En ovanlig inlärnings-AI är på väg att skaka om högskolor och universitet: I stället för att spy ut svar ställer den obarmhärtigt frågor – och förändrar i grunden hur studenter tillägnar sig kunskap.
Medan klassiska chatbottar ofta löser uppgifter på några sekunder tar detta system den rakt motsatta vägen. Det blockerar alla direkta svar och pressar studenter att själva rekonstruera lösningarna genom riktade motfrågor. Utvecklarna beskriver det som ett digitalt experiment som ska visa hur artificiell intelligens kan stärka tänkandet i stället för att ersätta det.
En uråldrig filosofi möter modern AI
AI-systemet bär namnet Macro Buddy och har utvecklats vid University of Wisconsin–La Crosse. Grunden är inte en ny teknologisk modell utan snarare en urgammal idé från filosofins värld: den sokratiska metoden.
I stället för ”Här är svaret” säger denna handledare: ”Varför tror du att det förhåller sig så?” – om och om igen.
I antiken ledde Sokrates sina lärjungar till egna insikter genom en kedja av frågor. Exakt så fungerar Macro Buddy: Frågar man till exempel hur tillväxttakten för bruttonationalprodukten beräknas får man ingen formel presenterad. AI:n svarar med en hel serie motfrågor som steg för steg leder mot den korrekta beräkningen.
Tekniskt sett bygger systemet på en specialtränad språkmodell. Ekonomer vid högskolan har uteslutande matat den med kompletta anteckningar från sina makroekonomiföreläsningar. Modellen har ingen tillgång till internet, ingen Wikipedia och ingen OpenAI-server i bakgrunden.
Det finns en god anledning till detta: Varje svar från AI:n ska kunna härledas från det officiella kursmaterialet. På så sätt passar handledaren exakt till kursinnehållet i stället för att leverera generisk kunskap från nätet. I praktiken fungerar AI:n som en extremt tålmodig handledare som enbart får säga det som lärarna tidigare förklarat i aulan.
Fel blir till lärtillfällen – utan färdiga lösningar
Den mest intressanta delen ligger i hanteringen av missförstånd. Macro Buddy analyserar varje inmatning och försöker identifiera begreppsliga fel. Förväxlar någon real och nominell BNP går AI:n inte över till att förklara den färdiga formeln. I stället sätter den förståelsen av prisnivån i centrum.
Ett typiskt förlopp skulle exempelvis kunna se ut så här:
- ”Vad handlar egentligen skillnaden mellan real och nominell BNP om?”
- ”Vilken roll spelar den allmänna prisnivån i det sammanhanget?”
- ”Vad beskriver ett prisindex i sin kärna?”
AI:n fortsätter ställa frågor tills studenten själv upptäcker var tankefelet låg. Lärandemålet är att skapa samband, inte att utantill lära sig en modelllösning. Den som passivt väntar på att ”det rätta svaret” ska dyka upp kommer bli grundligt besviken på Macro Buddy.
Studie med 140 studenter: Aktivt lärande ger tvåsiffrig vinst
För att testa effekten genomförde forskarna våren 2025 ett experiment med 140 studenter i makroekonomi. Deltagarna delades in i fyra grupper:
| Grupp | Inlärningsscenario |
|---|---|
| 1 | Ensam med Macro Buddy |
| 2 | Traditionellt grupparbete utan AI |
| 3 | Kombination av Macro Buddy och gruppdiskussion |
| 4 | Kontrollgrupp utan särskilt stöd |
Forskarna var inte bara intresserade av det absoluta betyget utan särskilt av förändringen jämfört med kontrollgruppen vid den tredje examinationstillfället.
Den blandade gruppen med AI plus diskussion förbättrade sig i genomsnitt med 12 poäng – ett markant kliv uppåt.
De studenter som först arbetade med Macro Buddy och därefter diskuterade i grupper klarade sig bäst. I den individuella dialogen med AI:n kunde de spåra sina tankefel och kom redan med mogen förståelse in i teamfasen. I gruppen finslipade de sina argument, rättade de sista missförstånden och befäste begreppen på en djupare nivå.
Bilden såg helt annorlunda ut vid en mer passiv användning: Studenter som lutade sig mot färdiga AI-svar utan att investera egen tankeverksamhet upplevde ett fall i prestationsnivån. Analysen visade ett bakslag på åtta poäng så snart det digitala stödet försvann.
Varför passiv AI-användning faktiskt kan försämra kunskap
Siffrorna från studien skickar en varningssignal till universitet världen över. Används AI bara som en genväg kan den låta tänkprocesser tyna bort. Den som regelbundet ”lägger ut” sina läxor på entreprenad bygger inga hållbara mentala modeller. Så snart hjälpen försvinner – vid examen, vid anställningsintervjun eller på arbetsplatsen – saknas fundamentet.
Forskarna talar om en ”kognitiv krycka”. Den bär på kort sikt men hindrar musklerna från att stärkas. Den som skickas till examen med en sådan krycka vaknar upp till en obehaglig överraskning efteråt.
Macro Buddy försöker vända detta problem på huvudet. AI:n tvingar studenter att använda den mentala muskeln i stället för att sätta den ur spel. Den stödjer genom att leda uppmärksamheten i rätt riktning, inte genom att ta över tankearbetet.
Paralleller till adaptiva AI-handledare på Harvard
Arkitekturen påminner om projekt från Harvard University där adaptiva AI-handledare prövades. Redan där visade det sig: Inlärningssystem som främst ställer frågor skapar mer varaktig kunskap än verktyg som bara levererar information.
Macro Buddy rör sig i en liknande riktning men är mer radikalt begränsat: inget internet, inga utflykter till andra ämnen, uteslutande det officiella kursmaterialet. Därmed förblir kontrollen hos lärarna och risken för felinformation reduceras.
Den sociala komponenten är särskilt intressant. När studenter efter AI-sessionen diskuterar sina resultat i studiegrupper stöter olika ledda tankegångar mot varandra. Kombinationen av individuellt frågemaraton och kollektiv debatt verkar leverera precis den blandning som krävande ämnen behöver.
Vad svenska universitet kan lära av detta
För universitet i Sverige och Norden uppstår nu frågan: Vill man bara tolerera AI – eller aktivt forma användningen av den? Studien från Wisconsin antyder att det finns mycket att hämta med tydliga regler och ett didaktiskt koncept.
- AI får inte leverera lösningen utan ska sätta igång tankeprocessen.
- Kurser bör definiera vilket material en handledare får hämta från.
- Grupparbete kan fungera som ett andra steg efter AI-dialogen.
- Lärare behöver insikt i de typiska felföreställningarna som AI:n identifierar.
Särskilt i ämnen som ekonomi, matematik eller fysik skulle en sådan strategi kunna hjälpa till att systematiskt bryta ner standardfel. När en AI konsekvent rapporterar samma missförstånd kan lärare justera sina förklaringar eller utveckla riktade övningar.
Möjligheter, risker och en realistisk blick på AI i aulan
Konceptet rymmer naturligtvis också risker. Studenter kan försöka lura AI:n för att ändå komma fram till färdiga svar. Lärare kan bli för beroende av teknologin och försumma sin egen förmedlingsstil. Och inte alla studieinriktningar låter sig så enkelt reduceras till en katalog av frågor.
Experimentet visar trots allt: Det finns en medelväg mellan AI-förbud och blind tillit. Intelligenta handledarsystem kan strukturera inlärningsprocesser målmedvetet, göra fel synliga och berika seminariediskussionerna. Förutsättningen är att teknologin medvetet riktas mot aktivt tänkande.
För studenter kan man utläsa ett konkret råd: Den som lär sig med AI bör använda den som en kritisk privatlärare, inte som en fuskapp. Bra frågor är mer värdefulla här än färdiga lösningar. Den som känner sig irriterad över motfrågorna befinner sig sannolikt exakt där där verkligt lärande äger rum.
På lång sikt kan sådana system till och med bidra till att göra utbildning mer rättvis. En digital handledare blir aldrig trött, besvarar tålmodigt varje naiv fråga och anpassar sig till den enskildes tempo. När universitet förknippar denna styrka med tydliga riktlinjer står en ny form av studieliv för dörren – en där AI inte är genvägen utan snarare startskottet för den verkliga tankeprocessen.
