En utbildningsinstitution säljer inte en produkt med en fast specifikation. Föräldrar, studenter och uppdragsgivare väljer utifrån en kombination av schemasäkerhet, handledningsintensitet, ansvarsredovisning gentemot inspektion eller finansiär, och förmågan att följa individuell utveckling utan att detta drunknar i pappersarbete. Timmarna ligger till stor del i tre typer av arbete: stå framför klassen eller gruppen, den administrativa ansvarsredovisningen därbakom (bedömning, dokumentation, rapportering), och koordinationen mellan lärare, stöd och ledning. Den tredje kategorin växer ofta snabbast utan att någon har fattat det beslutet: scheman, undantag, ledighetsansökningar, kommunikation med föräldrar eller uppdragsgivare, ihopsamlandet av uppgifter för en revision eller ackreditering.
De omständigheter som styr utfallet är inte lika överallt. En institution med en homogen målgrupp och en stabil läroplan har en annan fördelning av bördan än en institution med många skräddarsydda upplägg, varierande intag eller en flerspråkig population. Där den administrativa bördan är hög äts tid som annars hade gått till handledning upp av ansvarsredovisning. Den skillnaden avgör delvis vad en institution kan vinna på: tillgänglighet hos lärare, snabbhet i individuell feedback, eller tillförlitligheten hos ansvarsredovisningen i sig.
AI tar delvis över arbete som tidigare helt enkelt kostade timmar. Schemaläggning med komplexa villkor kan ett system räkna ut istället för en planerare som testar det manuellt. Första utkast av rapporttexter, bedömningsanalyser eller framstegsöversikter kan tas fram av AI, med en lärare som godkänner, justerar eller avslår. Intagsformulär, anmälningsflöden och standardkommunikation gentemot föräldrar eller uppdragsgivare kan i stort sett löpa automatiskt. Det som förblir människors arbete är det pedagogiska samtalet, bedömningen av tveksamma fall, och ansvaret för slutbedömningen av en elev eller student.
Denna förskjutning påverkar jämförelsen mellan institutioner direkt. Så länge schemaläggning och ansvarsredovisning framför allt var bemanningsarbete, vann den institution som satte in mest administrativ personal eller hade en stramare planeringskultur. När en institution låter merparten av dessa uppgifter tas över, förändras vad som vinner där: inte längre vem som satt in mest kapacitet, utan vem som faktiskt lägger de frigjorda timmarna på handledning, kontaktmoment eller individuell uppmärksamhet. Två institutioner med samma AI-tillämpning kan alltså ändå prestera olika, eftersom den ena stoppar tillbaka den frigjorda tiden i klassrummet och den andra i nya rapporteringslager.
Detta sker inte i samma takt överallt. Institutioner med en standardiserad läroplan och tydliga bedömningskriterier lämpar sig lättare för automatiserat stöd än institutioner med mycket individuellt skräddarsytt arbete, där varje ärende kräver egna avvägningar. Även graden av tillsyn skiljer sig: där ledningen behandlar AI-output som ett utkast som en lärare måste godkänna, uppstår en annan kvalitetssäkring än där output flödar igenom okontrollerat. Vid beslut som berör personal gäller egna lagkrav för den avvägningen; det är upp till institutionen och dess behöriga ledning, inte en jämförelse av arbetsprocesser.
De dimensioner som tidigare framför allt handlade om volym — hur många lärare, hur mycket administrativ personal, hur många lokaler — förskjuts till dimensioner om tilldelning och ansvarsredovisning. Vinner en institution på svarshastighet gentemot föräldrar, på kvaliteten hos individuell framstegsrapportering, på tillförlitligheten hos sin bedömningsdata, eller på synligheten hos sin ansvarsredovisning gentemot inspektion eller finansiär? Varje institution kommunicerar ett påstående om en av dessa punkter, men inte varje påstående kan underbyggas med bevis. Hur ni går tillväga för att kontrollera detta för er egen proposition beskrivs på sidan om hur man testar om särskiljningsförmåga verkligen existerar.
En indikation på var en konkurrent satsar sin kapacitet går ofta att utläsa i hur de rekryterar: en institution som annonserar tjänster för dataanalytiker istället för extra administrativ personal avslöjar därmed något om var de redan har genomfört sin förskjutning, som beskrivs på sidan om vad jobbannonser från en konkurrent avslöjar. Samma förskjutningslogik gäller inom andra sektorer med jämförbar omfördelning av timmar, som framgår av analysen om vad man vinner på inom IT-sektorn nu när AI tar över arbete och i jämförelsen av vad man vinner på inom detaljhandeln nu när AI tar över arbete, där automatisering av scheman och ansvarsredovisning spelar en jämförbar roll.
Den underliggande frågan är olika för varje institution: vilken del av arbetet i er organisation kan verkligen tas över av AI, och vilken del förblir människors arbete med tillsyn. Den frågan besvaras uppgift för uppgift med arbetsanalysen från FTE TO AI.
Ni kan börja med att fastställa vad ni tror att ni vinner på: svarshastighet, individuell handledning, kvalitet i ansvarsredovisning, eller något annat. Den kostnadsfria dimensionskontrollen visar vilka av dessa påståenden som kan försvaras med bevis och vilka som framför allt är antaganden. Den fullständiga benchmarken, med bevismatrisen per dimension och jämförelsen med er peer group, är under uppbyggnad.