Hva kreves for å lykkes?
For å lykkes må man sørge for riktig oppgavedeling, der KI og leger brukes til det de er best på. For KI er dette rutineanalyser, mønstergjenkjenning og datainnsamling, og for leger er det kontekstuell vurdering, pasientkommunikasjon og etiske avveininger. For eksempel kan KI analysere histologibilder i kreftutredning og foreslå differensialdiagnoser, mens legen best vurderer pasientens historie, symptomer og preferanser.
Programvaren må være naturlig integrert i arbeidsflyten. KI-verktøy må være usynlige når de ikke trengs, og tilgjengelige når det er behov for det. De bør ikke avbryte legen med advarsler, med mindre disse har direkte relevans for det vedkommende holder på med i øyeblikket.
KI-verktøy må være usynlige når de ikke trengs, og tilgjengelige når det er behov for det
I forbindelse med oppgaver som best ivaretas av mennesker, bør deres autonomi bevares. KI bør støtte den kliniske dømmekraften, og leger må kunne overstyre forslag fra KI. Det er også viktig at legen har en forståelse for hvordan systemet fungerer og hvorfor det gir et bestemt forslag. Det kan bidra til å redusere automatiseringsbias.
KI-systemene må lære av legenes tilbakemeldinger og tilpasse seg lokale forhold. Det må være en løpende vurdering både av hvordan teknologien brukes og hvilken effekt den har. Man kan til og med argumentere for at vi trenger kliniske informatikere, på lik linje med dagens kliniske farmakologer (3).
Leger trenger løpende opplæring i kritisk bruk av KI. I Nairobi løste de dette ved å ha eksperter med god kompetanse på KI-verktøyet som lærte opp egne kolleger (2).
Tidseffektivisering brukes ofte som argument for implementering av KI-støtte. I Kenya brukte KI-gruppen lenger tid på sine konsultasjoner (2), men gjorde samtidig færre feil. Fokuset bør ikke være på å gjøre konsultasjoner raskere, men sikrere og mer presise. Da kan man kanskje spare ressurser senere i pasientforløpet.
Suksess avhenger av mer enn teknologi. Vi trenger dedikerte roller (for eksempel KI-koordinatorer) som kan vurdere hvilke verktøy som passer til hvilke oppgaver, og hvordan de bør implementeres. Det har hittil også vært for få kvantitative studier som vurderer praktisk implementering av KI i ulike helsesystemer.
Symbiotisk intelligens (SI) er et teoretisk konsept som adresserer den epistemiske forskyvningen som følge av generativ kunstig intelligens, samt hva som konstituerer dette konseptet som fenomen (det konseptuelle) og hvordan det faktisk utspiller seg (det kontekstuelle) (1-4, 6). Når den substansielle forståelsen av konseptet ikke vektlegges, blir det utfordrende å vurdere konseptets styrke eller svakhet per se i det kontekstuelle– spesielt når ingen av de tre studiene benytter konseptet.
Både den konseptuelle og kontekstuelle forståelsen av SI forutsetter dybdeforståelse. Når begrepet brukes uten denne dybden, reduseres det til en slagordmessig forestilling om «menneske + maskin = bedre sammen». En slik overflatisk bruk kan føre til begrepselastisitet, der SI strekkes til å dekke svært ulike praksiser, og dermed gradvis mister sitt analytiske potensial. Den semantiske og syntaktiske teoriforståelsen blir da underkommunisert, noe som vanskeliggjør håndteringen av den epistemologiske kompleksiteten konseptet forutsetter.
SI som konsept er ikke ment å beskrive mangfoldet av klinisk praksis slik den faktisk utspiller seg, men å fungere som en forskningsmessig og analytisk «linse» for å forstå hvordan samspillet mellom menneskelig og kunstig intelligens kan arte seg under bestemte forutsetninger. I tråd med et semantisk teoriperspektiv representerer konseptet en abstrahert modell, der enkelte parametere velges inn for å belyse fenomenet, mens andre nødvendigvis velges bort (5-8). Poenget er ikke å fange hele kompleksiteten i klinisk praksis, men å synliggjøre hvilke forhold som tillegges forklaringsverdi – og hvilke konsekvenser dette har for hvordan vi forstår innsikt, ansvar, dømmekraft og beslutninger. Dette illustrerer det kontrafaktiske forholdet mellom teori og praksis: Teorien beskriver hvordan samspillet ville fungert dersom de utvalgte parameterne faktisk var styrende. Avviket mellom teori og praksis er nettopp det som gir teorien analytisk verdi, forutsatt at begrepet brukes presist. Og det krever derfor både en substansiell teoriforståelse og et tilstrekkelig antall SI-primærstudier for «å måle det man tror man måler».
SI adresserer dermed hvorvidt KI endrer den epistemiske strukturen i klinisk arbeid, for eksempel ved at medisinsk resonnering i tradisjonell klinisk praksis har vært preget av en spørsmål-først-logikk. Generative og prediktive KI-systemer introduserer i økende grad en svar-først-logikk. Dette kan representere et epistemologisk skifte. Symbiotisk intelligens handler om å forstå hvordan KI omformer selve den kliniske tenkningen. Automatiseringsbias er et symptom og er ikke kjernen – fordi KI presenterer svar med høy språklig og statistisk autoritet, der usikkerhet og forutsetninger ofte er skjult, og legen møter et ferdig forslag snarere enn et åpent problemrom. Dette illustrerer et mer grunnleggende problem i dagens KI-debatt: Begrepet symbiotisk intelligens tas i bruk med en forventning om synergier, men uten å problematisere hvordan KI former selve beslutningsgrunnlaget, risikerer man å undervurdere de epistemiske implikasjonene i dette teknologiske paradigmeskiftet (6, 7). Det krever en kunnskapsberedskap både rent konseptuelt og kontekstuelt.
Litteratur:
1. Krumsvik RJ. KI og symbiotisk intelligens – en brytningstid for helsemyndiggjøring? Tidsskr Nor Psykologfor 2025; 62(10).
2. Krumsvik R, Klock K, Bratteberg MH. Symbiotic intelligence in dental trauma diagnostics—an exploratory case study. Front Oral Health. 2025;6:1687841. doi: 10.3389/froh.2025.1687841
3. Krumsvik RJ, Slettvoll V. Artificial intelligence and health empowerment in rural communities and landslide- or avalanche-isolated contexts: real case at a fictitious location. Front Digit Health. 2025;7:1655154. doi:10.3389/fdgth.2025.1655154.
4. Krumsvik RJ. Symbiotic intelligence and supervision in the education sector: the need for epistemological, conceptual and research-based clarifications. Nordic Journal of Digital Literacy. 2025;20(2):67–74. doi:10.18261/njdl.20.2.1.
5. Krumsvik RJ. Teacher educators’ digital competence. Scand J Educ Res. 2014;58(3):269–280. doi:10.1080/00313831.2012.726273.
6. Krumsvik, R.J. (2026, work in progress). Toward an Emergent Symbiotic Intelligence: A Study of Five AI Case-studies.
7. Krumsvik RJ. Digital kompetanse i KI-samfunnet: Et blikk på hvordan kunstig intelligens preger livene våre. Oslo: Cappelen Damm Akademisk; 2023.
8. Kvernbekk T. The nature of educational theories: goal-directed, equivalence and interlevel theories. London: Routledge; 2021.
Takk til professor Krumsvik for tydelig beskrivelse av «symbiotisk intelligens». Jeg er enig i at begrepet kan miste analytisk kraft dersom det brukes for elastisk eller uten tydelig teoriforankring. I min tekst er «symbiotisk» imidlertid brukt mer som en praktisk metafor for samarbeid mellom kliniker og KI, ikke som et avgrenset teoretisk rammeverk. Kommentaren er nyttig som en klargjøring av begrepets konseptuelle ambisjon og de epistemiske spørsmålene det reiser, selv om mitt anliggende primært var de empiriske og implementeringsnære betingelsene for når menneske-KI-samspill faktisk endrer klinisk arbeid.