Magma
05.08.2026
KI-agenter inngår i stadig økende grad som aktive deltakere i hybride team, noe som både kan skape nye muligheter og potensielle etiske og ledelsesmessige utordringer.
Regel- og prinsippbaserte tilnærminger til etisk KI kan bidra til nødvendige minimumsstandarder, men de mangler håndhevingsmekanismer og bidrar ikke alltid til ønskede etiske utall. I en verden med autonome KI-agenter, er det behov for helhetlige etiske løsninger og perspektiver og ledere som handler ut fra tydelige og anerkjente etiske verdier. Denne artikkelen argumenterer for at en kombinasjon av
helhetlige etiske tilnærminger, som inkluderer dydsetikk og tjenende ledelse, gir et mer robust fundament for ansvarlig og nyskapende implementering av KI-agenter i organisasjoner. Dydsetikken tilbyr det aktørorienterte perspektivet som regelbaserte tilnærminger mangler.Tjenende ledelse realiserer dette fundamentet i praksis gjennom dokumentert dydsorientering og evnen til å bygge den institusjonelle, relasjonelle og moralske tilliten hybride team krever. Artikkelen er konseptuell og bygger på en gjennomgang av litteratur fra tre ulike forskningsretninger.
Innledning Digitalisering og teknologi basert på kunstig intelligens (KI) bidrar i økende grad til en radikal transformasjon av både arbeidslivet og samfunnet for øvrig (Brynjolfsson & Saunders, 2010; Loebbecke & Picot, 2015). Med tanke på hurtig utbredelse og adopsjon, er det grunn til å spørre om nødvendige etiske vurderinger får den oppmerksomheten de fortjener, både blant forskere og praktikere. Den teknologiske utviklingen kan, i en tid som av noen har blitt kalt den fjerde industrielle revolusjon eller Industry 4.0 (Ammirato et al., 2023; Schwab, 2017), på mange måter synes å overgå vår moralske forestillingsevne. Det kan derfor være gode grunner til å stille noen viktige spørsmål knyttet til etikk, ansvarlighet og samfunnsbidrag i utviklingen og bruken av kunstig intelligens (KI) og KI-agenter. En kort gjennomgang av historien til KI, hvor etiske og samfunnsmessige perspektiver vektlegges, blir presentert, før litteratur fra tre ulike forskningsretninger blir analysert og diskutert.
Den første litteraturgjennomgangen vil konsentrere seg om forskning og empiri når det gjelder etisk KI. Her vil jeg blant annet analysere eksisterende tilnærminger til etikk knyttet til KI og se på den underliggende forståelsen av etikk som brukes. Videre vil den sentrale funksjonen tillit har i adopsjon og bruk av teknologi generelt og KI mer spesifikt undersøkes. Dette vil være et utgangspunkt for å se nærmere på hvordan ledere kan forene disse perspektivene gjennom lederteorien tjenende ledelse. Dens kombinasjon av medarbeidersentrerte prinsipper, vektlegging av tjenende institusjoner og etiske orientering, kan bidra til å kombinere teknologioptimistisk samfunnsnytte med ansvarlig etisk utvikling og bruk av KI-systemer og teknologier.
Problemstillingen jeg vil se nærmere på i denne artikkelen er: Hvordan kan tjenende ledelse kombinert med en helhetlig etisk tilnærming, som inkluderer dydsetikk, bidra til en tillitsbasert, ansvarlig og nyskapende implementering av KI-agenter i organisasjoner?
Historisk bakgrunn: Kunstig intelligens, etikk og samfunnsnytte Alan Turing (19121954) regnes som en tidlig og viktig bidragsyter innen utviklingen av kunstig intelligens (KI). Han og hans kolleger bygde maskinen som knekket nazistenes Enigma-kode under andre verdenskrig, en innsats som er anslått å ha forkortet krigen med inntil to år og dermed reddet mange liv (Haenlein & Kaplan, 2019). Hans senere forskning ga oss det vi i dag kjenner som Turingtesten, hvor målet er å skille mellom menneskelig og kunstig intelligens (Akman & Blackburn, 2000; Turing, 1950). Turings arbeid kan dermed forstås i et tydelig samfunnsnyttig perspektiv.
På 1950-tallet videreutviklet Marvin Minsky (19272016) og John McCarthy (19272011) fagfeltet i USA (Haenlein & Kaplan, 2019). Et resultat av denne perioden var ELIZA, et av de første programmene som forsøkte å bestå Turingtesten ved å simulere menneskelig samtale. Skaperen Joseph Weizenbaum (1923-2008) ble imidlertid skremt av hvordan brukere tilla programmet menneskelige egenskaper og utviklet følelsesmessige tilknytninger til det, og tok til orde for å begrense slik teknologi av hensyn til samfunnsmessige konsekvenser (Weizenbaum, 1976; Bassett, 2019). Etiske vurderinger har altså lenge vært en integrert del av fagområdet.
De siste årene har utviklingen nærmest eksplodert. Avanserte språkmodeller som ChatGPT og Claude, og banebrytende prosjekter som AlphaFold, CHIEF og MISO systemer som henholdsvis forutsier proteinstrukturer og oppdager kreft tidligere og mer presist enn før viser KIs potensial til å redde liv (Coleman et al., 2025; Nussinov et al., 2022; Wang et al., 2024). Samtidig illustrerer COMPAS-programmet fra 2016, som ga diskriminerende risikovurderinger av kriminelle i USA (Borg et al., 2024, s. 119124), og Googles feilaktige bildekategorisering i 2015 (Nayak, 2019), at etiske utfordringer er høyst reelle. Til tross for perioder med begrenset satsningsåkalte «KI-vintere» er det nå liten tvil om KIs evne til å løse både komplekse og strukturelle samfunnsmessige problemer.
Tilnærming til kunstig intelligens (KI) Kompleksitet og mangfold knyttet til KI er sannsynligvis blant grunnene til at det så langt ikke er enighet om en felles definisjon. Et par eksempler på slike definisjoner som er relevante for problemstillingen som drøftes i denne artikkelen, kan derfor være nyttige å nevne. Ifølge Glikson & Williams Woolley (2020) kan KI defineres som en ny generasjon teknologier utviklet for å kunne samhandle med omgivelsene. Haenlein & Kaplan (2019) opererer med en slags tredeling hvor de først vektlegger at KI handler om et systems evne til å tolke eksterne data riktig, for så å lære av disse dataene og til slutt benytte seg av slik læring for å oppnå spesifikke mål og oppgaver gjennom fleksibel tilpasning. Noen sentrale konsepter og begreper her er det faktum at KI «samhandler med omgivelsene», inkludert mennesker, fra den første de fii nisjonen, og fokuset på læring, målorientering, fleksibilitet og tilpasning i den andre. For KI-agenter, som refererer til autonome systemer som planlegger og utfører målrettede aktiviteter og handlinger, vil dette også være relevant. Hvordan samhandlingen med andre skal skje, hvilke oppgaver som skal løses og hvordan læringen skjer er både praktiske og tekniske problemstillinger, men inneholder også etiske vurderinger og ledelsesmessige utfordringer. Kort om metode I denne artikkelen presenteres en litteraturgjennomgang av sentrale forskningsmessige bidrag innen fagområdet etisk KI. Deretter vil teori knyttet til dydsetikk, tjenende ledelse og tillit bli presentert for å sikre en mer helhetlig etisk tilnærming til KI-systemer og KI-agenter. Samtidig brukes viktige elementer fra rammeverket knyttet til tjenende ledelse til å und
Gå til mediethelhetlige etiske tilnærminger, som inkluderer dydsetikk og tjenende ledelse, gir et mer robust fundament for ansvarlig og nyskapende implementering av KI-agenter i organisasjoner. Dydsetikken tilbyr det aktørorienterte perspektivet som regelbaserte tilnærminger mangler.Tjenende ledelse realiserer dette fundamentet i praksis gjennom dokumentert dydsorientering og evnen til å bygge den institusjonelle, relasjonelle og moralske tilliten hybride team krever. Artikkelen er konseptuell og bygger på en gjennomgang av litteratur fra tre ulike forskningsretninger.
Innledning Digitalisering og teknologi basert på kunstig intelligens (KI) bidrar i økende grad til en radikal transformasjon av både arbeidslivet og samfunnet for øvrig (Brynjolfsson & Saunders, 2010; Loebbecke & Picot, 2015). Med tanke på hurtig utbredelse og adopsjon, er det grunn til å spørre om nødvendige etiske vurderinger får den oppmerksomheten de fortjener, både blant forskere og praktikere. Den teknologiske utviklingen kan, i en tid som av noen har blitt kalt den fjerde industrielle revolusjon eller Industry 4.0 (Ammirato et al., 2023; Schwab, 2017), på mange måter synes å overgå vår moralske forestillingsevne. Det kan derfor være gode grunner til å stille noen viktige spørsmål knyttet til etikk, ansvarlighet og samfunnsbidrag i utviklingen og bruken av kunstig intelligens (KI) og KI-agenter. En kort gjennomgang av historien til KI, hvor etiske og samfunnsmessige perspektiver vektlegges, blir presentert, før litteratur fra tre ulike forskningsretninger blir analysert og diskutert.
Den første litteraturgjennomgangen vil konsentrere seg om forskning og empiri når det gjelder etisk KI. Her vil jeg blant annet analysere eksisterende tilnærminger til etikk knyttet til KI og se på den underliggende forståelsen av etikk som brukes. Videre vil den sentrale funksjonen tillit har i adopsjon og bruk av teknologi generelt og KI mer spesifikt undersøkes. Dette vil være et utgangspunkt for å se nærmere på hvordan ledere kan forene disse perspektivene gjennom lederteorien tjenende ledelse. Dens kombinasjon av medarbeidersentrerte prinsipper, vektlegging av tjenende institusjoner og etiske orientering, kan bidra til å kombinere teknologioptimistisk samfunnsnytte med ansvarlig etisk utvikling og bruk av KI-systemer og teknologier.
Problemstillingen jeg vil se nærmere på i denne artikkelen er: Hvordan kan tjenende ledelse kombinert med en helhetlig etisk tilnærming, som inkluderer dydsetikk, bidra til en tillitsbasert, ansvarlig og nyskapende implementering av KI-agenter i organisasjoner?
Historisk bakgrunn: Kunstig intelligens, etikk og samfunnsnytte Alan Turing (19121954) regnes som en tidlig og viktig bidragsyter innen utviklingen av kunstig intelligens (KI). Han og hans kolleger bygde maskinen som knekket nazistenes Enigma-kode under andre verdenskrig, en innsats som er anslått å ha forkortet krigen med inntil to år og dermed reddet mange liv (Haenlein & Kaplan, 2019). Hans senere forskning ga oss det vi i dag kjenner som Turingtesten, hvor målet er å skille mellom menneskelig og kunstig intelligens (Akman & Blackburn, 2000; Turing, 1950). Turings arbeid kan dermed forstås i et tydelig samfunnsnyttig perspektiv.
På 1950-tallet videreutviklet Marvin Minsky (19272016) og John McCarthy (19272011) fagfeltet i USA (Haenlein & Kaplan, 2019). Et resultat av denne perioden var ELIZA, et av de første programmene som forsøkte å bestå Turingtesten ved å simulere menneskelig samtale. Skaperen Joseph Weizenbaum (1923-2008) ble imidlertid skremt av hvordan brukere tilla programmet menneskelige egenskaper og utviklet følelsesmessige tilknytninger til det, og tok til orde for å begrense slik teknologi av hensyn til samfunnsmessige konsekvenser (Weizenbaum, 1976; Bassett, 2019). Etiske vurderinger har altså lenge vært en integrert del av fagområdet.
De siste årene har utviklingen nærmest eksplodert. Avanserte språkmodeller som ChatGPT og Claude, og banebrytende prosjekter som AlphaFold, CHIEF og MISO systemer som henholdsvis forutsier proteinstrukturer og oppdager kreft tidligere og mer presist enn før viser KIs potensial til å redde liv (Coleman et al., 2025; Nussinov et al., 2022; Wang et al., 2024). Samtidig illustrerer COMPAS-programmet fra 2016, som ga diskriminerende risikovurderinger av kriminelle i USA (Borg et al., 2024, s. 119124), og Googles feilaktige bildekategorisering i 2015 (Nayak, 2019), at etiske utfordringer er høyst reelle. Til tross for perioder med begrenset satsningsåkalte «KI-vintere» er det nå liten tvil om KIs evne til å løse både komplekse og strukturelle samfunnsmessige problemer.
Tilnærming til kunstig intelligens (KI) Kompleksitet og mangfold knyttet til KI er sannsynligvis blant grunnene til at det så langt ikke er enighet om en felles definisjon. Et par eksempler på slike definisjoner som er relevante for problemstillingen som drøftes i denne artikkelen, kan derfor være nyttige å nevne. Ifølge Glikson & Williams Woolley (2020) kan KI defineres som en ny generasjon teknologier utviklet for å kunne samhandle med omgivelsene. Haenlein & Kaplan (2019) opererer med en slags tredeling hvor de først vektlegger at KI handler om et systems evne til å tolke eksterne data riktig, for så å lære av disse dataene og til slutt benytte seg av slik læring for å oppnå spesifikke mål og oppgaver gjennom fleksibel tilpasning. Noen sentrale konsepter og begreper her er det faktum at KI «samhandler med omgivelsene», inkludert mennesker, fra den første de fii nisjonen, og fokuset på læring, målorientering, fleksibilitet og tilpasning i den andre. For KI-agenter, som refererer til autonome systemer som planlegger og utfører målrettede aktiviteter og handlinger, vil dette også være relevant. Hvordan samhandlingen med andre skal skje, hvilke oppgaver som skal løses og hvordan læringen skjer er både praktiske og tekniske problemstillinger, men inneholder også etiske vurderinger og ledelsesmessige utfordringer. Kort om metode I denne artikkelen presenteres en litteraturgjennomgang av sentrale forskningsmessige bidrag innen fagområdet etisk KI. Deretter vil teori knyttet til dydsetikk, tjenende ledelse og tillit bli presentert for å sikre en mer helhetlig etisk tilnærming til KI-systemer og KI-agenter. Samtidig brukes viktige elementer fra rammeverket knyttet til tjenende ledelse til å und
