Glappet i mänsklig förmåga

Varför teknologisk kapacitet och mänsklig utveckling måste gå framåt tillsammans

Sammanfattning

Artificiell intelligens ökar den yttre kapaciteten snabbare än samhällen hinner utveckla de mänskliga förmågor som krävs för att använda den väl. Den här texten kallar avståndet som uppstår för glappet i mänsklig förmåga. Den argumenterar för att AI-beredskap, vid sidan av teknisk infrastruktur, reglering och kompetenspolitik, också behöver omfatta uppmärksamhet, urskiljning, handlingskraft, kroppslighet, relationellt omdöme och etiskt ansvar.

Forskningsnot: Den här texten är en institutionell syntes som kopplar institutets konceptuella ramverk till etablerad forskning och policylitteratur. Den är inte klinisk vägledning, ett diagnostiskt instrument eller ett påstående om att institutets ramverk i sin helhet har validerats oberoende.

Argumentet

AI-beredskap beskrivs vanligtvis genom infrastruktur, reglering, tekniska färdigheter, säkerhet och implementering. De dimensionerna spelar roll, men de täcker inte hela problemet. AI förändrar också villkoren under vilka människor tänker, lär, beslutar, skapar och relaterar. När system blir mer flytande, övertygande och tillgängliga kan de ta bort friktion från uppgifter som tidigare krävde minne, omdöme, reflektion, experimenterande eller mellanmänsklig ansträngning.

Swedish Institute of Inner Technology använder uttrycket glappet i mänsklig förmåga för avståndet mellan snabbt växande yttre kapacitet och den långsammare utvecklingen av inre mänskliga förmågor. Påståendet är inte att AI nödvändigtvis försvagar människor. Påståendet är att effekten av kraftfulla verktyg delvis beror på vilka förmågor människor och institutioner fortsätter att använda, skydda och utveckla.

Varför glappet spelar roll

Forsknings- och policyorgan beskriver i allt högre grad AI som en utmaning för mänsklig förmåga, inte bara som en teknisk fråga. UNESCO:s vägledning om generativ AI i utbildning efterfrågar människocentrerad policy och utveckling av mänsklig kapacitet. OECD:s arbete om AI och kompetens betonar kritisk värdering, AI-litteracitet och ansvarsfull användning. NIST:s AI Risk Management Framework behandlar AI-risk som ett sociotekniskt problem snarare än ett rent tekniskt.

De här ramverken använder inte institutets terminologi, men de stödjer en närliggande slutsats: avancerad AI kräver mänskligt omdöme omkring sig. Institutioner kan inte lägga ut ansvar bara för att systemen blir mer kapabla.

Uppmärksamhet är infrastruktur

Uppmärksamhet är inte en dekorativ personlig färdighet. Utbildning förutsätter den, demokratiskt deltagande förutsätter den, ledarskap förutsätter den och meningsfullt arbete är beroende av den. Experimentell forskning har också visat att blotta närvaron av den egna mobilen under vissa villkor kan minska tillgänglig kognitiv kapacitet. Det fyndet bör inte generaliseras till ett påstående om att telefoner i sig skadar kognition, men det illustrerar en bredare poäng: den kognitiva miljön förändrar vad som finns tillgängligt för medvetet tänkande.

Från litteracitet till formande

AI-litteracitet är nödvändig, men litteracitet är inte samma sak som formande. En människa kan veta hur en modell fungerar och ändå ha svårt att pausa före handling, upptäcka manipulation, tåla tvetydighet eller ta ansvar för konsekvenser. Information kan levereras. Förmågor utvecklas genom återkommande praktik, återkoppling, reflektion och användning i verkliga situationer.

Institutionella konsekvenser

Utbildningssystem kan fråga inte bara vad elever bör veta om AI, utan vilka former av uppmärksamhet, omdöme, kreativitet och handlingskraft som bör stärkas genom användningen. Arbetsgivare kan fråga vilka mänskliga förmågor deras AI-implementering gör viktigare och vilka arbetsflöden som oavsiktligt urholkar dem. Policymakare kan komplettera tekniska riskramverk med frågor om mänsklig översyn, meningsfull kontroll, urskiljning och social förmåga.

Praktiska implikationer

  • Behandla mänskliga förmågor som uttalade designkrav, inte som osynliga antaganden.
  • Utvärdera AI-stödda miljöer utifrån vad människor fortfarande måste lägga märke till, bedöma, välja och ta ansvar för.
  • Föredra praktiker som stärker återkomst, reflektion och handlingskraft framför system som maximerar passiv följsamhet.
  • Skilj konceptuell syntes från empiriska påståenden och uppdatera ramverket i takt med att evidensen utvecklas.

Referenser

Utvalda referenser

  • Miao, F. & Holmes, W. (2023). Guidance for Generative AI in Education and Research. UNESCO. Källa
  • Tabassi, E. (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0). NIST AI 100-1. DOI
  • OECD (2026). Skills in the AI Age. OECD Artificial Intelligence Papers, No. 60. DOI

Ward, A. F., Duke, K., Gneezy, A. & Bos, M. W. (2017). “Brain Drain: The Mere Presence of One’s Own Smartphone Reduces Available Cognitive Capacity.” Journal of the Association for Consumer Research, 2(2), 140–154. DOI

Föreslagen citering

Wellton, Camilla. The Human Capacity Gap. Swedish Institute of Inner Technology, 2026.