Globale AI-trends er i færd med fundamentalt at ændre vores interaktionsmønstre på områder som viden, systemer og beslutningstagen. Disse trends inkluderer bl.a.:

• Multimodale modeller, der kan kombinere og behandle forskellige datatyper som tekst, billede og lyd.
• Små, højt specialiserede sprogmodeller med et lavere dataaftryk.
• Edge-AI, som muliggør lokalt udførte AI-processer direkte på enheder, hvilket forbedrer hastighed og privatliv.
• Autonome agenter, intelligente digitale enheder der selvstændigt kan udføre handlinger. Overgangen fra traditionelle app-centrerede systemer til mere fleksibel agentbaseret interaktion.
• En hybrid tilgang, der forener AI's kapabiliteter med menneskelig intelligens for at forstærke vores kognitive evner.
• Konvergens af teknologier som opstår, når AI integreres med andre avancerede teknologier så som robotteknologi, bioteknologi og IoT, hvilket skaber helt nye anvendelsesmuligheder og løsninger. AI kan også medvirke til konvergens på tværs af eksisterende systemer, teknologier og software.

Der er ikke et værktøj, der dækker alle universitetets behov, men mange forskellige typer af AI, der kan kurateres til at blive brugt til de rigtige typer af opgaver og processer.

Studerende og eksterne aktører forventer i stigende grad, at universiteter:

• Tilbyder AI-kompetencer og moderne læringsmiljøer
• Arbejder digitalt og innovativt – både i drift og faglighed
• Deltager aktivt i udviklingen af AI-løsninger til samfundet.

AI bliver dermed ikke kun en intern forandringsdriver, men også en relevant faktor i relation til omverdenen og SDU’s omdømme.

AI er allerede en del af hverdagen for mange studerende og medarbejdere – men på forskellig vis og med varierende ansvarlighed. Derfor opleves:

• Skygge-it og ureguleret brug af ikke-godkendte AI-tjenester
• Uens praksis for deklaration og brug i undervisning og opgaver
• Behov for fælles standarder, værktøjer og læringsrum.

Det kalder på både en fælles kultur og et fælles kodeks for brugen af AI. Vi skal forholde os åbent til adfærden og tilbyde vejledning, tydelig governance og struktur, frem for at søge at styre adfærden med forbud og knopskydende, usammenhængende kommunikation.

Brugen af AI på universiteter rejser spørgsmål om:

• Akademisk integritet og snyd i uddannelse
• Bias og diskrimination i AI-drevne beslutninger
• Privatliv og databeskyttelse.

En AI-handleplan skal derfor ikke kun være en teknologiplan, men også et etisk og værdimæssigt kompas, der definerer SDU’s position og ansvar.

Med EU's AI-Act, der træder i kraft i 2025–2026, pålægges universiteter nye forpligtelser:

• Risikovurdering og registrering af AI-systemer
• Transparenskrav for brug og dokumentation af modeller
• Etisk ansvarlighed i brug af (generativ) AI
• Kompetencekrav for medarbejdere og beslutningstagere
• Forbud mod visse anvendelser.

Vi skal sikre, at vi har en tydelig og transparent governancestruktur, der håndterer de lovkrav, vi som universitet skal efterleve.

SDU oplever ligesom mange andre universiteter:

• Begrænset teknisk og analytisk kapacitet i dele af organisationen
• Manglende tid og understøttende strukturer til eksperimenter med nye teknologier
• Fragmenteret viden og praksis omkring brugen af AI.

En handleplan er derfor afgørende for udvikling af vores fælles organisatoriske kapabiliteter – både de tekniske, pædagogiske, juridiske og ledelsesmæssige.

Både studerende og forskere kan AI-generere indhold uden tilstrækkelig vurdering, og AI understøtter masseproduktion, men ikke nødvendigvis forståelse og relevans.

• Hvis studerende, forskere og undervisere ikke kvalitetssikrer for at identificere og håndtere AI-genereret indhold, der mangler faglig dybde, korrekthed eller originalitet, så medfører det tab i akademisk integritet.
• Hvis SDU ikke lykkes med at sætte barren for, hvad god kvalitet er i uddannelser og i forskning, så vil der være risiko for kvalitetsforringelse samt tab af omdømme.

Afhjælpning kan fx ske gennem: Mod til at involvere og stille krav til alle aktører i henholdsvis uddannelse og forskning til at definere kvalitetsbegreber og standarder for SDU’s ydelser. Der er behov for løbende kompetenceudvikling blandt undervisere og forskere, så de kan navigere kritisk og konstruktivt i brugen af AI.

Ukritiske anvendelse af AI-værktøjer kan bringe SDU i konflikt med gældende lovgivning og databeskyttelsesregler.

• Brug af eksterne AI-tjenester uden data-behandleraftale, ukendte træningsdata eller automatiseret dataindsamling kan føre til brud på GDPR og øvrige compliancekrav.
• Mangel på teknisk forståelse kan føre til fejl i risikovurdering eller forkert databrug.

Afhjælpning kan fx ske gennem: Differentieret sikkerhedsmodel, løbende risikovurderinger og tæt samarbejde mellem fakulteter, SDU RIO og it-sikkerhedsorganisationen.

Manglende overblik og styring over AI-anvendelse i organisationen kan føre til parallelle systemer og uautoriseret brug.

• Lokale AI-initiativer risikerer at udvikle sig i siloer uden koordinering og fælles standarder.
• Når medarbejdere eller studerende anvender AI-værktøjer uden godkendelse, øges risikoen for datasårbarhed og ineffektivitet.

Afhjælpning kan fx ske gennem: Fælles vejledninger, proaktiv kommunikation om godkendte softwareløsninger, stærk kommunikation om complianceregler samt tværgående koordinering gennem fx Communities of Practice og eksisterende tværgående funktioner.

Selv gode AI-initiativer kan fejle, hvis organisationen ikke er klar til at absorbere forandringen.

• Hvis medarbejdere ikke har tid eller opbakning til at afprøve og anvende AI, vil potentialet forblive uforløst.
• Hvis medarbejderes og lederes digitale modenhed ikke er høj nok til, at de kan tage teknologien til sig.
• Hvis forandringerne, som transformationen fører med sig, ikke bliver rammesat på en konstruktiv måde.

Afhjælpning kan fx ske gennem: Ledelsesprioritering, strategisk kompetenceudvikling og dedikeret support på tværs af fagområder og funktioner.

AI kan føre til etiske dilemmaer og juridiske brud, hvis teknologien anvendes uden omtanke eller passende regulering.

• Brugen af AI kan medføre diskrimination, bias og uigennemsigtighed, særligt i beslutningsunderstøttende systemer.
• Uklare regler for AI i undervisning og eksamener kan føre til mistillid og snyd.
• Forkert brug af AI i forskning kan kompromittere akademisk integritet.

Afhjælpning kan fx ske gennem: Et klart etisk kodeks, AI-governance og opmærksomhed på fairness, gennemsigtighed og ansvarlighed – alt sammen noget, som også kræves af os via den europæiske AI Act.

Implementeringen af AI indebærer ikke kun teknologiske og organisatoriske forandringer – den påvirker også, hvordan Syddansk Universitet opfattes af omverdenen.

• Forkert kommunikation eller uetisk brug af AI kan skade SDU’s troværdighed internt og eksternt.
• Utilstrækkelig beskyttelse af data – særligt persondata – kan føre til alvorlige tillidsbrud og juridiske konsekvenser.
• Hvis AI opfattes som uigennemsigtig, ekskluderende eller som erstatning for menneskelige relationer, kan det underminere tilliden og SDU’s værdimæssige fundament.

Afhjælpning kan fx ske gennem: Åben og proaktiv kommunikation, tydelig etik og inddragelse af studerende, medarbejdere og omverdenen i udviklingen af AI-praksis.

AI bliver ofte opfattet som en plug-and-play-løsning, men uden den rette understøttelse og forankring skaber den ikke værdi.

• Løsningen på behovet findes måske i andre digitale værktøjer, automatisering eller bedre udnyttelse af eksisterende løsninger.
• Succes med AI kræver de rette data, organisering, forandringsledelse og kompetenceudvikling.
• Forventninger om hurtig gevinst uden dataforberedelse, governance og brugerinddragelse kan føre til spildte ressourcer og svækket tillid til teknologien.

Afhjælpning kan fx ske gennem: Tydelige målsætninger og realistiske implementeringsplaner med organisatorisk og ledelsesmæssig opbakning samt tværgående strategisk ledelse af digitaliseringsinitiativer.