvalitative analyser. Og til at udvikle undervisningsmaterialer og på det seneste til små programmeringsopgaver i regneark og surveys, hvor teknologien ganske enkelt gør arbejdet hurtigere og bedre.

Alligevel er der noget ved den måde, som AI er begyndt at finde ind i skriftlige opgaver og analyser, som kalder på omtanke og en ny form for sproglig træning. Her er jeg ikke tilhænger af, at der skal skabes et sprog præget af mistanke, forbud og skam. Derimod er der brug for et sprog, som åbner for en samtale om digital kvalitet, dømmekraft og tekstligt håndværk.

Metaforen er enkel. Når vi vasker tøj, vælger vi temperatur efter materiale. Bomuld, uld, silke og arbejdstøj tåler ikke den samme tur i vaskemaskinen. Noget kan kogevaskes. Noget skal vaskes nænsomt. Og noget må håndvaskes, hvis det skal bevare formen. Det samme gælder tekster.

Med generativ AI kan vi vaske enhver tekst. Vi kan gøre den renere, mere flydende og grammatisk korrekt. Vi kan også fjerne pletter og rette folderne ud i teksten. Men vasker vi den for hårdt, for varmt eller for mange gange, forsvinder farverne. Forfatterens ånd og stemme bliver blegere. De empiriske nuancer skylles ud. Og de bagvedliggende ideer krymper.

Tre oplevelser

Min refleksioner over AI-vasken er afstedkommet af tre oplevelser.

Oplevelse 1 – Nuancer vaskes ud

Den første oplevelse var en skriftlig bedømmelse, hvor AI-anvendelsen havde reduceret nuancerne i opgavens empiriske analyser så meget, at teksten fremstod kønsløs, upersonlig og generaliseret. Opgaven fik 7, hvilket er en solid karakter. Men materialet havde potentiale til mere. Det kunne have været et 10-tal, hvis læringsmålet om analytisk iagttagelseskraft havde været bedre opfyldt. Efterfølgende havde jeg en drøftelse med den studerende om karakteren, begrundelsen og hvad vedkommende kunne arbejde videre med i skriftligheden til næste opgave. Samtalen var ikke defensiv. Den var faglig og fremadrettet.

På tværs af skriftlige opgaver kan jeg se, at AI’en nogle gange vasker nuancerne ud i de empiriske analyseafsnit. AI kan snildt identificere analytiske temaer i empirien og skrive gode fortolkninger af citater. Men AI kan desværre også overse det unikke i materialet såsom en tøven i et interview eller en modsætning i en organisatorisk praksis. Det kan være en lille friktion og detalje, som den studerende måske havde set, men som forsvinder, når analysen skrives af AI’en.

Oplevelse 2 – En poleret tekst uden ujævnheder

Den anden oplevelse er mere akkumuleret. Efter at have læst en stor mængde hovedopgaver og mellemlange kursusrapporter de seneste tre år er det blevet tydeligt, at bestemte skrivemønstre dukker op på tværs af kurser, studier og årgange. Det sker i hovedopgaver på 40 til 120 sider og i kursusafleveringer på 8 til 15 sider.

For det første bliver teksten mere “glossy”. Sproget er flydende og let at læse. Sætninger bliver pænt rundet af med en pointe af uden nødvendigvis at føre analysen ret meget videre. I længere tekststykker kan chatbotten også have en tilbøjelighed til at gentage tidligere pointer på nye måder.

Sætningerne får en særlig rytme med ledsætninger, der har såkaldte syntaktiske symmetrier såsom ikke-men, snarere-end osv. På tværs af skriftlige opgaver dukker der også bestemte ord op som fx “forskning peger på”, “spændingsfelt” og “ledelsesgreb”.

En teknisk forklaring på de nye mønstre er, at sprogmodellerne er bygget til at forudsige og udvælge de statistisk mest sandsynlige ordsekvenser baseret på deres træningsdata. Sprogmodellerne er trænet på store tekstmængder, og hvis der i det danske (og engelsksprogede) datasæt er mange bestemte vendinger eller syntaktiske symmetrier, så vil det blive brugt i fremtidige tekster.

At vi nu ser en massiv brug af AI i de skriftlige produkter skal ses i forlængelse af, at det er blevet lovligt og effektivt at anvende AI til at producere og bearbejde tekst. Uddannelsesinstitutionernes politikker har nemlig flyttet sig de sidste tre år. Først kom de hurtige forbud (1. generations politikker). Dernæst kom de mere afgrænsede regler, hvor AI blev passet ind i eksisterende undervisnings- og eksamensformer (2. generationspolitikker). Nu ser vi begyndelsen på mere differentierede 3. generationspolitikker, hvor teknologien i højere grad tænkes aktivt sammen med nye måder at undervise, vejlede og eksaminere på.

Oplevelse 3 – et ønske om at udvikle en personlig tekst og skrivestil

Min tredje oplevelse handler om de studerendes reaktion på, når jeg vejleder dem i brugen af AI i akademisk arbejde som et supplement den faglige vejledning. Mange studerende er ikke klar over, at AI-genereret eller AI-redigeret tekst ofte har markører, som nævnt ovenfor. (Nogle undervisere og censorer er i øvrigt heller ikke altid opmærksomme på dem.)

En forklaring kan være, at den studerende kun ser sin egen tekst. Den studerende ser sjældent sin tekst i relation til 20 andre opgaver skrevet i samme fagområde og periode. Og endnu sjældnere i relation til, hvordan akademiske tekster så ud før det, man lidt dramatisk kunne kalde “det store AI-meteornedslag” i undervisningssektoren.

Når mønstrene bliver italesat i fx vejledningsprocessen, har jeg kun mødt positive reaktioner fra de studerende. De sætter pris på feedbacken og forslag til, hvordan tekst kan forbedres. De vil gerne skrive en god tekst, men har svært ved at sætte ord på, hvorfor teksten både kan lyde professionel og på samme tid lidt fremmed. Hertil viser jeg dem, hvordan de kan forbedre tekstudkast gennem forskellige akademiske prompting teknikker.

AI-vaskeprogrammer

AI-vask er mit foreløbige begreb for den proces, hvor en tekst bliver produceret, renset, omskrevet eller poleret med generativ AI.

Der er stor forskel på at bede en chatbot om enten at skrive en tekst fra bunden eller bede den om at omskrive et udkast med en tydelig kontekst. Eller bede den om at læse et afsnit igennem med henblik på sproglige forbedringer. Alle tre tilgange er ok. De har bare forskellige virkninger på teksten.

Når man vasker tøj, læser man vaskeanvisningen. (Eller gør det på et tidspunkt klog af skade.) Man vælger program / temperatur og overvejer, om tøjet tåler centrifugering.

Med tekster bør vi gøre noget tilsvarende. Nogle tekster tåler 90 eller 60 grader. Andre tekster har bedst af 30 grader. Og enkelte tekstdele bør måske håndvaskes.

90 graders AI-vask

90 graders AI-vask er den hårde vask. Her producerer eller omskriver AI teksten med høj frihedsgrad. Prompten er ofte kort og bred: “Skriv en tekst om ansvarlig AI.” “Lav en analyse af interviewene.” “Omskriv uploadede tekst, så det bliver akademisk.”

Kogevasken har sin berettigelse. Den kan bruges til at få et første udkast hurtigt på bordet, skabe overblik, generere ideer eller lave en foreløbig struktur. I undervisningen kan den vise, hvordan en generisk tekst om et emne kan se ud. I en bredere organisatorisk kontekst kan den være effektiv, når man skal fra blank side til noget, der kan diskuteres.

Men 90 grader er samtidig en hård behandling. Teksten kommer ud af maskinen med færre pletter og folder, men også med mindre farve.

Når en studerendes analyser bliver vasket ved 90 grader, sker der ofte noget med iagttagelseskraften. Det særlige og situerede bliver generaliseret. Det, der var en observation, bliver til en forklaring. Det kan se pænt ud på siden. Det er bare ikke altid dér, hvor den faglige kvalitet opstår.

60 graders AI-vask

60 graders AI-vask er mere kontrolleret. Her får AI tydeligere instruktioner. Formål, målgruppe, genre, fagligt niveau, afgrænsninger og eventuelt supplerende materiale indgår i vaskeprogrammet. Her bruges prompts, der beskriver, hvad teksten skal bruges til, hvem der skal læse den og hvilke rammer AI’en skal holde sig inden for.

60 graders vask kan give gode resultater. En tekst kan blive mere sammenhængende. Den kan også få et bedre flow og mere målgruppeorientering. Risikoen er stadig, at teksten bliver for pæn. Især hvis instruktionen lyder, at teksten skal gøres mere flydende eller akademisk.

60 grader er derfor velegnet, hvis man har et udkast med en tydelig retning og man selv har overskud til at kontrollere, hvad der er sket med teksten bagefter. Man skal nærlæse, om argumentet stadig er det samme. Er det særlige i empirien blevet erstattet af noget generelt? Har teksten fået en glans, der gør den hurtigere at læse, men sværere at tænke med? Måske skal man selv bruge tid på at omskrive resultatet.

30 graders AI-vask

30 graders AI-vask er den nænsomme vask. Her er AI ikke hovedforfatter, men en tekstlig medlæser og kritiker. Den arbejder med et foreliggende udkast, hvor mening, argument og stemme allerede er til stede. Opgaven er afgrænset. Den skal måske foreslå sproglige forbedringer, pege på uklare formuleringer, variere sætningsrytmen eller fjerne gentagelser. Hertil får den besked på, at den ikke må ændre argumentet eller tilføje nye teorier, eksempler eller referencer.

Det er den vasketemperatur, jeg ville ønske, at flere studerende brugte. Den passer til tekster, hvor læringen ligger i at udvikle en egen analytisk stemme. Den passer også i andre sammenhænge, hvor man fx arbejder med beslutningsoplæg, strateginotater eller analyser og hvor lokal kontekst, organisatoriske dilemmaer og faglig dømmekraft bør være synlig.

En god 30 graders prompt kan lyde sådan:

“Læs følgende afsnit som en kritisk sproglig medlæser. Bevar meningen, argumenter, faglige begreber og forfatterstemme. Foreslå forbedringer i klarhed, rytme, præcision og analytisk sammenhæng. Brug varieret syntaks med både korte præciserende sætninger og længere analytiske forløb. Undgå glatte AI-mønstre, især kontrastkonstruktioner med “ikke, men”, “på den ene side, på den anden side”, mekaniske overgange og afsluttende mini-konklusioner. Tilføj ikke nye pointer, teorier, eksempler eller referencer. Marker steder, hvor teksten bliver for generel, for poleret eller for langt væk fra den konkrete empiri. Skriv kun den reviderede brødtekst.”

Instruktionen betyder alverdens. AI’en overtager ikke teksten. Den hjælper forfatteren med at se teksten. Den kan skabe nok medvind til, at teksten kan blive bedre, uden at den bliver fremmed.

30 grader kræver mere af forfatteren. Man får ikke et færdigt produkt tilbage. Man får forslag, som skal vurderes. Nogle skal bruges. Andre skal afvises. Det er netop her, hvor skrivearbejdet stadig er skrivearbejde.

Uldvask og håndvask

Nogle tekster kræver uldvask. Det gælder fx tekstpassager, hvor personlig refleksioner, tvivl eller nærlæsning af empiri let kan miste formen. Her bør AI bruges varsomt. Måske kun til at stille spørgsmålene: Hvor er formuleringen uklar? Hvor kan læseren få brug for mere kontekst? Hvor bliver min tekstpassage lidt for indforstået?

Vask i hånden er endnu langsommere. Afsnit for afsnit. Sætning for sætning. Den er særlig velegnet i undervisningen og vejledningsprocessen, hvor målet er at udvikle en bedre skriver. Håndvasken gør AI-brugen synlig. Her reflekterer forfatteren over spørgsmål som: Hvad foreslår modellen? Hvad accepterer og afviser jeg? Hvad lærer jeg om min egen skrivestil?

Fra kontrol til skriveundervisning

AI er på kort tid blevet integreret i de akademiske analyse- og skriveprocesser. Derfor bør vi også undervise i, hvordan teknologien ændrer teksten. Studerende bør lære at se forskel på en tekst, der er blevet klarere og en tekst, der er blevet glattere. De skal kunne vurdere, hvornår AI styrker deres analyse og hvornår den udvasker.

Det kræver øvelse og et fleksibelt mindset at dreje samtalen mellem studerende og underviser/vejleder væk fra mistanke og hen imod faglig dømmekraft. Man kan fx lade studerende sammenligne et originaludkast med en AI-redigeret version. Sammenligningen kan tage udgangspunkt i: Hvad er blevet bedre? Hvad er blevet mere generisk? Hvor er empiriens særpræg forsvundet? Hvor er sætningen blevet smukkere, men mindre præcis?

Vælg dit vaskeprogram med omtanke

AI-bearbejdede tekster vækker mange forskellige følelser. Først nysgerrighed. Dernæst usikkerhed og nogle gange irritation. Man kan som fagperson snildt komme i tvivl om, hvordan man skal vurdere teksten. Og hurtigt dukker der også et mere grundlæggende spørgsmål op om tillid: Hvad sker der med vores tillid til skriftligheden og de studerende, hvis vi over tid bliver mindre sikre på, hvor teksten kommer fra?

Meget af debatten i uddannelsessektoren har kredset om kontrol. Lige nu debatteres: Hvad må de studerende? Hvad skal deklareres? Hvordan opdager vi snyd?

Debatten er nødvendig, men vaskemetaforen kan måske gøre debatten og de lokale samtaler lidt sjovere. Metaforen gør det muligt at tale om grader af AI-brug uden straks at havne i et spørgsmål om forbud eller frikendelse. Den flytter samtalen fra “AI eller ikke AI” til en overvejelse om den bedste omgang med teksten. Hvilket vaskeprogram skal teksten igennem? Skal den kogevaskes? Er en 30 grader bedre, så du som studerende/forfatter stadig har hænderne på teksten og kan forklare de valg, du har truffet?

På basis af artiklen og med denstående spørgsmål kan du selv formulere dine egne præferencer:

• Hvad er dit foretrukne vaskeprogram, når du bruger AI til tekstproduktion?
• Hvordan møder du andres AI-bearbejdede tekster?

For mig betyder spørgsmålene en klar præference for at bruge teknologien aktivt. At vælge temperaturen med omtanke og bearbejde teksten, før den hænges til tørre.

Den gode tekst behøver ikke være uvasket. Men den bør komme ud af vasken med farverne i behold.

 

 

— o0o —

Efter udarbejdelse af artiklen har jeg fået en PM om, hvordan jeg typisk hjælper studerende, som er kommet til at vaske en tekst på mere end 30-40 grader. Jeg tager ofte en drøftelse med dem om, hvordan jeg har læst teksten og hvordan de umiddelbart kan forbedre den.

Jeg har valgt en pragmatisk og støttende fremfor moraliserende tilgang. I den forbindelse sender jeg dem bl.a. nedenstående akademiske prompt som starthjælp. Og så tager vi de videre dialoger om teksten og akademisk prompting herunder induktiv og abduktiv analysemetode. (Her kan jeg klart anbefale AI-baserede Gioia-analyser.)

Prompt:

Omskriv nedenstående tekst til en mere akademisk, sprogligt moden og fagligt nuanceret brødtekst. Målgruppen er undervisere, forskere, og studerende på videregående uddannelser. Teksten skal fremstå som en gennemarbejdet akademisk tekst skrevet af en erfaren fagperson. Bevar de centrale pointer, begreber og argumenter, men styrk formuleringerne, syntaksen og den analytiske sammenhæng.

Arbejd efter følgende principper:

1. Brug varieret syntaks. Kombinér længere analytiske sætninger med kortere præciserende sætninger.
2. Undgå forudsigelige AI-mønstre som:

– “Ikke blot X, men også Y”

– “Det handler ikke kun om X, men også om Y”

– “På den ene side … på den anden side”

– “Dette understreger vigtigheden af …”

– “Sammenfattende viser dette …”

– “Afslutningsvis kan det konkluderes …”

3. Undgå mekaniske overgange mellem afsnit. Brug i stedet naturlige faglige forbindelser, hvor argumentet udvikler sig gradvist.
4. Lad centrale begreber indgå som en del af analysen frem for at blive forklaret lineært og lærebogsagtigt.
5. Brug gerne refleksive og undersøgende formuleringer, fx “her bliver det tydeligt”, “man kan forstå dette som”, “det peger i retning af”, “i praksis vil dette ofte indebære”, men undgå at overbruge dem.
6. Bevar faglig præcision, men undgå et alt for glat, afrundet eller skabelonagtigt sprog.
7. Undgå at alle afsnit slutter med en opsamlende sætning. Nogle afsnit må gerne slutte med en analytisk åbning, en spænding eller en præcisering.
8. Indfør gerne diskursive variationer, fx korte indskud, begrebslige nuanceringer og mere komplekse sætningsforløb, hvor det styrker teksten.
9. Undgå nye faglige påstande, medmindre de ligger klart i forlængelse af originalteksten.
10. Hvis teksten indeholder referencer til teori, skal de integreres naturligt og ikke som løs navneopremsning.

Output:

– Skriv kun den omskrevne akademiske brødtekst.

– Brug ikke punktopstilling.

– Brug ikke en afsluttende mini-konklusion, medmindre originalteksten tydeligt kræver det.

– Bevar tekstens faglige indhold og argumentation.

Tekst til omskrivning:

[INDSÆT TEKST HER]