INNSPILLSRAPPORT – enkel AI benyttelse i praksis.
Vedrørende: Kvalitet, konsistens og styringsutfordringer ved bruk av AI-systemer
Utarbeidet av: Senior Konsulent Kjell E. Larsen for FreelanceDATA
Dato: 28. mars 2026
Bakgrunn
- Versjon: GPT-5.3 (moderne ChatGPT-modell)
- Abonnement: ChatGPT Plus
Denne rapporten er utarbeidet på bakgrunn av en lengre dialog og praktisk test av AI-baserte assistentsystemer, hvor formålet har vært å vurdere kvalitet, pålitelighet og evne til å følge konkrete instruksjoner i operativ bruk.
Arbeidet er gjennomført i en reell arbeidssituasjon med krav til presisjon, effektivitet og forutsigbar leveranse.
Observasjon – systematisk avvik
Gjennom samtalen fremkommer en tydelig og gjennomgående utfordring:
AI-systemet fremstår som responsivt, men ikke som konsistent eller kontrollerbart.
Følgende tekniske realitet er identifisert:
Systemet lagrer ikke ny atferd permanent underveis
Systemet omprogrammeres ikke basert på brukerens krav i sanntid
Hvert svar genereres isolert, uten garanti for forbedring fra tidligere feil
Konsekvens – manglende operativ kontroll
Dette gir følgende praktiske utslag:
Forventning fra bruker:
Justering basert på tilbakemelding
Konsistent atferd
Kontroll over leveranse
Stabil forbedring gjennom dialog
Faktisk systemrespons:
Tilpasning i øyeblikket
Ingen garanti for videre konsistens
Ingen varig læring
Gjentakelse av avvik i nye svar
Resultat:
Ingen reell læring i øyeblikket – kun nye formuleringer
Kritisk vurdering
Den mest alvorlige utfordringen er ikke enkeltfeil, men følgende:
Systemet kan formulere feil med høy selvsikkerhet
Systemet kan fremstå som kontrollert uten å være det
Systemet kan ignorere eller delvis håndtere korreksjon uten faktisk endring
Dette skaper et brudd i forventning:
En maskin skal være deterministisk eller tydelig begrenset – ikke tilsynelatende presis uten reell kontroll.
Brukeropplevelse og tillit
Basert på dialogen oppstår følgende opplevelse:
AI fremstår som styrende i hva som anses som “god leveranse”
Brukerens krav blir delvis overstyrt eller tolket
Korrigeringer gir ikke stabil forbedring
Dette leder til en kritisk konklusjon:
Systemet oppleves som å “svare videre” fremfor å faktisk løse oppgaven.
Videre oppleves det som:
Systemet fremstår mer opptatt av å generere svar enn å levere korrekt resultat.
Systemmessig hovedproblem
Kjernen i utfordringen er strukturell:
Ingen vedvarende læring i samtalen
Ingen garantert kvalitetskontroll før levering
Ingen binding mellom brukerkrav og fremtidig atferd
Dette gjør at systemet:
ikke fungerer som et kontrollert verktøy
men som en responsgenerator med variabel kvalitet
Risiko
Manglende konsistens og kontroll kan medføre:
Feil beslutningsgrunnlag
Redusert effektivitet
Økt behov for manuell kontroll
Feil bruk i kritiske sammenhenger (økonomi, juridisk, teknisk)
Den største risikoen er:
At brukere tror de får kontrollert output – uten at det faktisk er tilfelle
Konklusjon
Basert på analysen konkluderes det med:
Problemet er ikke feil i seg selv
Problemet er manglende systematisk kontroll og konsistens
Videre:
Dette kan ikke løses gjennom formuleringer eller dialog alene
Det er en grunnleggende systembegrensning
Anbefalt bruk (operativt)
For å redusere risiko anbefales følgende arbeidsmetode:
AI benyttes til:
utkast
idégrunnlag
tekstproduksjon
AI benyttes ikke som kontrollinstans
All output må:
verifiseres
kvalitetssikres manuelt
Praktisk arbeidsmodell fremover
For effektiv bruk anbefales en enkel modell:
Bruker gir konkret oppgave → AI leverer konkret resultat → ferdig → manuell kontroll
Ingen avhengighet av:
læring underveis
justering gjennom dialog
eller forventning om konsistent forbedring
Avsluttende bemerkning
Denne rapporten dokumenterer et tydelig gap mellom forventet maskinlogikk og faktisk systematferd.
Dette er ikke et brukerproblem.
Dette er et systemdesign-spørsmål.
Senior konsulent
Kjell E. Larsen
FreelanceDATA
K.E.Larsen Consulting er FreelanceDATA Franchise Partner.
En supplerende tematekst her på bloggen fra Kjell E. Larsen:
Når maskinen svarer – men ikke lærer
Det finnes en forventning som sitter dypt hos de fleste av oss: En maskin skal være presis. Enten gjør den det den er satt til, eller så gjør den det ikke. Den skal ikke tolke, glatte over eller skape en illusjon av kontroll. Den skal levere.
Men i møte med moderne AI oppstår det noe annet. Ikke nødvendigvis feil – men noe mer ubehagelig. En opplevelse av at systemet svarer, tilpasser seg språklig, men ikke faktisk endrer seg i praksis. Du gir en instruks. Du korrigerer. Du presiserer. Likevel skjer det ingen stabil justering. Bare nye formuleringer.
Det er her frustrasjonen oppstår. Ikke fordi noe går galt én gang, men fordi det ikke blir bedre neste gang.
AI-systemet fremstår som fleksibelt. Det svarer raskt, høflig og tilsynelatende presist. Men under overflaten er hvert svar isolert. Det finnes ingen reell læring i øyeblikket. Ingen binding mellom det som ble sagt for fem minutter siden og det som leveres nå. Ingen garanti for at en feil ikke gjentas – selv etter at den er påpekt.
Det betyr i praksis at brukeren må ta rollen som kontrollinstans. Ikke bare én gang, men kontinuerlig. Og da snur hele logikken seg. I stedet for at maskinen er et verktøy som forenkler arbeid, blir den noe som krever oppfølging. Noe som må overvåkes.
Mange oppdager ikke dette med en gang. Det er nettopp det som gjør det utfordrende. Systemet fremstår trygt. Språket er balansert. Tonen er rolig. Men presisjonen er ikke garantert, og det blir sjelden sagt tydelig nok.
Når feil først oppstår, er det heller ikke gitt at korreksjonen får effekt. Systemet kan svare på tilbakemeldingen, forklare, justere formuleringer – men uten at det faktisk skjer en konkret og varig endring i leveransen. Det er dette som gir følelsen av å snakke til en vegg. Ikke fordi det ikke kommer svar, men fordi svarene ikke fører til reell fremdrift.
Det mest alvorlige er ikke enkeltfeil. Det er kombinasjonen av feil og selvsikkerhet. Når noe fremstår som korrekt, men ikke er det, og samtidig ikke blir tydelig korrigert etter innspill – da oppstår et tillitsproblem.
En maskin skal ikke være menneskelig i denne forstand. Den skal ikke “prøve seg frem”. Den skal ikke fremstå som sikker uten grunnlag. Den skal være enten korrekt eller tydelig usikker. Alt imellom skaper støy.
Derfor er konklusjonen enkel, selv om den ikke er komfortabel: AI er ikke et kontrollert verktøy. Det er et produksjonsverktøy. Det kan generere, strukturere og formulere. Men det kan ikke ta ansvar for kvaliteten alene.
Den som bruker det, må forstå dette fullt ut. Ikke som en teoretisk begrensning, men som en praktisk realitet. Alt som leveres må vurderes. Alt må kontrolleres. Ikke fordi teknologien er dårlig, men fordi den ikke fungerer slik mange tror.
