AI i undervisningen: 9 konkreta exempel för lärare

AI i undervisningen är inte en enda sak, utan en rad små arbetsmoment där ett språkverktyg kan spara tid eller ge en andra blick. Det korta svaret på vad AI faktiskt duger till i en lärares vardag är: bäst i förarbetet, användbart i material och feedback, och mest försiktigt i bedömningen. Den ordningen är ingen slump. När Skolverket följde upp AI-användningen bland lärare var planering och förberedelse det klart vanligaste området, medan bedömning var det minst utvecklade. Den här texten går igenom nio konkreta exempel ordnade per arbetsmoment, och för varje exempel: vad du gör, hur du gör det, och fallgropen att se upp med. Genomgående gäller en enda regel. Du är kvar i loopen och fattar besluten, verktyget föreslår.\n\nEnligt Skolverkets lägesbild från den 26 maj 2026, som bygger på svar från 368 lärare, hade sju av tio använt AI för just planering och förberedelse. Exemplen nedan följer den verklighet, från planeringens första utkast till den sista sammanvägningen.\n\n## AI i undervisningen: planering och förberedelse\n\n1. Utkast till en lektionsserie. Vad: ett grovt förslag på hur ett arbetsområde kan delas upp över några veckor. Hur: beskriv årskurs, ämne, mål och antal lektioner, och be om ett utkast med lärandemål och aktiviteter per pass. Du får sällan något färdigt, men du får en struktur att stryka i och bygga vidare på, vilket är snabbare än det tomma dokumentet. Fallgrop: ett AI-förslag känner inte din klass, din tid eller ditt material. Behandla det som en vikaries lektionsplan, en utgångspunkt du måste göra till din egen.\n\n2. Nivåanpassning av en uppgift. Vad: samma uppgift i en enklare och en mer utmanande variant. Hur: klistra in din befintliga instruktion och be om en version med kortare text och tydligare stödstruktur, och en med högre krav. Fallgrop: enklare språk är inte samma sak som lägre kunskapskrav. Kontrollera att den nedskalade varianten fortfarande mäter rätt förmåga och inte bara blivit lättare att läsa.\n\n## Material och förklaringar\n\n3. Exempeltexter på olika betygsnivåer. Vad: modelltexter som visar eleverna hur ett E-svar, ett C-svar och ett A-svar kan skilja sig åt. Hur: utgå från din uppgift och betygskriterierna och be om korta exempel som illustrerar progressionen, exempelvis skillnaden mellan ett enkelt och ett utvecklat resonemang. Fallgrop: en AI-genererad exempeltext är påhittad och ibland retoriskt snyggare än den är kunskapsmässigt korrekt. Läs den mot kriterierna innan du visar den, och helst mot en riktig bedömningsmatris så att exemplet verkligen landar på den nivå du säger att det gör.\n\n4. Begreppsförklaringar i flera varianter. Vad: ett svårt ämnesbegrepp förklarat på tre sätt, för olika elever. Hur: be om en förklaring för en tolvåring, en med en vardaglig liknelse och en mer exakt fackmässig. Då har du något att ta till när den första förklaringen inte når fram. Fallgrop: AI förenklar ibland genom att förvränga. Kontrollera att liknelsen inte har byggt in ett missförstånd som eleverna sedan får dra med sig.\n\n## Differentiering i klassrummet\n\n5. Flera ingångar till samma innehåll. Vad: samma stoff paketerat för olika behov i gruppen, en kortare stödtext, en med bilder eller punkter, en fördjupning. Hur: utgå från din grundtext och be om varianterna, med samma centrala begrepp i alla. Fallgrop: differentiering får inte bli en tyst sortering där vissa elever systematiskt möter ett tunnare innehåll. Syftet är olika vägar till samma mål, inte olika mål. Den avvägningen är pedagogisk och kan bara du göra.\n\n## Formativ feedback\n\n6. Ett första lager återkoppling. Vad: konkreta, framåtsyftande kommentarer på ett utkast, så att eleven kan revidera innan inlämning. Hur: låt verktyget peka på ett par styrkor och ett par utvecklingsområden kopplade till uppgiftens mål, som du sedan redigerar och gör till dina egna ord. Fallgrop: AI-feedback tenderar att bli generisk och överdrivet vänlig, och den kan missa det som verkligen betyder något i just den här texten. Använd den som ett utkast till återkoppling, aldrig som den slutliga rösten mot eleven. En djupare genomgång av hur du håller feedbacken specifik och formativ finns i inlägget om formativ feedback med AI.\n\n## Bedömningsförberedelse\n\n7. Underlag inför sambedömning. Vad: material att samlas kring när ämneslaget ska enas om var gränsen mellan E och C går. Hur: ta ett par avidentifierade elevtexter och låt var och en, och gärna ett AI-stöd, göra en placering mot kriterierna. Skillnaderna i bedömning är själva samtalsämnet på mötet. Fallgrop: låt aldrig verktyget bli domaren som avgör oenigheten. Poängen med sambedömning är att lärarna kalibrerar sig mot varandra, och ett AI-svar är på sin höjd ännu en röst i rummet. Hur den processen läggs upp praktiskt beskrivs i sambedömning i praktiken inför skolstart.\n\n8. En andra blick när du rättar ensam. Vad: en oberoende nivåindikation på en elevtext, ungefär som en kollega som läst texten före dig. Hur: kör texten mot Skolverkets kriterier och jämför indikationen med din egen bedömning. Stämmer de överens har du fått en bekräftelse, skiljer de sig har du fått en anledning att titta en gång till. Det är här ett verktyg som Bedoma hör hemma. Det analyserar texten aspekt för aspekt och föreslår en placering med belägg ur elevens egna ord, byggt enligt EU AI Act som ett beslutsstöd där du alltid sätter betyget själv. Fallgrop: indikationen är just en indikation, inte ett facit. Den är starkast som motvikt mot din egen dagsform och svagast om du låter den ersätta din läsning.\n\nEn kort not om vad ett sådant stöd faktiskt klarar, eftersom siffror utan sammanhang lätt blir marknadsföring. I den senaste mätningen, 466 elevtexter med mätdatum 2026-07-05, låg indikationen inom ett betygssteg från lärarens egen bedömning i 84,5 procent av fallen, med upp till 90 procents överensstämmelse i svenska. Hela mätmetoden redovisas öppet på transparenssidan.\n\n## Administration runt undervisningen\n\n9. Text som ändå ska skrivas. Vad: veckobrev till vårdnadshavare, mötesanteckningar, en första formulering av ett omdöme eller ett svar på ett mejl. Hur: ge stolpar och be om ett utkast i rätt ton, som du sedan kortar och rättar. Det är ofta här den mätbara tidsvinsten sitter, i det administrativa som stjäl kvällar. Fallgrop: skriv aldrig in känsliga personuppgifter om en enskild elev i en tjänst som skolan inte har avtal med. Håll utkasten avidentifierade tills de är hos rätt mottagare. Fler exempel på var tiden faktiskt går att spara finns i genomgången av hur AI hjälper lärare spara tid.\n\n## Den gemensamma nämnaren: du bestämmer\n\nDet som binder ihop de nio exemplen är inte tekniken utan arbetsfördelningen. AI gör grovjobbet i förarbetet och ger en andra blick i efterarbetet, du gör bedömningen, urvalet och det pedagogiska omdömet. Ju närmare ett moment ligger själva betygsbeslutet, desto större roll spelar din granskning och desto mindre ska du luta dig mot förslaget. Det är också precis den ordning både lärarkåren och regelverket landat i, med försiktigheten störst just kring bedömning.\n\nFör skolor som vill ge hela kollegiet samma bedömningsstöd, mot samma kriterier och i samma verktyg, finns skollicensen. Men det enklaste första steget är fortfarande att prova själv: ta en text du redan har satt betyg på, kör en analys på en avidentifierad version och jämför. Antingen bekräftas din bedömning, eller så får du en diskussion värd att ha. Båda är nyttiga.\n\n## Vanliga frågor\n\n### Vad kan AI användas till i undervisningen?\n\nFrämst i förarbetet och efterarbetet: utkast till planeringar, nivåanpassade uppgifter, exempeltexter, begreppsförklaringar, differentierat material, ett första lager formativ feedback, underlag för sambedömning, en andra blick i rättningen och administrativ text som veckobrev och mejl. Enligt Skolverkets lägesbild från maj 2026 är planering och förberedelse det vanligaste området, medan bedömning är det minst utvecklade.\n\n### Får AI användas i själva undervisningen?\n\nJa, det finns inget förbud mot att använda AI som stöd i lärararbetet. Men betygsbeslut är myndighetsutövning och ska fattas av läraren, och AI-verktyg som bedömer elevers lärande omfattas av krav på mänsklig kontroll enligt EU:s AI-förordning. Verktyget får föreslå, du beslutar. Se genomgången av EU AI Act i svensk skola.\n\n### Hur börjar jag använda AI i undervisningen utan att det blir fel?\n\nBörja i det ofarliga och administrativa, som utkast till planeringar och material, där konsekvenserna av ett svagt förslag är små. Håll elevtexter avidentifierade och använd bara tjänster som huvudmannen har godkänt. Spara bedömningsstöd till sist och behandla det som en andra läsare, inte som ett facit.\n\n### Kan AI rätta och bedöma elevtexter?\n\nAI kan analysera en text mot betygskriterierna och föreslå en nivå med motivering, vilket är ett värdefullt underlag särskilt när du rättar ensam. Men indikationen är inte ett betyg. I mätningen på 466 elevtexter, mätdatum 2026-07-05, låg indikationen inom ett betygssteg från lärarens bedömning i 84,5 procent av fallen. Läraren gör alltid den slutliga sammanvägningen.\n\n### Är det fusk att använda AI som lärare?\n\nNej. Att en lärare använder AI för att förbereda material eller få en andra blick i rättningen är ett hjälpmedel i det professionella arbetet, inte fusk. Fuskfrågan gäller elever som lämnar in AI-genererat arbete som sitt eget. Som lärare ansvarar du för att förslagen granskas och att beslut och betygsunderlag är dina egna.