AI svarer på noen sekunder, men vi spør sjelden hvor svaret kommer fra. Her går vi gjennom hvorfor kildekritikken fortsatt trengs på jobb, og hva som kreves for at organisasjonens kunnskap skal være til å stole på.
For ikke så lenge siden søkte en medarbeider etter svar i flere kilder. Et intranett, et par kolleger, kanskje en perm. Kildene ble sammenlignet. Det ble vurdert hvilken kilde som virket mest oppdatert, og det som ble funnet, ble stilt spørsmål ved, ofte uten å tenke over at det var nettopp kildekritikk det handlet om.
I dag stilles det samme spørsmålet til en AI-chat. Svaret kommer på tre sekunder, formulert med total sikkerhet. Og nettopp den sikkerheten er problemet — et selvsikkert svar oppfattes sjelden som et forslag som bør granskes. Det oppfattes som en fasit.
Kildekritikken har ikke forsvunnet. Den har flyttet seg — fra mennesket som søkte, til AI-en som svarer. Men hvem gransker kildene nå?
Det enkle svaret er å skylde på modellen. Men i de aller fleste tilfeller er ikke AI-en problemet. Problemet er hva den bygger på: gamle PDF-er som aldri ble arkivert, tre versjoner av samme rutine i tre ulike systemer, en intranettside som ingen eide etter omorganiseringen.
En AI-modell er bare så god som kunnskapen den har tilgang til. Hvis kunnskapen er usammenhengende, motstridende eller utdatert, blir svaret det også — bare mer overbevisende formulert enn før.
Dette er ikke lenger et spørsmål for IT-avdelingen alene. Det er et spørsmål om kvalitet, sporbarhet og ansvar — og det havner derfor stadig oftere på bordet til virksomhetsutvikleren, kvalitetssjefen eller COO-en.
Tre situasjoner som avslører problemet
Kvalitetshendelsen. Noen handlet på et AI-generert svar som viste seg å bygge på en utdatert rutine. Ingen kan i etterkant si hvem som har godkjent den opprinnelige informasjonen, eller når den sist ble validert.
Copilot-utrullingen. Organisasjonen har investert i en AI-assistent koblet til interne dokumenter. Men ingen har egentlig gått gjennom hvilke dokumenter den faktisk henter fra — eller om de er aktuelle.
Nøkkelpersonen som slutter. Kunnskapen som fantes i hodet til en enkelt medarbeider finnes ikke skriftlig, og AI-en finner den selvsagt heller ikke. Den gjetter i stedet.
En vanlig innvending er at organisasjonen allerede har et kvalitetsledelsessystem, en dokumenthåndteringsplattform eller rutiner for oppdatering. Det er rimelig å tro at det er nok.
Men et dokumenthåndteringssystem lagrer filer — det sikrer ikke at det som faktisk vises, for et menneske eller en AI-agent, er den godkjente og sist validerte versjonen. Og rutiner hjelper lite hvis tre like dokumenter ligger i tre ulike systemer og ingen lenger vet hvilket som gjelder.
Forskjellen ligger ikke i å lagre mer kunnskap, men i å kvalitetssikre den i best mulig grad, uansett om det er et menneske eller en AI-agent som skal ta den til seg.
Å gå fra spredt kunnskap til kvalitetssikret kunnskap handler om tre ting som må henge sammen:
Versjonshåndtering — når en rutine endres, skal alle, både mennesker og AI-verktøy, automatisk se den nye versjonen. Ikke en gammel kopi som tilfeldigvis blir liggende igjen.
Sporbarhet i sanntid — AI-agenter skal kunne hente kunnskap direkte fra den verifiserte kilden via åpne grensesnitt som MCP, i stedet for å stole på utdaterte treningsdata. Hvert svar skal dessuten kunne spores tilbake til den opprinnelige kilden.
Tilgangsstyring — rett innhold skal nå rett bruker. Hvis en medarbeider ikke har tilgang til en guide, skal personen heller ikke få svar på innholdet via en AI-assistent. Tilgangsrettighetene følger med kunnskapen hele veien, uansett hvor den vises.
Det er forskjellen mellom å lagre kunnskap og å styre den — hvilken versjon som gjelder, hvor svaret kommer fra og hvem som får se hva.
AI har ikke gjort kildekritikk unødvendig. Den har gjort den usynlig — svaret ser for bra ut til å bli stilt spørsmål ved. Men organisasjonen som kan svare på spørsmålet “hvem har verifisert dette, og når?” har et solid forsprang, uansett om spørsmålet kommer fra en medarbeider eller en AI-agent.
Det er akkurat det spørsmålet vi hjelper over 300 organisasjoner med å kunne svare trygt på. Og vi viser dere gjerne mer i praksis hvordan det kan se ut for dere.
Book en demo, så viser vi dere hvordan dere kan gi både mennesker og AI-agenter en verifisert sannhetskilde.
14. november er Verdens Diabetesdag. Vi forteller derfor om guiden for utregning av karbohydrater laget av bedriften Together against Diabetes (TAD).
Oppdag hvordan Skandionkliniken gjør obligatorisk hygieneopplæring engasjerende og relevant gjennom en tydelig struktur og kobling til virksomheten.
På grunn av manglende kunnskap blir digital tilgjengelighet ofte ikke prioritert. Les om hvordan 7minds har valgt å synliggjøre dette viktige emnet.