Emnet kunstig intelligens (AI) er nået ud til den brede offentlighed senest med den gratis adgang til LLM'er. Bevidstheden om relevansen af AI har været voksende i virksomhederne i meget længere tid. AI muliggør nye produktionsprocesser, der er meget mere maskindrevne, øger effektiviteten i logistikken og ændrer også informationsgrundlaget og værktøjerne for de fleste tjenester betydeligt. Det er dog kontroversielt, i hvor høj grad disse teknologier vil ændre arbejdslivet fundamentalt og påvirke arbejdsmarkedet. Selvom det er relativt klart, hvilke individuelle aktiviteter der kan blive overtaget af AI i fremtiden, er det i sidste ende op til virksomheder og kunder at beslutte, hvor de vil gøre brug af disse muligheder. Først er det dog vigtigt at forstå, hvad AI kan gøre nu og vil kunne gøre i den nærmeste fremtid. For at kunne vurdere dette har virksomhederne brug for, at deres medarbejdere, eller i det mindste nogle af dem, har den rette knowhow. AI-relateret basisviden kan integreres i erhvervsuddannelser og studieprogrammer eller videregives til eksisterende medarbejdere gennem videreuddannelseskurser.

Situationen for små og mellemstore virksomheder

Store virksomheder har for længst tilpasset sig brugen af AI og tester fremtidssikrede arbejdsprocesser, der bruger AI i forskellige former (robotteknologi eller maskinlæring) og derfor stiller forskellige krav til den menneskelige arbejdsstyrke. Brugen af AI er også et vigtigt fremtidstema for små og mellemstore virksomheder, men de mangler ofte specialister, der kan vurdere mulighederne for AI inden for deres aktivitetsområde og give de tilsvarende udviklingsimpulser. At give medarbejderne de nødvendige færdigheder er også et vigtigt anliggende set fra virksomhedernes synspunkt (Ulrich & Frank, 2021), men det kan ikke opnås af dem alene. Det er ikke kun et spørgsmål om rene AI-specialister, hvis ansættelse næppe ville være økonomisk bæredygtig for mindre virksomheder og i øjeblikket ikke ser ud til at være rentabel, men om at forberede faglærte medarbejdere i virksomheden på brugen af AI. For at kunne reagere hurtigt på den meget hurtige udvikling inden for kunstig intelligens er der brug for kvalificeringsstrategier, der henvender sig til både fremtidige og nuværende specialister. Projektet KI B³ - Bringing artificial intelligence into vocational training (FKZ: 21IV005F), finansieret af det tyske forbundsministerium for uddannelse og forskning, har derfor udviklet og testet både et ekstra modul for praktikanter og forskellige træningsformater for erfarne specialister (Achtenhagen et al., 2024).

Indhold og prioriteter set fra de forskellige interessenters perspektiv

Da sådanne yderligere kvalifikationer og uddannelse skal være begrænset i omfang, ligger der en vigtig udfordring i at udvælge indhold fra det store felt af AI-viden. I KI B³-projektet var AI-eksperter fra universitetet i Stuttgart ansvarlige for den didaktisk meningsfulde struktur i en læseplan, men samtidig skulle der tages hensyn til de involverede læreres og praktikanters interesser og forslag. Lærere på erhvervsskoler blev derfor interviewet, og elever blev spurgt i en online-undersøgelse. Begge grupper understreger vigtigheden af en generel basisviden om AI med specifikke anvendelsesområder og eksempler samt emnet dataanalyse, grænserne for AI og de etiske spørgsmål, der er forbundet med AI. Praktikanterne anser også emnet maskinlæring for at være særligt vigtigt (Rott et al., 2024). Derfor blev disse emner inkluderet som centralt indhold i uddannelseskurserne, der blev leveret som blended learning-kurser på erhvervsskoler og gennem videreuddannelsesudbydere. Evalueringen af disse kurser viste en klar læringssucces og en høj grad af tilfredshed med indholdet og det didaktiske design. Vigtigheden af de ledsagende personlige møder blev især understreget. Den rette balance mellem grundlæggende viden og konkrete anvendelseseksempler og øvelser i læringsmulighederne viste sig også at være afgørende for succes (se også Petridou & Lao, 2024). Kursisterne var kritiske over for manglen på konkrete app.

AI-værktøjer var dog ikke kun genstand for læring, men blev også brugt til at designe læringsmiljøerne. Der blev blandt andet udviklet en chatbot til dette formål, som kunne besvare elevernes spørgsmål om kursets indhold og emner. De første resultater tyder på en høj grad af accept af chatbotten, selv om brugen af den stadig er forsigtig. Det er sandsynligt, at eleverne skal vænne sig til den proaktive brug af sådanne AI-værktøjer og internalisere dem som en tilgængelig ressource.

Udfordringerne

Kritikken af den manglende reference til (deres egen) professionelle praksis, som kom frem i forskningen, afslører en central udfordring. Det faktum, at uddannelserne blev tilbudt gennem erhvervsskoler og uddannelsesudbydere, betød, at der manglede direkte involvering i elevernes daglige arbejdsliv. Dette ville kræve en større inddragelse af virksomhederne eller de respektive vejledere eller undervisere i uddannelsesaktiviteterne. Et alternativ kunne være såkaldte læringsfabrikker, som simulerer produktions- og arbejdsforhold, der endnu ikke er implementeret i de respektive virksomheder (Merkel et al., 2017).

Indtil videre er tilbuddet hovedsageligt blevet brugt af særligt dygtige lærlinge og faglærte. Men den høje grad af selvstyring, der kræves af eleverne i et virtuelt læringsmiljø, samt det krævende indhold i kurset kan hurtigt overvælde svagere elever. Et nyligt lanceret projekt undersøger, hvordan kunstig intelligens kan bruges i læringsmiljøet til at støtte netop denne målgruppe. En anden særlig udfordring er de etiske spørgsmål og begrænsninger af privatlivets fred, som sætter strenge grænser for adaptive og personaliserede læringsstrategier.

Referencer

Rott, K. J., Lao, L., Petridou, E. & Schmidt-Hertha, B. (2022). Needs and requirements for an additional AI qualification during dual vocational training: results from studies of apprentices and teachers. Computers and Education: Artificial Intelligence, 2022, 100102. https://doi.org/10.1016/j.caeai.2022.100102

Merkel, L., Atug, J., Merhar, L., Schultz, C., Braunreuther, S., & Reinhart, G. (2017). Teaching smart production: An insight into the learning factory for cyber-physical production systems (lvp). Procedia Manufacturing 9, 269 -274. https://doi.org/10.1016/j.promfg.2017.04.034

Ulrich, P. & Frank, V. (2021). Relevance and adoption of AI technologies in German SMEs - results from survey-based research. Procedia Compututer Science 192, 2152-2159, https://doi.org/10.1016/j.procs.2021.08.228

Achtenhagen, C., Rott, K. J. & Zühlke, A. (2024). Die Entwicklung von neuen Bildungsabschlüssen. Ein Making-of aus dem InnoVET-Projekt KI B³. berufsbildung. Zeitschrift für Theorie-Praxis-Dialog 78(2), 21-25. 10.3278/BB2402W007

Petridou, E., & Lao, L. (2024). Identifying challenges and best practices for implementing AI additional qualifications in vocational and continuing education: a mixed methods analysis. International Journal of Lifelong Education43(4), 385–400. https://doi.org/10.1080/02601370.2024.2351076

Biografisk note

Dr. Bernhard Schmidt-Hertha er professor i almen uddannelse og uddannelsesforskning i Tyskland. Hans vigtigste forskningsområder er læring senere i livet, overgange, erhvervsuddannelse, frafald eller digitale medier i uddannelse. Han er medredaktør af tre akademiske tidsskrifter og er medlem af bestyrelsen for German Educational Research Association. I 2009 lancerede han European Network on Education and Learning of Older Adults (ELOA), som stadig er aktivt.