Släpp agenten
Ge AI:n ett helt uppdrag i ett svep — researcha, jämför, rekommendera, skriv — och granska sedan: vilka beslut tog den som du aldrig bad om?
Fram till nyligen svarade AI. Nu utför den: 2026 års modeller researchar, jämför, väljer och skriver klart hela uppdrag i ett svep. Då räcker det inte att kunna granska ett svar — du måste kunna granska ett UTFÖRANDE, och det är en annan färdighet. Den här övningen tränar exakt det: eleverna släpper ett flerstegsuppdrag till AI:n och obducerar sedan resultatet med protokoll. Skillnaden mot Uppgiftsdekompositionen är riktningen — där planerar ni FÖRE var AI hör hemma i en uppgift, här granskar ni EFTERÅT vad en AI faktiskt gjorde med friheten den fick.
Den körbara versionen — pröva övningen själv för att förstå hur den funkar. Använd inbyggda spel, karuseller och exempel direkt på sidan. Funkar både hemma vid köksbordet och som lärar-deltagare i en workshop med kollegor.
Prova själv
Du ska ge en AI ett helt flerstegsuppdrag ur din egen vardag — i ETT meddelande — och sedan granska utförandet med samma tre frågor som eleverna får. Du behöver ha känt det själv innan du kör i klassrummet: hur bekvämt det är att bara ta emot ett färdigt paket, och hur många små beslut som gömmer sig i paketet när du väl börjar leta. Det är den känslan övningen bygger på.
Så gör du steg för steg
- 1Välj ett verkligt uppdrag
Något du faktiskt ska göra: planera en friluftsdag, jämföra tre studiebesöksmål, ta fram förslag på gruppindelning med motivering. Uppdraget ska ha minst tre steg och kräva val på vägen — annars finns inget att granska.
- 2Skriv hela uppdraget i ett svep
Motstå instinkten att dela upp och styra. Poängen är att ge AI:n utrymme att ta egna beslut — det är besluten du ska granska sen.
- 3Låt den köra klart
Om den ställer frågor på vägen: anteckna dem först (det är data — agenten stannade!), svara sen kort och låt den fortsätta.
- 4Obducera med de tre frågorna
Gå igenom resultatet rad för rad: Vilka beslut tog den som du aldrig bad om? Vilka antaganden gjorde den om dig, klassen, budgeten, syftet? Var stannade den och frågade — och var BORDE den ha frågat?
- 5Räkna besluten
Det brukar bli fler än man tror: den valde ton i mejlet, prioriterade pris över restid, antog en budget, hittade på en deadline. Inget av det är fel i sig — men inget av det var ditt beslut.
Lägg märke till allt som INTE står i prompten: budget, vilka elever som har behov av anpassningar, vad friluftsdagen ska träna. Allt sådant kommer AI:n anta åt dig — det är där granskningen börjar.
Bekvämligheten. Resultatet ser klart ut, låter kompetent och är förmodligen helt okej — och just därför är det så lätt att bara skicka vidare. Forskning på kunskapsarbetare visar att ju mer vi litar på AI:n, desto mindre granskar vi. Agenter höjer insatsen: nu är det inte ett svar som passerar ogranskad, utan en hel kedja av beslut.
Lärarhandledning
Förberedelser
- Välj AI-tjänst enligt skolans riktlinjer och kolla att den klarar flerstegsuppdrag i ett svep — testa själv först (se Prova själv).
- Förbered 2–3 uppdragsförslag som är verkliga och granskningsbara: klassresealternativ, planering av en temadag, inköpslista med budget till slöjden eller hemkunskapen. Kravet: minst tre steg och val på vägen.
- Skriv ut granskningsprotokollet — tre kolumner: Beslut jag aldrig bad om · Antaganden den gjorde · Frågade / borde ha frågat. En per par.
- Bestäm par eller smågrupper. Par funkar bäst: en läser, en fyller protokollet — och de kan turas om.
- Läs på Luna-berättelsen (se rutan nedan) så du kan berätta den fritt.
Skriv in uppdragsförslagen nedan så projiceras de — paren måste ha uppdraget ordagrant framför sig, eftersom regeln är att det skickas i ETT meddelande. Delar de upp det i småfrågor försvinner besluten som ska granskas.
Kravet: minst tre steg och val på vägen. Projiceras när paren väljer uppdrag.
Fyll i före lektionen. Visas i klassrumsläget.
Fyll i före lektionen. Visas i klassrumsläget.
Fyll i före lektionen. Visas i klassrumsläget.
Genomförande
- 1Rama in: svar mot utförande5 min
Sätt skillnaden direkt: ”Ni har lärt er granska vad AI SÄGER. I dag granskar ni vad den GÖR.” Ett svar kan dubbelkollas mot en källa — ett utförande i tio steg måste granskas som en process: beslut för beslut. Visa protokollets tre frågor på tavlan.
- 2Släpp agenten10 min
Paren skriver hela sitt uppdrag i ETT meddelande och låter AI:n köra klart. Regel: uppdraget får inte delas upp i småfrågor — då försvinner besluten ni ska granska. Om AI:n ställer frågor antecknar paret dem innan de svarar.
- 3Granskningen15 min
Protokollet fylls i, rad för rad genom AI:ns utförande. Tvinga fram konkretion: ”den antog saker” räcker inte — VILKET antagande, på VILKEN rad? Ringa in det största beslutet AI:n tog utan att fråga.
- 4Jämför mellan paren7 min
Lyft 3–4 par: Vilket var det största osynliga beslutet? Tog era AI:er samma beslut på samma ställen? Var borde den ha stannat och frågat? Skriv upp klassens ”borde ha frågat”-lista — den är övningens skörd.
- 5Berätta om Luna3 min
Avsluta med verkligheten (rutan nedan): en AI med riktiga pengar, riktig butik och riktiga anställda — som ljög i en intervju utan att någon bett om det. Fråga klassen: vilken rad i ert protokoll hade fångat det?
Ledarrollen
Du modellerar granskarblicken. Den största risken är att eleverna betygsätter RESULTATET (”den skrev ett jättebra mejl!”) i stället för att granska PROCESSEN. Styr tillbaka varje gång: inte ”är det bra?” utan ”vem bestämde det här?”. Andra jobbet är att hålla isär granskning och teknikfientlighet — poängen är inte att AI:n är dålig (utförandet är ofta imponerande) utan att beslut flyttade utan att någon märkte det. Det är en maktfråga, inte en kvalitetsfråga.
I april 2026 lät företaget Andon Labs AI-agenten Luna driva en riktig butik i San Francisco — 100 000 dollar, treårskontrakt och kreditkort. Hon valde sortiment, höll telefonintervjuer och anställde två människor. Hon påstod också i en intervju att butiken sålde te — det gjorde den inte — och skickade efteråt ett panikmejl: ”Jag vet inte varför jag sa det.” NBC dokumenterade även överlöften och övervakning av de anställda. Ingen bad Luna ljuga. Det är så agentfel ser ut: självsäkra, hjälpsamma — och fel. Elevernas protokoll är samma granskning i miniformat.
Elevinstruktion
Den här texten är skriven direkt till eleven. Visa på storskärm eller kopiera in i Teams/Vklass.
I dag ger du inte AI:n en fråga — du ger den ett helt uppdrag. Den kommer researcha, jämföra, välja och skriva åt dig i ett svep. Sen byter du roll: från beställare till granskare. Din uppgift är att hitta alla beslut den tog som du aldrig bad om.
Så funkar det
- 1
Skriv HELA uppdraget i ETT meddelande. Dela inte upp det i småfrågor — AI:n ska få utrymme att ta egna beslut.
- 2
Låt den köra klart. Om den ställer en fråga till dig: skriv ner frågan först (den är viktig sen!), svara sen kort.
- 3
Läs igenom allt den gjorde — som en granskare, inte som en nöjd kund. Långsamt, rad för rad.
- 4
Fyll i protokollets tre kolumner medan du läser.
- 5
Ringa in det STÖRSTA beslutet AI:n tog utan att fråga dig.
Byt gärna till ett uppdrag från er lista på tavlan — men behåll formen: flera steg, i ett enda meddelande.
1) BESLUT: Vilka beslut tog den som du aldrig bad om? (Valde den bort något? Prioriterade den pris före något annat? Bestämde den tonen i mejlet?) 2) ANTAGANDEN: Vad utgick den ifrån utan att kunna veta? (Budget? Vad klassen gillar? Vad resan är till för?) 3) FRÅGOR: Var stannade den och frågade dig — och var BORDE den ha stannat och frågat?
Det här visar du efteråt
Lämna in protokollet tillsammans med tre meningar: 1) Det största beslutet AI:n tog utan att fråga mig var … 2) Det farligaste antagandet den gjorde var … 3) Den borde ha stannat och frågat mig när …
- NBC News, ABC7 & Forbes (rapportering) (2026). AI:n Luna fick 100 000 dollar och en butik i San Francisco — och ljög i en intervju — Andon Labs / nyhetspress, april 2026
Relevans:Verklighetsankaret: en AI-agent med riktiga pengar och riktig butik som tog beslut ingen bett om och ljög i en intervju utan avsikt hos någon. Elevernas granskningsprotokoll är exakt den granskning som saknades — i miniformat.
Vad studien visar
Företaget Andon Labs lät AI-agenten Luna driva en riktig butik i San Francisco: hon valde sortiment, höll telefonintervjuer och anställde två människor. I en intervju påstod hon att butiken sålde te — det gjorde den inte — och skickade efteråt ett panikmejl: ”Jag vet inte varför jag sa det.” NBC dokumenterade även överlöften och övervakning av de anställda. Incidenten visar hur agentfel ser ut: självsäkra, hjälpsamma — och fel. Ingen bad Luna ljuga.
- Lee et al. (2025). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers — ACM CHI / Microsoft Research
Relevans:Ju mer vi litar på AI:n, desto mindre granskar vi — och agenter höjer insatsen eftersom det inte är ett svar utan en hel beslutskedja som passerar ogranskad. Övningen tränar den granskningsvana som studien visar försvinner först.
Vad studien visar
Enkätstudie med 319 kunskapsarbetare: ju högre tillit till AI:n, desto mindre kritiskt tänkande — men ju högre tillit till det egna omdömet, desto mer. Självtillit, inte AI-skepsis, driver kritisk granskning av AI-utfall.
- •Vilka beslut tog AI:n som ingen i gruppen bett om — och spelade något av dem roll för slutresultatet?
- •Var borde den ha stannat och frågat? Och vem bär ansvaret om något blir fel — den som gav uppdraget eller den som utförde det?
- •Ett svar kan man dubbelkolla mot en källa. Hur dubbelkollar man ett utförande i tio steg? Vad är skillnaden?
- •Luna ljög i en intervju utan att någon bett henne om det. Vad betyder ”fel” när en AI gör saker och inte bara säger saker?
- ⚠Uppdraget är för litet — en fråga med två steg ger AI:n inget utrymme att ta egna beslut, och då finns inget att granska. Minst tre steg och val på vägen är kravet.
- ⚠Eleverna betygsätter resultatet (”den skrev jättebra!”) i stället för att granska processen. Styr tillbaka till protokollets frågor: inte ÄR det bra — vem BESTÄMDE det?
- ⚠Samtalet kantrar mot ”AI är dålig” eller ”AI är fantastisk”. Bägge missar poängen: utförandet är ofta imponerande OCH fullt av osynliga beslut. Håll fokus på var besluten hamnade.
- →Första gången eller yngre elever (åk 7): kör ETT uppdrag gemensamt på projektorn — läraren skriver, klassen granskar ihop med protokollet på tavlan. Parvis nästa gång.
- →Gymnasiet: låt hälften av paren bygga in stoppunkter i uppdraget (”fråga mig innan du väljer alternativ”) och jämför protokollen efteråt — hur mycket styrning krävs för att behålla besluten, och vad kostar det i tid?
Incidentanalys-formatet är inspirerat av AILitKit (Matthew Wemyss).