12. July 2026
En fersk analyse advarer nå mot en av de største fallgruvene ved dagens AI-bølge: «automatisering uten forståelse». Etter hvert som selskaper ruller ut generative AI-agenter for å håndtere alt fra kundestøtte til komplekse dokumentflyter, advarer eksperter mot å forveksle avansert mønstergjenkjenning med reell situasjonsforståelse. Rapporten peker på at maskiner som utfører oppgaver uten semantisk forståelse, skaper en falsk trygghet som kan føre til kritiske systemfeil når uforutsette hendelser oppstår. (Kilde: arXiv)
Tenk på det som å ansette en person som er ekstremt god til å etterligne fagspråk, men som ikke aner hva ordene faktisk betyr i den virkelige verden. Dagens store språkmodeller (LLMs) er fantastiske til å generere tekst og automatisere repetitive oppgaver basert på historiske data. Men fordi de mangler en underliggende modell av fysiske eller logiske realiteter, klarer de ikke å fange opp logiske absurditeter som et menneske ville oppdaget umiddelbart.
For driftsdirektører og ledere for digital transformasjon betyr dette at helautomatiserte prosesser uten menneskelig overoppsyn («human-in-the-loop») utgjør en betydelig operasjonell risiko. Hvis en innkjøpsavdeling lar en AI-agent styre lagerbestillinger eller tolke komplekse leverandøravtaler på egen hånd, risikerer man at systemet tar beslutninger som virker statistisk sannsynlige basert på historikk, men som er katastrofalt feil i en ny markedssituasjon. Løsningen er å designe systemer der AI-en fungerer som en avansert assistent som forbereder beslutninger, mens godkjenningen av kritiske veikryss forblir hos menneskelige eksperter.
Etter Norges VM-exit retter landslagssjef Ståle Solbakken skarp kritikk mot videodømmingssystemet VAR (Video Assistant Referee), og kaller teknologibruken en «fallitterklæring» for verdens beste dommere. Diskusjonen handler ikke lenger bare om ballen var over linjen eller ikke, men om hvordan teknologien har endret dynamikken, flyten og autoriteten på banen. (Kilde: NRK)
Da semi-automatisert offside-teknologi og datasyn (computer vision) ble innført i toppfotballen, var målet å fjerne menneskelige feil og skape millimeterpresis rettferdighet. Resultatet har i stedet blitt en situasjon der kamplederne på banen mister sin naturlige autoritet og blir redusert til passive mottakere av instrukser fra et kontrollrom, mens supportere og trenere føler at sportens sjel ofres. Det er et klassisk eksempel på et system som fungerer perfekt teknisk, men som feiler på det menneskelige og organisatoriske planet.
For endringsledere og teknologidirektører som skal rulle ut AI-baserte beslutningsstøttesystemer – enten det er prediktivt vedlikehold i industrien eller automatisk kredittvurdering i bank – er dette en viktig lærdom. Hvis de ansatte føler at algoritmene overstyrer deres faglige skjønn uten rom for dialog eller overstyring, vil du raskt oppleve redusert motivasjon, tap av eierskap til resultatene og i verste fall aktiv motstand mot systemet. Når dere implementerer AI-systemer, må målet alltid være å styrke menneskene («augmented intelligence»), fremfor å redusere fagekspertene til passive operatører som bare må godta maskinens dom.