Kunstig intelligens (KI) representerer eit teknologiskifte som treff private og offentlege verksemder med uvant fart og styrke. I løpet av berre tre år – frå ChatGPT vart lansert offentleg i slutten av 2022 – har teknologien gått frå å vere eit nisjeområde for spesialistar til å bli eit kvardagsleg verktøy for hundrevis av millionar menneske verda over.

Eit teknologiskifte utan sidestykke?

Internasjonale undersøkingar syner at meir enn ni av ti tilsette ved høgare utdanningsinstitusjonar allereie nyttar KI-verktøy i arbeidet sitt (AAC&U, 2025), og at studentane ligg langt framfor: ved utgangen av 2023 nytta meir enn halvparten av amerikanske studentar KI til oppgåveskriving. I det norske Studiebarometeret er det berre ein av fem studentar som seier at dei «sjeldan eller aldri» nyttar kunstig intelligens i studiearbeidet.

Introduksjonen av kunstig intelligens i universitet og høgskular representerer enkelte utfordringar på kort sikt og ei lang rekke oppsider på lengre sikt. Responsen på dette teknologiske skiftet må dermed balansere to omsyn som begge er legitime. På den eine sida finst det reelle utfordringar og risikoar knytt til KI på kort sikt. Blant anna gjeld dette spørsmål om akademisk integritet, personvern, algoritme-drivne slagsider, åndsverkrettar og arbeidsforhold. På den andre sida representerer KI eit nær sagt revolusjonerande potensial på lengre sikt. Ein respons som i for stor grad er styrt av skepsis og varsemd, risikerer å sette oss konkurransemessig tilbake og i dårlegare stand til å løyse samfunnsoppdraget vårt. Allereie i 2023 minna om Den europeiske universitetsorganisasjonen (EUA) om at eit forbod av KI-verktøy ville vere formålslaust, og at universitet og høgskular i staden bør søke eigne tilnærmingar til ansvarleg bruk.

Dette notatet gir ei overordna vurdering av korleis KI gjer seg gjeldande i universitetet si verksemd, kva for utfordringar og moglegheiter som følgjer med den nye teknologien, og korleis me bør organisere responsen. Perspektiva er henta frå aktuell forsking, internasjonale organisasjonar som EUA, AAC&U og UNESCO, i tillegg til analysar frå leiande rådgjevingsmiljø. Målgruppa er leiarar og nøkkelpersonar ved universitetet.

KI grip om seg i heile verksemda

Det som gjer det noverande teknologiskiftet særleg krevjande å handtere, er at KI ikkje er avgrensa til éin del av verksemda. Teknologien gjer seg gjeldande samstundes i alle hovudområda av universitetet sitt arbeid. Undersøkinga frå AAC&U (2025), der over 330 universitetsleiarar deltok, viste at 91 prosent av respondentane trur generativ KI vil betre og meir individualiserte læringsformer, medan 70 prosent ventar at kvaliteten på studentoppgåver vil bli betre som følgje av KI-verktøy. Likevel rapporterte 56 prosent at institusjonane deira ikkje er førebudd på å utnytte moglegheitene.

Utdanningsaktiviteten

Introduksjonen av kunstig intelligens set press mot tillitsforholdet mellom universiteta og samfunnet rundt oss, etter som KI reiser fundamentale spørsmål om kva som skal reknast som reell kompetanse. Kva skal studentane lære, korleis skal dei lære det, og korleis skal me vurdere om dei har lært det? Forskarar ved universitet verda over arbeider no med nye rammeverk for å møte desse spørsmåla. Om ein ikkje lykkast med å manøvrere i det nye teknologilandskapet, så er det sjølve omdømet for universiteta som står på spel. Verknadar av KI på utdanningsfeltet omfattar mellom anna:

• Pensum og læringsmål: fagleg innhald som tidlegare kravde lang opplæring kan no i stor grad handterast av KI-verktøy. Dette stiller grunnleggjande spørsmål ved kva kunnskap og kompetanse som framleis er vesentleg å tileigna seg. Algoritmisk kompetanse er i ferd med å erstatte tradisjonell digital kompetanse som eit kjernebegrep i høgare utdanning.
• Undervisningsformer: KI opnar for meir individualisert og adaptiv læring, der studenten får tilbakemeldingar og tilpassa oppgåver i sanntid. Plattformer som Coursera og Duolingo viser allereie korleis maskinlæring kan tilpasse kurslevering til individuelle behov. Ved UiS bør me sikre at kvalitetssystem for utdanning, samt praksis i det enkelte studieprogram, responderer med dynamisk tilpassing av metodar og infrastruktur for undervisning. 
• Læringsmiljø: KI-assistentar kan vere tilgjengelege for studentane heile døgnet og gi rettleiing utanfor ordinær undervisingstid, samt betre og meir fleksible former for undervisning og læring. Mykje tydar på at slike eigenskapar ved ny teknologi kan bidra til auka studentengasjement og redusert fråfall, og introduksjonen av KI er neppe noko unntak. Vår tilpassing av læringsmiljøet må legge til rette for hausting av denne type gevinstar.
• Etter- og vidareutdanning: Nær 57 millionar menneske i USA er interesserte i å lære KI-baserte ferdigheiter, men berre 0,2 prosent av dei gjer det via gjennom studiepoenggjevande høgare utdanning. Samtidig blir kunnskapen raskt forelda, slik at livslange studietilbod vil bli stadig meir relevante. KI-baserte verktøy kan støtte tilbod om skalerbar, fleksibel og personleg etter- og vidareutdanning på ein heilt annan måte enn før. Dette er noko også UiS bør undersøkje nærmare.
• Evaluering, prøving og eksamen: Tradisjonelle heimeeksamenar og skriftlege oppgåver let seg i dag løyse med hjelp av KI i eit omfang som gjer tradisjonell sensur lite meiningsfull. Eit paradigmeskifte er truleg under oppsegling: frå kontroll av om studenten kan attgje kunnskap, til vurdering av evna til kritisk tenking, kreativitet og problemløysing i autentiske kontekstar – der KI framleis er svakare enn menneske.
• Sensorverksemd: KI-støtta vurdering er allereie ein realitet i delar av UH-sektoren, og vil stille nye krav til sensorar. Forsking på fagfellevurdering for vitskaplege tidsskrift (sjå td Buele og Llerena-Aguirre, 2025) tydar elles på at ei hybrid tilnærming, gir dei beste resultata, der KI vurderer konsistens og effektivitet, medan menneske står for kontekst og etisk skjønn.

På same tid reiser kunstig intelligens djupe utfordringar på utdanningsfeltet. Som lærestadar og forskingsinstitusjonar spelar universiteta ei særs viktig rolle for tilpassinga til den nye teknologien på tvers av heile arbeids- og samfunnslivet. Ved implementering av kunstig intelligens på utdanningsfeltet bør tilpassinga difor pregast av ein porsjon varsemd, ein porsjon nyfikne og ein porsjon kritisk tenking (EUA, 2026).

Forsking

Kunstig intelligens endrar vilkåra for forsking i eit tempo som er vanskeleg å fatte, for ikkje å snakke om å halde tritt med. Produktiviteten i nær sagt all tekstproduksjon gjer eit kvantesprang. Den umiddelbare verknaden er eit større tilfang av forskingsartiklar, og ikkje minst av søknadar om forskingsfinansiering. For forskarar etterlet dette viktige oppgåver knytt til kvalitetssikring og navigasjon i eit stadig meir overveldande og uoversiktleg informasjonslandskap.

Kusumegi m fl (2025) går gjennom i overkant av 2 millionar preprint-artiklar, og dokumenterer at forskarar som tek i bruk store språkmodellar aukar publiserings-tempoet markert, i samfunnsvitskap og humaniora med nærmare 60 prosent, i biologiske fag med over 50 prosent. Utslaget er spesielt stort for forskarar som ikkje har engelsk som morsmål, med ei auke i forskingsproduksjonen frå asiatiske institusjonar på 40-90 prosent. Samtidig blir det åtvara mot risikoen for at auka tekstkvalitet skjuler svak substans, som gjer det vanskelegare å skilje viktige bidrag frå «KI-støy». Blant dei viktigaste verknadene for forskingsverksemda ved universiteta finn me:

• Produksjon av paper: KI-verktøy vert i aukande grad brukt i alle fasar av artikkelskriving – frå litteraturgjennomgang og strukturering av argument til språkleg utforming og revisjon av manus. Dette stiller nye krav til fagfellevurdering og til normer for forsvarleg kreditering av KI-bidrag i forfattarskap.
• Søknadsproduksjon: KI kan effektivisere produksjonen av forskingssøknader vesentleg, frå litteraturgjennomgang til formulering av prosjektskisser. I ein sektor med aukande konkurranse om ekstern finansiering er dette ein viktig konkurransefaktor.
• Datahandtering og analyse: store datamengder kan analyserast veldig mykje raskare og meir sofistikert enn tidlegare. Innanfor ei rekkje fagfelt – frå gen-teknologi til økonomi – opnar dette for nye typar forskingsspørsmål som i praksis ikkje har vore tilgjengelege før.
• Programmering: KI-assistert koding senkar terskelen for forskarar som ikkje er programmeringsspesialistar, og aukar produktiviteten for dei som er det. Verktøy som GitHub Copilot rapporterer produktivitetsgevinstar på 30–55 prosent i kodingsarbeid (Peng m fl, 2023).
• KI-agentar i forsking: autonome KI-agentar som kan gjennomføre litteratursøk, generere hypotesar og til og med designe eksperiment, er allereie i bruk i leiande forskingsmiljø. Dette vil gradvis endre rolla til den individuelle forskaren, og ikkje minst for PhD-kandidatar og andre forskarrekruttar (Wiig, 2026).
• Fagfellevurdering: store forlag som Elsevier, Springer Nature og Frontiers integrerer allereie KI i fagfellevurderingsprosessar – noko som stiller nye krav til korleis me deltek i og forheld oss til desse prosessane.

I tillegg kjem den forskingsaktiviteten som rettar seg mot KI i seg sjølv, med direkte implikasjonar for vitskaplege miljø innan IT og datateknologi, men indirekte òg for ei rekkje andre fagfelt – frå medisin og humaniora til økonomi og samfunnsvitskap. Universitetet bør vurdere om vår forskingsstrategi i tilstrekkeleg grad reflekterer KI si rolle for forskingsbasert kunnskapsutvikling i tida som kjem.

Innovasjon og samfunnskontakt

Vårt arbeid med innovasjon, eksternfinansierte prosjekt og ålmenn samfunnskontakt vert òg påverka på fleire måtar. EU AI Continent Action Plan (European commision, 2025a) og EU Apply AI Strategy (European commission, 2025b) legg til dømes eksplisitt vekt på universitetssektoren som ein sentral aktør i europeisk KI-adopsjon, og understrekar at institusjonar som kjem tidleg i gang, vil ha eit forsprang i tilgang til prosjektmidlar og samarbeidsnettverk. Relevante verknadsfelt er mellom anna:

• Produksjon av søknadar til NFR, EU og andre finansieringskjelder: KI kan effektivisere dette arbeidet vesentleg, og i ein situasjon der konkurransen om midlar er hard, er det eit konkurransemessig poeng å utnytte dette. KI kan støtte heile søknadsprosessen – frå systematisk kartlegging av relevante utlysingar og litteraturgjennomgang, til utforming av prosjektskisser, budsjett og formidlingstekstar.
• Kommunikasjon og profilering: produksjon av kommunikasjons- og profileringsmateriell kan automatiserast i langt større grad enn i dag, både for nettsider, sosiale medium og pressemeldingar. KI kan generere utkast på fleire språk samstundes, tilpasse bodskapen til ulike målgrupper og kanalar, og analysere kva for innhald som gir best respons. Dette gjer det mogleg å oppretthalde eit meir konsistent og aktivt digital avtrykk utan tilsvarande auke i ressursbruk.
• Design og marknadsføring: visuelt innhald og kampanjar kan produserast med lågare ressursinnsats. KI-baserte verktøy for biletgenerering, videoproduksjon og grafisk design er i dag tilgjengelege for alle, og reduserer behovet for nisjekompetanse i rutineprega produksjonsoppgåver. Sjølv etter forsvarleg redaksjonell kontroll kan dette opne for å bruke meir kapasitet på strategisk arbeid og kvalitetssikring, og mindre på operativ produksjon.
• Studentrekruttering: personaliserte og datadrivne rekrutteringstiltak kan auke treffsikkerheita. Fleire amerikanske høgskular rapporterer at KI-baserte anti-fraud-system i søknadsprosessar har avdekt svindel i eit omfang ein tidlegare ikkje visste eksisterte. KI kan òg nyttast for skreddarsaum av kommunikasjon til ulike målgrupper og kanalar på ein måte som tidlegare kravde store manuelle ressursar.
• Samarbeid med nærings- og arbeidsliv: KI opnar for betre kartlegging, samt tettare og meir datadrive samarbeid med eksterne partnarar, ikkje minst når det gjeld innovasjon og nyskaping. I møtet med behov for stadig kompetanseoppdatering bør UiS posisjonere seg som ein aktiv samarbeidspartnar i regionens KI-omstilling, ikkje berre som leverandør av ferdig utdanna arbeidskraft.
• Lobbyverksemd og politisk påverknad: KI kan effektivisere produksjonen av høyringssvar, politikkdokument og innspel til myndigheiter. Med større forventningar til aktiv deltaking i offentleg debatt og politikkutforming, kan dette frigjere kapasitet og heve kvaliteten på dei faglege bidra våre.

Mykje av innovasjonen går føre seg i grensesnittet mellom universitetet og samfunnet rundt, og utvikling og adopsjon av kunstig intelligens er ikkje noko unntak. Dette er spesielt relevant for UiS, som tek mål av seg å være eit opent universitet med breie samarbeidsflater mot arbeids- og samfunnslivet. Her ligg det eit konkurransemessig potensial som bør utforskast og forfølgjast.

Organisasjon og infrastruktur

Universitetet er ein stor og kompleks organisasjon. Me forvaltar eit betydeleg areal med mange typar bygg og funksjonar, me har eit stort tal tilsette med ulike kompetansar og arbeidsoppgåver, og me handterer til dels sensitive data om studentar, tilsette og partnarar. KI gjer seg gjeldande ikkje berre i kjerneaktivitetane utdanning, forsking, innovasjon og samfunnskontakt, men òg i sjølve drifta av universitetet – i måten me organiserer, forvaltar og styrer verksemda vår på. Dette perspektivet går gjerne under radaren. Men potensialet for effektivisering og kvalitetsforbetring i drifta er truleg minst like stort som i kjerneaktivitetane. Med aukande press på ressursane er dette eit potensial me ikkje har råd til å sjå vekk frå. Aktuelle KI-tema for organisasjon og infrastruktur omfattar blant anna:

• Arealforvaltning: KI og sensorteknologi (IoT) gjer det mogleg å analysere og optimalisere bruken av bygg og areal i sanntid – frå energistyring og ventilasjon til romplanlegging og vedlikehald. Smarte KI-baserte campus-løysingar kan redusere energiforbruket gjennom automatisk tilpassing av lys, varme og kjøling etter faktisk bruk. I tillegg kjem KI-baserte system for overvaking og vedlikehald. For eit universitetet med stort areal og mange bygg er dette eit område med reelt innsparingspotensial.
• Informasjonsteknologi (IT): I drift av teknologisk infrastruktur er KI allereie utbreidd, blant anna i systemovervaking, sikkerheitsarbeid og intelligent brukarstøtte. Samtidig reiser den raske frammarsjen, der utstrekt bruk av «tilfeldige» KI-verktøy skapar risiko for personvernbrot og regulatorisk misleghald. På IT-sida gir dette eit kontinuerleg behov for tilpassing av verksemd og system til eit regulatorisk landskap i stadig endring (jfr EU sin AI-lov).
• ‘Human resources’ (HR): KI endrar personalarbeidet på fleire måtar – frå rekrutteringsstøtte og automatisering av administrative HR-oppgåver, til analyseverktøy for kompetansekartlegging og bemanning. KI i HR reiser samtidig nye etiske spørsmål, særleg der algoritmiske system påverkar premissa for tilsetjing, opprykk eller arbeidsvilkår.
• Økonomi: KI kan effektivisere økonomiarbeidet gjennom automatisering av rekneskap, fakturakontroll, budsjettstøtte og finansiell rapportering. I andre delar av samfunnet er KI allereie i bruk for å identifisere feil og misleghaldsrisiko. For universiteta kan KI styrke grunnlaget for ressursallokering gjennom betre analysar av kostnadar, inntekter og aktivitetsnivå på tvers av verksemda.
• Verksemdsstyring: KI kan gje leiinga tilgang til betre og meir oppdatert styringsinformasjon, frå studentgjennomstrøyming og ressursbruk til kvalitetsindikatorer og risikovurderingar, med automatisk oppdatering. Dette kan gje grunnlag for meir datadrivne avgjerder på alle nivå. Ei heilskapleg tilnærming til verksemdsstyring med KI krev at institusjonelle data er av tilstrekkeleg kvalitet og at det finst tydelege ansvarslinjer for kva avgjerder som kan understøttast av KI og kva som framleis krev menneskelig skjønn.

Den administrative og infrastrukturelle drifta er ikkje eit nøytralt bakteppe for kjerneaktivitetane – ho er ein ressursmessig tung del av verksemda, og effektiviteten i drifta påverkar direkte kor mykje ressursar som er tilgjengelege for forsking, undervisning og innovasjon. Gjennom datadrivne prosessar på tvers av organisasjonen kan KI frigjere arbeidskraft og pengar, og flytte ressursbalansen i positiv retning.

Risiko, skepsis og den eigentlege faren

Ein utbreidd reaksjon på KI i akademia er skepsis og varsemd. Det er fullt forståeleg – endringane skjer raskt, konsekvensane er uoversiktlege, og det finst reelle risikoar me bør ta på alvor. Forsking viser at tilsette ved universiteta rapporterer ei rekkje konkrete barrierar: mangel på opplæring, usikkerheit om akademisk integritet, bekymring for personvern og dataeigartilhøve, og frykt for at teknologien vil intensivere arbeidsbelastninga snarare enn å lette ho. American Association of University Professors (AAUP, 2025) har dokumentert at 71 prosent av tilsette meinte avgjerder om KI vart tekne av administrasjonen på eiga hand, utan tilstrekkeleg involvering og medverknad frå vitskapleg tilsette. Dette understrekar betydinga av gode prosessar rundt introduksjon av KI i organisasjonen.

Samstundes ser ein gjerne ei overfokusering på risiko og ulemper, medan dei store oppsidene får for lite merksemd. Konsekvensen av ei slik slagside er at adopsjonen av KI går for langsamt. Boston Consulting Group (BCG, 2025) viser at berre fem prosent av organisasjonar på tvers av sektorar har makta å hente ut reelle verdiar frå KI. Ikkje fordi teknologien ikkje fungerer. Det som har skorta er organisatorisk kapasitet, kultur og endringsleiarskap. Eit liknande mønster gjer seg gjeldande i blant universiteta. Her er det grunn til å merke seg at tilpassinga aukar markant, men at det framleis er mange som heng etter (Ellucian, 2026). Dette inneber at forskjellane aukar, og at dei som har vore tidleg ute kan bli vanskelege å hente inn.

Den største risikoen er såleis ikkje at me tek i bruk KI for raskt, men at me gjer det for seint og for motvillig. Risikovurderinga har dermed to dimensjonar, og desse må balanserast godt mot kvarandre. På den eine sida må me identifisere og handtere reelle risikoar ved bruk av KI, som er spesielt viktige på kort sikt. Men samtidig må me vise fram kostnadane ved å utsette eller avstå frå adopsjon av KI. Å sikre ein god balanse mellom desse risikoane er ei viktig leiaroppgåve.

Her er det òg grunn til å merke seg at EU sin AI-lov (AI Act), som gradvis trer i kraft i perioden 2024–2026, set konkrete krav til korleis KI-system skal brukast i høgrisiko-samanhengar, mellom anna i utdanning og vurdering av studentar. Dette reiser ei regulatorisk utfordring som universiteta ikkje kan vri seg unna, uavhengig av om ein vil omfamne eller avgrense KI-bruken.

Potensialet er stort – og uforløyst

Ei raskare innpassing av KI gjennom heile verksemda har potensial for å hjelpe universitetet med å løyse samfunnsoppdraget med betre kvalitet og lågare kostnadar. Dette potensialet er i stor grad uforløyst. I ein sektor som er under aukande press på ressurstilgangen, som følgje av demografiske utviklingstrekk, skjerpa konkurranse og politiske prioriteringar, er dette eit potensial me ikkje kan neglisjere.

I vellykka KI-transformasjonar kjem berre om lag ti prosent av verdiskapinga frå sjølve algoritmane, 20 prosent frå teknologiinfrastrukturen, og heile 70 prosent frå organisatorisk design, talentutvikling og endringsleiing, om ein skal tru analysane frå Boston Consulting Group (2025). Det betyr at vår eigen innsats, korleis me byggjer kapasitet, kultur og eigarskap, er langt viktigare enn kva for KI-verktøy me veljer å ta i bruk.

Potensialet kjem til uttrykk på minst to måtar. For det første kan oppgåver løysast med mindre ressursbruk enn i dag, noko som frigjer kapasitet til anna arbeid. For det andre kan volum og kvalitet i tilboda våre betrast utan tilsvarande auke i ressursbruk. I tillegg kjem eit tredje element: dei institusjonane som kjem tidleg i gang med systematisk KI-adopsjon, vil byggje seg kompetanse, rutinar og institusjonell læring som vil vere krevjande for etternølarar å hente inn. Å vente er såleis ikkje ein nøytral strategi – det er ein strategi med reelle konkurransemessig risiko.

Ein desentralisert kunnskapsorganisasjon

Universitetet er ein kunnskapsorganisasjon, og menneska er vår viktigaste ressurs. Ei viktig leiaroppgåve vert difor å mobilisere dei tilsette til ei raskare og meir entusiastisk innpassing av KI over alt der det er relevant.

Universiteta er samtidig typiske desentraliserte organisasjonar, med stor autonomi – i ulike delar av verksemda og blant dei tilsette, og særleg blant vitskapleg tilsette. Hovudansvaret for kunnskapsutvikling ligg hos den enkelte tilsette. Kompetansemessig påfyll kjem ikkje gjennom leiarlinja, og dette er heller ikkje leiarlinja si oppgåve. Snarare er det eit ansvar for alle tilsette – vitskapleg og administrativt – å halde seg oppdaterte på nye teknologiar og metodar. Leiarar må ruste seg kompetansemessig for ein god introduksjon av kunstig intelligens, og legge til rette for ei tilsvarande kunnskapsutvikling hos medarbeidarar og kollegaar. Men den enkelte tilsette har eit stort eige ansvar for kompetanseutvikling for å ta i bruk den nye teknologien. Leiarar skal dermed feie dansegolvet, men sjølve dansen må dei tilsette ta seg av.

Dette har konkrete konsekvensar for kva slags kompetansebygging som fungerer. Internasjonal forsking på adopsjon av KI i akademia er tydeleg på at toppstyrt teknologiimplementering utan fagleg forankring og eigarskap i organisasjonen, fungerer dårleg. Dei viktigaste barrierane er ikkje manglande teknisk kunnskap, men manglande tillit, manglande relevans og oppleving av at KI vert påtvinga frå oven – «a top-down technological imposition rather than a pedagogical tool», som Buele og Llena-Aguirre (2025) formulerte det. Institusjonar som derimot har lukkast, er kjenneteikna av indre motivasjon, der dei tilsette opplever at KI gjer arbeidet meir meiningsfullt, aukar autonomien og gir fagleg meistring (Deloitte, 2025).

Ei meir fruktbar tilnærming enn sentralstyrt obligatorisk opplæring er difor å skape arenaer og strukturar som gjer det lett å dele erfaringar, eksperimentere trygt og gradvis utvikle eigen praksis. Entusiasme smittar. Dei beste KI-ambassadørane er kollegaar som kan vise fram konkrete døme på korleis teknologien har gjort arbeidet deira betre. Ein særleg viktig dimensjon som internasjonale erfaringar understrekar, er at tilsette treng trygge rom for å eksperimentere utan institusjonell risiko. Som ein kommentator i Ellucian (2025) si undersøking formulerte det: «Dei institusjonane som lukkast, har ikkje dei beste retningslinjene. Dei er der nyfikne vert lønt og feil vert behandla som data.» Leiarar på alle nivå har ei rolle i å sende det signalet.

Organisering av responsen

Vår organisering av responsen på KI bør være strategisk og med stor fleksibilitet for tilpassing til ulike delar av verksemda – men ikkje utan struktur. Internasjonal forsking (td Azevedo m fl, 2025) framhevar at dei universiteta som lukkast med KI-integrering, kjenneteiknast av tverrfaglege KI-komitear, rollebasert rettleiing, mekanismar for kontinuerleg tilbakemelding og ein strategi som er forankra i institusjonens eigenart og verdigrunnlag. Eit toppstyrt, detaljert KI-program ville vere framandt for kulturen vår og truleg ineffektivt.

Hovudelement i vår tilpassing kan difor være:

1. Rådgjevande strategisk KI-utval som rapporterer til leiargruppa ved UiS. Utvalet er tverrfagleg samansett og har i oppgåve å halde seg oppdatert på utviklinga, vurdere strategiske implikasjonar og gi råd om prioriteringar. Her er  vitskapleg og administrativt tilsette er representerte, slik at råda er forankra i reelle behov – ikkje berre teknologisk entusiasme. I tråd med tilrådinga frå UNESCO, er det også studentrepresentasjon i det rådgjevande KI-utvalet.
2. Utvikling og gjennomføring av spesifikke KI-prosjekt via Porteføljeutvalg for teknologi, prosess og tjenesteutvikling (PPT). Konkrete prosjekt som prøver ut og implementerer KI i definerte delar av verksemda. Prosjekta skal gi læring som kan spreiast i resten av organisasjonen. Dei bør prioritere område med høgt potensial for effektivisering eller kvalitetsforbetring, og vere tett knytte til reelle behov i fagmiljøa. Ellucian (2025) si undersøking tyder på at sikkerheit er blant dei viktigaste enkeltbarrierane, og våre prosjekt bør adressere dette eksplisitt.
3. Opent KI-forum for alle tilsette med aktivitetar som workshops, nettmøte og digitale nettforum, der alle tilsette kan dele erfaringar, stille spørsmål og lære av kvarandre. Forumet er frivillig og opent. Å oppleve medverknad er avgjerande for å motverke tendensen til at KI-implementering vert oppfatta som ei toppstyrt påtvinging. Det opne forumet er dermed ikkje berre eit læringstiltak, men òg eit sentralt styringsgrep.

Desse tre elementa utfyller kvarandre: det strategiske utvalet sikrar retning og prioritering på leiarnivå, prosjektporteføljen sikrar konkret læring og implementering, og det opne forumet sikrar brei deltaking og spreiing av kunnskap. Saman skapar dei ein struktur som er fleksibel nok for ein desentralisert kunnskapsorganisasjon, men samstundes tydeleg nok til at ressursar og merksemd vert brukte der dei monnar mest. Her er det igjen grunn til å minne om undersøkjinga frå AAUP (2025), som tilsa at 71 prosent av tilsette opplevde at KI-avgjerder vert tekne av administrasjonen utan tilstrekkeleg fagleg medverknad. Dette er eit signal om at organiseringa vår – sjølv om ho er meir open enn mange andre institusjonar – kontinuerleg må leggje til rette for reell deltaking, involvering og medverknad – og ikkje berre informasjon.

Vegen vidare

Universitetet står overfor eit skifte som krev både strategisk klarsyn og praktisk handlekraft. Me kan ikkje vente på at tåka skal lette. Usikkerheita blir aldri heilt borte, ettersom teknologien vil halde fram med å utvikle seg raskt. Det me kan gjere er å byggje ein organisasjon som er i stand til å lære raskt, tilpasse seg kontinuerleg og utnytte dei sjansane KI gir oss. Konkrete prioriteringar for det komande året kunne være:

• Mobilisere leiarar i heile organisasjonen til å legge til rette for innpassing av KI-baserte reiskap og verktøy i utdanning, forsking og innovasjon.
• Etablere og få i gang det opne KI-forumet, med fokus på deling av gode erfaringar frå eigne tilsette – ikkje berre innleidde ekspertar utanfrå.
• Legge til rette for KI-baserte digitaliseringsprosjekt med finansiering via institusjonell ramme i høve budsjettprosessen for 2027, og påfølgjande vurdering,  oppfølgjing og tildeling via PPT. Kriterium bør omfatte tydelege læringsmål, slik at me byggjer intern erfaring med kva som kan verke.

Den viktigaste bodskapen til alle delar av organisasjonen er likevel denne: nysgjerrigheit og utprøving er ikkje berre tillate, det er forventa. Kunstig intelligens er ikkje eit IT-prosjekt eller eit administrativt tiltak – det er eit spørsmål om korleis kvar einskild av oss utfører jobben vår. Universitetet sin viktigaste ressurs er dei tilsette sin kunnskap og kapasitet til å lære. Dersom me mobiliserer menneska våre godt i møte med KI, er me godt rusta for framtida. Her er det ingenting me treng å vente på.

Referansar

AAC&U (2025). Leading Through Disruption: Higher Education Leaders Navigate AI. Survey. American Association of Colleges and Universities.

AAUP (2025). Artificial Intelligence and Academic Professions. Report. American Association of University Professors.

Azevedo et al. (2025). Institutional Policies on Artificial Intelligence in Higher Education. New Directions for Adult and Continuing Education 2025 (188).  DOI: 10.1002/ace.70013. Wiley.

BCG (2025). The widening AI value gap. Report. Boston Consulting Group.

Buele, J. og Llerena-Aguirre, L. (2025). Transformations in academic work and faculty perceptions of artificial intelligence in higher education. Frontiers in Education, 10:1603763. DOI: 10.3389/feduc.2025.1603763

Deloitte (2025). How Higher Education Can Realize the Potential of Gen AI. Web article.

Ellucian (2025). AI in Higher Education Survey. Ellucian University Business.

EU AI Act (2025). First regulation on artificial intelligence.

EUA (2023). Artificial intelligence tools and their responsible use in higher education learning and teaching. Report. European University Association.

EUA (2026). Adopting AI that serves the needs and values of universities. Report. European University Association.

European Commission (2025a). The AI continent action plan. Policy and legislation.
9 February

European Commission (2025b). Apply AI strategy. Shaping Europe’s digital future.
27 March

Kofinas m fl (2025). The impact of generative AI on academic integrity of authentic assessments within a higher education context. British Journal of Educational Technology 56 (6),

Kusumegi m fl (2025). «Scientific production in the era of large language models». Science 390 (6779). DOI: 10.1126/science.adw3000. Cornell University og University of California, Berkeley.

Peng m fl (2023). «The Impact of AI on Developer Productivity: Evidence from GitHub Copilot. arXiv: 2302.06590.

UNESCO (2024-2026). AI competency frameworks for students and teachers. UNESCO.

Wiig, Tore (2026). KI-revolusjonen skjer nå, og den vil treffe alt kunnskaps­arbeid som en tsunami. Essay. Morgenbladet 27. februar 2026.