1 Innledning

1.1 Sammendrag

1.1.1 Utfordringsbilde og budskap

Utviklingen av kunstig intelligens (KI) har endret på grunnleggende betingelser for høyere utdanning, både for studenter og utdanningstilbydere. Teknologien har betydning for hva vi skal lære, hvordan vi lærer og hvordan vi gjennomfører eksamen og vurdering. Dagens generative KI-systemer kan blant annet brukes til å lage og svare på oppgaver, vurdere og gi tilbakemelding på arbeid, forklare begreper og innhold, og utforme lærings- og undervisningsopplegg. KI-systemene blir i stand til å gjøre stadig mer, stadig bedre, og med stadig mindre menneskelig innblanding.

Teknologiutviklingen skjer raskt og krever hurtige tilpasninger, både av studietilbudene og av rammebetingelsene som institusjonene og sentrale myndigheter setter for dem. Tilpasningene må samtidig være veloverveide. Høyere utdanning har vokst ut av flere hundre år lange tradisjoner. Alt skal ikke endres. Samtidig er det maktpåliggende å ta høyde for hvilken betydning KI har for det enkelte fag, for arbeidslivet og samfunnet, og for hvilke utfordringer og muligheter teknologien gir for læring og vurdering. Vi må med andre ord fatte KI-bevisste beslutninger om læringsinnhold, læringsaktiviteter og vurderingsaktiviteter. Utformingen av studietilbudene må ta høyde for hva KI-systemer er, hva de er i stand til og hvordan de brukes, nå og i fremtiden.

Mange grupper har berettigete perspektiver på og interesser i hvordan KI håndteres i høyere utdanning. Studentene etterspør opplæring, retningslinjer og råd om bruk. Arbeidsgivere etterspør studenter som kan fagene sine og som kan bruke KI-systemer i sitt faglige virke. Universitets- og høyskoleansatte etterspør tilbud om kompetanseutvikling og et ord med i laget når beslutninger om teknologien fattes. Fagmiljøer må vurdere betydningen KI har for sine fag og sine utdanninger. Institusjonene må vurdere hvordan de kan ivareta samfunnets tillit og sin rolle som utdanningstilbydere.

Integrasjonen av KI – som læringsinnhold, som verktøy i undervisnings- og vurderingspraksis, i anskaffelser mv. – må underordnes formålene med høyere utdanning. Det fremste formålet med det studentene gjør i sitt studiearbeid er læring, ikke å skape oppgavebesvarelser av høy kvalitet. Institusjonene skal prøve læringsutbyttet på et tillitsverdig vis. Høyere utdanning skal både gi studenter kunnskaper og ferdigheter som er etterspurt i arbeidslivet, og sette studentene i stand til å tenke selvstendig og forme egen faglig identitet.

I tillegg til de utdanningsfaglige problemstillingene knytter det seg en rekke etiske, juridiske og strategiske problemstillinger til utvikling og bruk av KI-systemer. Integrasjonen av KI i høyere utdanning må både være formålstjenlig i et utdanningsfaglig perspektiv, og forsvarlig i et etisk, juridisk og strategisk perspektiv. Denne forsvarligheten dreier seg blant annet om bærekraft, datasikkerhet og personvern, opphavsrett, hvor godt KI-systemene etterlever våre mål, og etterprøvbarheten til automatiserte avgjørelser. Det dreier seg også om vår evne til teknologisk selvbestemmelse, altså om å unngå leverandøravhengighet, ha jurisdiksjon over teknologien og muligheter for kompetanseutvikling og verdiskaping.

Mangfoldet av problemstillinger utgjør en sammensatt utfordring for sektoren. Universitetene og høyskolene skal samtidig utvikle nye læringsmål, nye læringsmetoder og nye vurderingsformer på et helhetlig vis, og de skal nytte seg av mulighetene KI gir i utvikling og drift av utdanningene på en forsvarlig måte.

Universitetene og høyskolene må fortsette å gjøre seg fortjent til sin rolle som enetilbyder av høyere utdanning. Det betyr å løse utfordringene KI skaper og benytte mulighetene KI gir, men det betyr også å ha en verdi som går utover automatiserte, individualiserte læringstjenester levert gjennom KI-systemer. Universitetene og høyskolene må gi studentene en grunn til å komme til dem. De må treffe en balansegang mellom to ytterpunkter: det å uthule studietilbudene gjennom overdreven teknologibruk, og det å frabe seg ethvert forhold til KI.

1.1.2 Hovedutfordringer og -anbefalinger

KI-bevisste tilpasninger, umiddelbare og løpende

Vi har fått KI-systemer som mer eller mindre egenhendig kan utforme undervisningsopplegg og læringsmateriale, vurdere og gi meningsfulle tilbakemeldinger på faglig arbeid, lage og løse eksamensoppgaver, og som kan brukes til å gjøre en uavgrenset rekke av oppgaver i arbeidslivet. Dette fordrer en omstilling av læringsinnhold, læringsaktiviteter og vurderingsformer. KI-systemene har blitt betydelig mer kapable de siste få årene, og teknologiutviklingen fortsetter. Det vil derfor være et løpende arbeid å gjøre KI-bevisste vurderinger av hvordan studietilbudene er innrettet.

Mens konsekvensene for læring og vurdering i stor grad har gitt seg til kjenne, vil det forbli utfordrende å utvikle studietilbudenes innhold i møte med en usikker teknologisk fremtid. Læringsutbyttet man får ut av høyere utdanning skal være relevant for det arbeidslivet som finnes ved endt utdanning, men også ha verdi livet ut. Dette er krevende, fordi det er vanskelig å gi et presist omriss av hva fremtidens KI-systemer vil være i stand til. Gjennom det siste året har KI-systemene i utviklingsfronten blant annet blitt betydelig bedre på programmering og matematisk problemløsning.

For å opprettholde kvaliteten i studietilbudene med dette utgangspunktet, anbefaler utvalget universiteter og høyskoler å sørge for at det blir gjort regelmessige, KI-bevisste vurderinger av studietilbudenes læringsinnhold, læringsaktiviteter og vurderingsformer og skape gode rammer for det faglig-pedagogiske utviklingsarbeidet. Utvalget anbefaler universiteter og høyskoler å legge til rette for utprøving av endringer i studietilbudenes læringsinnhold.

Utvikling av KI-kompetanse hos studenter og ansatte

Dagens og fremtidens studenter utdanner seg under nye teknologiske vilkår, og de skal ta del i et samfunn og arbeidsliv som vil være mer preget av KI. Det er derfor behov for at studentene utvikler generell KI-kompetanse, herunder en god forståelse av teknologien og hvilke grunnleggende problemstillinger den reiser. For å dra nytte av mulighetene KI gir i det enkelte fag, og for å bidra til økt produktivitet, er det behov for at studentene utvikler fagspesifikk kunnskap om KI og fagspesifikke ferdigheter med KI-systemer.

Utvalget anbefaler universiteter og høyskoler å sørge for at alle studenter utvikler generell KI-kompetanse og tilstrekkelig fagspesifikk KI-kompetanse. Utvalget anbefaler sentrale myndigheter å sørge for at de nye nivåbeskrivelsene i Nasjonalt kvalifikasjonsrammeverk for livslang læring er informert av og kompatible med identifiserte behov for generell KI-kompetanse, og å sørge for at det blir gjort nye vurderinger av hvilket KI-relatert læringsutbytte det er hensiktsmessig å fastsette for helse- og sosialfagutdanningene.

Universitets- og høyskoleansattes KI-kompetanse er en grunnleggende forutsetning for en vellykket omstilling. De ansatte skal sammen kunne

• gjøre gode vurderinger om utforming av læringsinnhold, undervisnings- og læringsaktiviteter, og vurderingsformer

• gi studentene veiledning og opplæring om forsvarlig og læringsfremmende bruk av KI-systemer

• gi studietilbud som fremmer studentenes fagspesifikke KI-kompetanse

• selv gjøre formålstjenlig og forsvarlig bruk av KI-systemer i eget virke som undervisere og fagutøvere

Utvalget vurderer på grunnlag av dette at det er et stort behov for KI-kompetanse hos institusjonenes ansatte, spesielt undervisere. Utvalget anbefaler universiteter og høyskoler å sørge for at alle undervisere har generell KI-kompetanse og utdanningsfaglig KI-kompetanse, og sørge for og støtte utviklingen av fagspesifikk KI-kompetanse i sine fagmiljøer.

Å fremme og ikke hemme læring

KI-systemer kan både fremme og hemme studentenes læring. De viktigste mulighetene ligger i hvordan KI-systemer kan gi umiddelbare, læringsfremmende tilbakemeldinger på faglig arbeid; til å organisere individuelle og kollektive læringsprosesser og til å styrke simuleringer. Samtidig er det klare indikasjoner på at det går ut over læringen dersom generative KI-systemer gjøres tilgjengelig uten at det tas kritisk grep om hvordan systemene brukes eller innrettes – av institusjonen eller studentene selv. Kjerneproblemet er at det er betydelig risiko for å overlate egen tenkning til KI-systemene i for stor grad, for tidlig i en læringsprosess eller å overlate feil type oppgave. Studentene må bryne seg på problemstillinger for at de skal lære. For å fremme læringen må også underviserne legge opp egnede læringsaktiviteter, og de må kunne bruke KI-systemer i egen undervisnings- og veiledningspraksis på en faglig og forsvarlig måte.

Utvalget anbefaler universiteter og høyskoler å sørge for at alle studenter får opplæring i læringsfremmende bruk av KI-systemer. For å støtte universitetene og høyskolene i sitt selvstendige ansvar for å gi slik opplæring, foreslår utvalget at studentene rådes til følgende. Rådene skal ikke leses som uforanderlige eller ufravikelige regler.

1. Tenk, les og prøv først; gjør eventuelt bruk av KI-systemer senere i arbeidet.

2. Læring krever kognitiv anstrengelse. Det er fristende å få raske svar når anstrengelsen blir stor, men det kan undergrave læringen.

3. Instruer KI-modellen til å stimulere din egen tenkning heller enn å gi deg ferdige løsninger, til å gi deg kilder heller enn å gi deg sammendrag, og til å gi deg tilbakemeldinger på ditt eget arbeid heller enn utkast og redigeringsforslag.

4. Vær bevisst på forskjellen mellom de oppgavene og øvelsene hvor det å bruke KI-systemer er en del av formålet, og de hvor du skal lære noe annet enn å bruke KI.

5. Vær oppmerksom på KI-modellenes svakheter med tanke på feilaktige resultater, språk, skjevheter i treningsgrunnlaget, hallusinasjoner og tendens til å smigre brukeren.

6. Test dine kunnskaper og ferdigheter i faget uten å søke hjelp fra KI-systemer.

7. Ikke bruk KI som en erstatning for diskusjoner med dine medstudenter og undervisere, eller som en unnskyldning for ikke å dra på campus.

8. Planlegg din egen læring og hvilken bruk du eventuelt kan gjøre av KI-systemer i tråd med dette.

9. Sett deg inn i institusjonens retningslinjer om forsvarlig bruk av KI-systemer.

For å nyttiggjøre seg mulighetene KI gir for å styrke læringen, anbefales universiteter og høyskoler å bruke KI-systemer for å gi læringsfremmende tilbakemeldinger på studentenes arbeid, som et supplement til underviseres tilbakemeldinger.

Å vurdere oppnådd læringsutbytte

Tilgangen på avansert generativ KI har svekket dokumentasjonsverdien innleverte arbeider har for hva studenter kan og vet. Dette gjør det utfordrende å sørge for faglig betryggende vurderinger av studentenes læringsutbytte. Utfordringen gjelder spesielt ved eksamener som blir gjennomført uten tilsyn, inkludert større, selvstendige arbeider som masteroppgaver. I ytterste konsekvens kan utfordringen ramme tilliten til vitnemålene og dermed svekke universitetenes og høyskolenes grunnleggende funksjon med å sertifisere kompetanse.

For å løse utfordringen med å vurdere oppnådd læringsutbytte, anbefaler utvalget å gjøre større bruk av kontrollerte eksamensformer – det vil si eksamen under tilsyn – og å supplere ikke-kontrollerte eksamener med en kontrollert eksamensdel. Utvalget anbefaler sentrale myndigheter å følge med på utbredelsen av korte hjemmeeksamener og vurdere strengere regulering eller sterkere styring dersom ikke andelen avtar vesentlig.

Med hensyn til både læring og sertifisering har det stor betydning at studentene får oppgaver som de jobber med over tid, samtidig som slike arbeider ikke alene kan gi en betryggende dokumentasjon på hva kandidaten kan og vet. Når universitetene og høyskolene supplerer ikke-kontrollerte eksamener med en kontrollert eksamensdel, bør de, i tråd med dette, gjøre en samlet vurdering av studentens læringsutbytte, ikke bare justere karakteren på det innleverte arbeidet ett hakk opp eller ned. Dette betyr samtidig at den kontrollerte prøvingen må være grundig, spesielt på større arbeider.

Anbefalingen vil også bety flere kombinasjonseksamener, det vil si kombinert skriftlig og muntlig prøving, som kan være krevende å gjennomføre med ulike klage- og sensurordninger etter dagens regelverk. Utvalget anbefaler universiteter og høyskoler å gjøre den muntlige delen av kombinasjonseksamener etterprøvbar, for å sikre klagerett. I tillegg anbefaler utvalget sentrale myndigheter å gjennomgå universitets- og høyskolelovens bestemmelser om klage og sensur ved kombinasjonseksamener, herunder å endre § 11-11 fjerde ledd.

Samtidig som utvalget anbefaler å styrke kontrollen ved sluttvurderinger for å ivareta sertifiseringsfunksjonen, anbefaler utvalget å rendyrke det formative formålet med arbeidskrav.

Karakterbegrunnelser

Studentene kan kreve begrunnelser for karakterene de blir gitt. En karakterbegrunnelse skal sette studenten i stand til å forstå egen prestasjon i lys av kriteriene som er satt for oppgaven, og til å vurdere om hen skal klage på sensurvedtaket.

Dagens system for karakterbegrunnelser fungerer ikke godt, spesielt på studieemner med mange studenter: Sensorer må enten bruke uforholdsmessig mye tid for å lage gode karakterbegrunnelser, eller de må gi begrunnelser som i begrenset grad tjener sin hensikt. Samtidig ser utvalget at det med stor sannsynlighet kan utvikles KI-systemer som setter studenter i stand til å forstå egen prestasjon i lys av vurderingskriteriene og til å vurdere sitt grunnlag for å klage. Selv om det må legges til grunn at KI-systemet ikke kan gjengi de bestemte momentene sensor selv la vekt på ved karaktersettingen, kan KI-systemer gi både effektiviserings- og kvalitetsgevinster for gjennomføring av karakterbegrunnelser.

Etter dagens regelverk skal karakterbegrunnelser gis av sensor, altså kan de ikke automatiseres. Utvalget gir en betinget anbefaling til sentrale myndigheter om å lage en hjemmel for automatiserte karakterbegrunnelser. Betingelsen er at det kan fremstilles et kunnskapsgrunnlag som viser at KI-genererte karakterbegrunnelser kan sette studentene i tilnærmet like god stand til å vurdere om de skal klage på et sensurvedtak, sammenliknet med karakterbegrunnelser utviklet av sensor selv. Utvalget anbefaler universitetene og høyskolene å gjøre forsøk som kan være egnet til å gi et slikt kunnskapsgrunnlag.

Forsvarlig tilgang på formålstjenlig KI

Studenter og ansatte har behov for tilgang på formålstjenlige KI-systemer. Det vil si systemer som er innrettet for å fremme og ikke hemme læring. Det vil også si systemer som er godt egnet for å løse faglige oppgaver. For å ivareta disse hensynene anbefaler utvalget at universitetene og høyskolene involverer undervisere godt i utvikling og anskaffelse av KI-systemer.

For å gjøre forvaltningen av KI-systemer forsvarlig, er det mange hensyn å ivareta. Det må blant annet tas hensyn til datasikkerheten og personvernet, opphavsretten, miljøkonsekvenser, ivaretakelse av den akademiske friheten og av norsk fagspråk, til overholdelse av KI-forordningen og til hvordan vi kan styrke vår digitale suverenitet. Utvalget anbefaler universitetene og høyskolene, i fellesskap og i samråd med sentrale myndigheter, å utvikle et sektorfelles, prinsipielt rammeverk for forvaltning av KI-systemer med utgangspunkt i disse hensynene.

For å begrense leverandøravhengighet og sårbarhetene det medfører, for å ha jurisdiksjon over løsningene, for datasikkerheten, personvernet mv., har det særlig stor betydning å kunne drifte KI-modeller på egen infrastruktur. Å drifte modeller på egen infrastruktur står i kontrast til det å utelukkende kjøpe lisenser til KI-systemer levert som skytjenester, hvor teknologistabelen blir levert i en samlet pakke. Samtidig er det ikke hensiktsmessig at hver enkelt institusjon har egen datainfrastruktur for drift av KI-modeller. I tråd med dette anbefaler utvalget sentrale myndigheter å møte høyere utdannings behov for regnekraft og datalagring gjennom nasjonal infrastruktur – sektorspesifikk eller sektorovergripende, eller gjennom infrastruktursamarbeid med andre nordiske og europeiske land. For å vurdere omfanget av høyere utdannings behov for regnekraft og datalagring, anbefaler utvalget at sentrale myndigheter setter i gang en utredning som bygger på eksisterende kunnskapsgrunnlag.

1.1.3 Kapitlene i rapporten

Utredningen består av to deler utover dette innledningskapittelet.

Den første delen (kap. 2–4) gir en beskrivelse og analyse av grunnleggende forutsetninger og overordnede problemstillinger.

• Kapittel 2 beskriver høyere utdanning i Norge, herunder formål, nøkkeltall, aktørene i systemet, regler og styring, og internasjonalt samarbeid av betydning for utredningen. Kapittelet analyserer også sentrale problemstillinger for høyere utdanning i møte med KI.

• Kapittel 3 beskriver hva kunstig intelligente systemer er, hvordan de er bygget opp og fremtredende utviklingstrekk.

• Kapittel 4 beskriver grunnleggende problemstillinger om og juridiske rammer for utvikling og bruk av KI. Problemstillingene dreier seg om teknologiens pålitelighet, bruk av personopplysninger og åndsverk, maktforhold, kontroll, avhengighet og bærekraft. De juridiske rammene som er beskrevet omfatter personvernrett, forvaltningsrett, menneskerettigheter, opphavsrett og det europeiske KI-regelverket.

Den andre delen (kap. 5–11) består av tematiske analyser og utvalgets vurderinger og anbefalinger.

• Kapittel 5 tar for seg KIs betydning for studietilbudenes læringsinnhold. Det handler både om hva slags kunnskap og ferdigheter knyttet til KI det er behov for, og hvordan KI-utviklingen påvirker bredden av etablert læringsinnhold.

• Kapittel 6 handler om hvordan KI endrer premissene for undervisning og læringsaktiviteter, og hva som skal til for at KI-systemer kan understøtte læringen fremfor å hemme den. Kapittelet tar for seg KIs innvirkning på kognitive prosesser, læringsstrategier og selvregulering, hvorvidt KI kan fungere som støtte i ulike former for læring og veiledning, og hva KI kan bety for læringsmiljø og inkludering.

• Kapittel 7 drøfter mulighetene og utfordringene KI reiser for gjennomføring av eksamen og vurdering, herunder hvordan man kan vurdere oppnådd læringsutbytte. Videre gir kapittelet en drøfting av hvilken rolle KI kan spille i sensur og karakterbegrunnelser.

• Kapittel 8 handler om hva som skal til for å møte behovene for KI i høyere utdanning på en forsvarlig måte. Utvalget gir sin vurdering av hvordan teknologien bør forvaltes.

• Kapittel 9 tar for seg KIs betydning for det faglig-pedagogiske utviklingsarbeidet og det systematiske kvalitetsarbeidet ved institusjonene, og hvilken rolle KI-støttet læringsanalyse kan spille i dette.

• Kapittel 10 vurderer universitets- og høyskoleansattes behov for KI-kompetanse i lys av problemstillingene i kap. 5–8, og hvor ansvaret for slik kompetanseutvikling ligger.

• Kapittel 11 skisserer utsiktene for hva KI kan gjøre med høyere utdanning over et lengre tidsperspektiv.

• Kapittel 12 beskriver de viktigste økonomiske og administrative konsekvensene av utvalgets anbefalinger.

1.2 Mandat

Utvalget ble gitt følgende mandat:

Mandat for utvalget om kunstig intelligens i høyere utdanning (Malthe-Sørenssen-utvalget)

Bakgrunn

Kunstig intelligens (KI) har lenge vært under utvikling, og de senere år har det kommet stadig nye KI-anvendelser av stor samfunnsmessig betydning. Utviklingen vil fortsette å endre samfunns- og arbeidsliv på grunnleggende måter i årene som kommer.

På et overordnet plan innebærer KI både utfordringer og muligheter for høyere utdanning. Generativ KI drevet på store språkmodeller har allerede hatt implikasjoner for akademisk arbeid. Samtaleroboter som ChatGPT kan produsere avanserte oppgavesvar som ikke enkelt kan skilles fra studenters egenproduserte svar. Dette utfordrer hvilke eksamens- og vurderingsformer man gjør bruk av i høyere utdanning. Utviklingen av KI kan også ha betydning for hvilke læringsmål man setter i og for utdanningene, og for hvordan høyere utdanning tilpasser seg endrede samfunns- og arbeidslivsbehov. Videre kan KI gi nye muligheter i undervisningen, med metoder og verktøy som gir mulighet for å oppnå gjeldende læringsmål i større grad. Teknologiene kan også gi muligheter for mer effektiv ressursbruk. Et notat fra NIFU viser at lanseringen av ChatGPT vakte uro blant utdanningsinstitusjonene om hvilke implikasjoner teknologien har for eksamen, men at det har vært en holdningsendring siden da. Det er likevel betydelig uvisshet om hvor store implikasjoner generativ KI har og vil ha for læring og vurdering. Det pågår arbeid lokalt ved utdanningsinstitusjoner og i fagmiljøer med å finne ut hvordan man skal håndtere og utnytte teknologien, med lokale tilpasninger til gjennomføring av undervisning, eksamen og vurdering. En arbeidsgruppe nedsatt av Universitets- og høgskolerådet har arbeidet med felles retningslinjer for fuskesaker, herunder fusk ved bruk av KI. Likevel er det en rekke prinsipielle og praktiske spørsmål ved konsekvensene av KI i høyere utdanning som ikke er avklart.

Formål

Formålet med å nedsette et ekspertutvalg om KI i høyere utdanning er å få en analyse av hvilke muligheter og utfordringer KI-teknologier innebærer for norsk høyere utdanning, og at regjeringen, utdanningsinstitusjonene og fagmiljøene på det grunnlag kan få kunnskapsbaserte råd om hvordan teknologiene best håndteres i høyere utdanning. Utvalgsarbeidet skal bidra til at KI kommer studentene, institusjonene og samfunnet til gagn og ikke skade.

Utvalgets arbeid skal baseres på de overordnede målene for norsk høyere utdanning, slik disse er fastsatt i universitets- og høyskoleloven og Langtidsplanen for forskning og høyere utdanning. Det gjøres særlig oppmerksom på at den akademiske friheten skal ivaretas. Dette innebærer at rådene som rettes til utdanningsinstitusjoner og fagmiljøer skal ha til hensikt å støtte dem i utøvelsen av deres selvstendige ansvar. Det skal også legges til grunn at bruken av KI skal bygge opp under studentenes mulighet til å tilegne seg og bruke norsk fagspråk.

Oppgaver

Utvalget skal:

• gi en overordnet analyse av hvordan KI påvirker høyere utdanning

• gi en analyse av hvilke muligheter og utfordringer KI innebærer for høyere utdanning, herunder utforming av studietilbud, undervisning og læringsaktiviteter, eksamen, vurdering, kvalitetsarbeid, studentenes arbeidsvaner og tilegnelse av norsk fagspråk.

• gi råd om hvordan institusjonene og fagmiljøene best kan forholde seg til KI, for å bidra til at fastsatte målsettinger for høyere utdanning blir oppnådd med effektiv bruk av ressurser

• gi råd om hvordan institusjonene og fagmiljøene kan veilede studenter i god KI-bruk

• gi råd til statlige myndigheter om hvordan de bør utnytte mulighetene og løse utfordringer med KI i høyere utdanning og hvilke tiltak som eventuelt bør iverksettes. Råd om endring av regelverk eller statlig styring skal begrunnes med referanse til relevante forarbeider og grunnlagsdokumenter.

Der hvor utvalget identifiserer uvisshet om hvordan bruk av KI kan virke inn på høyere utdanning, skal utvalget legge til grunn et føre-var-prinsipp på områder som innebærer høy eller uakseptabel risiko. For øvrig skal utvalget orientere seg om relevante styringsdokumenter om bruk av KI i norsk offentlig virksomhet, herunder regjeringens digitaliseringsstrategi. Eventuelle råd om at KI skal håndteres på annen måte i høyere utdanning enn på andre samfunnsområder skal begrunnes særskilt.

Utvalgets anbefalinger skal basere seg på det som finnes av relevante KI-teknologier mens utredningsarbeidet pågår, men utvalget skal også drøfte hvilke antakelser det er rimelig å legge til grunn om hvilken retning teknologiutviklingen tar, og vurdere konsekvensene en slik utvikling vil ha for høyere utdanning. Teknologiutviklingen på området går fort, og utvalget må ta stilling til hva det er hensiktsmessig å gi råd om i lys av utviklingstempoet og de utviklingene som skjer underveis i arbeidet.

KI kan tenkes å påvirke arbeidslivet på mange måter, for eksempel gjennom endringer i profesjonenes arbeidsmåter. Utvalget skal drøfte hvilke muligheter og konsekvenser slike endringer i arbeidslivet kan få for høyere utdanning, og hvordan utdanningsløpene bedre kan reflektere dette. Utvalget skal ikke vurdere hvordan utdanningstilbudene bør dimensjoneres.

Der hvor det er hensiktsmessig bør utvalget differensiere hvilke råd som gis for ulike kategorier av høyere utdanninger, for eksempel inndelt etter fagfelt, tradisjon eller om utdanningen kvalifiserer for utøvelse av et spesifikt yrke.

Utvalget skal ikke prioritere å drøfte rent administrativ bruk av KI som ikke har direkte betydning for den faglige virksomheten.

Tidsplan

Utvalgets hovedrapport skal leveres innen 6. november 2026.1

Arbeidsform

Utvalgsleder har ansvar for å organisere arbeidet i samråd med sekretariat og utvalg. Det bør legges til rette for en åpen prosess der berørte interessenter, utdanningssakkyndige og teknologisakkyndige informerer utredningen. Utvalget skal ha minst fire åpne innspillsmøter ulike steder i landet for å sikre at fagpersoner, studenter, utdanningsinstitusjoner og arbeidslivsorganisasjoner får anledning til å gi innspill til utredningen. Utvalget oppfordres til å ta aktiv del i det offentlige ordskiftet med sine vurderinger, refleksjoner og spørsmål.

Utvalget bør skaffe seg en oversikt over relevant arbeid i sammenliknbare land, i EU og OECD, ved norske institusjoner og ved foregangsinstitusjoner i utlandet. Utvalget skal på et overordnet nivå orientere seg om hvordan KI håndteres i videregående opplæring.

Hvis det under arbeidet dukker opp nye utfordringer med bruk av KI i høyere utdanning som det haster å få faglige råd om, skal utvalget i samråd med Kunnskapsdepartementet vurdere om og eventuelt hvordan utvalget kan bidra, for eksempel gjennom en egen delleveranse.

Utredningen er underlagt kravene i utredningsinstruksen.

Hovedrapporten fra utvalget skal publiseres som en NOU. Den skal være skrevet i et klart språk slik at den kan leses av et bredt publikum.

Utvalget kan ta opp spørsmål om tolkning og avgrensning av mandatet med Kunnskapsdepartementet.

Sekretariat og budsjett

Kunnskapsdepartementet vil stille et sekretariat og et budsjett til disposisjon for utvalget.

1.2.1 Utvalgets forståelse av mandatet

Utvalget brukte tid på det første utvalgsmøtet til å diskutere mandatet, og har gjennom prosjektperioden bearbeidet sin forståelse av det. Følgende momenter er verdt å fremheve.

Mandatet dreier seg om høyere utdanning, og ikke de andre oppgavene som ligger til universiteter og høyskoler, det vil si forskning, faglig og kunstnerisk utviklingsarbeid og formidling. Utvalget har derfor ikke vurdert rent forskningsrelaterte problemstillinger. Samtidig er norsk høyere utdanning forskningsbasert. Forskningen former fagene som høyere utdanning bygger på. KIs rolle i forskningen har slik sett noe å si for hva studentene skal lære og hvilken kompetanse faglig ansatte bør ha. Fagene i høyere utdanning kan forstås som det som knytter forskningen, utdanningene og arbeidspraksis sammen.

Temaet for utredningen er preget av mange usikkerhetsmomenter. Dette gjelder både selve teknologiutviklingen, hvordan KI vil prege høyere utdanning, samfunnet og arbeidslivet, og rettsutviklingen. Selv om utvalget baserer seg på et bredt utvalg av foreliggende forskning, mangler vi, for mange av problemstillingene, evidens av høy kvalitet og robuste forskningsfunn. Siden det er nødvendig å fatte beslutninger om KI i høyere utdanning før et slikt kunnskapsgrunnlag foreligger, har utvalget sett det som sin rolle å trekke slutninger på et delvis usikkert grunnlag. Utvalget har løst dette gjennom å gjøre eksplisitte antakelser og gjennom utstrakt bruk av praktisk skjønn, herunder ved å følge mandatets krav om å legge til grunn et føre-var-prinsipp på områder som innebærer høy eller uakseptabel risiko.

Utvalget har i sine diskusjoner og vurderinger fokusert på bachelorgrads- og mastergradsstudier, og studier på tilsvarende nivå. Høyere utdanning omfatter også doktorgradsstudier, men utvalget gir ingen særskilte vurderinger av disse.

KI som teknologi kan avgrenses på en rekke forskjellige måter. Mandatet gir ikke noen bestemt avgrensning, men det blir lagt til grunn at generativ KI og store språkmodeller er av særlig betydning. Utvalget har fulgt opp dette gjennom å ikke arbeide under én bestemt definisjon av KI eller en streng avgrensning, f.eks. til generativ KI eller språkmodellbasert KI (herunder agentisk KI). Det er likevel verdt å understreke at det er disse formene for KI som samlet sett har klart størst betydning for høyere utdanning i dag, og dermed for utredningen.

Mandatet peker på tre direkte adressater for de rådene utvalget skal gi: statlige (sentrale) myndigheter, universiteter og høyskoler («institusjonene») og fagmiljøer. Mange av problemstillingene utvalget vurderer, er i praksis problemstillinger som fagmiljøene og den enkelte faglige ansatte står overfor. I utarbeidelsen av anbefalinger har ikke utvalget skilt mellom anbefalinger til institusjonene og anbefalinger til fagmiljøene. Begge er sortert som anbefalinger til universiteter og høyskoler. Utvalget legger til grunn at anbefalingene følges opp på egnet måte i institusjonene.

Mandatet peker også på en annen målgruppe: studentene. Som med fagmiljøer, har ikke utvalget stilet noen av sine anbefalinger til studentene, men gir i kapittel 6 forslag til hva slags råd utdanningsinstitusjonene kan gi til studentene om læringsfremmende bruk av KI. Studentene er ellers en viktig interessent som utvalget tar hensyn til i sine vurderinger og anbefalinger, og i noen tilfeller en indirekte målgruppe.

Mandatet ber utvalget om å differensiere mellom ulike utdanninger der hvor det er hensiktsmessig. Utvalget har etter beste evne tatt høyde for fagforskjeller i vurderingene som er uttrykt i den løpende teksten, og i anbefalingene. Det har gjennom prosjektperioden vist seg vanskelig å ta full høyde for hvordan problemstillingene ser ut for fag med sterk praktisk, kunstnerisk eller estetisk karakter, for eksempel utøvende kunstfag. Utvalget legger til grunn at de berørte fagmiljøene og institusjonene gjør egne vurderinger av utvalgets anbefalinger i dette lyset.

Det er to avgrensninger i mandatet som er verdt å kommentere særskilt. Den første er avgrensningen fra å vurdere hvordan utdanningstilbudene skal dimensjoneres. Kapittel 5 tar for seg et nært beslektet spørsmål, nemlig om læringsinnholdet i høyere utdanning, men gir ingen vurderinger av dimensjonering som sådan.

Den andre avgrensningen er fra å «prioritere å drøfte rent administrativ bruk av KI som ikke har direkte betydning for den faglige virksomheten.» Et tema som ligger i grenseland for dette, er opptak til høyere utdanning. Utvalget har besluttet å ikke ta for seg spørsmål om hvilke muligheter og utfordringer KI gir for hvordan man gjennomfører opptak.

Et tema som ikke er eksplisitt nevnt i mandatet, er problemstillinger knyttet til anskaffelse, drift og forvaltning av KI-systemer. Kapittel 8 tar for seg slike problemstillinger, med utgangspunkt i at de dreier seg om hvordan man kan møte høyere utdannings behov for KI på en forsvarlig måte.

1.3 Utvalgets sammensetning

Utvalget har hatt følgende sammensetning:

• Anders Malthe-Sørenssen, professor i fysikk ved Universitetet i Oslo (leder av utvalget)

• Hilde Inntjore, viserektor for utdanning ved Universitetet i Agder

• Erik Johansen, tidligere masterstudent i statsvitenskap ved Norges teknisk-naturvitenskapelige universitet2

• Malcolm Langford, professor i rettsvitenskap ved Universitetet i Oslo (medlem fra og med 21. januar 2026)

• Monika Nerland, professor i utdanningsvitenskap ved Universitetet i Oslo

• Inga Strümke, førsteamanuensis ved Norges teknisk-naturvitenskapelige universitet

• Barbara Wasson, professor ved Universitetet i Bergen

• Anne Cathrin Østebø, administrerende direktør for Validé

• Gunnar C. Aakvaag, professor i sosiologi ved Universitetet i Tromsø – Norges arktiske universitet

• Jan-Ove Færstad, professor i rettsvitenskap ved Universitetet i Bergen (medlem til og med 31. desember 2025)

1.4 Prosess

Utvalget ble oppnevnt 21. mars 2025 og har hatt elleve ordinære møter i perioden 30. april 2025 til 9. oktober 2026. Utvalgsmøtene har funnet sted i Oslo, med unntak av ett i Lillestrøm og ett digitalt. I tillegg var utvalget på studietur til Paris med møter hos OECD 9. og 10. oktober 2025.

Utvalget har holdt fem åpne innspillsmøter:

• i Tromsø 23. juni 2025, hos Universitetet i Tromsø – Norges arktiske universitet

• i Bergen 25. juni 2025, hos Høgskulen på Vestlandet

• i Trondheim 2. september 2025, hos Norges teknisk-naturvitenskapelige universitet

• i Oslo 11. september 2025, hos Universitetet i Oslo

• i Kristiansand og på Zoom 22. september 2025, hos Universitetet i Agder, med profesjonsutdanninger som særskilt tema.

Utvalget har også fått skriftlige innspill i hele prosjektperioden. Se kapittel 1.5 for en sammenfatning av innspillene utvalget har mottatt.

Utvalget og dets sekretariat har i tillegg hatt møter med en rekke aktører som på ulike måter har bidratt til å informere utredningen. Dette har vært gjennom inviterte innlegg og presentasjoner på utvalgsmøter og på studieturen, og på særskilte møter utenom disse. Kapittel 1.7 gir en oversikt over hvem utvalget har møtt.

Utvalget takker alle som har gitt innspill, alle eksterne møtedeltakere og alle som har bidratt til diskusjoner om utredningens tema i perioden. Alle vurderingene som er gjort i rapporten, er utvalgets egne.

På forespørsel fra forsknings- og høyere utdanningsministeren utarbeidet utvalget et notat med sine foreløpige vurderinger, med hovedvekt på eksamen og vurdering (Utvalget om kunstig intelligens i høyere utdanning, 2025). Notatet ble oversendt Kunnskapsdepartementet 16. desember 2025. Notatet var ment å komme sektoren til gode og gi sentrale myndigheter et foreløpig grunnlag for beslutninger og vurderinger, i påvente av foreliggende rapport. Notatet var ikke en formell delrapport. I tråd med hensikten med notatet har utvalget lånt fritt av egne formuleringer, uten henvisninger, i arbeidet med foreliggende rapport.

Utvalget ga innspill til Kunnskapsdepartementet 18. juni 2026 om utformingen av forslag til ny, felles rammeplan for lærerutdanningene. Innspillet er lagt ved som vedlegg 1 i denne rapporten.

1.5 Innspill til utvalget

Utvalget har gjennomført fem åpne innspillsmøter i perioden 23. juni–22. september 2025 (jf. kap. 1.4). Møtene fant sted i Tromsø, Bergen, Trondheim, Oslo og Kristiansand. I tillegg har utvalget per 5. oktober 2026 mottatt 73 skriftlige innspill fra 64 ulike avsendere. Avsenderne omfatter universiteter og høyskoler, bestemte fagmiljøer ved universiteter og høyskoler, andre statlige forvaltningsorganer, fagforeninger og profesjonsorganisasjoner, studentorganisasjoner, enkeltpersoner, bedrifter og bransjeforeninger.

Den følgende oppsummeringen tar utgangspunkt i de muntlige og skriftlige innspillene utvalget hadde fått per 23. februar 2026.3 Utvalget har også lest og tatt til etterretning de innspillene det har mottatt etter denne datoen.

1.5.1 Innspillsoppsummering

Innspillene vitner om bred enighet på flere områder. Samtlige aktørgrupper knytter diskusjonen til grunnleggende spørsmål om høyere utdannings formål, akademisk integritet, likhet og rettferdighet. Det er konsensus om at KI-utviklingen bærer med seg store kompetansebehov som må møtes. Det er også bred enighet om at ansatte trenger støtte for å holde seg oppdatert, og at dette ikke kan overlates til den enkelte. Videre er det konsensus om at vurderingsformene i høyere utdanning er utfordret av KI. Mange fremhever at fagspesifikke hensyn må ivaretas og at ett sett retningslinjer ikke passer for alle fag og utdanninger. Både nasjonale rammer og lokal autonomi spilles inn som nødvendige.

Mens avsenderne har ulike syn på verdien av faktakunnskap og fagkunnskap, er det enighet om at kritisk tenkning, dømmekraft, etisk refleksjon og dybdelæring blir viktigere. Det er flere spenninger i innspillene, særlig når det gjelder vurdering, balansen mellom dybdelæring og arbeidslivsrelevans, og forholdet mellom nasjonale standarder og faglig frihet.

Utfordringene innsenderne peker på, er omfattende: Samtidig som teknologien fortsetter å utvikle seg i raskt tempo, må sektoren gjennomføre en fundamental fornying av vurderingsformer, drive systematisk kompetanseheving, utvikle nye pedagogiske tilnærminger, etablere infrastruktur og støttesystemer og utarbeide retningslinjer og rammeverk. Dette krever omfattende ressurser, tydelig ledelse, godt samarbeid mellom nivåer og aktører, og vilje til å ta vanskelige valg.

Den største utfordringen med KI i høyere utdanning

Innspillene gir ulike svar på hva som er den største utfordringen med KI i høyere utdanning. De vanligste svarene kan kategoriseres som følger:

• Vurdering: Å få til en faglig betryggende vurdering av studenters læringsutbytte

• Læring: Å oppnå ønsket læringsutbytte ved å bruke eller avstå fra å bruke KI-systemer

• Samfunns- og arbeidslivsrelevans: Å utvikle lærings- og vurderingsaktiviteter som gir og prøver læringsutbytter i og om KI

• Kompetansegap: Å møte studenter og UH-ansattes behov for KI-kompetanse i takt med en rask teknologiutvikling

Det er en spenning mellom avsendere som fremholder samfunns- og arbeidslivsrelevans som hovedutfordringen og dem som fremholder at hovedutfordringen er integritet i vurdering eller risiko for læringstap.

Fremtidsperspektiver og kompetansebehov

Flere institusjoner forventer at KI om ti år vil være godt integrert i utdanningsvirksomheten, med personlige læringsassistenter, adaptive læringssystemer og virtuelle assistenter. Studentparlamentet ved UiT ser for seg at KI i fremtiden vil være like selvsagt i utdanningen som digitale bibliotek og tekstbehandlingsverktøy er i dag.

Aktørgruppene er samstemte om at kritisk tenkning, analytiske ferdigheter, faglig dømmekraft og etisk refleksjon blir viktigere. Flere mener at faktakunnskap blir mindre viktig, og likeledes ferdigheter til å utføre rutinepregede aktiviteter som oversettelser, transkribering og språkrevisjon. Tanken er at slike oppgaver i større grad kan overlates til KI-systemer.

Fagforeningene understreker at mennesker fortsatt må avgjøre hva som er relevant, gyldig og etisk forsvarlig, og at kritisk bruk av KI forutsetter solid fagkunnskap. Enkelte institusjoner og fagforeninger fremhever betydningen av å kunne formulere klare instruksjoner til KI og ha evne til å bruke verktøyene som samarbeids- eller sparringspartner.

Læring

Avsendere i alle gruppene påpeker at bruk av KI i læringsaktiviteter kan ha en negativ eller begrenset positiv læringseffekt. De advarer mot at kognitiv avlastning kan føre til overflatisk læring, redusert innsats og et gap mellom opplevd og faktisk læring.

De fremste mulighetene som nevnes er potensialet for adaptive og persontilpassede lærings- og vurderingsverktøy, mulighetene for flere, raskere og bedre tilbakemeldinger, samt mulighetene innen simulering og virtuell virkelighet.

Eksamen og vurdering

En gjennomgående oppfatning i innspillene er at generativ KI utfordrer hvordan man kan sikre en forsvarlig vurdering av læringsutbytte.

Derimot er det ulike oppfatninger om hvordan man skal forholde seg til det. Én posisjon er at tradisjonelle hjemmeeksamener og skriftlige innleveringer ikke lenger er forsvarlige vurderingsformer når studentene har tilgang på generative KI-systemer. Noen argumenterer for at skoleeksamen bør gjeninnføres i langt større utstrekning. Muntlig eksamen fremheves av mange som særlig egnet for å sikre en pålitelig vurdering av oppnådd læringsutbytte. Andre advarer mot å gå tilbake til tradisjonelle eksamensformer, og appellerer til nytenkning. Flere mener vurdering må dreies mer mot prosess og anvendt kompetanse.

Ferdigheter i bruk av KI og behov for opplæring

Mange av innspillene etterspør systematisk opplæring og veiledning i bruk av KI-systemer. De peker på at studentene trenger grunnleggende teknologiforståelse, kritisk vurdering av verktøy med forståelse av begrensninger, kunnskap om personvern og datasikkerhet, og etisk dømmekraft.

Kompetanse hos faglig ansatte

Alle aktørgrupper fremhever at faglige ansatte trenger målrettet og tilpasset kompetanseutvikling. Fagforeningene understreker at viljen til videreutvikling er stor, men at tid og ressurser er mangelvare. De mener ansatte må få en reell mulighet til å tilegne seg kompetanse, og at ansvaret ikke bør overlates til den enkelte. Ifølge flere innspill bør det etableres sentrale støtteressurser og faglige nettverk som sikrer at innføringen av KI-systemer ikke avhenger av enkeltpersoner, hverken når det gjelder systemer, praksiser eller læringsinnhold.

Nasjonale tiltak versus lokale løsninger

Alle aktørgrupper mener at innføring og bruk av KI-systemer må foregå innenfor en kombinasjon av nasjonale rammer og lokale tilpasninger. Studentorganisasjonene ønsker nasjonale retningslinjer spesielt knyttet til undervisning og vurdering, og begrunner dette med at ulik praksis truer studentenes rettssikkerhet.

Innspillene identifiserer flere områder der nasjonale tiltak kan være hensiktsmessige. Det gjelder formidling av kunnskap om regelverket, utarbeidelse av felles retningslinjer, organisering av felles anskaffelser samt nasjonal finansiering og utvikling av norske og nordiske språkmodeller. Flere institusjoner peker på at det bør etableres felles samarbeidsarenaer, rådgivningstjenester og rammeverk for personvern- og risikovurderinger ved anskaffelser av nye KI-systemer.

Institusjonene tar samtidig til orde for viktigheten av lokal autonomi og frihet til å eksperimentere med undervisnings- og vurderingsformer. Fagforeningene advarer mot for detaljerte nasjonale føringer med henblikk på at standardiserte løsninger kan hemme mangfold og faglig autonomi.

Fagspesifikke særtrekk

Helseprofesjonene understreker at KI-systemer har begrenset sosial intelligens og ikke kan utøve klinisk skjønn – en kjernekompetanse i f.eks. sykepleie. Helsedirektoratet mener at KI-kompetanser må forskriftsfestes i de nasjonale rammeplanene for helse- og sosialfagutdanninger. Lærerutdanningene har en dobbel utfordring ved at studentene både skal forholde seg til KI i sin egen utdanning, og utvikle kompetansen de trenger for å støtte og veilede fremtidige elever i deres møte med KI.

NITO påpeker at ingeniør- og teknologistudenter er nær toppen i bruk av KI-systemer, ifølge Studiebarometeret, og utmerker seg med hensyn til bruk av KI-systemer til koding. Noen av de sterkeste bekymringene for tapt læring kommer også fra IT-miljøene.

Ivaretakelse av norsk fagspråk

Språkrådet advarer om at KI-modeller som ikke er trent på norske fagtekster, kan gi tekster med uklart fagspråk, generere fagtermer som ikke er forankret i fagmiljøer, og produsere norsk med stort innslag av anglisismer. De fremhever behovet for å utvikle norske språkmodeller og at fagmiljøene må utvikle og registrere norsk terminologi. Innspill fra Senter for norsk fagspråk i bruk (Norbruk), Forleggerforeningen og Nav peker også på behovet for norske språkmodeller. Norbruk legger vekt på klarering av opphavsrett og mulighet for å spesialtilpasse språkmodeller til egne fagspråklige behov. Forleggerforeningen understreker at KI-systemer bør bygge på kvalitetssikrede læringsressurser fremfor å erstatte dem, for å sikre videre utvikling av norsk fagspråk og norske faglige perspektiver.

For minoritetsspråk som samisk er trening av språkmodeller særlig krevende, kom det frem på utvalgets innspillsmøte i Tromsø. Mindre data er tilgjengelig, og mye av den er personsensitiv. Desto viktigere er det å stille krav om at språkmodeller som anskaffes ivaretar likeverd, inkludering og mangfold, beskytter minoritetskultur og støtter opp om bruk av minoritetsspråk.

Andre tema

Fagforeningene peker på at KI utfordrer opphavsretten når læringsmateriale og studentarbeid brukes til trening av modeller uten samtykke. Forskerforbundet advarer mot at kommersielle teknologiselskaper får uforholdsmessig stor innflytelse på bekostning av institusjonell autonomi. De mener også at avgjørende beslutninger om bruk av KI-systemer må tas i organer der ansattes medbestemmelse er sikret.

Miljøkonsekvensene av KI blir påpekt av flere, blant annet studentorganisasjoner og institusjonene. Videre er flere bekymret for at markedet for store språkmodeller domineres av amerikanske aktører, noe som skaper avhengighet og reiser spørsmål om kontroll over data og kunnskap.

Studentorganisasjonene og fagforeningene understreker at gratisprinsippet i norsk høyere utdanning må vernes, slik at ikke evnen til å betale for tilgang på de beste KI-systemene blir avgjørende for utdanningsutfall.

1.6 Relevante arbeider i andre land

Verden over møter studenter, undervisere, utdanningsinstitusjoner og myndigheter mange av de samme problemstillingene om KI i høyere utdanning. Kunnskapsutviklingen og de politiske prosessene foregår kontinuerlig og i mange varianter, både på lokalt, nasjonalt og internasjonalt nivå. Følgende fremstilling gir et overblikk over noen av prosessene utvalget har orientert seg om.

1.6.1 Internasjonale organisasjoner

1.6.1.1 UNESCO

FNs organisasjon for undervisning, vitenskap, kultur og kommunikasjon kom i september 2023 med sin første globale veileder om generativ KI i utdanning og forskning (Miao & Holmes, 2023). Den gir råd til myndigheter og utdanningsinstitusjoner om hvordan generativ KI bør reguleres og brukes på en trygg, etisk og pedagogisk forsvarlig måte.

1.6.1.2 OECD

Organisasjonen for økonomisk samarbeid og utvikling la i januar 2026 frem en omfattende rapport om bruken av generativ KI i utdanning. OECD Digital Education Outlook 2026 (OECD, 2026b) sammenfatter empirisk forskning, eksperimenter og innsikt fra eksperter for å utforske potensialet i generativ KI og hvordan aktører i utdanningssektoren kan styre en effektiv og ansvarlig innføring. Rapporten viser at generativ KI har potensial til å fordype læring, forbedre undervisningspraksis og effektivisere institusjonsstyring og forskning. Det fordrer at den utformes med en sterk pedagogisk og menneskesentrert tilnærming. Samtidig er det en risiko for at overdreven avhengighet gjør studenter til passive forbrukere og undervisere til rene tilsynspersoner.

For å utløse det fulle potensialet til generativ KI, må utdanning ifølge rapporten bevege seg bort fra generiske samtaleroboter og over mot spesialutviklede verktøy for utdanning. En gjennomtenkt integrering av generelle KI-systemer vil være avgjørende for å oppnå læringsgevinster og utvikle studentenes KI-kompetanse for deres fremtidige yrkeskarrierer. Utfordringen for beslutningstakere er å sikre at generative KI-systemer blir en læringspartner og ikke en snarvei til resultater.

I juli 2026 publiserte OECD en oversikt over politikk-initiativer i ulike land, fordelt på følgende områder: 1) veilede i ansvarlig KI-bruk; 2) utvikle felles tilnærminger til etterlevelse og anskaffelser; 3) utvikle KI-kompetanse; 4) støtte datainnsamling, evaluering og pilotering; og 5) støtte utvikling av spesialiserte KI-verktøy for høyere utdanning (OECD, 2026d).

1.6.1.3 EU

Handlingsplanen for digital utdanning, the Digital Education Action Plan 2021–2027 (EU-kommisjonen, 2020), er rammeverket for EUs digitale utdanningspolitikk. Planen er et avgjørende element i etableringen av det europeiske utdanningsområdet og bidrar på en rekke av EU-kommisjonens prioriterte politikkområder. Blant tiltakene er å inkludere KI- og digital kompetanse i det europeiske rammeverket for digital kompetanse (DigComp), støtte utvikling av læringsressurser om KI og øke bevisstheten om muligheter og utfordringer med KI i utdanning og læring. Flere nettverk og arbeidsgrupper er etablert med utgangspunkt i planen. EUs etiske retningslinjer for bruk av KI-systemer og data i undervisning og læring (EU-kommisjonen, 2026g) er forankret i den samme handlingsplanen og ble oppdatert i 2026.

Utdanning, kompetanseutvikling og dyrking av KI-talenter er et sentralt satsingsområde i EU-kommisjonens AI Continent Action Plan, som har som mål å gjøre Europa til en global leder innen KI (EU-kommisjonen, 2025a). Planen omfatter tiltak som AI Skills Academy for å styrke EUs teknologiske suverenitet og innovasjonskapasitet (Den europeiske union, 2026), og tiltak for å tiltrekke seg toppstudenter og forskere, inkludert KI-eksperter, fra land utenfor EU (EU-kommisjonen, 2025a).

Kommisjonen publiserte i september 2026 rapporten Friend or Foe, som gjennomgår forskning og internasjonale studier om bruk av generativ KI i læring og undervisning (EU-kommisjonen, 2026f).

1.6.1.4 European University Association (EUA)

EUA publiserte i januar 2026 rapporten Adopting AI that serves the needs and values of universities (European University Association, 2026). Den belyser og drøfter utfordringene europeiske universiteter står overfor gjennom fem dimensjoner: etikk, strategi, opplæring, regulering og bærekraft. Rapporten understreker at universitetene må holde fast ved sitt samfunnsoppdrag og sine grunnleggende verdier for å lykkes med KI-integrasjonen.

En menneskesentrert tilnærming er ifølge rapporten nødvendig for å ivareta menneskelig handlekraft, opprettholde menneskelige verdier og beskytte borgernes rettigheter. KI skal styrke og løfte menneskelig innsats, ikke kontrollere eller lede den. Utdanningsinstitusjoner må derfor dyrke en kultur for bevisst og reflektert bruk. De må sikre at ansatte og studenter forstår risikoen ved deling av data og kan gjenkjenne og håndtere teknologiens iboende skjevheter.

EUA viser til at KI utfordrer akademisk integritet og sentrale akademiske prinsipper. Et sentralt budskap i rapporten er at universitetene ikke bør la KI diktere nye mål. Derimot bør institusjonene fastsette klare, bærekraftige og etiske ambisjoner for utviklingen av KI, som en integrert del av deres overordnede strategier. Manglende sammenheng mellom institusjonelle KI-tiltak og nasjonale strategier er et problem, ifølge rapporten. Den etterlyser at universitetene tar en mer aktiv rolle i den offentlige samtalen om teknologi og regulering.

1.6.2 Nasjonale tiltak

1.6.2.1 Nordiske land

Danmark har ikke en fastsatt nasjonal politikk for KI i høyere utdanning. Utviklingen foregår lokalt ved den enkelte institusjon. Uddannelses- og Forskningsstyrelsen etablerte i 2023 en intern ekspertgruppe for å vurdere konsekvensene av og mulighetene innen KI, uten at den så langt er fulgt opp av ny politikk.

Dansk Universitetspedagogisk nettverk (DUN) har såkalte spesialinteressegrupper som aktivt diskuterer hvordan KI påvirker undervisning, læring og eksamensformer.

Også Finland har en desentralisert tilnærming til KI i høyere utdanning, der universitetene selv utvikler sin egen politikk for bruk av generative KI-systemer. Universitetsrektorenes råd (UNIFI) har heller ikke utarbeidet felles føringer. I sektoren for yrkeshøyskoler er det noe annerledes. Det finske rådet for yrkeshøyskolenes rektorer, Arene, har lagt frem generelle anbefalinger om bruk av KI-systemer, med vekt på temaer som personvern, opphavsrett, akademisk integritet, etikk og pedagogiske konsekvenser (Arene, 2024). Detaljene overlates til den enkelte institusjon.

Det finske utdanningsdirektoratet (EDUFI) har sammen med utdannings- og kulturdepartementet publisert et materiale som skal støtte utvikling av KI-kompetanse og fremme ansvarlig, sikker og innovativ bruk av KI i utdanning (EDUFI, 2025). Materialet retter seg primært mot grunnopplæring og yrkesfag, men anbefalingene er kompatible med rammeverk og praksiser i høyere utdanning.

I Sverige har Universitetskanslersämbetet (UKÄ)4 kartlagt svenske institusjoners arbeid med å motvirke fusk ved fjernstudier (Universitetskanslersämbetet, 2025). Sveriges universitets- och högskoleförbund (SUHF)5 har opprettet en arbeidsgruppe for KI som kartlegger lærestedenes retningslinjer for KI-bruk og vurderer om det er behov for anbefalinger eller retningslinjer på nasjonalt nivå (SUHF, 2025). Gjennom tildelingsbrevene er svenske universiteter og høyskoler pålagt å redegjøre for hvordan de arbeider med å utvikle sitt utdanningstilbud innen KI og tiltak for å integrere KI-elementer i relevante utdanninger.

1.6.2.2 Irland

Irlands Higher Education Authority (HEA) publiserte i desember 2025 et nasjonalt rammeverk for ansvarlig og verdibasert innføring av generative KI-systemer i høyere utdanning. Rammeverket fokuserer spesifikt på undervisning og læring, og bygger på fem prinsipper: 1) akademisk integritet, transparens og ansvarlighet; 2) likeverd og inkludering; 3) kritisk engasjement, menneskelig kontroll og KI-kompetanse; 4) ivaretakelse av personvern og trygg dataforvaltning; og 5) bærekraftig pedagogikk (Higher Education Authority, 2025b).

Prinsippene skal gi utdanningsinstitusjonene et felles utgangspunkt i tråd med europeiske regulatoriske krav og bredere internasjonale standarder for ansvarlig bruk av KI. De skal sikre at sektoren forholder seg til generative KI-systemer på måter som ikke bare er innovative, men også faglig troverdige og tillitsskapende. I april 2026 lanserte HEA en kurspakke for selvstudier i KI-kompetanse rettet mot undervisere og studenter, som ligger åpent tilgjengelig på opencourses.ie (Higher Education Authority, 2026).

1.6.2.3 Storbritannia

Jisc6 har utarbeidet et strategisk rammeverk for KI som bygger på tre pilarer: 1) kompetanse, kunnskap og kultur; 2) teknologi og 3) styring. Rammeverket er rettet mot ansatte og ledere ved utdanningsinstitusjonene, mot beslutningstakere og mot eksterne partnere i utdanningssektoren (Jisc, 2025). Jisc har også utarbeidet en modenhetsmodell som lar universiteter, høyskoler og opplæringstilbydere vurdere hvilket nivå av modenhet institusjonen ligger på når det gjelder KI-bruk, og gir dem tilgang til verktøy og ressurser tilpasset de ulike nivåene (Jisc, u.å.).

1.6.2.4 Australia

Australias Tertiary Education Quality and Standards Agency (TEQSA)7 har utviklet en verktøykasse som presenterer praktiske tiltak som australske høyere utdanningsinstitusjoner enten allerede har iverksatt eller er i ferd med å utvikle, og som er forankret i deres strategier (TEQSA, 2024). Verktøykassen inneholder konkrete sjekklister og anbefalinger for institusjonenes arbeid både på kort og lang sikt. En tilvarende verktøykasse er rettet mot forskerutdanning (TEQSA, 2025).

The Australian Centre for Student Equity and Success (ACSES) har presentert et rammeverk for KI i høyere utdanning som fokuserer spesielt på likeverd. Det innebærer blant annet at man skal unngå å forsterke eksisterende digitale skiller og sosiale ulikheter, og at man skal sikre urfolks rett til å bevare, kontrollere, beskytte og videreutvikle sin kulturelle arv og kunnskap (Lodge et al., 2025).

1.7 Oversikt over møter utvalget og dets sekretariat har hatt med eksterne aktører

• Sekretariatet for kompetansebehovsutvalget ved Karin Hårstad Fonn og Hege Medin, om grenseflater mellom utvalgenes arbeid, 24. mars 2025

• Tommy Tranvik (HK-dir), om KI-forordningen, 11. juni 2025

• Kompetansebehovsutvalget ved Sveinung Skule og Ingrid Bjartveit Krüger, om digital kompetanse, 12. juni 2025

• Charles Fadel, om KIs påvirkning på hva vi skal lære, 1. oktober 2025

• Under studietur til Paris 9. og 10. oktober 2025, om et bredt spekter av temaer i utredningen:

  • Andreas Schleicher (OECD/EDU)

  • Edmund Misson (OECD/IMPD)

  • Stuart Elliot (OECD/CERI)

  • Celina Caira (OECD.AI)

  • Jonathan James (OECD/Trends shaping education)

  • Simon Roy (OECD/HE policy team)

  • Shinyoung Jeon (OECD/Centre for skills)

  • Luis Francisco Vargas-Madriz (OECD/PISA MAIL)

  • Marc De Falco (fransk utdanningsmyndighet, IGESR)

  • Ann Kristin Glenster (University of Cambridge og The Glenlead Centre)

• Universitetet i Agder ved Maj Schian Nielsen, om deres prosjekt om karakterbegrunnelser, 23. oktober 2025

• Nettverket om KI i UH-didaktikk ved Maj Schian Nilsen, Emil Trygve Hasle m.fl., 28. oktober 2025

• Juristnettverket UH ved Anita Tøien og Johnny Roar Sundnes m.fl., 29. oktober 2025

• Sikt ved Kjartan Iversen, om tilrettelegging av data om eksamensformer fra felles studentsystem, flere datoer høsten 2025

• Prosjektet Nye vurderingsformer ved Torill Sommerlund med kolleger (Universitetet i Tromsø – Norges arktiske universitet), 26. november 2025

• Datatilsynet ved Jan Henrik Mjønes Nielsen, Henrik Netland Svensen, Susanne Lie og Knut André Sande, 4. desember 2025

• Gard Thomassen (Universitetet i Oslo), om problemstillinger knyttet til digital suverenitet, 12. januar 2026

• Teknologirådet ved Tore Tennøe og Jonas Engestøl Wettre om problemstillinger knyttet til digital suverenitet, 12. januar 2026

• Felles klagenemnd ved Ernst Nordtveit og Lisa Fyrileiv, 29. januar 2026

• Uddannelses- og Forskningsstyrelsen ved Henriette Granlund Marsden, om dansk politikkutvikling for KI i høyere utdanning, 3. februar 2026

• Ingar Haaland (Norges Handelshøyskole), om fagspesifikk KI-bruk, 23. februar 2026

• Lars Harald Eide og Vidar Sandsaunet Ulset (Norges idrettshøgskole), om fagspesifikk KI-bruk, 23. februar 2026

• Yngve Røe (OsloMet), om KI-kompetanse, 23. februar 2026

• Språkrådet ved Ann-Helene Langaker, Kjetil Gundersen og Matias Jentoft, om KI-terminologi, 25. februar 2026

• Nasjonalbiblioteket ved Trond Myklebust, om Nasjonalbibliotekets språkmodellutvikling, 2. mars 2026

• Langsikt ved Peder Skjelbred, om miljøkonsekvenser og bærekraft, 3. mars 2026

• Utbildningsdepartementet ved Anna-Carin Ramsten, om svensk politikkutvikling for KI i høyere utdanning, 5. mai 2026

• Digitaliserings- og forvaltningsdepartementet om Handlingsplan for kompetanse om digital omstilling, 12. mai 2026

• Ole-Andreas Rognstad (Universitetet i Oslo), Inger Berg Ørstavik (Universitetet i Oslo) og Torger Kielland (Universitetet i Bergen) om opphavsrett, 5. juni 2026

• Tarjei Ellingsen Røsvoll (Universitetet i Innlandet) og Øystein Flø Baste (Universitetet i Oslo) om forvaltningsrett, 8. juni 2026

• Emily Mary Weitzenboeck (OsloMet) og Mona Naomi Lintvedt (Universitetet i Oslo) om personvernrett, 12. juni 2026

• Tobias Mahler (Universitetet i Oslo), Samson Yoseph Esayas (Universitetet i Oslo), Rebecca Scmidt (OsloMet) om KI-forordningen, 12. juni 2026

• Bjarte Askeland (Handelshøyskolen BI) om erstatningsrett, 15. juni 2026

• NOKUT ved Abdul Salam Ali, Erlend Langørgen og Philipp Emanuel Friedrich, om KI og kvalitetsarbeid, 22. juni 2026

• Forskerforbundet ved Steinar Sæther og Åshild Olaussen, om opphavsrett og involvering av ansatte, 24. juni 2026

• Vegard Johansen og Astrid Hoås Morin (begge Norges teknisk-naturvitenskapelige universitet) om et prosjekt om KI og læring, 24. juni 2026

1.8 Bruk av KI-systemer i arbeidet med rapporten

Utvalgets sekretariat har benyttet flere KI-systemer som støtte i utredningsarbeidet. KI-baserte søkeverktøy som Keenious har vært brukt til litteratursøk. Generative KI-systemer som Claude, Copilot og ChatGPT har vært brukt til å sammenfatte og strukturere møtenotater, og til å finne frem og sammenstille relevant innhold i artikler, rapporter, policydokumenter samt i behandling av skriftlige innspill til utvalget.

Rapporten er skrevet av mennesker. I utviklingen av tidlige utkast til kapittel 2, 4 og 9–11 ble KI-systemer brukt til å gi forslag til og bearbeidelser av enkelte avsnitt. Det ble også benyttet et KI-system for å bistå i en omstrukturering av kapittel 6.