Stillheten som AI-en slo av

Diskusjonen "er det fortsatt verdt å lære programmering når det finnes AI" starter nå fra null annenhver uke. Jeg har tenkt på det i månedsvis — først som et teoretisk spørsmål, så som ett der svaret avgjør hva du sier til den yngre som spør "hvor skal jeg begynne". Et evidensgrunnlag har dukket opp, så dette er ikke lenger meninger mot meninger. Og mildt sagt — begge høylytte ytterpunktene tar feil.

Dette er ikke "lære eller ikke lære". Det handler om hva nøyaktig du overlater til AI, og hva du holder for deg selv. Og om én ting AI faktisk har endret — ikke i retning "alt har snudd opp ned", men i en mye finere retning: den tvungne tilbakemeldingen forsvant, den virkeligheten selv tidligere ga deg.

To ytterpunkter — begge ensidige

Først rydder vi bordet for to høylytte leirer som dukker opp i hver diskusjon:

• Leir nr. 1: "Du trenger ikke lære språk lenger — AI skriver det". Høyest blant dem som selger bootcamps i stil med "bli programmerer på 30 dager med AI".
• Leir nr. 2: "Alle blir dummere, om noen år finnes det ingen spesialister". Høyest blant erfarne som er litt skremte av sin egen hjelpeløshet når de ser hvor raskt de yngre framstår som produktive.

En falsk dikotomi. I bunn og grunn har ingenting fundamentalt endret seg: som alltid verdsettes bevisst forståelse, ikke tørr pugging. AI bare utdyper gapet mellom dem som faktisk skjønner det, og resten — og gjør det raskere enn før.

Hva evidensgrunnlaget sier

Dette er ikke lenger "jeg synes". I løpet av 2025–2026 har konkrete målinger dukket opp:

• Nature (juni 2026), "Is AI ruining our skills?" — overdreven støtte på AI bryter ned ferdigheter. Ikke bare hos programmerere — også hos leger.
• Anthropic RCT på 52 ingeniører: en AI-assistent gir ~17% lavere ferdighetsdanning. Det subtile poenget — det er ikke utførelseshastigheten som lider, men dannelsen av ferdigheten. På kort sikt går det altså raskere, på lang sikt blir du dårligere.
• AI & Society: deskilling er et strukturelt problem uten ferdig løsning. Ikke "AI er dårlig", men "verktøyet har endret læringsmiljøet".
• TechCrunch: ingeniører nekter å jobbe uten AI fordi de ikke klarer seg uten lenger. Tittelen: "dette kan slå tilbake".

Konklusjonen til eksperten K. Crowston (sitert av Nature) — det handler ikke om "AI eller ikke", men om: bestem bevisst hvilke ferdigheter du holder for deg selv, og hvilke du overlater. Det er nettopp den setningen resten av innlegget bygger på.

Hva du overlater og hva du holder

Konkret — her går linjen:

Du kan ikke gjøre review på noe du ikke klarer å lese. Så "forstå uten å kunne språket" er en illusjon; det er blind tillit til AI. Og det er nettopp her skillet går mellom "en spesialist som bruker AI" og "en AI-operatør". Den første styrer AI; den andre blir styrt av den.

Enda et skille som stadig blandes sammen: tap av ferdighet ≠ manglende ferdighetsdanning. En erfaren som plutselig begynner å lene seg på AI vil forbli sterk — han har allerede en modell av verden. En nybegynner som fra dag én sitter 100% på AI, vil aldri bygge den modellen. Det er to forskjellige problemer med forskjellige konsekvenser.

Hvordan lære riktig — og hvorfor egentlig ingenting har endret seg

Du må fortsatt lære — bare riktig. Ikke tørt pugge termer eller kommandoer, men forstå logikken og ha en følelse for hvordan det fungerer i det store. Verdien ligger ikke i å "huske", men i å "forstå → kunne anvende → vurdere".

Og det viktigste: dette er nøyaktig det samme som det alltid har vært, allerede før AI. Det har alltid vært de som faktisk skjønner det, som har blitt verdsatt som spesialister, ikke de som har pugget tørt. AI har ikke snudd noe på hodet — det gjør bare den late stien lettere (nå kan du "få det gjort" uten å ha forstått), så gapet mellom disse to typene blir bare dypere.

Den som lærte bevisst forblir slik. Den som var lat, forblir lat. AI skapte ikke dette skillet — det bare belyste det.

Sjekk med enkle eksempler

• Matematikk: å kunne gangetabellen utenat er ikke det samme som å "kunne matematikk". Kalkulatoren drepte oppstilt multiplikasjon, men ikke behovet for å forstå hva multiplikasjon er og når den skal brukes.
• Telefonen: du holder ikke lenger numrene i hodet — telefonen husker. Men du må vite hvem du ringer og hvorfor. Hukommelsen overlot du — vurderingen beholdt du.
• GPS: du holder ikke rutene i hodet. Men du må forstå hvor du skal — og merke når GPS-en sender deg på en tullete omvei.

I alle tre tilfellene tok maskinen den mekaniske hukommelsen, ikke forståelsen og vurderingen — og slik har det alltid vært. AI er neste iterasjon av det samme, bare med et bredere spekter av det som nå kan delegeres.

Syntaks er et biprodukt, ikke et mål

Det betyr ikke at "du ikke trenger å kunne syntaks". Syntaksen lærer du uansett — men som et biprodukt av forståelse og øvelse, ikke som mål. Du lærte jo ikke %d med flashcards — du skjønte logikken bak format-strings, og det festet seg av seg selv. Slik fungerer normal læring: du forstår → anvender → syntaksen legger seg på plass. AI bare akselererer den løkka hvis du bruker den riktig.

Men én ting har faktisk endret seg: den tvungne tilbakemeldingen forsvant

"Ingenting har endret seg" er kanskje 80% sant. Én viktig ting har faktisk endret seg, og det er ikke en bagatell.

Før tvang miljøet deg til å lære. Du kunne ikke kjøre fungerende kode uten å forstå den i det minste så mye at den faktisk virket. Kompilatoren, buggen, krasjet — det var lærere som med makt dro alle opp til et grunnivå. Kampen var obligatorisk — og den bygget forståelse selv hos de ikke spesielt iherdige.

Nå er denne læreren slått av: du kan få et fungerende resultat uten å ha forstått én eneste gang hvordan det fungerer. Straffen for manglende forståelse i øyeblikket er borte. Herfra følger en konsekvens som tesen "ingenting har endret seg" overser:

Gapet utdypes ikke bare mellom faste typer — det nye miljøet trekker dit også de som tidligere ville ha lært seg, fordi den late stien nå gir et fungerende resultat uten umiddelbar straff.

Derfor er også "den late forblir lat" for snevert. Det handler mer om miljø og vaner enn om legning: de fleste reagerer på motstand og tilbakemelding, ikke late "av natur". Fjern motstanden — og selv de ikke-late sklir. Risikoen ligger ikke bare hos de late.

Og det fineste — illusjonen av kompetanse. AI tetter hullene så glatt at du aldri går inn i veggen av din egen uvitenhet og dermed ikke merker den. Det føles som om du forstår, fordi "alt fungerer" (effekten metacognitive laziness). Derfor har det å forbli iherdig blitt vanskeligere: nå krever det at du bevisst skaper motstand for deg selv — av og til slå AI av, prøve å forklare eller skrive uten den, sjekke "forstår jeg virkelig, eller tror jeg bare at jeg forstår". Før gjorde virkeligheten det for deg — nå er det ditt ansvar.

Spillereglene er de samme, men spillet har blitt mer lumskt — den enkle veien maskerer seg nå som suksess.

For dem som allerede skjønner det — spillet er et annet

Alt over handler om å bygge opp ferdigheter fra null. Hvis du allerede er ferdig formet — er bildet snudd for deg, og det er viktig å si rett ut, ellers leses innlegget som "AI er dårlig", og det er ikke tesen.

Den erfarne kjenner sine grenser. Ser hva AI ga ham → på et halvt sekund forstår han hvor det er "feil", hvor det er "riktig, men ikke for dette tilfellet", hvor det er "riktig og ok her og nå". Han har en innebygd "dette lukter ikke riktig"-detektor, satt sammen av år med reelle hendelser. AI slår ikke av den detektoren — tvert imot, det mater den raskere: flere eksempler, flere tilfeller, flere patterns som må sorteres bort raskt.

Derfor er den samme AI-en som risikerer å gjøre en nybegynner til en operatør, det som gjør en senior til en turbo-senior. Boilerplate på 30 sekunder i stedet for 3 minutter. Utforske et nytt bibliotek — på en kveld, ikke på en uke. Flytte en modul fra Python til TypeScript — på ekte, ikke "en gang senere". Det er nitro i en allerede ferdigbygd motor.

Og en ting til, mer subtil: AI kan ikke lyve umerkelig til den erfarne. AI lyver til ham like ofte som til nybegynneren — han fanger det bare opp før han har lest setningen ferdig. Det som for nybegynneren er kompetanseillusjonens felle, er for senioren bare nok en bug-rapport i den daglige strømmen.

For dem som allerede har lagt ned tid, er AI turbo. For dem som ennå ikke har lagt den ned, er det enda en grunn til ikke å gjøre det. Mellom disse to tilstandene finnes ingen mellomting — og det gjør "nøyaktig når du lærte" til en av de viktigste faktorene i karrieren.

Systemisk risiko: "den ødelagte stigen"

Seniorer kommer fra juniorer. Hvis AI spiser opp juniorarbeidet og ingen bygger fundamentet → om 5–10 år er det ingen igjen å fostre opp til seniorer. Risikoen for en "tapt generasjon" spesialister er reell — og det er ikke alarmisme, men et enkelt piping-problem: inngangsrøret til systemet er stengt, utgangsrøret er ikke det.

Hvorfor det ikke kommer helt ned til null (men det blir vondt): likevekten "alle sluttet å lære" er ustabil. Mangel gjør de som lærte seg overpriset → insentivet til å lære vender tilbake. Selskaper som bevisst dyrker fram spesialister, får en moat. Men overgangen er smertefull: operatørene faller ved første alvorlige hendelse, når AI lyver tydelig og overbevisende og ingen kan skille ut sannheten.

Mitt standpunkt

• Du må lære språket — med sikte på lesing og vurdering, ikke pugging. Veien til leseflyt kan ikke kortes ned; AI korter ikke den veien — det gjør den bare umerkelig valgfri.
• Så lenge flertallet "overlater forståelsen" til AI, er det å lære seg nå et mulighetsvindu: du blir en knapp spesialist som styrer AI, ikke konkurrerer med den. Det er et kortvarig vindu — markedet tilpasser seg før eller siden. Så lenge det er åpent, er det synd å ikke bruke det.
• Sunt regime: bruk AI for å gå raskere og lære dypere, ikke for å unngå å lære. Antimønster — "gjør hele oppgaven for meg". Mønster — du skriver selv, AI forklarer "hvorfor", du setter deg inn i dens variant før du godtar den.
• Et paradoks på veien: for å bruke AI effektivt må du kunne nok til at du i det enkle ikke trenger den. Den som er avhengig av AI i enkle ting, vil i kompliserte ting bli lurt av AI uten å ha en sjanse til å merke det.

Kilder

• Nature — Is AI ruining our skills? Early results are in (juni 2026): nature.com/articles/d41586-026-01947-1
• InfoQ — Anthropic study, ~17% skill mastery drop: infoq.com/news/2026/02/ai-coding-skill-formation
• TechCrunch — Coders are refusing to work without AI: techcrunch.com/2026/05/29/coders-refusing-ai
• AI & Society — AI deskilling is a structural problem: link.springer.com/article/10.1007/s00146-025-02686-z