OpenAIs nye uddannelsesplugins er færdige pakker af apps, instruktioner og arbejdsgange til lærere, undervisere og studerende. De kan bruge valgte kursusmaterialer og godkendte værktøjer i flertrinsopgaver, men de er ikke en ny AI-model og gør ikke automatisk et undervisningsforløb fagligt korrekt, lovligt eller egnet til danske institutioner.
ChatGPT-plugins til uddannelse samler apps, instruktioner og godkendte materialer i arbejdsgange for lærere, undervisere og studerende. Pakkerne kan støtte planlægning og øvelse, men institutioner skal stadig kontrollere faglig kvalitet, adgang til personoplysninger, lokal tilgængelighed og den konkrete anvendelse efter GDPR og EU AI Act.
Hvad lancerede OpenAI den 4. august 2026?
OpenAI præsenterede tre plugins til uddannelse: ét til lærere i grundskole og ungdomsuddannelse, ét til undervisere på videregående uddannelser og ét til studerende på videregående uddannelser. Pakkerne er ifølge lanceringen tilgængelige i ChatGPT Edu og i institutionsudrulninger af ChatGPT for Teachers.
Nyheden handler dermed ikke om en selvstændig model eller en enkelt ny funktion. OpenAI samler eksisterende AI-funktioner, apps, rollebestemte færdigheder, instruktioner og almindelige arbejdsgange i en forudkonfigureret pakke. Målet er, at en bruger kan begynde med en faglig opgave uden først at bygge hele opsætningen med egne instruktioner.
Hvad er et uddannelsesplugin?
I denne sammenhæng er et plugin et lag mellem brugeren, AI-systemet og institutionens valgte ressourcer. Det beskriver, hvilke opgaver systemet skal støtte, hvilke kilder det kan bruge, og hvilke værktøjer der kan indgå. Det adskiller sig derfor fra ældre browserplugins, som primært føjede én ekstern tjeneste til en chatbot.
En lærerpakke kan for eksempel kombinere et dokument med en lektionsplan, en kalender og et værktøj til at fremstille undervisningsmateriale. Den underliggende AI kan derefter udføre flere trin i samme forløb. Det minder om et AI-workflow, men pakken giver stadig brugeren og institutionen mulighed for at begrænse værktøjer og tilladelser.
Hvordan adskiller pakken sig fra en almindelig chatbot?
En almindelig chatbot svarer typisk på den aktuelle besked og den samtalekontekst, den har fået. Et uddannelsesplugin tilføjer en bestemt rolle, gentagelige instruktioner og forbindelser til valgte materialer. Dermed kan systemet bevare en mere ensartet proces på tværs af opgaver som planlægning, produktion og kontrol.
Forskellen ligger især i handlingerne. En AI-agent kan bruge værktøjer og gennemføre flere trin, mens en chatbot uden værktøjsadgang hovedsageligt producerer tekst. OpenAIs pakker bruger agentiske funktioner, men kilden dokumenterer ikke, at alle opgaver udføres selvstændigt eller uden godkendelse. Graden af autonomi afhænger af den konkrete pakke, de tilsluttede apps og institutionens indstillinger.
Hvilke opgaver dækker de tre pakker?
| Pakke | Eksempler på opgaver | Menneskelig rolle |
|---|---|---|
| Lærer | Differentierede materialer, mindre prøver, visuelle forklaringer og beskeder til hjemmet | Læreren vælger mål, kontrollerer indhold og træffer pædagogiske beslutninger |
| Underviser | Kursusdesign, kalender, undervisningsmaterialer, websites og multimedieopgaver | Underviseren vurderer faglighed, niveau, format og bedømmelsesform |
| Studerende | Studieplaner, quizzer, flashcards, vejledning og interaktive forklaringer | Den studerende vælger kilder og bruger output som støtte til eget arbejde |
Eksemplerne viser, at pakkerne dækker både indholdsproduktion og planlægning. De siger ikke i sig selv noget om kvaliteten af det færdige materiale. OpenAIs kilde understreger, at undervisere fortsat skal kontrollere pædagogiske valg, bedømmelse og agentiske handlinger.
Hvordan bruges kursusmaterialer og andre værktøjer?
Pakkerne kan arbejde med dokumenter, kursusmaterialer, kalendere og andre apps, som institutionen har godkendt. Det gør det muligt at tage udgangspunkt i den lokale pensumliste eller et bestemt undervisningsforløb i stedet for kun at bruge modellens generelle viden.
Forbindelsen til egne materialer kan gøre et svar mere relevant, men den fjerner ikke behovet for kildekontrol. Et system kan vælge en forkert passage, blande versioner eller tilføje oplysninger, som ikke står i materialet. En praktisk arbejdsgang bør derfor bevare henvisningen til kildedokumentet og lade en fagperson kontrollere påstande, opgaver og facit, før output deles med elever eller studerende.
Det svarer til den bredere brug af ChatGPT i undervisning: værktøjet kan støtte variation og øvelse, mens læringsmål, metode og vurdering fortsat hører til den faglige opgave.
Hvad kan plugins ikke dokumentere eller garantere?
OpenAIs lancering indeholder ingen uafhængig måling af, om pakkerne forbedrer læringsudbytte, karakterer eller undervisningskvalitet. Den beskriver anvendelser og enkelte brugeroplevelser, men ikke et kontrolleret studie af effekten. Leverandørens egne brugstal og eksempler bør derfor ikke læses som dokumentation for en generel uddannelseseffekt.
Kilden dokumenterer heller ikke særskilt ydeevne på dansk, fuld tilgængelighed for institutioner i Danmark eller priser for de konkrete pakker. ChatGPT for Teachers beskrives som en løsning til verificerede amerikanske lærere og skoledistrikter, mens ChatGPT Edu er institutionsproduktet til videregående uddannelser. En lokal institution må derfor kontrollere adgang, sprogkvalitet, aftalevilkår og support i den faktiske løsning.
- Et genereret facit kan være sprogligt overbevisende uden at være fagligt korrekt.
- En standardpakke kender ikke automatisk lokale læreplaner, eksamensregler eller institutionens praksis.
- En tilsluttet app kan udvide både mulighederne og det dataflow, som skal vurderes.
Hvad betyder nyheden for uddannelse i Danmark?
Den mest konkrete betydning er skiftet fra individuel brug af løse instruktioner til institutionsstyrede arbejdsgange. En skole eller uddannelsesinstitution kan i princippet fastlægge en fælles pakke, bestemte datakilder og tilladte værktøjer. Det kan gøre det lettere at undervise i en ensartet metode og at undersøge, hvordan systemet faktisk bruges.
Nyheden er ikke dokumentation for, at de tre pakker kan købes eller aktiveres af alle danske institutioner. Relevansen ligger derfor foreløbig også i designmønstret: instruktioner, apps og adgangsrettigheder kan samles som en administreret læringsressource. Det giver ledelse, undervisere og it-ansvarlige mere at vurdere end kvaliteten af et enkelt chatsvar.
Et realistisk første forsøg kan afgrænses til materiale uden elevoplysninger, eksempelvis en quiz ud fra et offentligt pensumdokument. Læreren kan sammenligne output med faglige mål, registrere fejl og beslutte, om processen sparer tid uden at forringe kvaliteten.
Hvordan bør personoplysninger håndteres?
Et institutionsstyret produkt giver administrative kontroller, men leverandørens sikkerhedsfunktioner gør ikke brugen automatisk forenelig med GDPR. OpenAI oplyser, at data fra ChatGPT Edu og andre organisationsprodukter som udgangspunkt ikke bruges til modeltræning, og at indhold krypteres under overførsel og lagring. Institutionen skal stadig vurdere sit eget formål, behandlingsgrundlag, databehandlerforhold, opbevaring og adgang.
Datatilsynets vejledning til skoler fremhæver blandt andet formålsbegrænsning og dataminimering. I praksis betyder det, at en opgave bør kunne løses uden navne, fraværsoplysninger, helbredsforhold eller individuelle elevvurderinger, når disse data ikke er nødvendige. Tilsluttede dokumentlagre og kalendere skal indgå i samme vurdering, fordi de kan give pluginet adgang til mere end den fil, brugeren ser i øjeblikket.
AI-relateret datafortrolighed handler derfor både om træning, løbende behandling og adgangsstyring. En institution bør kende den valgte kontos indstillinger og kontrakt i stedet for at overføre vilkår fra en privat ChatGPT-konto.
Hvornår kan EU AI Act få betydning?
AI Act klassificerer ikke al brug af generativ AI i undervisning som højrisiko. Klassifikationen afhænger af systemets tilsigtede formål og den konkrete anvendelse. EU-Kommissionen nævner blandt andet systemer, der evaluerer læringsresultater, styrer læringsprocessen eller overvåger snyd, som eksempler på uddannelsesopgaver, der kan være højrisiko.
Et plugin, der kun laver et første udkast til en lektionsplan, er derfor ikke det samme som et system, der påvirker adgang, karakterer eller en elevs videre uddannelsesforløb. Kommissionens aktuelle tidsplan angiver, at reglerne for højrisikosystemer i blandt andet uddannelse anvendes fra 2. december 2027. Kravet om tilstrækkelige AI-kompetencer hos personale, der bruger AI på en organisations vegne, har været gældende siden 2. februar 2025.
En AI Act-vurdering bør knyttes til formålet, beslutningens betydning og den menneskelige kontrol. Produktnavnet eller pluginformatet afgør ikke risikoklassen alene.
Hvordan kan læringskvaliteten kontrolleres?
Kvalitetskontrol bør begynde med en konkret læringsopgave og et kendt bedømmelsesgrundlag. Hvis pluginet skal skabe øvelsesspørgsmål, kan underviseren først definere læringsmål, sværhedsgrad, tilladte kilder og facitkrav. Derefter kan output vurderes for faglige fejl, uklare formuleringer, skæv sværhedsgrad og manglende kildegrundlag.
- Vælg en afgrænset opgave, hvor fejl kan opdages før materialet bruges.
- Brug godkendte kilder og fjern personoplysninger, der ikke er nødvendige.
- Gem pluginversion, instruktioner, kilder og det genererede output.
- Lad en fagperson kontrollere indhold og facit efter faste kriterier.
- Sammenlign tidsforbrug, fejltyper og læringsværdi med den hidtidige proces.
Metoden adskiller produktivitet fra læringsværdi. Hurtigere fremstilling af mange opgaver er kun en gevinst, hvis materialet er korrekt, passer til målgruppen og bruges på en måde, der støtter den studerendes eget arbejde.
Hvad bør en institution kontrollere før et pilotforsøg?
- Bekræft om pluginet er tilgængeligt i den konkrete ChatGPT Edu- eller institutionsaftale og på hvilke sprog.
- Afgræns hvilke apps, mapper, kalendere og dokumenter systemet må tilgå.
- Beskriv hvilke opgaver der kun må give forslag, og hvilke handlinger der kræver en godkendelse.
- Kontrollér databehandleraftale, lagringssted, slettefrister, logning og administratoradgang.
- Undersøg om anvendelsen kan påvirke bedømmelse, adgang, snydekontrol eller andre beslutninger om personer.
- Fastlæg en metode til faglig kontrol, fejlrapportering og ændringer, når pluginet eller den underliggende model opdateres.
Et pilotforsøg bør have et tydeligt stopkriterium. Hvis output ikke kan spores til de valgte kilder, hvis rettighederne bliver for brede, eller hvis underviseren ikke kan kontrollere resultatet inden brug, er arbejdsgangen ikke tilstrækkeligt afgrænset.
Hvilke kilder ligger til grund?
Nyheden bygger på OpenAIs lancering af uddannelsesplugins, som FutureTools linker til. Oplysninger om organisationsdata og administrative kontroller er kontrolleret i OpenAIs beskrivelse af databeskyttelse for organisationsprodukter. Den lokale datavinkel følger Datatilsynets vejledning til skoler, mens risikoklassifikation og tidsplan bygger på EU-Kommissionens aktuelle AI Act-vejledning.