Skip to main content
DA / EN

AI på SDU

Sådan bruges kunstig intelligens på SDU – her er Anton Pottegårds erfaringer

Kunstig intelligens er i fuld gang med at forandre samfundet – og hvordan der forskes, undervises og innoveres på universiteterne. I en ny serie spørger vi ansatte på SDU, hvordan de bruger kunstig intelligens (AI), og hvilken forskel det gør. Her svarer Anton Pottegård, professor ved Institut for Sundhedstjenesteforskning.

Af Anton Pottegård og Susan Grønbech Kongpetsak, , 26-11-2025

1. Bruger I AI i jeres gruppe?

Ja, i vores forskningsgruppe har AI hurtigt fået en helt naturlig plads i hverdagen, og vi betragter det som et grundlæggende værktøj på linje med fx litteratursøgning eller vores statistiske programmer. Det betyder naturligvis ikke, at alle bruger det på samme måde eller i samme omfang. Vi har ikke lavet en formel strategi – men vi forsøger at skabe et miljø, hvor det forventes, at man afprøver teknologien og finder brugsmåder, der giver mening i ens eget arbejde. Vi lærer af hinanden og udvikler løbende på, hvordan vi skal bruge teknologien.

2. Kan du give eksempler på, hvad I bruger AI til i jeres gruppe?

Vi bruger AI på mange mærkelige måder, men tre hovedområder fylder mest. For det første arbejder vi meget med AI i skrivning og skrivetræning. Her fungerer modellerne som løbende sparringspartnere: de foreslår strukturer, omskriver afsnit, giver retoriske alternativer og peger på logiske svagheder. Særligt for vores yngre forskere har det været en stor hjælp i de tidlige skrivefaser, hvor man både skal lære det sproglige, det strukturelle, det logiske og det pædagogiske. Vi bruger det som en slags skrive-tutor, der gør træningen mere kontinuerlig end traditionel feedback.

For det andet bruger vi AI meget aktivt i oplæring til programmering. Vi bruger særligt analyseprogrammet ”R” i vores forskning, men læringskurven for nye kan være stejl. Her hjælper AI som en slags kode-mentor, der forklarer fejl, genererer eksempler, foreslår alternative løsninger og giver indsigt i, hvordan man kan optimere kode. Denne dynamiske støtte gør, at folk hurtigere kommer videre, fordi feedbacken er umiddelbar.

Endelig bruger vi AI i en lang række administrative og formidlingsmæssige opgaver. Det kan være at destillere lange dokumenter til korte tekster til hjemmesider, forberede udkast til mails og notater, strukturere mødematerialer eller lave førsteudkast til projektbeskrivelser. Det frigiver tid fra rutineprægede opgaver og gør det lettere at holde kvaliteten i formidlingen ensartet.

3. Hvilken forskel har AI gjort i gruppen indtil videre?

Den mest mærkbare forskel er, at nogle processer, som tidligere tog lang tid eller krævede mange iterationer, nu går væsentligt hurtigere. Det har helt grundlæggende gjort os mere produktive. Mere vigtigt, så giver det plads til de dele af arbejdet, hvor faglighed virkelig gør en forskel – som metodevalg, fortolkning, design og diskussion. Det giver mindre frustration i arbejdet, fordi man ikke sidder fast i lange perioder med tekniske eller sproglige barrierer.

På tværs af gruppen understøtter det også en fælles dialog om arbejdsprocesser. Vi taler om, hvordan vi bruger AI, hvilke erfaringer vi gør os, og hvad der fungerer bedst. Det har skabt en sjov og eksperimenterende periode, hvor der er prøvet ting af, og hvor vi deler både succeser (fx når nogen har fundet en smart løsning) og fejltrin (fx når nogen har spildt 2 timer på at lege med ChatGPT, og der ikke kom noget brugbart ud af det).

4. Hvordan kommer forskere og undervisere i gang med at bruge teknologien?

Man skal kaste sig ud i det med en konkret opgave, man allerede arbejder på, i stedet for at sætte sig for at “lære AI”. Tag i stedet en aktuel tekst, kodebid eller undervisningsopgave og spørg: kan AI hjælpe mig et skridt videre her? Mulighederne bliver tydelige, når man begynder at eksperimentere med egne materialer.

Samtidig må man acceptere, at det ikke er muligt – og heller ikke nødvendigt – at forstå teknologien til bunds, før man går i gang. Mange forskere har en naturlig tendens til først at ville gennemskue mekanismerne, men i dette tilfælde vil det kun forsinke processen. Udviklingen går så hurtigt, at ingen kan nå at forstå alt det underliggende. Det vigtigste er derfor at give slip på det traditionelle kontrolbehov, prøve teknologien af i praksis og lære gennem konkret brug. Det er i eksperimenterne, at de reelle anvendelsesmuligheder viser sig.

5. Hvad ser du som SDU’s styrker og muligheder i forhold til at kunne udnytte AI?

Jeg holder meget af at arbejde på SDU. Noget der taler særligt til mig, er at vi er store nok til at have stærke fagmiljøer og stærke administrative strukturer – men små nok til at kunne bevæge os hurtigt, når noget nyt opstår. Det tror jeg er et fremragende udgangspunkt for at være blandt dem, der eksperimenterer med og virkelig udnytter den nye teknologi, vi står med. Jeg oplever en god kultur for tværfaglighed og nysgerrighed, som er afgørende for at udnytte AI’s potentiale.

Jeg oplever også, at vi er gode til at fokusere på at skabe gode miljøer for yngre forskere. Netop de yngre er åbne for nye arbejdsformer og bærer ikke på de samme historiske forestillinger om, hvordan akademisk arbejde skal organiseres. Lad os (gamle) inspirere af dem. Det kan gøre SDU til et miljø, hvor AI kan blive en kilde til reel innovation – både metodisk, pædagogisk og organisatorisk.

6. Hvilke principper mener du bør være styrende for en ansvarlig og samtidig udviklingsorienteret brug af AI på SDU?

Det bærende princip, der har fungeret bedst for mig, er: “good enough for now, safe enough to try”. Det betyder, at vi hverken kan eller skal forstå teknologien til bunds, før vi tager den i brug, men at vi skal kaste os ud i det og justere løbende. Det betyder samtidig også, at skulle noget gå galt, så er det også acceptabelt. Det kunne fx være, at man ender med at have spildt sin tid i jagten på en smart løsning, som ultimativt ikke fungerede. Forsøget indeholder værdi i sig selv. 

Ansvarlighed for mig handler ikke om at vente, men om at arbejde transparent, dokumentere processer og fastholde, at faglige vurderinger altid ligger hos mennesker. Vi må ikke bruge AI til noget, hvor vi ikke selv kan vurdere, om det er korrekt løst.

Vi skal naturligvis have nogle grænser: vi bruger ikke AI til noget, der kan vildlede eller udviske fagligt ansvar. Fx fotorealistisk generering eller automatiseret beslutningstagning ligger uden for, hvad jeg mener er forsvarligt i en akademisk kontekst. For nu.

Inden for de rammer synes jeg til gengæld, at vi skal være modige og kreative. Hvis vi tør eksperimentere ansvarligt, kan vi udvikle nye metoder, nye undervisningsformer og nye måder at organisere vores arbejde på. Og netop at ramme den balance – mellem mod og omtanke – ser jeg som en af SDU’s centrale opgaver på den rejse, vi er på vej ud på.

PS: Artiklen ovenfor skulle have været lavet på baggrund af et klassisk interview. Pga. rejseaktivitet og en stram deadline lod det sig ikke gøre. I stedet blev artiklen struktureret og skrevet af Anton med støtte fra ChatGPT 5.1. Konkret førte han først en mundtlig samtale af 15 minutters varighed med ChatGPT om sine tanker om emnet (mens han hentede pizza en fredag aften). Dernæst foreslog han en struktur til en artikel og bad ChatGPT opsummere tankerne til et artikelformat ud fra denne. Det fungerede virkelig dårligt. Så bad han den i stedet komme med bud på hvilke spørgsmål, der kunne opsummere hovedpointerne, hvis det i stedet skulle være et Q&A-format. Disse spørgsmål blev rettet til manuelt og sendt til Susan Kongpetsak, som også justerede dem. ChatGPT blev derefter bedt om at udfylde første udkast til svar på de endelige spørgsmål (ud fra den tidligere samtale). Nogle af svarene blev den bedt om at omstrukturere for at fremhæve andre pointer. Det samlede udkast blev så rettet til i Word og efterfølgende kontrolleret og redigeret af Susan.

Læs mere om kunstig intelligens på SDU

Anton Pottegård

Professor ved Institut for Sundhedstjenesteforskning

Redaktionen afsluttet: 26.11.2025