En ph.d.-studerende lægger tallet frem for hele sektoren
Den 20. juli offentliggjorde Higher Education Policy Institute et papir af Brendal Aformeziem, ph.d.-studerende ved University of Strathclyde, med kravet om at britiske universiteter skal holde op med at bruge scorer fra AI-detektion som primært bevis i sager om videnskabelig uredelighed. Argumentet er ikke, at studerende aldrig bruger AI. Det er, at det instrument, man vil bevise det med, producerer en fejltype, som processen ikke kan bære, og at fejlen ikke er jævnt fordelt. Internationale studerende udgør 24 procent af alle studerende i britisk videregående uddannelse og 51 procent af kandidat- og ph.d.-studerende, altså netop den gruppe, værktøjerne oftest læser forkert.
Der findes allerede en sagsbunke. Office of the Independent Adjudicator offentliggjorde i juli 2025 fire sagsresuméer om anklager for AI-assisteret uredelighed. Tre af de fire handlede om internationale eller andetsprogsstuderende, og tre faldt helt eller delvist ud mod de universiteter, der havde rejst dem. Aformeziems anbefalinger følger af den sagsbunke og ikke af den abstrakte debat: sæt detektion som primært bevis i bero, indtil der foreligger uafhængig validering, lad QAA og OIA udsende fælles vejledning om, at en score ikke alene kan bære en disciplinær afgørelse, og omlæg prøveformerne, så mindre hænger på en ubevogtet skriftlig opgave.
Hvorfor det gælder uden for universitetet. Fjern den akademiske kulisse, og tilbage står en indkøbshistorie, som enhver ejer genkender. En organisation købte et scorende værktøj, behandlede scoren som en konstatering, byggede en proces oven på den og opdagede så, at den fejlrate, den havde accepteret ved købet, var uforenelig med de afgørelser, den traf. Emnet var tilfældigvis opgaver. Det kunne lige så godt have været rejseafregninger, alarmer om intern risiko eller en leverandørsvindelscore.
Enogtres procent er ikke en fejl, det er en indstilling
Tallet nedenunder kommer fra Stanford. Et hold under ledelse af James Zou, professor i biomedicinsk datavidenskab, kørte syv udbredte AI-detektorer over 91 TOEFL-opgaver skrevet af personer uden engelsk som modersmål og over et sammenligningssæt skrevet af amerikanske ottendeklasseelever. Over for de amerikanske skoleelever klarede detektorerne sig godt. På TOEFL-opgaverne klassificerede de fejlagtigt 61,22 procent som maskinskrevne. Alle syv var enige om 18 af de 91 opgaver, og 97 procent af opgaverne blev markeret af mindst et værktøj.
Mekanismen er ikke gådefuld, og netop den er værd at tage med. Detektorer behandler forudsigeligt ordvalg og enkel sætningsbygning som maskinens signatur. Tekst fra en kompetent person, der skriver på sit andetsprog, har præcis de egenskaber. Da forskerne skrev de samme opgaver om med rigere ordforråd, faldt andelen af falske træffere sammen. Værktøjet målte aldrig, hvem der havde skrevet teksten. Det målte, hvor udsmykket engelsken var, og leverede så svaret som en udtalelse om ophavsmand.
Hvad en tærskel egentlig er. Enhver klassifikator bytter to fejl mod hinanden: tekst den anklager med urette, og tekst den lader passere. Leverandøren vælger, hvor på kurven produktet ligger, og den, der sælger ind i et miljø, hvor en falsk anklage er katastrofal, indstiller hårdt mod at lade AI-tekst slippe igennem. Det er et forsvarligt teknisk valg, og det er også grunden til, at resultatet ikke kan fungere som bevis. HEPI-papiret citerer en bred evaluering på 805 prøver, der fandt en gennemsnitlig nøjagtighed på 39,5 procent på uændret AI-tekst, faldende til 17,4 procent så snart enkle omgåelsesteknikker blev brugt, hvor nogle værktøjer læste halvdelen af alle menneskeskrevne tekster forkert.
Fire universiteter nåede samme konklusion hver for sig
University of Waterloo slukkede for Turnitins AI-detektion i september 2025. Curtin University fulgte efter i januar 2026. UCLA og UC San Diego havde allerede gjort det i 2024. Ingen af dem koordinerede med de andre, og ingen af dem konkluderede, at brugen af AI var ophørt. De konkluderede, at et tal, de ikke kunne forklare i en klagesag, er en byrde snarere end et aktiv. HEPI-papiret citerer desuden Weber-Wulffs arbejde, hvorefter ingen af de testede værktøjer levede op til kravet for pålidelige afgørelser med store konsekvenser.
Det, der trådte i stedet for værktøjet, lærer mere end fjernelsen. Institutionerne nedgraderede detektion til vejledende status, hvor en underviser må se en score privat, men ikke må påberåbe sig den i en formel klage, og de lagde prøveformerne om, så beviset for ophavsmand opstår undervejs i arbejdet i stedet for at blive udledt bagefter. Det er samme træk, et svindelteam gør, når det holder op med at diskutere en modelscore og begynder at samle et transaktionsspor.
Det afslørende tegn. Læg mærke til, hvad en institution gør med det værktøj, den siger, den stadig stoler på. Når et universitet beholder licensen, men forbyder scoren at optræde i sagsbehandlingen, har det stille omklassificeret produktet fra bevis til sortering. De fleste organisationer gør aldrig den omklassificering udtrykkelig, og sådan ender et sorteringssignal i et opsigelsesbrev.
Samme regnestykke sidder i jeres svindel- og DLP-værktøjer
Næsten ethvert scorende produkt, en ejer køber, har denne form. Data loss prevention markerer en udgående fil. En platform for intern risiko giver en medarbejders adfærd en score. En betalingsudbyder tildeler en kunde en svindelsandsynlighed. Et ansøgningsfilter rangordner en kandidat. Hvert af dem sidder i et arbejdspunkt, som nogen har valgt, hvert af dem har dér en andel af falske træffere, og i næsten hvert indkøb bliver det tal aldrig efterspurgt, fordi salgssamtalen føres i nøjagtighedsprocenter, der beskriver bedste tilfælde på leverandørens eget testsæt.
Tre spørgsmål løser det meste. Hvad er andelen af falske træffere ved den tærskel, vi rent faktisk kører, på en population der ligner vores. Hvad sker der med den andel, når inputtet kommer fra en, der er kompetent men atypisk, hvilket for en europæisk arbejdsgiver oftest betyder en person, der arbejder på sit andet eller tredje sprog. Og hvilket dokumenteret trin ligger mellem, at scoren viser sig, og at et menneske mærker konsekvensen. Udløser værktøjet handlingen direkte, er scoren allerede blevet en afgørelse, og processen bærer en risiko, ingen har prissat.
Der løber også en juridisk kant her. GDPR begrænser afgørelser, der udelukkende bygger på automatisk behandling og har retsvirkning eller på tilsvarende vis betydeligt påvirker en person, og den menneskelige medvirken skal være reel og ikke et stempel. I Danmark minder Datatilsynet desuden om, at kontrolforanstaltninger over for ansatte kræver saglig begrundelse og forudgående oplysning til medarbejderne, altså før udrulningen og ikke efter. De universiteter, der nedgraderede detektion til vejledning, endte ved et tilfælde i en forsvarlig position. En arbejdsgiver bør nå dertil med vilje.
Læs videre: Sprout slog sine tal og skar 20% samme dag | Ingen forbød det. Filteret nægtede alligevel.
