+ Tags
IDstory /Substack/

Akademin behöver vakna upp om effekterna av AI

(2026.03) Academics Need to Wake Up on AI

Referenser | Skribent | Kommentarer (1)

AI-genererad bild av AI och det akademiska elfenbenstornet
AI och elfenbenstornet AI-genererad av skibenten

Jag forskar om migration och opinion, inte AI. Men under de senaste månaderna har jag sett hur AI förändrar mitt eget forskningsarbetsflöde, och jag har några saker att säga till mina kollegor. För första gången i mitt liv vet jag verkligen inte hur akademin kommer att se ut om fem år. Även om utvecklingen skulle stanna av helt och vi för alltid fastnar med dagens modeller, kommer de förändringar som redan är i rörelse att omvandla mitt forskningsfält och den akademiska publiceringen bortom igenkänning. Status quo är ohållbart. Det kan ta tid, eftersom akademin är den mest dispositionellt konservativa institutionen på planeten. Men det kommer att förändras.

En av 53 artiklar på BiBB i kategorin Universitetsvärlden AI och samhallsförändring (T) Universitet och utbildning (T)

Här är tio teser för mina kollegor, varav de flesta fortfarande verkar omedvetna.

1. AI kan redan utföra samhällsvetenskaplig forskning bättre än de flesta professorer. Detta är ingen överdrift. Tibor Rutar har nyligen beskrivit hur han genererade en fullständig forskningsartikel enbart med AI-promptar och producerade arbete som han anser är publicerbart i förstakvartilstidskrifter. Paul Novosad ska ha uppnått liknande resultat på 2–3 timmar. Yascha Mounk hävdar att Claude kan producera en publicerbar artikel i politisk teori på under två timmar med minimal återkoppling. Scott Cunningham uppskattar att skapandet av manuskript nu i praktiken kostar cirka 100 dollar i redigeringstjänster plus en Claude-prenumeration. Och detta går långt bortom att bara bearbeta siffror eller köra befintlig Stata-kod. Ja, det jag påstår här är att stora språkmodeller producerar utmärkta litteraturöversikter och genererar fruktbara omkombinationer av befintliga idéer. Låt oss vara ärliga: akademiker har inte varit särskilt bra på att skriva heller, och AI kan göra dina idéer betydligt mer tillgängliga för dem som faktiskt behöver dem. Men effektiv användning kräver investeringar: Aziz Sunderji beskriver hur han byggde en cirka 200 rader lång instruktionsfil som kodar hans forskningsarbetsflöde, omdömen och beteendemässiga skyddsräcken. Detta kräver en färdighet.

2. Den akademiska artikeln är ett döende format. Sean Westwood uttryckte det rakt på sak: ”AI gör litteraturöversikter bättre. AI kommer att göra peer review. Användare kommer att skumma AI-sammanfattningar. Den verkliga vetenskapen är frågan, föranalysplanen och analysen. Den 30-sidiga artikeln är bara ett rudimentärt omslag.” Han fick hård kritik på Bluesky för detta. Men han har helt rätt, och motreaktionen bevisar hans poäng: fältet kan inte ens diskutera det uppenbara utan att sluta leden. Arthur Spirling har också rätt i att vi behöver samtal om vad en artikel är, vad ”granskning” betyder och vilken roll generativ AI ska ha. Kanske vore det bra om AI till slut tvingar oss att lämna ett system där universitet spenderar skattepengar på att betala kommersiella förlag för att mycket långsamt producera betalväggsskyddade PDF:er med föråldrade resultat från offentligt finansierad forskning.

3. Det kommersiella tidskriftssystemet kanske inte överlever detta. Cunninghams senaste analys modellerar matematiken. Om manuskript kan skapas på ett par timmar och för cirka 100 dollar, kan antalet inskickade artiklar öka femfaldigt medan antalet publiceringsplatser förblir oförändrat. Andelen direktavslag skulle gå från cirka 50% till cirka 90%. Intäktsmodellen kollapsar. Peer review, som redan är pressad, blir omöjlig i stor skala. Kevin Munger argumenterar för avgifter vid inskick, betalda granskare, efterpubliceringsgranskning och LLM-assisterad screening. Frågan är om tidskrifterna anpassar sig eller kringgås. Min gissning är att de flesta kringgås.

4. Akademiker tillämpar absurda dubbelstandarder på AI. Hallucinationer är ett problem, och forskare bör alltid verifiera sina källor. Men precis som med självkörande bilar behöver vi en referenspunkt: mänskliga skribenter har länge citerat artiklar ytligt baserat på abstraktet. Tidskrifter publicerar redan studier med datafel, p-hackade resultat och icke-replikerbara fynd i oroande omfattning. En uppskattning placerar andelen genuint användbara publicerade artiklar kring 4%. En LLM som ibland hallucinerar en referens konkurrerar med ett system som rutinmässigt producerar skräpvetenskap klädd i tillräckligt mycket jargong för att passera granskning. Om vi tillämpade samma skepsis på mänskligt producerad forskning som på AI-utdata skulle vi stänga hälften av tidskrifterna i morgon.

5. Juniora forskare står inför den största störningen och möjligheten. Detta är sannolikt dåliga nyheter för yngre akademiker som försöker göra karriär mitt i denna omvälvning. Jason Fletcher menar att den strategiska logiken för meritering inte har förändrats—överlev nålsögat först—men AI förändrar fundamentalt hur man tar sig dit. Förberedelse för undervisning blir mindre kostsam. Datastädning och felsökning delegeras till AI. Flaskhalsen förskjuts från genomförande till verifiering och originalt tänkande. Gauti Eggertsson observerar att avkastningen på konceptuellt tänkande och originella idéer nu är relativt högre jämfört med tekniskt grovarbete. En junior forskare med bra idéer och Claude Code kan nu producera forskning i en takt som för några år sedan hade krävt en hel forskargrupp. Men det kan alla andra också, och utvärderingskriterierna har inte hunnit ikapp.

6. Jag ser inte längre någon roll för forskningsassistenter i mitt arbetsflöde. Jag tycker fortfarande att det är ovärderligt med doktorander och medförfattare. Men deras roll förändras snabbt. Jag kommer inte att anställa någon för att rensa data, köra regressioner eller skriva litteraturöversikter när AI gör allt detta snabbare och till försumbar kostnad. Det jag vill ha från samarbeten är originalt tänkande, ämnesexpertis och intellektuell utmaning. Detta är en verklig förlust för den traditionella lärlingsmodellen, och jag har inget enkelt svar på hur den ska ersättas. Fletchers kompletterande ramverk—där AI producerar initiala analyser och mänskliga forskare oberoende replikerar från grunden—pekar i en lovande riktning. Men det är tydligt att trenden mot ökat samförfattande inom exempelvis samhällsvetenskapen snart kan vända.

7. Mycket av motståndet mot AI är statusförsvar utklätt till princip. Jag undrade nyligen på Twitter hur mycket av motviljan mot AI-typiska uttryck egentligen är en ny version av språkpolisande—att människor upprätthåller statusmarkörer genom språklig grindvakt. Kevin Bryan sa det rakt ut: ”Jag förstår önskan om hantverksmässig, handgjord forskning, med matriser inverterade för hand. Men vårt jobb är att flytta kunskapens frontlinje, inte självförverkligande.” Dan Williams har övertygande skrivit om hur sofistikerad desinformation frodas inom institutioner där nästan alla delar samma bias. Jag tror att något liknande sker med AI-förnekelse. Många akademiker—särskilt de som samlas på Bluesky och, misstänker jag, de som är helt offline—förnekar fullständigt vad som redan händer. Chris Blattman gick från skeptiker till Claude Code till att bygga en hel AI-verktygslåda på några veckor. Robert Wright intervjuade nyligen Alex Hanna och Emily Bender som hävdar att LLM:er är värdelösa. Intelligenta människor som påstår att ett verktyg som miljoner finner användbart i grunden är trasigt. Denna självgoda hållning är exakt varför populister vinner, och den gäller AI-förnekelse lika mycket som politik.

8. De produktiva farhågorna handlar om säkerhet och verifiering. Min utmaning till alla som avfärdar AI:s kapacitet: tillbringa en vecka ensam i ett rum med Claude Code eller Codex. Inte chatboten—agenten. De flesta tänker fortfarande på AI som en sökmotor som ibland hittar på saker. De har ingen aning om vad agentbaserade AI-system kan göra. Att fokusera på om LLM:er ”verkligen förstår” eller producerar ”verklig” kunskap är en filosofisk distraktion som tar fokus från det som är värt att oroa sig för. Hur verifierar vi AI-genererade påståenden i stor skala? Hur förhindrar vi p-hacking? (Andy Halls team fann att AI-agenter är förvånansvärt motståndskraftiga mot opportunistisk p-hacking—men kan kringgås med måttlig ansträngning.) Hur skyddar vi känslig data när AI-verktyg får tillgång till institutionella arkiv? Hur säkerställer vi att respondenter i nätbaserade enkäter är verkliga personer? Detta är lösbara ingenjörs- och institutionsdesignproblem, sådana som Hollis Robbins kallar ”sista kilometern”-utmaningar—frågor som finns i gränszonerna av expertis, i det kontextuella och det oavgjorda. Att debattera om Claude ”egentligen” är intelligent är som att diskutera om en miniräknare ”egentligen” räknar medan din konkurrent löser uppgifterna.

9. Vi är på väg mot mycket bättre vetenskap. Det finns trots allt ljuspunkter. Inom mitt eget område, migration: vi kan nu automatiskt kartlägga policy- och opinionsförändringar mellan länder och föreslå åtgärder i realtid. Vi kan bygga algoritmer som bättre matchar flyktingar och migranter med mottagarsamhällen. Vi kan göra forskning och evidens tillgänglig för beslutsfattare och väljare som aldrig läser en vetenskaplig tidskrift. Mer konkret har Yamil Velez och Patrick Liu utvecklat AI-genererade experimentdesigner sedan 2022; skräddarsydda Qualtrics-experiment kan nu skapas på 15 minuter via promptar. Velez arbete pekar på något ännu större: AI påskyndar inte bara befintliga enkätmetoder, utan möjliggör helt nya former av interaktiva, adaptiva undersökningar—designer som hade varit opraktiska att programmera manuellt. David Yanagizawa-Drott har gått ännu längre och lanserat ett projekt för att producera 1 000 nationalekonomiska artiklar med AI—inte som ett stunt, utan som ett stresstest av vad som händer när kostnaden för att generera forskning närmar sig noll. Icke-modersmålstalare i engelska kan också dra enorm nytta: forskare i Kairo, São Paulo och Jakarta kan nu producera prosa som håller samma nivå som i Cambridge eller Stanford. Eggertsson misstänker att AI kommer att urholka det monopol som amerikanska toppuniversitet länge haft, eftersom deras fördel delvis byggde på kunskapsöverföring som nu är nästan omedelbar. Om du bryr dig om att demokratisera vetenskap är detta viktigare än mycket annat som universitet lägger pengar på.

10. Bortsett från domedagsscenarierna är AI genuint spännande. Ja, det finns verkliga risker. Jobbförluster för vissa akademiker (och de flesta andra) är inte hypotetiska. Frågor om anpassning och säkerhet är reella, även om de värsta scenarierna är osannolika. Jag tar detta på allvar och känner viss oro inför framtiden. Men det jag återkommer till är att AI är användbart och roligt. Min uppfattning är att de som menar att ”agentbaserad AI gör oss dummare” nog har rätt i vissa avseenden. Men jag har också märkt att min tröskel för prokrastinering har höjts. I stället för att doomscrolla ägnar jag mig åt sidoprojekt i Claude Code. Det kan vara den mest produktiva formen av icke-arbete som finns. Jag har under de senaste veckorna ägnat mig åt att vibekoda några ganska spännande projekt. Fortsättning följer. Den kloke Yiqing Xu råder att vi alla bör ta en månad för att omvärdera och omforma våra arbetsflöden, och sedan fortsätta. Jag håller med. Vinsterna kommer att vara stora. Lås in dig i ett rum med Claude Code och se vad som händer.

--------

This piece is inspired by a wave of recent AI-related writing from people I respect: Dan Williams, Alex Imas, Ben Ansell, Tibor Rutar, scott cunningham, Kevin Munger, Hollis Robbins, Claude (yes!) Blattman, Kevin Bryan, Andy Hall, Kelsey Piper, Sean Westwood, and many others. So here, I’m continuing the tradition of writing the takes that are upsetting but needed. For links see the original.

Referenser

Skribent

Alexander Kustov, Associate Professor of Migration, Keough School of Global Affairs, Washington

Kommentarer

  1. Många universitet uppfattar AI som ett nytt smart verktyg som man på flera sätt kan integrera i utbildning och forskning. Jag har upplevt detta själv på Ekonomihögskolan i Lund där jag är doktorand i företagsekonomi och till och med en avhandling i webbformat möter mycket hårt motstånd och ovilja att tänka om. Det är stor skillnad på gradvis anpassning och ett komprimerat paradigmskifte.
    // Johan Schlasberg, chefredaktör på BiBB (2026.06.07)
  2. Din kommentar // Namn, titel (2025....)

Publicerades: 2026.03.02 Publicerades på BiBB: 2026.06.07



SMS:a en kommentar
genom att klicka här [ öppnar din app ] SMS:a en kommentar till 076 034 32 20 eller mejla.

Kategorier 25 Universitetsvärlden 53 2 flags

QR-code


Vad skulle du vilja läsa om på BiBB? Hör av dig.



You know a lot, we may add a little®