Konsten att välja våra (pedagogiska) skavsår

Vi lever i en tid där komfort är kung och effektivitet är religion. Vi har byggt en civilisation dedikerad till att eliminera motstånd. Och nu har vi skapat Artificiell Intelligens, den ultimata teknologin för att automatisera bort inte bara det fysiska motståndet, utan även det kognitiva.

I detta finns en paradox, särskilt tydlig i skolans värld.

Vi vet, djupt inom oss, att lärande sker i motståndet. Från det att vi föds ramlar vi, misslyckas och strävar. Ett liv utan friktion är ett liv utan utveckling. Vi växer när det skaver. Varför är vi då så snabba att omfamna teknologier som lovar ett lärande där ingenting någonsin ska skava igen?

AI är mer än ett verktyg. För vissa är det en filosofi klädd i kod som viskar att snabbare alltid är bättre. När ChatGPT lanserades uppstod panik i skolan. Inte för att teknologin var intelligent, utan för att den var effektiv. Plötsligt fanns det ingen textbaserad uppgift som en elev inte kunde lösa på två sekunder.

AI tvingar oss att hålla upp en skoningslös spegel mot vår egen praktik. Den tvingar oss att se att mycket av det vi kallat "lärande" i själva verket var ren produktion. Om en maskin kan få A på uppgiften, mätte uppgiften då verkligen elevens förståelse, eller mätte den bara förmågan att följa en mall?

Här måste vi återigen orka ställa den största frågan av alla: Varför gör vi det här?

Om syftet med att skriva en debattartikel bara är att visa att man behärskar strukturen tes-argument-motargument, då är det en uppgift en maskin kan lösa. Då är det meningslös friktion.

Men om syftet är att eleven ska delta i det demokratiska samtalet, att formulera en vilja och försöka påverka sin omvärld – då blir maskinen ett hinder, inte en hjälp.

Den sanna friktionen uppstår nämligen i glappet mellan vad jag känner och vad jag lyckas uttrycka. Det är kampen för att göra sig förstådd, att äga sina ord och därmed sin verklighet. Att låta en AI formulera mina åsikter är inte att vara effektiv. Det är att abdikera från sin egen röst.

Bara för att en maskin kan skriva texten, betyder det inte att det är värt att låta den göra det. Vi skriver inte för att fylla papper med ord. Vi skriver för att bli till.

Spegeln avslöjar också mängder av "fake friction" i skolan. Processer som kräver ansträngning men inte skapar verkligt lärande. Renodlad faktarepetition utan kontext, eller att elever ägnar timmar åt att formatera en rapport istället för att brottas med innehållet. Denna typ av friktion ska vi absolut automatisera bort.

Problemet är att AI inte skiljer på fake friction och meningsfull friktion.

Meningsfull friktion är den kognitiva brottningen med ett komplext problem. Det är att våga testa en hypotes som visar sig vara fel. Det är att navigera i en gruppdynamik där åsikter går isär. Vår tids stora pedagogiska utmaning är inte hur vi ska använda AI i klassrummet. Det är hur vi designar för rätt sorts friktion.

När produktionen blir nära nog kognitivt gratis måste vi fundera på om och när, och i sådana fall vart vi kan flytta ansträngningen. Kan vi flytta tankearbetet till före och efter maskinens insats.

Jag tänker på det som Jag-AI-Jag.

Eleven definierar problemet och intentionen (Jag). AI genererar alternativ, struktur eller motstånd (AI). Eleven värderar, redigerar och tar ansvar för slutresultatet (Jag).

Vi ska inte vara teknikfientliga. Tvärtom. Vi ska använda AI för att vässa våra argument och synliggöra våra blinda fläckar. Men den onödiga genvägen ligger inte i att använda verktyget, utan i att hoppa över jag-stegen.

Algoritmen smeker oss medhårs. Vi litar på AI om den bekräftar det vi redan tror. Vi accepterar det första svaret för att det är enklast. Det nya hårda arbetet är att applicera friktion på vårt eget tänkande. Att lära eleverna att prompta AI:n som en kritisk partner: "Här är min text. Agera nu som en brutalt ärlig rådgivare. Utmana mina antaganden."

Använt på detta sätt sparar AI inte tid; det fördjupar lärandet. Men det kräver medvetenhet. Det kräver förståelse för såväl AI:ns begränsningar (hallucinationer, bias, etc) och det kräver förståelse för våra egen ovilja att möta våra tillkortakommanden, ta kritik – om än från en maskin, och våra förutfattade meningar.

Men vi måste inte bara flytta friktionen inåt, till det kognitiva. Vi måste också flytta den utåt, till det relationella.

AI är mästerligt på det förutsägbara. Men ett klassrum är inte förutsägbart. Elever är röriga, ambivalenta och komplexa. Visst, en AI kan snart simulera empati bättre än en stressad pedagog. Men vi får inte förväxla simulering med autenticitet. En maskin kan inte se eleven bakom prestationen. Den kan inte bygga genuint förtroende.

Att navigera en konflikt, att fatta ett svårt etiskt beslut, att vara verkligt närvarande i ett samtal – allt detta är djupt ineffektivt. Det tar tid, det skapar friktion och det går inte att optimera. Och just därför är det kärnan i vårt pedagogiska uppdrag.

Frågan är: Använder vi tiden AI frigör till att investera mer i denna värdefulla ineffektivitet? Eller använder vi AI som en buffert för att slippa det som är mänskligt rörigt?

I Mary Shelleys roman drömde Victor Frankenstein om att skapa något som översteg människan. Men hans skapelse blev en spegel över hans egna brister och hans ansvarslöshet.

AI är också en spegel. Den speglar de värderingar vi bygger in i vårt skolsystem. I en värld där maskiner kan göra nästan allt, definieras värdet av en lärare – och en elev – inte längre av vad vi kan producera, utan av vilken typ av ansträngning vi väljer att värdesätta.

När allt blir enkelt blir den meningsfulla ansträngningen det som räknas. I automationens tidsålder är vår största utmaning att identifiera vilken pedagogisk friktion som är värd någonting.

Det är dags att välja våra skavsår.