Hvordan offentlig ansatte og generativ KI samarbeider om kreativitet og innovasjon

Kunstig intelligens blir en del av arbeidshverdagen raskere enn de fleste organisasjoner klarer å ta den inn over seg. I offentlig sektor bruker ansatte allerede generativ KI til å skrive dokumenter, oppsummere rapporter, utvikle idéer og støtte beslutningsprosesser.

Men bak denne utviklingen ligger et spørsmål som sjelden stilles direkte: når en ansatt i offentlig forvaltning setter seg ned for å jobbe med KI, hva oppfatter vedkommende egentlig KI som – et verktøy, en kollega eller noe helt annet?

I masteroppgaven min i industriell økonomi og teknologiledelse (Indøk) ved NTNU ønsket jeg å finne svaret på nettopp dette spørsmålet. Jeg gjennomførte en kvalitativ studie i tre norske offentlige virksomheter – en kommune, et statlig forvaltningsorgan og en offentlig kringkaster – og intervjuet 13 ansatte med praktisk erfaring i å bruke KI i kreativt arbeid og innovasjon. Funnene viste at teknologien betyr langt mindre enn hvordan mennesker oppfatter den, og at offentlig sektor står overfor en strukturell grense for hvor langt KI kan komme – en grense som ingen teknologiske fremskritt alene kan flytte.

Her er hovedfunnene.

Oppfatning kommer først: Persepsjon–Mekanisme–Tilnærming-modellen

Det viktigste bidraget i oppgaven er et rammeverk jeg har utviklet, som jeg kaller Persepsjon–Mekanisme–Tilnærming-modellen. Modellen viser hvordan oppfatningen av KI former måten mennesker samarbeider med teknologien på.

Modellen består av tre nivåer.

Persepsjon: Oppfatningen av KI avgjør hvor stor autonomi en person tillegger teknologien. Oppfatningen kan plasseres på en glidende skala:

• Lav autonomi → KI oppfattes som et verktøy.
• Delt autonomi → KI oppfattes som en partner.
• Høy autonomi → KI oppfattes som en selvstendig aktør.

Mekanismer: De fem faktorene som omsetter oppfatning til handling. De forklarer hvorfor to personer med tilgang til den samme KI-modellen kan ende opp med å bruke den på helt forskjellige måter:

• Individuelle preferanser — personlige vaner og foretrukne arbeidsmåter.
• Tillit — vilje til å stole på resultatene KI leverer.
• Kunnskap — forståelse av hva KI kan og ikke kan.
• Ansvar — hvem som holdes ansvarlig for beslutningen eller resultatet.
• Etikk — moralske vurderinger knyttet til bruk av KI og hvilke konsekvenser teknologien kan få.

Tilnærming: Den praktiske rollen brukeren til slutt gir KI.

• Assistent — KI støtter rutineoppgaver, mens mennesket beholder kontrollen.
• Samarbeidspartner — KI fungerer som en sparringspartner i kreativt arbeid og innovasjon.
• Kritiker — KI brukes til å utfordre antakelser og kvalitetssikre arbeidet, ikke til å generere idéer.

Modellens viktigste innsikt er årsakssammenhengen. Det er ikke KI-modellens kapasitet som avgjør hvordan den brukes. Det er brukerens oppfatning av KI, formet av de fem mekanismene, som bestemmer hvilken rolle teknologien får i praksis. Endres oppfatningen, endres også samarbeidet.

Tre måter folk faktisk jobber med KI på

Da jeg anvendte modellen på intervjuene, identifiserte jeg tre tydelige mønstre for hvordan mennesker samarbeider med KI.

Mønstergruppe A — Assistenten. Disse brukerne oppfatter KI som lite autonom og bruker den som et støtteverktøy, samtidig som de selv beholder det endelige ansvaret. De bruker den til å effektivisere, organisere informasjon og lage førsteutkast. Dette var den vanligste gruppen. KI reduserer den kognitive belastningen ved for eksempel å oppsummere lange rapporter, men former ikke den kreative retningen i arbeidet.

Mønstergruppe B — Samarbeidspartneren. Disse brukerne oppfatter KI som delvis autonom og behandler den som en tenkepartner. De arbeider iterativt med KI, der både mennesket og teknologien påvirker resultatet. De bruker KI til idégenerering og rask prototyping, og støtter seg deretter på egen fagkunnskap for å foredle og utfordre resultatene – ikke bare godta dem.

Mønstergruppe C — Kritikeren. Denne gruppen var representert av én intervjuperson som oppfatter KI som delvis autonom, men ser KI som en upartisk vurderer snarere enn en kreativ bidragsyter. KI brukes selektivt til å teste antakelser, avdekke blindsoner og vurdere tekniske prinsipper — og holdes bevisst utenfor den tidlige inspirasjonsfasen for å verne om menneskeledet kreativitet.

Verdien av disse gruppene er praktisk: de gir ledere og team et språk for en samtale de fleste organisasjoner ennå ikke har. «Hvordan oppfatter du KI i denne oppgaven?» viser seg å være et mer nyttig spørsmål enn «hvilket verktøy skal vi kjøpe?».

Ansvarstaket

Det funnet jeg stadig vender tilbake til, er det jeg kaller ansvarstaket – den øvre grensen for hvilken rolle KI kan få når mennesker fortsatt må stå til ansvar, og jeg mener det har betydning langt utover offentlig sektor.

Fordi et KI-system ikke kan holdes juridisk, etisk eller faglig ansvarlig, må ansvaret fortsatt ligge hos et menneske. Det skaper en grense det ikke går an å forhandle om: uansett hvor kapabelt systemet blir, eller hvor mye en bruker stoler på det, kan ikke KI operere selvstendig i situasjoner der det tas beslutninger noen må stå til ansvar for. Den kan støtte og påvirke beslutningen, men den kan ikke være beslutningstakeren.

Det er dette som ligger bak tittelen på oppgaven – Ansvarlighet fremfor bekvemmelighet (Accountability Over Convenience). Det finnes ofte en enklere vei, der KI gjør mer og mennesker kontrollerer mindre. I organisasjoner der noen må stå til ansvar for utfallet, er den veien stengt. Ansvarstaket setter dermed den øvre grensen for hvilken rolle KI kan spille, og det begrenser hvor langt KI-drevet innovasjon faktisk lar seg gjennomføre.

Etter hvert som agentisk KI — systemer laget for å handle mer selvstendig — beveger seg fra testmiljøer til virkelige organisasjoner, blir dette taket mer relevant, ikke mindre. Autonomi er lett å gi i en sandkasse. Det er mye vanskeligere der ansvaret er reelt.

Hvordan KI endrer kreativitet og innovasjon

Å jobbe med KI gjør ikke bare eksisterende oppgaver raskere. Det endrer også hvordan kreativt arbeid og innovasjon faktisk foregår – på måter det er lett å overse.

Vurdering blir kontinuerlig, ikke endelig. I den klassiske kreative prosessen genererer du idéer og vurderer dem til slutt. Når folk jobber med KI, skjer vurderingen hele veien — de utvikler, tester og forbedrer resultatene i en kontinuerlig prosess. Dømmekraften flyttes fra en avsluttende vurdering til en kontinuerlig aktivitet.

KI støtter de tidlige fasene, men ikke gjennomføringen. Den akselererer idéutvikling, utkast og prototyping. Den hjelper langt mindre med den vanskelige delen av innovasjon — å få en idé forankret, begrunnet og akseptert i en organisasjon.

Effektivitet kan i det stille koste eierskap. Ved å fjerne friksjonen i de tidlige, krevende fasene av problemløsning kan KI svekke følelsen av eierskap, engasjement og motivasjon som folk tradisjonelt bygger ved å jobbe seg gjennom et problem helt fra starten av. Det er en subtil avveining verdt å følge med på.

Å holde idérommet åpent er en ny ferdighet. Fordi KI har en tendens til å generere konvensjonelle løsninger, må brukerne aktivt presse på for utforskning og alternative perspektiver for å holde idérommet åpent. Jeg vil hevde at dette er i ferd med å bli en viktig kreativ ferdighet i seg selv.

Ukritisk aksept var sjelden. I motsetning til en vanlig bekymring i litteraturen fant jeg få tegn til at folk godtok KI-resultater blindt. Krav til ansvarlighet og faglige standarder drev de ansatte mot kontinuerlig kvalitetssikring og menneskelig dømmekraft.

«KI sparer tid» fortjener et spørsmålstegn. I praksis ble tiden som ble spart gjennom automatisering, ofte investert i mer arbeid eller brukt opp av verifisering. KI hadde en tendens til å øke kapasiteten og omfanget av arbeidet snarere enn å redusere arbeidsmengden — en forskjell som betyr svært mye for hvordan organisasjoner måler verdien av den.

Hva dette betyr for ledere

Effektiv integrering av KI krever mer enn å ta i bruk et verktøy. Ledere skaper forholdene som lar ansatte jobbe med KI trygt, kreativt og ansvarlig. Fire anbefalinger kom ut av forskningen.

1. Skap trygge rom for eksperimentering. Ansatte trenger å utforske KI uten å risikere sensitiv informasjon eller bryte regelverk. Etabler sikre sandkassemiljøer, la team teste på ikke-sensitive data, og oppmuntre til læring før løsningene tas i bruk i større skala. Unngå å eksperimentere på sensitive data.

2. Mål KI etter bedre resultater, ikke bare raskere arbeid. Siden KI ofte øker produksjonen snarere enn å redusere arbeidsmengden, og verifisering er reelt arbeid, bør dere ikke vurdere suksess ut fra spart tid alene. Vurder den ut fra kvalitet, økt kapasitet og bedre beslutninger. Unngå å måle suksess kun i spart tid.

3. Invester i mennesker, ikke bare i KI. Ansatte med sterk fagkompetanse får mest ut av KI, fordi de kan fange opp feil, utfordre resultater og bruke dømmekraft. Fortsett å investere i faglig kompetanse, la mindre erfarne medarbeidere arbeide sammen med erfarne kolleger, og lær opp folk til å vurdere KI kritisk fremfor å godta den ukritisk. Unngå å anta at KI erstatter fagkunnskap.

4. Beskytt menneskelig kreativitet. KI produserer mange idéer raskt, men de tenderer mot det konvensjonelle. Start idémyldringen uten KI, introduser den når menneskelige idéer har tatt form, og oppmuntre team til å utfordre de første forslagene. Unngå å begynne enhver kreativ oppgave med KI.

Felles for alle fire anbefalingene er én erkjennelse: KI skaper størst verdi når den utfyller menneskelig kompetanse, ikke når den erstatter den.

Hovedbudskapet

Én erkjennelse gikk igjen i alle de 13 intervjuene: KI kan endre hvordan vi arbeider, men mennesker forblir avgjørende for kreativitet, innovasjon og beslutninger.

Det er ikke en beroligende floskel — det er et designprinsipp. Organisasjonene som får mest ut av KI, er de som ser menneskers oppfatninger, kompetanse og ansvar som fundamentet teknologien hviler på, snarere enn hindringer som skal automatiseres bort.

Vil du lese mer om funnene, kan du finne mer informasjon om oppgaven og metodene på siden Thesis (engelsk). Jeg skriver også jevnlig om menneske–KI-samarbeid, innovasjon og teknologistrategi i Artikler.