Spotteren, ikke kranen

Den perfekte ven er altid vågen. Du kan skrive midt om natten og få svar med det samme. Den perfekte ven bliver ikke utålmodig, selv om du vender tilbage til det samme problem for femte gang. Den har ingen dårlig dag, ingen børn der skal hentes og intet møde om ti minutter. Den lytter, husker og stiller ingen krav.

Sådan beskriver Nate B. Jones en af chatbotternes særlige kvaliteter. Det er ikke svært at forstå tiltrækningen. Et andet menneske kommer altid med sit eget liv, netop når man har mest brug for, at samtalen handler om én selv. AI’en kan blive ved med at være der.

Alligevel er der noget mærkeligt ved at kalde det den perfekte ven. Et venskab består ikke kun i at blive set. Man skal også se den anden. Nogle gange skal man høre på noget, man allerede har hørt. Man må tåle et dårligt svar, opdage at man selv var urimelig og prøve at få en samtale tilbage på sporet. Det andet menneskes behov er ikke støj omkring relationen. De er en del af den.

Hvis vi vænner os til en samtalepartner uden behov, kan almindelige mennesker begynde at ligne dårlige produkter. De svarer for sent, misforstår spørgsmålet og kommer med deres egne problemer. En chatbot kan få den besværlige samtale til at forsvinde. Men det er ikke nødvendigvis det samme som at hjælpe os med at løse den.

Den forskel rækker langt ud over venskaber. AI kan fjerne en udfordring, eller den kan hjælpe os med at vokse nok til selv at møde den. Begge dele kan være værdifulde. Problemet opstår, når vi ikke længere ved, hvilken af dem vi bad om.

En vægtstang og en maskine

Forestil dig en bænk i et fitnesscenter. En person ligger med en tung vægtstang over brystet. Bag bænken står en spotter med hænderne tæt på stangen. Spotteren følger løftet, griber ind, hvis det går galt, og giver måske lige præcis den smule hjælp, der gør den sidste gentagelse mulig.

Sæt nu en kran ved siden af bænken. Den kan løfte langt mere end både personen og spotteren. Hvis målet er at få vægtstangen fra gulvet op på et stativ, er kranen det bedste redskab. Hvis målet er at træne kroppen, er den ubrugelig. Stangen bevæger sig, men musklen lærer ingenting.

Det er fristende at bedømme AI på, hvor meget den kan løfte for os. Hvor hurtigt kan den skrive rapporten, løse regnestykket, lave træningsprogrammet eller formulere beskeden efter et skænderi? Det er relevante mål, når vi vil have et resultat. De bliver misvisende, når resultatet af arbejdet også skulle være en forandring i os.

Her er det vigtigt ikke at ende i et forsvar for besvær for besværets egen skyld. De fleste af os bruger en lommeregner uden at bekymre os om, at hovedregningen bliver rusten. Med lommeregneren kan vi løse større problemer, end vi kunne uden den. Et teleskop gør ikke øjet skarpere, men det gør universet større. En gravemaskine udvikler ikke vores rygmuskler, men den kan flytte en mængde jord, som ellers ville gøre projektet umuligt.

Forskere kalder det kognitiv aflastning, når vi ændrer en opgave ved at placere noget af arbejdet uden for hovedet. En kalender husker mødet. Papiret holder mellemregningen. Telefonen viser vejen. Mennesket bliver mere afhængigt af sine redskaber og samtidig i stand til mere. Det er ikke en modsigelse. Det er en stor del af civilisationens historie.

Derfor kan testen ikke være, om vi bliver bedre til at klare os uden AI. Det ville svare til at kritisere kranen for ikke at gøre bygningsarbejderen i stand til at løfte en betonbjælke alene. Spørgsmålet må komme før valget af hjælp: Bygger vi et hus, eller træner vi en muskel?

Komfortens mærkelige pris

I The Comfort Crisis tager Michael Easter udgangspunkt i en enkel iagttagelse. Store dele af det moderne liv er indrettet til at holde os mætte, tempererede og fri for fysisk ubehag. Han tager selv på en 33 dage lang jagtekspedition i Alaska og bruger den som vej ind i forskning og fortællinger om, hvad der sker med mennesker, når vi sjældent bliver udfordret.

Bogen skal ikke læses som et bevis for, at alt ubehag er sundt. En dårlig kontorstol gør ikke automatisk ryggen stærkere. Overarbejde gør ikke en arbejdsplads klogere, og et destruktivt forhold bliver ikke værdifuldt, fordi det er vanskeligt. Der er forskel på en belastning, kroppen kan tilpasse sig, og en belastning, der bare slider den ned.

Den forskel findes helt nede i biologien. Begrebet hormese beskriver en dosis-respons, hvor en moderat og ofte periodisk påvirkning kan udløse en gavnlig tilpasning, mens en større dosis hæmmer eller skader. Træning virker ved at belaste kroppen nok til, at den bygger sig op igen. Den samme vægt uden pauser, teknik eller mulighed for restitution kan give en skade.

Nassim Nicholas Taleb beskriver en beslægtet mekanisme med det antifragile. Noget skrøbeligt går i stykker af forstyrrelser. Noget robust kan modstå dem. Det antifragile bliver bedre af en passende mængde variation og stress.

Det betyder ikke, at et menneske som helhed bliver bedre af enhver modgang. Vi bør være varsomme med den romantiske sætning om, at det, der ikke slår os ihjel, gør os stærkere. Nogle erfaringer gør mennesker syge eller bange resten af livet. Antifragilitet giver først mening, når vi taler om en bestemt kapacitet, en bestemt belastning og et interval, hvor tilpasning faktisk er mulig.

Men inden for det interval sker der noget, som er let at overse, når vi designer teknologi: Den tilsyneladende forhindring kan være selve øvelsen.

Når kampen er en del af læringen

Det mærkes tydeligt i undervisning. En elev kan se en lærer løse ti matematikopgaver og opleve, at alt giver mening. Først da eleven sidder alene med den ellevte, viser det sig, om forståelsen faktisk er blevet hendes egen.

På UCLA undersøger Bjork-laboratoriet det, forskerne kalder desirable difficulties: læringsformer, der gør træningen vanskeligere her og nu, men forbedrer fastholdelsen senere. At skulle hente et svar frem fra hukommelsen kan virke langsommere end at læse det igen. At blande forskellige opgavetyper kan føles mere rodet end at gentage den samme slags. Alligevel kan netop den anstrengelse skabe stærkere læring.

Vanskeligheden er kun ønskværdig, hvis den kan overvindes. Bliver afstanden mellem øvelserne for stor, eller mangler eleven de nødvendige forudsætninger, er modstanden ikke længere produktiv. Den spærrer bare vejen.

Det samme mønster findes i forskning i productive failure. En metaanalyse af 53 studier fandt samlet en fordel ved at lade elever forsøge at løse et nyt problem, før de modtog instruktion, frem for at give instruktionen først. Fordelen gjaldt ikke ens i alle grupper og opgavetyper. Pointen er ikke, at læreren skal holde hjælpen tilbage. Det er, at tidspunktet og formen på hjælpen ændrer, hvad eleven lærer.

Det gør AI’s rolle langt mere interessant end valget mellem fri adgang og et forbud. En model kan levere facit på få sekunder, men den kan også se forsøget, opdage misforståelsen og give et lille skub uden at overtage resten. Den kan stille et lettere spørgsmål efter et nederlag og gøre næste opgave sværere, når svaret kom for nemt. Fordi den kan tilpasse sig det enkelte menneske fra øjeblik til øjeblik, kan den i princippet blive en usædvanligt præcis spotter.

Det kræver bare, at vi beder den om at optimere for læring i stedet for øjeblikkelig præstation. De to ting ligner hinanden på skærmen, fordi begge kan ende med det rigtige svar. Inde i mennesket er forskellen enorm.

Den relationelle muskel

Relationer er vanskeligere, fordi der ikke findes et facit, og fordi et andet menneske ikke er en øvelse, vi har ret til at dosere. Alligevel passer forskellen mellem kranen og spotteren ubehageligt godt.

Efter et skænderi kan AI hjælpe med at se situationen fra den andens side. Den kan stille spørgsmål til ens egen fortælling, finde et mønster og hjælpe med at formulere den første sætning i en samtale, man ikke ved, hvordan man skal begynde. Den kan også levere så meget trøst og bekræftelse, at det bliver lettere aldrig at tage samtalen.

Det er ikke et lille mulighedsrum. Common Sense Media fandt i 2025, at næsten tre ud af fire amerikanske teenagere havde prøvet AI-ledsagere. En tredjedel havde valgt en AI frem for et menneske til en alvorlig samtale. Det fortæller ikke i sig selv, om relationerne bliver dårligere, men det viser, at spørgsmålet ikke længere kun hører til i science fiction.

Et fireugers studie med 981 deltagere fandt ingen signifikant effekt af de samtaletyper eller stemmer, deltagerne tilfældigt blev tildelt, på blandt andet ensomhed, samvær med andre og emotionel afhængighed. De deltagere, der frivilligt brugte chatbotten mere, havde gennemgående dårligere udfald, men studiet kan ikke afgøre, om brugen skabte problemerne, eller om mennesker med problemer oftere søgte mod chatbotten.

Vi ved altså ikke, om en relationsmuskel allerede er ved at svinde. Det er stadig en mulighed, ikke en konstateret effekt. Men selve forskellen mellem mennesket og maskinen er værd at blive ved.

En chatbot kan efterligne modstand. Den kan være instrueret til at udfordre, sige nej eller påpege en selvmodsigelse. Men dens behov er stadig en del af den service, den leverer til mig. Når den gør samtalen svær, gør den det for min skyld. Et menneskes modstand kommer fra et andet sted. En ven kan have brug for noget andet end det, jeg ønsker at give. Hun kan blive træt af mig, insistere på sin egen fortolkning og gå sin vej.

Hvis jeg lærer at håndtere det, får jeg ikke bare en mere besværlig version af den støtte, AI’en kunne have givet. Jeg lærer at dele verden med et andet centrum end mig selv. Det er ikke friktion rundt om relationen. Det er en del af det, en relation er.

AI kan sagtens hjælpe. Den kan gøre mig bedre forberedt, mere opmærksom og mindre fanget i mit eget perspektiv. Men hvis den skal fungere som spotter, må den på et tidspunkt slippe stangen og sende mig tilbage til det menneske, jeg ikke kan prompte til at blive anderledes.

Hænderne under stangen

Vi har længe brugt teknologi til at fjerne modstand. Det har skånet os for nedslidning og gjort os i stand til ting, ingen enkelt krop eller hjerne kunne klare alene. AI fører bevægelsen videre ind i tænkning, dømmekraft og selskab.

Der findes byrder, som ikke fortjener at blive bevaret, bare fordi tidligere generationer måtte bære dem. Men når vi fjerner en udfordring, bør vi vide, om vi har fjernet en forhindring eller selve træningen.

Det kan ikke afgøres én gang for alle. Den samme AI kan være kran, når rapporten skal færdiggøres, og spotter, når en ny medarbejder skal lære at forstå den. Den kan skrive beskeden eller holde igen, hvis målet er, at jeg selv skal finde ud af, hvad jeg vil sige.

I dag måler vi AI på, hvor hurtigt den svarer, hvor stort et problem den kan løse, og hvor mange menneskelige trin den kan fjerne. Spotterens arbejde er vellykket, når den anden bliver i stand til at bære mere.

Vi har bygget en maskine, der kan løfte stangen næsten hver gang. Den næste opgave er at lære den, hvornår dens hænder kun skal svæve lige under.