Europa må regulere KI
KI-gigantene ønsker seg beskyttelse mot konkurranse og mot mulig rettslig ansvar.
Vil jakten på AI-effektivitet tømme selskapene for dømmekraft?
Kunnskapsbedrifter lar i økende grad AI lage førsteutkast og erfarne verifisere dem. Ordningen fungerer fordi de erfarne lærte faget uten AI. Juniorene får ikke den samme sjansen.
De fire store revisjons- og rådgivningshusene tar nå i bruk agentiske AI-systemer i revisjonsarbeidet, og flere av landets største advokatkontorer bruker Harvey eller Legora i komplekse juridiske prosesser. Disse systemene gjør det stadig vanligere at AI genererer innhold som mennesker verifiserer.
Selv om denne arbeidsdelingen kan øke de ansattes effektivitet betraktelig, er problemet at den bare fungerer så lenge de ansatte har tilstrekkelig god dømmekraft. Den som verifiserer, må forstå når AI gjør plausible, men gale antagelser, og ha en forståelse av hvilke faktorer som er relevante. En erfaren partner kan gjøre slike vurderinger nærmest intuitivt fordi hun har gjort dem hundre ganger selv. Hun har tatt feil. Vært frustrert. Blitt korrigert. Dømmekraften vokste frem gjennom friksjonen i arbeidet. Friksjonen var selve opplæringen.
Ny forskning finner at dette reduserer folks evne til å arbeide vedvarende med problemer og deres ferdigheter uten AI-assistanse. Forskningen bygger på en rekke eksperimenter der forskerne varierte oppgavetype og tilgang til AI-assistanse over tid. Effektiviteten økte, men på bekostning av læringen.
Fjernes friksjonen, fjernes også utviklingen av dyp forståelse.
Når AI genererer og mennesker verifiserer, risikerer kunnskapsbedriftene å tære på et lager av opparbeidet dømmekraft uten å fylle på. Så lenge det finnes god dømmekraft på huset, kan selskapene hente ut effektivitetsgevinster. Men hva skjer når de som lærte faget uten AI, erstattes av de som bare har verifisert AI-output uten å gjøre grunnarbeidet selv? Hvordan unngå at ansattes rolle da reduseres til å sette stempel på AI-generert output?
En studie fra 2025 fant at et AI-system som gir hint i stedet for svar, kan beskytte læringen. I praksis kan det bety at juniorer først må løse deler av oppgaven selv, forklare egne vurderinger og få motargumenter fra AI før systemet gir forslag til løsninger. Virksomhetene bør også måle om juniorene utvikler selvstendig problemløsningsevne, ikke bare hvor raskt de leverer.
Kunnskapsbedrifter bør derfor ha ulike AI-systemer for ansatte på ulike nivåer. Juniorer bør arbeide med et AI-system som er utviklet for å maksimere læring i stedet for effektivitet. Erfarne medarbeidere kan i større grad hente ut effektivitetsgevinster ved å verifisere AI-generert innhold.
På kort sikt vil et AI-system som optimaliserer læring i stedet for effektivitet, koste mer. En junior som lærer, arbeider saktere enn en junior som bare verifiserer. Og kanskje vil ikke kunden betale for tiden det tar.
Derfor må lederne velge om de vil investere i fremtidig dømmekraft eller hente ut hele effektiviseringsgevinsten i dag. For det er i friksjonen morgendagens seniorer får mulighet til å utvikle god dømmekraft innenfor fagområdet.
Hvis alle skal jage effektivitetsgevinster, vil det til slutt bli få med tilstrekkelig dømmekraft til å kunne verifisere AI.
Innlegget var først publisert i Finansavisen 8. oktober 2026.
Rettferdighetens geografi
Folk over hele verden bryr seg mer om rettferdighet enn om effektivitet. Men hvilken inntektsulikhet som oppfattes som rettferdig, varierer enormt fra land til land.