Introduktion: ett år med AI
I slutet av 2024 är AI inte längre den blänkande nyheten i många skolor. Den första vågen av experimenterande har ersatts av något mer avslöjande: den långsamma, ärliga domen från vardagslivet i klassrummet. Vissa AI-rutiner har blivit lika självklara som att öppna närvarolistan. Andra, som en gång lyftes fram högljutt, har tyst försvunnit ur lektionsplaneringar och personalmöten.
Den här artikeln blickar tillbaka på det första hela året med AI-användning ur praktikers perspektiv. Den förklarar inte verktyg eller riktlinjer på nytt. I stället samlar den vad lärare säger faktiskt fungerade, vad som inte överlevde mötet med verkligheten och vad de önskar att de hade vetat från början. Om du planerar din AI-strategi för 2025 är det här mönster som är värda att uppmärksamma.
Hur vi samlade in perspektiv
Reflektionerna nedan bygger på sammansatta “mini-fallstudier” som har skapats utifrån intervjuer, webbinarier, utbildningstillfällen och skriftlig återkoppling från lärare i grundskolans tidigare och senare år samt vuxenutbildning i olika system. Namn och detaljer har blandats för att skydda anonymitet, men situationerna kommer att kännas igen.
Dessa lärare valdes inte ut för att de är AI-entusiaster. Många beskriver sig själva som “försiktigt nyfikna” eller “pragmatiska skeptiker”. De flesta hade minst ett års sporadisk AI-användning, ofta parallellt med skolövergripande insatser som ett fokus på AI-litteracitet eller en satsning på “AI-beredskap” i september, liknande de i vår planeringschecklista.
Deras berättelser samlas kring några tydliga teman: rutiner som fastnade, arbetsflöden som bleknade bort och lärdomar för nästa grupp skolor som påbörjar sin AI-resa.
Vad som faktiskt fastnade
Över stadier och ämnen delade de mest hållbara AI-användningarna tre egenskaper: de var snabba, låg-risk och tätt knutna till befintlig praktik.
En lärare i årskurs 4 på en stor grundskola beskrev en enkel rutin som överlevde hela året. Varje fredag klistrade hon in nästa veckas planering i ett AI-verktyg och bad om tre differentierade exit-frågor per lektion. Hon accepterade dem inte okritiskt. I stället skummade hon igenom, justerade och kastade ibland bort dem. Nyckeln var att AI minskade “tomt papper”-problemet och sparade henne tio till femton minuter per dag. Frågorna gled in naturligt i lektioner som hon redan kände sig trygg med.
På en gymnasial historielinje använde en ämnesansvarig AI för att generera första utkast till modelltexter på olika betygsnivåer. Lärarna skrev sedan om dem tillsammans på ett ämneslagsmöte och diskuterade formuleringar, struktur och vanliga missuppfattningar. AI-utkasten visades aldrig direkt för eleverna. I stället blev de en gemensam utgångspunkt för professionella samtal och ett bank av exempeltexter som kändes realistiska, inte perfekta.
Lärare inom vuxenutbildning rapporterade liknande mönster. En yrkeslärare använde AI för att omvandla kursplanespråk till lättbegripliga ordlistor och scenariobaserade frågor anpassade till olika arbetsplatssammanhang. Även här var rutinen hållbar eftersom den byggde vidare på uppgifter hon redan gjorde, bara snabbare och med större variation.
Det som förenar dessa exempel är ett “människa–AI co-pilot”-förhållningssätt, liknande modellen vi beskrev i vår text om co-pilot-undervisning: AI skriver utkast, lärare fattar beslut, förfinar och äger slutprodukten.
Tysta misslyckanden som försvann
Alla lovande idéer överlevde inte första halva terminen. Många av de tysta misslyckandena såg attraktiva ut under utbildningar, men föll samman under verklighetens begränsningar.
En gymnasial NO-institution försökte införa AI-genererade personliga arbetsblad till varje elev efter varje prov. I teorin var det en perfekt kombination av data och differentiering. I praktiken blev det ohanterligt att mata in resultat, kontrollera utdata och formatera blad för flera klasser. Lärarna rapporterade att de lade mer tid på att kurera AI-utdata än de tidigare lagt på riktade repetitionsuppgifter. Inom en termin gick de tillbaka till gemensamma, lärarutformade repetitionshäften med några AI-genererade frågebanker i bakgrunden.
I en F–6-skola försökte man använda AI-chatbots som en regelbunden “lärkompis” för äldre elever. Trots noggranna instruktioner och handledning märkte lärarna att eleverna antingen blev överberoende av chatboten för svar, eller ignorerade den helt. Hantering av inloggningar, tillgång till enheter och trygghetskontroller skapade friktion. Till sommaren användes chatboten bara ibland, oftast för specifika researchuppgifter med snäva tidsramar och tydliga kriterier för vad som räknades som lyckat.
Ett återkommande mönster i dessa misslyckanden var överambition: försök att automatisera hela arbetsflöden eller lärandeupplevelser i stället för att använda AI för att effektivisera små, väl förstådda delar av praktiken.
Mönster över stadier
Skillnader mellan stadier spelade mindre roll än man kanske kan tro. Det som spelade större roll var graden av struktur kring AI-användningen.
I grundskolans tidigare år var framgångsrika rutiner nästan alltid riktade till personalen. Lärare använde AI för planering, anpassning av material och utkast till vårdnadshavarkommunikation, men höll AI borta från eleverna under större delen av året. Det gav dem möjlighet att bygga upp trygghet, testa skyddsmekanismer och anpassa AI-användningen till befintliga ordnings- och beteendeförväntningar innan elevnära verktyg infördes i små, handledda pilotprojekt.
Lärare på högstadium och gymnasium var mer benägna att låta eleverna använda AI, särskilt i de högre årskurserna. Men de mest hållbara arbetssätten hade fortfarande tydliga ramar: AI som bollplank för projektidéer, som kontroll av grammatik och tydlighet i längre texter, eller som ett sätt att generera övningsfrågor. Där AI-användningen var löst definierad (“Använd AI för att hjälpa dig med läxan”) gled den snabbt över i genvägsbeteende.
Inom vuxenutbildning betonade lärare vikten av att koppla AI-användning direkt till förväntningar på arbetsplatsen. En företagsekonomilärare beskrev AI som “assistenten du troligen kommer att ha på ditt första jobb”. Studerande övade på att använda AI för att sammanfatta rapporter, skriva utkast till mejl och förbereda mötesanteckningar, alltid med fokus på att kontrollera korrekthet och ton. Denna koppling till anställningsbarhet gjorde AI-användningen meningsfull snarare än gimmickartad.
Upptäck kraften i Automatiserad Utbildning genom att gå med i vårt community av lärare som tar tillbaka sin tid samtidigt som de berikar sina klassrum. Med vår intuitiva plattform kan du automatisera administrativa uppgifter, personifiera elevinlärning, och engagera dig med din klass som aldrig förr.
Låt inte administrativa uppgifter överskugga din passion för att undervisa. Registrera dig idag och förvandla din utbildningsmiljö med Automatiserad Utbildning.
🎓 Registrera dig GRATIS!
Ämnesfokus
Vissa ämnen rapporterade särskilt tydliga vinster.
I språkämnen använde lärare AI för att generera korta, nivåanpassade dialoger om vilket ämne klassen än föreslog. Eleverna redigerade sedan dialogerna för att rätta fel eller anpassa dem till lokala sammanhang. Läraren behöll kontrollen över centrala ord och grammatik, men fick en jämn ström av nytt, relevant material.
I matematik var effekten mer begränsad men ändå användbar. Lärare använde AI för att skapa flera varianter av liknande problem, vilket möjliggjorde snabba låg-stakes-quiz och extra övning. De noterade dock att AI hade svårt med exakt matematisk notation och ibland gav felaktiga lösningar, vilket förstärkte behovet av noggrann kontroll.
Lärare i SO-ämnen, särskilt historia och geografi, drog nytta av AI:s förmåga att ta fram kontrasterande perspektiv eller starttexter på olika läsnivåer. En historielärare bad regelbundet AI att skriva om en komplex källa på tre olika läsåldrar och använde sedan dessa versioner för att stötta gemensam analys i helklass.
Över ämnen var mönstret konsekvent: AI fungerade bäst när det genererade råmaterial som läraren sedan formade, snarare än färdiga resurser redo att skriva ut.
Likvärdighet, tillgång och trygghet
Praktiker var öppna med utmaningarna här. Likvärdighetsfrågor visade sig främst på två sätt: ojämn tillgång till enheter hemma och varierande trygghet i att navigera AI på ett säkert sätt.
Flera högstadie- och gymnasielärare märkte att elever med stabil tillgång till AI-verktyg hemma utvecklade en mer flytande “prompt”-stil och ibland producerade mer polerade arbeten. Det väckte frågor om rättvisa i läxuppgifter. Vissa ämneslag svarade genom att flytta mer av det längre skrivandet till lektionstid, där AI-användningen kunde vara handledd och synlig.
Trygghets- och säkerhetsfrågor var mest akuta där elever interagerade direkt med AI-chatverktyg. Skolor som lyckades bättre tenderade att välja ut ett litet antal godkända verktyg, konfigurera dem försiktigt och ge explicit undervisning i säker och etisk användning som en del av ett bredare arbete med AI-litteracitet, i linje med teman från vår artikel om varför AI-litteracitet är viktigt nu.
Lärare lyfte också risken med “dold” AI-användning av personal. Några erkände att de klistrat in känslig information i öppna verktyg i stressen med rättning eller skrivande av omdömen, för att först senare inse konsekvenserna. Den mest effektiva responsen var inte skuld, utan tydlig, praktisk vägledning om vad som fick och inte fick delas, stöttad av säkrare, institutionsgodkända alternativ.
Om vi började om
När de fick frågan vad de skulle göra annorlunda en andra gång, landade praktiker i förvånansvärt få gemensamma punkter.
Många önskade att de hade börjat mindre. I stället för stora AI-projekt skulle de starta med en eller två personalinriktade rutiner per ämneslag, som att generera övningsfrågor eller anpassa texter till olika läsnivåer. När dessa satt, skulle de gradvis bygga vidare.
Flera betonade värdet av gemensamma prompts och exempel. Ämneslag som skapade en enkel “promptbank” och kom överens om hur den skulle användas fick mer konsekventa och mindre frustrerande erfarenheter än de där alla experimenterade på egen hand.
Andra underströk vikten av att anpassa AI-användningen till befintliga undervisningsmodeller. Där skolor redan hade utforskat samplanering eller samundervisning passade AI naturligt in som ytterligare en planeringspartner, ungefär som vi beskrev i vår text om människa–AI co-pilot-modellen.
Slutligen skulle många tidigare ha satsat på kompetensutveckling för personal som fokuserade på praktik, inte funktioner: korta, ämnesspecifika pass där lärare tog med verkliga planerings- eller bedömningsuppgifter och arbetade igenom dem med AI tillsammans.
En handlingsplan för 2025
Med blicken mot 2025 ger det första året av bred AI-användning en användbar kompass.
Skolor kan börja med att kartlägga vilka AI-rutiner som faktiskt har fastnat och varför. Därifrån kan de rensa bort ohållbara arbetsflöden, konsolidera det som fungerar och identifiera två eller tre nya, noggrant avgränsade pilotprojekt för det kommande året.
Det är också ett bra tillfälle att se över riktlinjer och beredskap, kanske genom att använda eller anpassa ramverk som vår checklista för AI-beredskap i september eller genom att reflektera över den bredare utvecklingen som beskrivs i två år med AI i skolor. Målet är inte mer AI, utan bättre och mer avsiktlig AI-användning.
Avgörande är att varje plan för 2025 bygger in tid för personal att reflektera, dela och iterera. De mest framgångsrika skolorna under år ett behandlade AI som ett pågående professionellt samtal, inte en engångssatsning.
Avslutning: mot hållbar praktik
Det första året med AI i klassrummen har varit rörigt, kreativt och ibland utmattande. Det har gett både genuina tidsbesparare och tyst övergivna experiment. Ändå börjar tydliga mönster framträda. AI fungerar bäst när användningen är modest i omfång, förankrad i befintlig praktik och inramad som en co-pilot snarare än en ersättare.
När du finslipar ditt arbetssätt inför 2025 är den mest värdefulla data du har dina egna medarbetares berättelser och magkänsla. Lyssna noga på vad som faktiskt har fastnat, vad som tyst har misslyckats och vad lärare önskar att de hade vetat från början. Den reflektionsloopen, mer än något enskilt verktyg, kommer att avgöra om AI blir en hållbar del av din pedagogiska praktik.
Lycka till med reflektionen!
The Automated Education Team