Hvad skal studerende lære i en fremtid med AI? Stort set det samme.

Jeg bygger en AI-studieplatform, og selvom AI ændrer meget ved, hvordan vi kan lære, tror jeg ikke, den ændrer ret meget ved, hvad vi skal lære. Til gengæld bliver det langt tydeligere, hvem der mestrer de grundlæggende kompetencer, og hvem der ikke gør, når der er en overflod af intelligens lige ved hånden.

Tag problemløsning. Det har altid været vigtigt at definere problemet, før man går i løsningsmode, og mange studerende forstår ikke vigtigheden af dette første step. Jeg ser det igen og igen, når jeg underviser.

Der har altid været en premium på folk, der er gode til at definere problemet, men med AI bliver den endnu større. Starter du forkert, får du nemlig meget hurtigt og meget selvsikkert et svar på det forkerte spørgsmål. Hos McKinsey plejede vi at sige, at “et godt defineret problem er allerede halvt løst”. I en verden med AI er dét mere sandt end nogensinde før.

Jeg hører også folk spørge, om det overhovedet er relevant at lære matematik, historie eller at skrive og kommunikere godt i fremtiden. Kan AI ikke bare gøre de ting? Jo, til dels, men det er vigtigt at forstå, at mange af disse fag har vi ikke for fagets egen skyld. Vi har dem, fordi de træner nogle grundlæggende kompetencer hos os.

Selvfølgelig er det vigtigt at kunne lave simpel regning uden AI ved hånden, men derudover er matematik grundlæggende for at blive en god problemløser.

Årstal og fakta kan du slå op med en prompt, men har du aldrig lært historie, er det svært at ræsonnere om mennesker, adfærd og fremtiden. Og AI kan skrive for dig, men har du ikke selv øvet dig i at tænke og kommunikere klart, kan du ikke inspirere folk og få dem til at følge dig.

Så de grundlæggende kompetencer er stort set de samme, men AI kan ændre vægtningen af, hvad der er vigtigst, og øge spotlightet på, hvem der mestrer dem, og hvem der ikke gør.

Derfor er det vigtigt, at vi i skolen ikke bliver paralyserede og tror, vi skal genopfinde alt. Vi skal ændre nogle ting, fx eksamensformen, indføre mere teknologiforståelse tidligt og bruge AI smartere i undervisningen. Men ellers tror jeg på, at mange af de nuværende fag kan forblive, som de er.

Syv vigtige kompetencer i en verden med AI

• At lære at lære betyder, at du hurtigt kan lære det næste.
• Problemløsning er analytisk tænkning og frem for alt at definere det rigtige problem.
• Sociale kompetencer og empati handler om at forstå mennesker og være en, andre gerne vil arbejde med.
• Storytelling og kommunikation er at tænke og kommunikere klart, så folk følger dig.
• Smag og beslutningsevne er at vælge godt, også når der ikke er et klart svar.
• Vision og ambition er at vide, hvor du vil hen, og arbejde hårdt for at komme derhen.
• Fokus og evnen til at skifte kontekst er at gå i dybden, når det gælder, og skifte mellem mange ting uden at miste tråden.

At lære at lære

Demis Hassabis, nobelprismodtager og leder af Google DeepMind, kalder “at lære at lære” den vigtigste kompetence for den næste generation (AP, september 2025). Jeg vil mene, at den allerede er det i dag. Hos McKinsey ansatte vi folk, der lærte hurtigt, fordi vi kunne lære dem resten.

Det, AI ændrer, er, hvor hurtigt du kan lære, hvis du bruger den rigtigt, og det er det, alice er bygget til. Er du god til at lære at lære, kan du derfor lære endnu mere end før.

Problemløsning

Analytisk tænkning har altid været vigtig. Men når AI løser et klart defineret problem på sekunder, ligger værdien i højere grad i at definere det rigtige problem og bryde det ned.

Sociale kompetencer og empati

At forstå mennesker og være en, andre gerne vil arbejde sammen med, har altid været vigtigt. Jo mere AI overtager af det arbejde, der ikke handler om mennesker, jo mere af det, der er tilbage, handler om mennesker.

AI kan skrive en venlig besked, men den kan ikke erstatte at sidde over for en stresset studerende før eksamen og mærke, hvad der egentlig er galt, eller at sidde med en utilfreds kunde og forstå, hvad de reelt har brug for.

Storytelling og kommunikation

Mennesker har altid fulgt en god historie, og det ændrer AI ikke. Slides, opslag og rapporter bliver hvermandseje, fordi AI laver dem på få sekunder, men at finde den rigtige historie og fortælle den godt foran et publikum bliver det ikke. Når jeg holder et oplæg, kunne AI sagtens lave mine slides, men det, salen husker, er historien, og hvordan jeg svarer på spørgsmålene.

Smag og beslutningsevne

Beslutningsevne er evnen til at vælge godt, når du har flere muligheder. Smag er nuancen i det: Når der ikke findes et objektivt bedste svar, må du stole på din fornemmelse af, hvad andre vil kunne lide.

Begge dele har altid været vigtige, men AI gør dem endnu vigtigere. Med AI får du flere muligheder end nogensinde, og er du ikke god til at træffe valg, bliver du enten lammet af de mange valg eller lader AI’en vælge for dig.

Vision og ambition

AI ændrer, hvor meget én person kan opnå. En studerende kan nu på en weekend bygge et produkt, som før krævede et helt team.

Jeg tror derfor, at der kommer en stor premium på personer, som har en klar retning og virkelig er klar til at arbejde hårdt for at opnå deres mål. De har så meget mere ‘power’ end før.

Fokus og evnen til at skifte kontekst

Fokus og evnen til at skifte kontekst er allerede vigtige i dag, især for ledere. Jeg har været leder i flere forskellige virksomheder, og som leder er det vigtigt hurtigt at kunne hoppe ind i en ny kontekst og et nyt problem og så fokusere virkelig intenst, så du kan hjælpe dine ansatte.

Det bliver endnu vigtigere, når vi alle kan lede teams af hundredvis af AI-agenter, som Garry Tan, der leder Y Combinator (som også har investeret i alice), taler om (a16z, august 2026). Kan du fokusere fuldt ud i et par minutter på hver opgave og så skifte videre, når du meget mere end før, fordi agenterne arbejder imens. Kan du ikke det, sakker du mere bagud end før.

Hvad det betyder for, hvad elever og studerende skal lære

Teknologi bør være et kernefag fra de første klasser

AI bliver så gennemgribende, at teknologiforståelse bør være et kernefag fra de første skoleår og en del af fag som matematik og fysik. Eleverne skal lære, hvad AI er, hvordan den virker, hvad den kan, og at den kan tage fejl.

Kernefagene består, men skolen skal gøre det tydeligt, hvad fokus er

At lære at lære er faktisk det vigtigste, man lærer i skolen, men vi har aldrig været eksplicitte nok om det. Spørger du eleverne, ved de fleste ikke, at det er det, de lærer.

Det samme gælder problemløsning. Matematik, naturfag og sprogfag træner det, men skolen har, i min verden, aldrig gjort det eksplicit nok for eleverne, at det vigtigste er at definere problemet og starte med at stille de rigtige spørgsmål.

Meget andet, skolen gør, kan vi holde fast i eller justere en smule, men ikke genopfinde helt. Stile, fremlæggelser og mundtlige eksamener træner kommunikation, og de sociale kompetencer bygger man sammen med andre i klassen og til sport. Det tror jeg ikke, en AI-chat kan erstatte.

Og når du vælger, hvad du vil læse efter skolen, så vælg noget, du er passioneret omkring, og som træner de her kompetencer, frem for at gætte på, hvad AI bliver dårligst til.

Eksamen skal have to former

De bedste bliver bedre, så forskellen vokser

Et kendt BCG-studie viste, at AI løftede de svageste konsulenter mest, med 43 procent (Mollick om BCG-studiet). Det holder måske i et kontrolleret forsøg, men over måneder med rigtigt arbejde er det ikke det, jeg ser. De, der allerede har kompetencerne, trækker fra, fordi de ved, hvad de skal rette teknologien mod.

Jeg ser det i mit eget arbejde. Og jeg ser det hos de andre i teamet hos alice.

Når de bedste trækker fra, bliver uddannelse en endnu større konkurrencefordel for et samfund end før. Lykkes vi ikke med at give de næste generationer de her kompetencer, kommer vi virkelig til at kæmpe. Lykkes vi, er det for et lille land som Danmark en reel chance for at gå forrest.

Endelig kræver læring med AI selektiv friktion

Der er stor forskel på at bruge AI til at lære og til at være effektiv. På arbejdet vil du fjerne så meget friktion som muligt, og det er det, de fleste AI-værktøjer er bygget til. Men når du skal lære, har du brug for det, jeg kalder selektiv friktion.

Selektiv friktion: Gør alt det let, der ikke er læring, fx at komme i gang, få overblik og holde motivationen oppe. Behold det svære, hvor læringen sker, fx når du selv løser opgaven og forklarer den med dine egne ord.

Det svære skal være dér, hvor du arbejder med det, din underviser har udpeget som vigtigt. Når du selv løser opgaven, skriver argumentet eller forklarer begrebet med dine egne ord, sætter stoffet sig fast. Den friktion skal du ikke slippe for.

Men det meste af det, der fører op til det, er ikke læring. At komme i gang, få overblik, finde gode øvelsesopgaver og holde motivationen oppe er svært for mange, og det er tit dér, de går i stå. Alt det kan AI gøre meget lettere.

Sådan bygger vi alice. Den organiserer dit materiale, lægger en plan, giver dig øvespørgsmål ud fra dit eget pensum og viser dine fremskridt, så det er lettere at komme i gang og blive ved. Og når du sidder fast, giver en almindelig chat dig ofte bare svaret, så du springer læringen over. Vores tutor giver dig i stedet et hint eller forklarer det på en ny måde, så du kommer videre og selv når frem til det.

Det er det, jeg mener med at bruge AI rigtigt til at lære. Det, der ikke er læring, skal være så let som muligt, så du kan bruge din energi dér, hvor du faktisk lærer.

Ville du stadig lade elever og studerende gå til eksamen med pen og papir? Og hvad ville du tilføje til de syv kompetencer, eller fjerne?

Vi bygger noget nyt, alice labs, og søger elever og studerende, der vil prøve det først.

Få tidlig adgang her