Den late perfeksjonisten
Jeg er utrolig lat. Det er idiotisk å innrømme det i starten av en portefølje, sikkert, men det endrer ikke hvordan arbeidslivet ser ut i 2026. Vi lever i den late perfeksjonistens tidsalder.
Jeg vil ikke gjøre den samme kjedelige oppgaven for hånd år etter år når en maskin kan gjøre den. Samtidig slipper jeg ikke noe fra meg før det er riktig. Tiden jeg sparer på det maskinen kan, bruker jeg på det den ikke kan.
Ferdigheter med kort holdbarhet
Arbeidsmåtene har endret seg nesten over natta, og de fortsetter å endre seg fra måned til måned.
Ta «prompt engineering». For tre år siden kastet arbeidslivet seg rundt for å lære opp en ny generasjon i å skrive instrukser til språkmodeller. Det var ikke rart. Modellene hadde begynt å gjøre mange jobber bedre enn mennesker, men de trengte tydelige instrukser, og de instruksene var ikke laget for at et menneske skulle skrive dem. Litt som et programmeringsspråk, som det tar år å mestre.
Hvor mange arbeidsgivere ser etter en prompt engineer i dag? Selve ferdigheten, å vite hva du skal be om, finnes fortsatt. Men stillaset folk ble lært opp i, er utdatert. På tre år!
Arbeidslivet holder ikke tritt med utviklingen, og kommer ikke til å gjøre det heller. Nysgjerrighet, lærevilje og kreativitet har blitt viktigere enn domenekunnskap. Det kommer hele tiden nye systemer og nye måter å jobbe på, og da trenger du folk som klarer å legge om raskere enn noen gang før.
Det betyr ikke at domenekunnskap er unyttig. Tvert imot. Den som har laget ting på gamlemåten, kan vurdere og skille godt fra dårlig. Ber du en KI-agent om å bygge en nettside, ser den som kan webdesign hva som ikke fungerer i første utkast, og utvikleren vet hvilke feller man går i. Det er den vurderingsevnen alt står og faller på. Det er der kvalitetssikringen skjer, og det er der man faktisk sparer tid.
Om KI-slop
Jeg hater KI-slop. Jeg hater LinkedIn-innleggene som bruker 400 ord på å si ingenting. Jeg hater illustrasjonene der alle er litt for glatte og litt for glade, og jeg hater tekstene som leser som en utfylt sjekkliste, med ett avsnitt per punkt og en oppsummering til slutt i tilfelle du sovnet.
Når det har blitt lett å lage ting, gjør alle det. Videoer, bilder, spill og programmer kommer ut i et tempo vi aldri har sett før, og få bryr seg om kvalitetssikringen. Det merkes.
Dermed er for- og ettertanke blitt mangelvare, og verdt mer enn før. I 2026 kan alle skrive en tekst uten skrivefeil. Langt fra alle tenker over hvem teksten er for, eller hva som kan skade omdømmet til den som publiserer den. At noe blir 85 prosent riktig på første forsøk er flott, men det frister mange til å hoppe over de siste 15. Samtidig blir folks KI-radar skarpere i samme tempo som feilinformasjonen sprer seg.
Noen svarer med å slutte å bruke KI helt. Da tar ting fem ganger så lang tid å lage. Jeg tror den gylne middelveien er å automatisere der automatiseringen gir et tilfredsstillende resultat, og gjøre resten selv.
Slik jobber jeg
Prøv, fiks, gjenta
Den store misforståelsen er at en språkmodell leverer et ferdig, kvalitetssikret produkt på første forsøk. Den nest største er at verktøyet ikke duger fordi første forsøk ble dårlig. Ingen av delene stemmer. Et prosjekt som faktisk blir publisert, har ofte vært gjennom titalls versjoner: litt retting her, en endring der, og stadig mer blir automatisert. Sånn jobber jeg, gjerne mens produksjonen pågår, til løsningen holder. Og en regel du lager i dag, kan du kjøre på alt du har laget før. Produksjon og forbedring går hånd i hånd.
Lei er en superkraft
Her kommer latskapen til nytte. Lete etter riktig fil, kopiere informasjonen, finne Excel-arket den skal inn i og lime den inn på riktig sted i dokumentet. Den pliktoppfyllende arbeideren har gjort dette i ti år og gjør det gjerne i ti til. Vi som synes det er verdens kjedeligste oppgave, og som kan litt mer teknologi enn snittet, automatiserer hele greia.
Skribenten som ingeniør
En skribent i dag er like mye ingeniør. Hva fungerer på første forsøk, og hva ser ut som en robot har skrevet det? Finnes det felles regler for en artikkelserie eller en nettløsning? Hva kan automatiseres, og hva må gjøres for hånd? Lønner det seg å bruke tid på automatiseringen, eller går det raskere å gjøre jobben selv? Skrivejobben er snudd på hodet og krever et nytt blikk, men de redaksjonelle avgjørelsene er de samme som før.
Skepsis i praksis
Sannhetssøking og skepsis er en del av alt jeg jobber med.
Artikler med KI, men på mine premisser
Jeg bruker KI hver dag når jeg skriver sjakkartikler. Språkmodeller er skråsikre på ting som er feil, og i sjakk blir det avslørt med en gang. Derfor har jeg bygget et eget verktøy der KI-en skriver utkast, men ikke får påstå noe om en stilling før det er sjekket mot en sjakkmotor og en partidatabase.
Hver tekst går så gjennom en automatisk sjekk mot husstilen før jeg leser den som redaktør. Historikk som maskinen ikke kan bekrefte, sjekker jeg selv mot kilder. KI-en gjør det tunge arbeidet, og jeg står for det som står der.
En resultatliste som forsvant
Klokka 17.38 under NMØ-turneringen 5. november 2026 forsvant resultatlista. Den publiserte siden ble overskrevet rett før sluttspillet, og verken serveren eller nettarkivene hadde en kopi.
Bord 1–10 var sendt direkte med DGT-brett, så de partiene kunne hentes ut derfra. Bord 11 ble aldri sendt, og de fem partiene der måtte jeg utlede. Med KI som hjelper bygde jeg resultatene opp igjen, og klokka 19.10 lå en ny liste ute. Alle 55 partiene og poengene var sjekket mot DGT.