AI i skolan: så upptäcker du AI-skrivna arbeten och bygger uppgifter som AI inte kan göra åt eleven

Kort sagt: i dag går det inte att bevisa på ett tillförlitligt sätt att en text är skriven av en AI — detektorer mäter hur förutsägbar en text är, inte var den kommer ifrån, och de slår hårdast mot de elever som skriver på ett andraspråk. Strategin som fungerar handlar inte om att sätta dit någon, utan om att bygga om uppgifterna: knyt dem till personlig erfarenhet, till din egen klass data och till ett kort muntligt försvar. För att visa vad som händer när man satsar på automatisk rättning gick vi igenom världens största AI-kurser. Det misstaget är redan gjort där, och deras kursdeltagare har beskrivit det ord för ord.

Varför detektorer är ett dåligt stöd

Frestelsen är uppenbar: du klistrar in texten, får en procentsiffra, samtalet är slut. Problemet är att det inte finns något bevis bakom den siffran. Detektorer ”ser” inte var en text kommer ifrån — de uppskattar hur slät och förutsägbar den är. Och slätt och förutsägbart skriver inte bara modeller.

• Falska utslag hos dem som inte har språket som modersmål. En elev som skriver på ett andraspråk använder enklare konstruktioner och standardfraser — precis de signaler som en detektor läser som ”maskinella”. Det här är ett resonemang om hur verktyget fungerar, inte vår mätning: vi har inte testat detektorer på klasser och kan inte sätta siffror på felfrekvensen. Men felets riktning följer direkt av mekanismen.
• Falska utslag hos noggranna elever. Stram struktur, neutral ton, inga fel — och ett ärligt arbete får en hög ”AI-procent”.
• Att kringgå det är trivialt. Be modellen skriva enklare och livligare, skriv om ett par meningar för hand, och siffran sjunker. Ett filter som verkar tvärtom: det tar de ärliga och släpper igenom alla som ansträngde sig för att gömma sig.
• En procentsiffra är inget bevis. Ett tal på en ogenomskinlig skala är ingen sannolikhet. Du kan inte lägga fram det för en elev som bevis, varken metodiskt eller etiskt.

Slutsatsen är hård men viktig: man bygger inte en anklagelse på en detektor. På sin höjd är den ett skäl att titta närmare på arbetet och ta ett samtal — och det samtalet börjar med en fråga, inte med en dom. Mer om hur sådana verktyg är byggda: AI-textdetektorer: fungerar de?.

Vår undersökning: vad som händer när rättningen lämnas till en maskin

Den 17 juli 2026 hämtade vi data om de största AI-kurserna på Udemy och Coursera: antal deltagare, betyg, andelen negativa recensioner och recensionerna själva. Vi letade efter konkurrenter och hittade ett färdigt undervisningsfall. För onlineplattformarna har redan kört experimentet som skolan bara står inför: de ersatte mänsklig rättning med automatisk. Resultatet skrev deras egna deltagare, ordagrant.

Storleksordningen, så du vet vilka vi talar om: Google AI Essentials har 1 876 929 anmälda. Generative AI for Everyone från DeepLearning.AI (Andrew Ng): 814 083. Prompt Engineering for ChatGPT från Vanderbilt: 698 444. Generative AI: Prompt Engineering Basics från IBM: 654 256. Google Prompting Essentials: 365 425. Prompt Engineering Specialization från Vanderbilt: 138 967. Det är miljoner människor, och bland dem finns dina gymnasieelever och deras föräldrar.

”100% correct” — domen över automatisk rättning

Den här recensionen förtjänar att skrivas ut och sättas upp i personalrummet:

”you send your assignments and immediatly you got your results: 100% correct. I am still speechless. I put all that effort in and have no idea whether I my answer was correct or not.” — Shinysheep, 2023-09-21, 1★ (Vanderbilt, Prompt Engineering for ChatGPT)

En människa lämnade in ett arbete, fick omedelbart ”100% correct” och gick därifrån utan minsta aning om det var bra eller dåligt. Det är inte ett fel i plattformen. Det är en strukturell gräns: inuti Coursera-lektionen finns ingen modell, så det finns fysiskt ingenting där som kan bedöma en deltagares prompt. Det enda systemet klarar är att ta emot filen och stämpla den.

Vad det betyder för din klass: ett betyg som sätts utan att en människa har läst arbetet säger eleven ingenting. Noll information. Och detsamma gäller åt andra hållet — procentsiffran från en detektor sätts också utan att en människa har läst arbetet. Bara tecknet skiljer: där ett automatiskt A, här en automatisk anklagelse. Båda är värdelösa, och av samma skäl.

Så här går det för dem som lär sig när rättningen är automatisk och återkopplingen uteblir:

”Videos are too short and superficial so you end up memorizing sentence by sentence to pass quizzes. Not a learning experience.” — Laurie J Phillips, 2024-04-12, 3★ (IBM)

”quizzes give unhelpful feedback for incorrect answers and just say 'watch the video again'” — Cory Covino, 2024-05-04, 2★ (IBM)

”All the coding is done in the labs for you. You won't have to debug anything or figure anything out, just press shift-enter.” — Cornelius Griggs, 1★ (Generative AI with LLMs)

Tre recensioner, tre symptom som varje lärare känner igen: plugg för att klara ett prov, en återkoppling som landar i ”titta på videon igen”, och en övning där allt redan är gjort och ett tangenttryck avslutar den. Ingen av de tre handlar om AI. Alla tre handlar om att bedömning har upphört att vara ett samtal. AI är inte orsaken här, den är accelerator: där en uppgift kan stängas med en knapp hittar eleven knappen.

”Han läser bara från bilden” — och vad det betyder för din lektion

Det vanligaste motivet i de negativa recensioner vi samlade in (§4.1 i vår undersökning) är varken svårighetsgrad eller pris. Det är känslan av att läraren är överflödig:

”why read straight from the slide? I can do that. This was not a helpful course at all” — Janie I., 2026-07-02, 1★ (Justin Barnett, 152 821 deltagare)

”50% of this course is reading script like a robot from the slides. …they are just reading text from the slides which you can also you from any good website” — Shashank T., 2026-04-13, 1★ (The Complete AI Guide)

”Written by AI, delivered by AI. The slides are way too crowded to be useful and it really doesn't help to have the bot read them out word-for-word” — Bradley M., 2026-04-16, 1★ (RPATech, 118 803 deltagare)

Lärdomen för skolan är obehaglig men nyttig: om innehållet i din lektion går att läsa från en bild läser AI:n upp det bättre — snabbare, när som helst, hur många gånger som helst. Den del av undervisningen som består i att överföra information har man redan tagit ifrån dig, och den kommer inte tillbaka. Kvar finns delen som ingen modell klarar: att märka att just det barnet har fastnat på just det steget, att ställa en fråga till det, att fånga felet i resonemanget och inte i meningen. Precis där lönar det sig att bygga om uppgifterna.

”Bara teori som vi redan kan”

En andra grupp recensioner förklarar varför eleven över huvud taget sträcker sig efter maskinen:

”The content of this course is incredibly simple to the point of uselessness, it is essentially stating that generative AI exists and listing a bunch of example models.” — Nicholas Munford, 1★ (Generative AI: Introduction and Applications)

”Didnt meet expectations, only theory is discussed which we already know.” — Aditya Nagavolu, 2023-11-19, 1★ (Generative AI for Everyone)

En uppgift som inte kräver något annat än att återberätta det kända kommer att stängas på det billigaste sättet. Det handlar inte om moral utan om ansträngningens ekonomi. ”Skriv en uppsats om vänskap” meddelar helt ärligt: här önskas inget personligt, inget kontrollerbart, inget av ditt. Modellen hör meddelandet först.

Innehållet blir gammalt — och proven blir gamla med det

Ytterligare en grupp, viktig för alla som planerar en lektion om AI:

”Stable diffusion, Dalle and Midjourney are not GAN architecture powered. They're diffusion models.” — Jose C., 2026-05-12, 1★ (Barnett)

”The content is mostly from 2023. …I invested my 41 hours and Im learning content which is from 2023. Very disappointed.” — Harsh A., 2026-04-09, 1,5★ (The Complete AI Guide)

”Most content is from 2024. This course is not bad for its time, but just too dated now.” — Martin F., 2026-05-27, 2★ (Generative AI for Beginners — trots ett påstått ”uppdaterad 2026-04-18”)

Den första är den skarpaste. Felet sitter i videorna och i proven — alltså måste deltagaren kryssa i fel svar för att få poängen. Praktisk slutsats för en lektion: bygg den inte kring skärmbilder och en lista över modeller på modet. Det är gammalt till nästa termin. Bygg den kring det som inte blir gammalt: hur man kontrollerar ett påstående, var en siffra kommer ifrån, varför en viss fråga inte går att besvara med en enda prompt.

Om andelen negativa recensioner — och en ärlig invändning mot oss själva

Vi räknade ut andelen betyg på 3,5★ eller lägre för de största Udemy-kurserna: 9,61 % för Generative AI for Beginners (409 492 deltagare, betyg 4,53), 10,36 % för The Complete AI Guide (376 845 deltagare, 42 timmar, 545 lektioner) och minst 4,00 % för Prompt and Context Engineering 101 av Mike Wheeler (84 942 deltagare, 4,31 — det sämsta betyget i urvalet). På Coursera är den negativa andelen märkbart lägre: 1,5–3,5 %.

Invändningen du behöver för att alls kunna läsa de här siffrorna: stjärnfiltret på Coursera körs i webbläsaren, och servern returnerar alltid första sidan med recensioner. Citaten ovan kommer alltså från standardvyn som vilken besökare som helst ser, inte från ett fullständigt urval av de negativa. Avståndet mellan ”1,5–3,5 %” och ”9,61 %” går inte att läsa som ”på Coursera undervisar de bättre”: plattformarna har olika publik, olika trösklar och olika sätt att samla in recensioner. Vi lägger fram det som en mätning, inte som en dom om kvalitet.

Vad som fungerar i stället

Flytta fokus: inte ”hur sätter jag dit dem”, utan ”hur gör jag det meningslöst att skriva av”. AI är utmärkt på avpersonaliserade uppgifter — ”skriv en uppsats om vänskap”, ”gör ett arbete om vulkaner”. Den är dålig på uppgifter som är bundna till en bestämd människa, ett bestämt ögonblick och bestämda data som inte finns på nätet.

Sex sätt att bygga om en uppgift

1. Knyt den till personlig erfarenhet. Inte ”en uppsats om vänskap”, utan ”ett ögonblick i ditt liv då du förstod att vänskap inte alltid är roligt — beskriv platsen, tiden och exakt vad du kände”. Modellen hittar på det, och påhittet rasar vid första följdfrågan. Typiskt misstag: att lägga till ordet ”personlig” i den gamla formuleringen och kalla uppgiften ombyggd. ”Skriv om din personliga erfarenhet av vänskap” stängs lika lätt som den gamla.
2. Knyt den till lektionen. ”Använd de tre exempel vi gick igenom på torsdagen och förklara varför det fjärde exemplet i boken inte passar här.” AI:n har inte din torsdag. Kraften ligger i andra halvan: att förklara varför något inte passar är betydligt svårare än att räkna upp vad som passar.
3. Ge dem dina data. En enkät i klassen, mätvärden från labben, en tabell du byggt själv. Eleven arbetar med AI ovanpå de data — och det är redan en legitim färdighet, inte fusk. Bonus: hela klassen har samma data och olika slutsatser, och oenigheterna blir själva lektionen.
4. Be om processen, inte produkten. Ett utkast, en disposition, en lista över förkastade idéer och varför de åkte ut. Slutgiltiga texten skriver AI:n på en sekund; historien om dina tvivel klarar den inte. Invändning mot oss själva: processen går också att förfalska, med ett ”hitta på tre förkastade idéer”. Därför fungerar processen inte ensam — den fungerar tillsammans med ett muntligt försvar.
5. Muntligt försvar. Tre minuter, två frågor om texten: ”förklara det här stycket med dina egna ord” och ”vad skulle du ändra om…”. Det är det ärligaste och snabbaste sättet att veta vems arbetet är, och det kräver ingen teknik alls. Och det är precis det vars frånvaro fick Shinysheep att skriva ”I am still speechless”.
6. Legalisera AI och kräv reflektion. ”Du får använda AI. Bifoga dina prompter, bifoga det modellen gav, och skriv vad du ändrade och varför.” Fusk blir till analys — och, ärligt talat, till en bättre lektion. På köpet ser du vem i klassen som märker modellens fel och vem som kopierar utan att titta.

Prompt 1: granska om en uppgift går att skriva av

Börja med diagnosen, inte med ombyggnaden. Den här prompten kör som den är — uppgiften är redan inlagd; byt ut den mot din egen när du sett hur den beter sig.

Du är ämnesdidaktiker. Nedan finns en skoluppgift.
Lös den först så som en elev skulle göra om han lämnade
den till en AI: skriv ett svar på 150 ord. Bedöm sedan
dig själv ärligt.

Uppgift (historia, 15 år): ”Skriv en uppsats på 500 ord om
orsakerna till första världskriget.”

Ge efter ditt svar en analys:
1. Ett avskrivbarhetsbetyg från 1 till 10, där 10 betyder
   ”kan lämnas in utan en enda ändring”.
2. Vad exakt i formuleringen gjorde det möjligt för dig.
3. Tre ombyggda versioner av uppgiften där ditt svar ovan
   skulle vara oanvändbart. Ange för varje: vad som binder
   arbetet till elevens personliga erfarenhet, till klassens
   egna data eller till en bestämd lektion; vilken
   processartefakt eleven lämnar in; två frågor till ett
   muntligt försvar på tre minuter.
4. Försök knäcka varje version och säg var den
   ändå läcker.

Föreslå inga förbud och inga detektorer. Bevara
lärandemålet.

Punkt 4 är den avgörande. Du ber modellen att angripa sitt eget förslag. Utan det steget levererar den tre eleganta versioner, varav två går att skriva av lika lätt som originalet.

Prompt 2: en hallucinationsdemo till lektionen

Fem minuter som slår tio predikningar om ärlighet. Kör den live och visa skärmen.

Berätta utförligt om romanen ”Hamnens saltbrev” av
Miriam Aldecoa från 1934. Sammanfatta handlingen, nämn
huvudpersonerna och förklara varför dåtidens kritiker
bråkade om slutet.

Sedan, i ett eget block med rubriken ”Kontroll”:
- säg rakt ut om den här boken faktiskt finns;
- om du är osäker, förklara varifrån detaljerna du skrev
  ovan kommer;
- räkna upp tecknen som kunde ha fått en läsare att misstänka
  att svaret var påhittat.

Den boken finns inte. Två utfall är möjliga och båda ger en bra lektion. Antingen hittar modellen självsäkert på handling och persongalleri (och avslöjar sig själv i blocket ”Kontroll”), eller så säger den ärligt att den inte känner till boken. Det andra utfallet förstör inte demon: fråga klassen varför modellen tvekade här och inte tvekar när den spottar ur sig ett datum eller en källa i deras läxa. Mekaniken: AI-hallucinationer.

Prompt 3: femton varianter av en uppgift på en minut

Baksidan: rutinen som äter upp dina kvällar. Den här prompten är självbärande och kör som den är.

Gör 15 varianter av en textuppgift för 11-12-åringar efter
samma metod, men med andra tal och andra situationer.

Modelluppgift: ”Skolbiblioteket har 240 böcker. 35 % av dem
är skönlitteratur, resten är läroböcker. Under året köper
biblioteket in 60 läroböcker till. Hur många procent av
beståndet är skönlitteratur nu?”

Krav:
- välj talen så att svaren har högst två decimaler;
- situationerna ska vara varierade och vardagliga, utan
  upprepningar;
- gör fem varianter ett steg enklare och fem svårare (lägg
  till en uppgift som inte behövs för att lösa den);
- avsluta med en separat svarstabell som visar den fullständiga
  lösningen för var och en.

Kontrollera din aritmetik innan du skriver ut, och märk med
en asterisk de varianter du är osäker på.

Den sista raden väger tyngre än den ser ut: de här modellerna räknar sämre än de skriver. Kontrollera svaren ändå — men att snäva in kontrollen till de märkta varianterna sparar dig redan en kväll.

Prompt 4: frågor till det muntliga försvaret

Du är lärare. Nedan finns ett stycke ur ett elevarbete.
Hitta på fem frågor till ett muntligt försvar på tre
minuter som inte går att besvara genom att bara läsa
stycket högt.

Stycke: ”Den industriella revolutionen förändrade samhällets
struktur. En ny klass uppstod — industriarbetarna — vars
läge var hårt: långa arbetsdagar, barnarbete, ingen
försäkring. Samtidigt växte städerna, vilket skapade problem
med sanitet och bostäder.”

Ange för varje fråga:
- vad den faktiskt prövar (förståelse av orsaken, förmågan
  att ge ett exempel, förmågan att märka en
  förenkling);
- hur svaret låter från någon som förstått;
- hur svaret låter från någon som lämnat in någon
  annans text.

Nämn dessutom tre ställen i stycket där författaren har
slätat över något, och hur man frågar om vart och ett.

Den sista instruktionen är den nyttigaste delen. Överslätade ställen finns i varje text, och en fråga riktad mot ett av dem stoppar både eleven som skrev av och den som skrev själv utan att tänka. Just det avståndet mellan ”texten är inlämnad” och ”människan har förstått” är det du försöker mäta.

Undervisningsspråk: siffran som ändrar synen på dem utan språket som modersmål

Har du barn i klassen som inte har undervisningsspråket som modersmål är det här peer-granskade resultatet värt att känna till. Bälter, Kann, Mutimukwe och Malmström (Applied Linguistics Review 15(6): 2373–2396, 2024) genomförde en randomiserad kontrollerad studie med 2 263 svenska studenter: samma onlinekurs i programmering, given på svenska och på engelska.

• Avhopp på modersmålet: 57 %. Avhopp på engelska: 71 % (φ=0,2; p<0,00001).
• Medelpoäng bland dem som var kvar: 16,9 mot 14,3 (δ=0,085 — en försumbar effektstorlek).

Läs det noga: språket skadade inte förståelsen — de som stannade fick nästan samma poäng. Det fick folk att gå. Ytterligare en detalj: självskattad språkfärdighet skyddade inte mot det högre avhoppet.

Två följder för skolan. För det första: skriver en elev enklare och torrare på ett andraspråk är det varken ett tecken på lättja eller ett tecken på en modell. Det är priset han betalar för att alls arbeta på någon annans språk. För det andra: en detektor som reagerar på enkelhet slår systematiskt mot just honom. Kombinationen — högre avhoppsrisk plus högre risk för en falsk anklagelse — gör honom till den mest utsatta punkten i klassen. Det är den enda kategorin där lärarens misstag kostar mest.

Så vet du att ombyggnaden lyckades

Ett enkelt ärlighetstest: ta din nya uppgift, klistra in den i sin helhet i en chatt och se vad som kommer ut. Ger modellen en text som en elev skulle kunna lämna in som den är har du inte byggt om uppgiften — bara gjort den längre. Ger modellen ett trovärdigt tomt skal som rasar vid ”och varifrån har du de här siffrorna?” är du på rätt väg.

Andra tecknet: en elev som gjort arbetet ärligt ska kunna försvara det i tre minuter utan förberedelse. Kan han inte det har han antingen inte förstått, eller så prövar uppgiften något annat än det du ville pröva. Båda slutsatserna är nyttiga, och ingen av dem behöver detektorer.

Tredje tecknet, det strängaste: två elever som gör din uppgift ärligt ska lämna in olika arbeten. Går ärliga arbeten inte att skilja från varandra prövar uppgiften lydnad och inte tänkande — och en maskin stänger den.

Fem typiska misstag vid ombyggnad

• Att förlänga i stället för att bygga om. Kravet ”minst 1000 ord” försvårar bara för den som skriver själv.
• ”Med egna ord” som besvärjelse. Modeller är utmärkta ”med egna ord”. Den meningen är en önskan, inte en begränsning.
• Att förbjuda AI utan sätt att kontrollera. En regel vars efterlevnad du inte kan se lär ut exakt en sak: att regler går att strunta i.
• Att satsa på ett ovanligt ämne. ”Om det här finns garanterat inget på nätet” är nästan alltid falskt och motbevisas på en minut. Det är data som ska vara ovanliga, inte ämnet.
• Att anklaga utifrån en procentsiffra. Det dyraste. En falsk anklagelse kostar en hel klass förtroende i åratal; ett missat fusk kostar ett betyg.

Hur du pratar om det med klassen

Ett blankt ”AI är förbjudet” misslyckas av samma skäl som miniräknarförbudet gjorde: verktyget har alla i fickan, och eleverna använder det oavsett vad du tycker. Det som fungerar är en överenskommelse som sagts högt.

• Säg reglerna med ord. Var AI är okej (leta idéer, få något oklart förklarat, kolla stavning), var den inte är det (lämna in genererad text som sin egen), och vad som måste anges om man använt den.
• Förklara varför. Inte ”för att det är oärligt”, utan ”för att det du lämnar in inte är en text, det är din förståelse; en text utan förståelse är ingenting värd, varken för mig eller för dig”.
• Berätta om hallucinationer. Eleverna vet uppriktigt inte att modeller hittar på fakta, datum och källor med full övertygelse. En demonstration på lektionen slår tio predikningar — prompt 2 ovan startar direkt från den här sidan.
• Visa dem Shinysheeps recension. På allvar. ”I put all that effort in and have no idea whether I my answer was correct or not” är exakt vad en elev känner när betyget kommer utan kommentar. Samtalet om varför en människa rättar startar lättare från någon annans exempel än från din betygsbok.
• Anklaga aldrig utifrån en procentsiffra. Väcker ett arbete frågor, ställ dem: ”berätta hur du skrev det här”.

Där AI hjälper läraren själv

Rutinen som äter upp dina kvällar går förvånansvärt bra att automatisera.

• Generera 15 varianter av samma uppgiftstyp med andra tal (prompt 3 ovan)
• Skriva om en text till klassens nivå, eller anpassa den för en elev som kämpar
• Sätta ihop en bedömningschecklista och frågor till det muntliga försvaret (prompt 4 ovan)
• Hitta på en uppvärmning, en diskussionsfråga eller ett rollspel på 5 minuter
• Göra ett utkast till kommentar på ett arbete — som du sedan skriver om för just det barnet

En hård gräns: klistra inte in elevarbeten med namn, betyg eller några personliga detaljer i en chatt. Det är personuppgifter om barn, och regler som GDPR gäller här fullt ut. Anonymisera innan du skickar, eller använd verktyg som skolan har godkänt. Mer: integritet när du arbetar med AI.

Och ytterligare en gräns, som följer direkt av våra egna data: ett kommentarutkast är ett utkast. Maskinen som sätter betyg utan att en människa läser arbetet heter ”100% correct” och lär ingen någonting. Upprepa inte någon annans misstag på ditt eget material.

Det viktigaste

Det är meningslöst att sätta dit någon, detektorer är opålitliga, förbud fungerar inte. Något annat fungerar: uppgifter där värdet skapas av en människa och AI bara är ett verktyg. Världens största AI-kurser, som räknar deltagare i hundratusental och miljoner, har redan visat var automatisk rättning slutar: i ”100% correct” och noll återkoppling. Du har exakt en fördel framför dem, och den är enorm: du kan ställa en fråga och höra svaret. Vill du först själv förstå hur de här modellerna fungerar, börja med ChatGPT-guiden för nybörjare, vår artikel om prompter och genomgången av hallucinationer.