Sykofantiske modeller gjør folk overdrevent sikre på egne argumenter og forsterker ekstreme holdninger.
Helge Thorbjørnsen
Pass deg for smigerinnen og sykofanten
Smigrende KI-modeller kan lede riktig galt av sted, skriver NHH-rektor i DN.
Du har sikkert snakket med dem nylig, enten Claude eller Chat, og blitt litt smigret over hvor smarte de synes du er. Ikke bare minner de deg hyppig på at du stiller dem usedvanlige interessante spørsmål, men de bekrefter også premissene dine og roser argumentene. De smigrer deg, noe som fører til at du både liker dem bedre og snakker oftere med dem.
Modellene er med andre ord «sykofantiske». Det er i ferd med å bli et problem både for oss og organisasjonene vi jobber i.
Helt fersk forskning i prestisjefylte Science viser at samtlige KI-modeller er vesentlig mer sykofantiske enn mennesker. Altså at de overdrevent smigrer brukeren og tilpasser seg argumenter, premisser, og sterke holdninger. Din venn Claude er 39 prosent mer sykofantisk enn mennesker, og for ChatGPT 5.0 er tallet hele 52 prosent. Og dette gjelder også når brukeren engasjerer seg i innhold som er uetisk, ulovlig eller direkte skadelig.
Så smiger kan faktisk være direkte farlig. Og i april kunne vi lese i Nature at «varme» sykofantiske modeller også gjør flere feil enn mer nøytrale modeller.
Får ERC-midler for andre gang
NHH-professor Bertil Tungodden får 22 millioner kroner fra det europeiske forskningsrådet til å undersøke et grunnleggende spørsmål i økonomien: Når er markeder moralsk legitime?
Forskning av blant andre professor Jay van Bavel ved New York University og NHH viser videre at sykofantiske modeller gjør folk overdrevent sikre på egne argumenter og forsterker ekstreme holdninger. Etter å ha snakket med en sykofantisk modell blir brukerne også «høye på seg selv»: De vurderer seg som både mer intelligente og mer empatiske enn gjennomsnittet.
De vurderer seg som både mer intelligente og mer empatiske enn gjennomsnittet.
Helge Thorbjørnsen
En stor utfordring er videre hvordan de ulike modellene ofte kan hindre læring fremfor å stimulere den. Hvis hypotesen din er feil, vil en sykofantisk modell ofte sende deg ned i et kaninhull i stedet for å gi deg nødvendige korreksjoner og læring. Bruker du en mindre medgjørlig og mer korrigerende KI, kan derimot læring øke betraktelig.
Utfordringen er imidlertid, som alle de store KI-selskapene selvfølgelig er klar over, at vi brukere i det store og hele foretrekker sykofantiske modeller fremfor modeller som gir oss mer motstand. Vi liker at andre er enige med oss og skryter av oss. Vi brukere mener også, paradoksalt nok, at sykofantiske modeller er mer sannferdige og mindre ‘skjeve’ i responsen enn det mindre medgjørlige KI-modeller er. Og det gjør jo bare problemet verre.
Så hva bør vi ledere i norske virksomheter gjøre? Jo, vi må bygge inn mer friksjon og motstand i modellene, samt hardkode anti-sykofanti inn i applikasjonene der dette er mulig - og lære opp medarbeiderne til å fjerne sykofanti gjennom enkle prompter og instruksjoner. Slik at smigerinnen og sykofanten gjør mindre skade og enda mer gagn. Potensialet for økt kreativitet og produktivitet via KI er enormt, så la oss ikke la smiger, sleskhet og mangel på kritisk tenkning komme i veien.
Innlegget var først publisert i Dagens Næringsliv 13. august 2026.
Når ulikhet i arbeidslivet blir ulikhet i pensjon
Qquillaccori G. López disputerer for PhD-graden ved NHH 25. august med avhandlingen «Essays on Public Economics».
Hvor like er mulighetene egentlig?
Erika T. Povea disputerer for PhD-graden ved NHH 26. august med avhandlingen «Essays on Economics of Education and Social Mobility».