Maskinen ved forskningsbordet: KI, refleksivitet og fremtiden for kvalitativ forskning

AI and Qualitative Research: From Research Tool to Methodological Challenge

Yuan Ren

26. juni

KI og kvalitativ forskning: Fra forskningsverktøy til metodologisk utfordring

Kunstig intelligens er ikke lenger en høflig «fremtidsgjest» som venter utenfor forskningskontoret; i denne artikkelen har teknologien allerede gjort sitt inntog i helsevesen, utdanning og vitenskapelig utforskning. Dellafiore, Saba, Collaro og Artioli innleder med å tegne et krystallklart bakteppe: KI, som et tverrfaglig felt som spenner over informatikk, ingeniørvitenskap, matematikk, lingvistikk og psykologi, omformer forskningsmetodene i høyt tempo. Prediktiv KI benytter maskinlæring og statistiske modeller for å identifisere mønstre og fatte beslutninger, mens generativ KI produserer tekst, bilder, lyd og video ved hjelp av store grunnmodeller (Dellafiore et al., 2026). Artikkelen er likevel ingen ensidig hyllest til teknologien. Forfatterne setter tvert imot kontroversene i fullt lys: når KI introduseres i kvalitativ forskning, kolliderer løfter om effektivitet og bekvemmelighet umiddelbart med epistemologiske, etiske og dypt menneskelige spørsmål om hvorvidt forskeren fortsatt kan forbli i sentrum for arbeidet.

For å forankre disse spenningene i levd forskningserfaring fremfor abstrakte teorier, benyttet forfatterne et kvalitativt fortolkende design basert på semistrukturerte intervjuer og refleksiv tematisk analyse. Deltakerne var ingen tilfeldige brukere, men 14 erfarne kvalitative forskere tilknyttet italienske universiteter og helseinstitusjoner. Målet var verken å felle en enkel dom over hvorvidt KI er «godt» eller «dårlig», eller å presse problemstillingen inn i en lineær teoretisk modell. Hensikten var å forstå hvordan disse ekspertene oppfatter, tar i bruk, motsetter seg og fortolker de metodologiske og etiske konsekvensene av KI i kvalitativ forskning. Studien fulgte derfor Braun og Clarkes tilnærming til refleksiv tematisk analyse og anvendte retningslinjene i Reflexive Thematic Analysis Reporting Guidelines for å sikre transparens og vitenskapelig stringens. Dette metodologiske valget er avgjørende, ettersom artikkelen ikke jakter på ett enkelt fasitsvar, men undersøker komplekse meningsstrukturer formet av erfaring, refleksivitet og posisjonalitet (Braun & Clarke, 2021; Braun & Clarke, 2024).

Gjennomføringen av studien preges av tilsvarende grundighet. Utvalget var strategisk og inkluderte eksperter innen sosiologi, antropologi, sykepleie, medisin og kirurgi samt psykologi, samtlige med dokumenterte kvalifikasjoner innen kvalitativ forskning i form av fullførte prosjekter, fagfellevurderte publikasjoner, formell metodeopplæring og aktive forskerroller (Campbell et al., 2020). Intervjuene ble gjennomført i april og mai 2025, enten ved fysiske møter eller via Microsoft Teams. Forskerne førte i tillegg feltnotater for å fange opp nonverbal adferd og interaksjonelle nyanser. Samtlige intervjuer ble utført av en erfaren forskningssykepleier, transkribert ordrett og analysert i sammenheng med observasjonsnotatene. Det resulterende datamaterialet ble ikke begrunnet ut fra mekanisk datametning, men ut fra tilstrekkelig dybde og rikhet til å understøtte solid temautvikling. Studien innhentet dessuten etisk godkjenning fra den regionale etiske komiteen i Umbria og behandlet data i samsvar med personvernforordningen (GDPR), noe som sikrer at artikkelen har et solid etisk fundament før den retter blikket mot etikken i selve KI-teknologien.

Funnene munner ikke ut i en forenklet konklusjon, men utvikler fire tett sammenvevde temaer som belyser problemstillingen fra flere hold. Det første temaet undersøker hvordan forskere oppfatter skjæringspunktet mellom KI og kvalitativ forskning. Det første som trer frem er ikke uforbeholden entusiasme, men et klima preget av nøling, uenighet og underliggende spenninger. I enkelte forskningsmiljøer diskuteres KI knapt i det åpne rom; i andre møtes teknologien med skepsis, fordommer eller teknologifrykt. Enkelte deltakere fester seg ved feilene til KI fremfor mulighetene, oppfatter teknologien som risikabel, betrakter den som en trussel mot den kvalitative forskningens egenart, eller frykter at den undergraver forskerens kreativitet. Det artikkelen fanger her, er et genuint uavklart akademisk øyeblikk: KI har utvilsomt ankommet, men har ennå ikke funnet en trygg og etablert plass i fagfellesskapet.

Et enda mer avslørende lag kommer til syne i undertemaet om skam og ferdighetsbarrierer. Mange deltakere unngikk ikke KI i praksis, men vegret seg for å vedkjenne seg bruken åpent, eller innrømmet den først gradvis utover i intervjuet. Noen fryktet kollegers fordømmelse, andre syntes det var ubehagelig å oppgi bruk av KI, mens enkelte først under intervjuet innså at programvare de allerede benyttet, som NVivo eller Lumivero, hadde integrert KI-funksjonalitet. Artikkelens poeng her er skarpt og treffende: forskere står kanskje allerede på terskelen til KI, men nøler fortsatt med å si rett ut at de har tatt steget over. Denne nølingen henger også sammen med begrenset KI-kompetanse. De fleste deltakerne brukte generelle verktøy som ChatGPT og beskrev seg selv som autodidakter, med usikkerhet rundt hvorvidt de fullt ut forsto verktøyenes reelle kapasitet og begrensninger.

Menneskelig refleksivitet mot kunstig intelligens: Kan KI virkelig fortolke kvalitative data?

Forsiktighet er likevel ikke ensbetydende med avvisning. Det tredje undertemaet i Tema 1 viser at en betydelig gruppe deltakere inntok en åpen og pragmatisk holdning til KI, der teknologien betraktes som et støtteverktøy for forskeren og som en fremvoksende ressurs kvalitativ forskning ikke simpelthen kan ignorere. Noen uttrykte beundring over teknologiens kapasitet og tok til orde for større åpenhet i debatten. Denne åpenheten kom imidlertid alltid med en ufravikelig forutsetning: menneskelig kontroll må opprettholdes. Deltakerne understreket gjentatte ganger behovet for kritisk overoppsyn, datasikkerhet, forskningsetisk integritet og kontekstuell vurderingsevne. Det mer KI-positive standpunktet i artikkelen handler dermed ikke om å overlate styringen til maskinen, men om å la KI bistå uten noensinne å gi den det endelige fortolkningsansvaret.

Det andre temaet løfter debatten fra verktøynivået til et antropologisk og filosofisk plan, noe som utgjør et av artikkelens mest verdifulle bidrag. Deltakerne trakk et markant skille mellom maskinelle ferdigheter og menneskelige evner. KI kan tilegne seg spesifikke ferdigheter gjennom opplæring, men kritisk tenkning, refleksivitet, fortolkningsfølsomhet, intuisjon, kreativitet, tverrfaglige koblinger, sanselig språkføring, personlig erfaring og kontekstuell innlevelse ble bredt ansett som overordnede menneskelige kapasiteter dagens KI ikke makter å gjenskape. Artikkelen fremhever at verdien av kvalitativ forskning ikke utelukkende ligger i å strukturere tekst på en ryddig måte, men i hvorvidt studien åpner nye perspektiver og fremkaller en dypere forståelse hos leseren gjennom et genuint fortolkningsskifte. Uten denne gnisten kan forskningen fremstå ordnet på overflaten, men miste den analytiske dybden som gjør kvalitativt arbeid meningsfullt.

Artikkelen fremstiller likevel ikke forholdet mellom menneske og maskin som en uforsonlig kamp. Mange deltakere beskrev KI som et slags alter ego, en ekstra stemme i rommet, en samtalepartner eller en utrettelig forskningsassistent uten sjel. For enkelte forblir forskeren den som unnfanger ideen og staker ut retningen, mens KI bidrar til å formulere ideen tydeligere og mer overbevisende. Ved store datamengder kan forskere behandle KI som en supplerende observatør og i praksis spørre: «Hva ser du som jeg overser?» Slik sett vil ikke KI nødvendigvis utradere refleksiviteten, men kan fungere som et instrument som ansporer forskeren til å granske egne blindsoner mer inngående. Bildet som tegnes er ikke naiv teknologisk optimisme, men et tydelig avgrenset partnerskap: KI kan inviteres til å sitte ved bordet og ta ordet, men det er forskeren som leder samtalen og eier bordet.

Den skarpeste advarselen i den filosofiske delen knytter seg til det deltakerne omtalte som «meningsillusjonen» (illusion of meaning). Artikkelen argumenterer for at selv når KI trenes opp til å levere velskrevet og sammenhengende tekst, kan disse resultatene fremstå meningsfulle på overflaten uten å inneha genuin kvalitativ fortolkningsdybde. Deltakerne fryktet at forskere, særlig yngre forskere eller de med begrenset metodeerfaring, kan la seg forføre av flytende formuleringer og forveksle overfladisk sammenheng med grundig analyse. Bekymringen retter seg ikke bare mot maskinens kapasitet, men mot at forskerens egen faglige identitet i det stille kan flates ut. Når akademiske miljøer premierer publiseringstempo og kvantitet, kan KI lett tas i bruk for å nå mål som er målbare og effektive, men ikke nødvendigvis vitenskapelig dyptpløyende. Det kvalitative forskere verdsetter høyest, er nettopp det som vanskeligst lar seg fange av glattpolerte beregninger.

Det tredje temaet vender tilbake til forskningshverdagen og den praktiske arbeidsflyten, og her blir artikkelen svært konkret. Når det gjelder rent tekniske oppgaver, er enigheten stor. Deltakerne anerkjente bredt nytten av KI til transkripsjon av lydopptak, oppsummering av innhold, generering av visuelle sammendrag eller modeller, og særlig til bearbeiding av akademisk engelsk. Den mest utbredte og minst kontroversielle bruken var bistand til engelskspråklig skriving og oversettelse fra italiensk til engelsk. Artikkelen fastslår dette eksplisitt: 13 av de 14 deltakerne oppga at de brukte KI på en eller annen måte for å styrke engelske formuleringer. Dette er intet marginalt funn, men en av de tydeligste og mest praktisk betydningsfulle observasjonene i studien. I møte med språkbarrierer har KI allerede blitt et etablert hverdagsverktøy for kvalitative forskere.

KI-forskningsverktøy for transkripsjon, oversettelse, oppsummering og akademisk skriving

Når KI beveger seg nærmere kjernen i den kvalitative forskningsprosessen, som forskningsdesign, datainnsamling, intervjuanalyse og temautvikling, forsvinner konsensusen raskt. Noen deltakere hadde aldri vurdert å bruke KI til å utforme studier eller analysere intervjuer, mens andre brukte det til å strukturere manuskripter etter tidsskriftkrav, formulere skreddersydde ledetekster eller skape oversikt i omfattende tekstmateriale. Disse dypere bruksområdene møtte samtidig den sterkeste skepsisen. Deltakerne beskrev KI-analyse som en «svart boks» som er vanskelig å etterprøve, ettersom det er krevende å spore hvorfor ett utdrag vektlegges mens et annet utelates, eller om den resulterende fortellingen hviler på sviktende premisser. Artikkelen etablerer dermed et presist skille: KI har oppnådd bred aksept som teknisk støtteverktøy, men har ennå ikke gjort seg fortjent til tilsvarende tillit i det fortolkende arbeidet.

Når samtalen dreier seg mot fremtidig potensial, preges tonen av nøkternhet snarere enn utopiske løfter. Enkelte deltakere så for seg at KI på sikt kan legge til rette for dialog på tvers av metoder og disipliner, men mange understreket at den største flaskehalsen forblir mangelfull opplæring. Avanserte og strukturerte læringstilbud er fortsatt mangelvare, og forskere er i stor grad henvist til webinarer, kollegastøtte, prøving og feiling samt egenstudier. Flere deltakere påpekte dessuten at KI egner seg dårlig for etnografisk forskning, ettersom etnografi forutsetter fysisk tilstedeværelse, langvarig feltopphold og en gradvis utvikling av kontekstuell finfølelse. Som en deltaker treffende formulerte det: KI har ingen kropp; uansett hvor raskt den arbeider, kan den aldri ta på seg sko og gå ut i felten. Artikkelen avskriver ikke fremtiden, men fastholder at rask teknologisk utvikling ikke automatisk erstatter kvalitative arbeidsformer forankret i kroppslighet, relasjoner og stedsnærvær.

Det fjerde temaet utvider perspektivet ytterligere ved å vende blikket mot etikk og bærekraft, noe som gjør artikkelen til en refleksjon over hva slags forskningsverden KI bidrar til å skape. Etiske bekymringer var gjennomgående i alle intervjuene. Deltakerne uttrykte frykt for at KI-systemer sentraliserer makt hos de få aktørene som designer og trener modellene, og at systemene bygger på dominerende, i hovedsak vestlige kunnskapskilder som kan marginalisere minoritetsstemmer, subkulturer og underrepresenterte perspektiver. Samtidig reiste forskerne kritiske spørsmål om hvordan personopplysninger utnyttes, hvem som henter ut økonomiske gevinster fra dataene, og hvorvidt fordelene fordeles rettferdig. Artikkelen poengterer videre at i fraværet av allment anerkjente etiske retningslinjer, overlates forskere ofte til egne moralske vurderinger, noe som er utilstrekkelig i møte med utfordringer av denne skalaen.

Bærekraft ble berørt sjeldnere i intervjuene, men artikkelen behandler det likevel som et vesentlig tema. Enkelte deltakere påpekte at akademia vier altfor lite oppmerksomhet til de miljømessige kostnadene ved KI, inkludert det massive energibehovet, serverinfrastrukturen og vannkrevende kjølesystemer. Intervjuene viser til anslag om at KI-økonomien innen 2030 kan forbruke like mye energi som hele Japan. Poenget er ikke bare tallet i seg selv, men spørsmålet det reiser: hvis KI betraktes som en maskin for grenseløs regnekraft, aksepterer forskersamfunnet da en form for teknologisk antroposentrisme der datakraft overskygger økologisk ansvarlighet? I denne artikkelen blir bærekraft langt mer enn et spørsmål om strømutgifter; det reiser fundamentale spørsmål om kulturelt ansvar, generasjonsrettferdighet og hvilken fremtid forskningen ønsker å støtte opp under.

KI-etikk i forskning: Personvern, skjevheter, bærekraft og miljøpåvirkning

I diskusjonen plasserer forfatterne disse funnene inn i en raskt voksende forskningslitteratur om KI i kvalitativ metode og tilgrensende felt. De viser til at tidligere studier har undersøkt KI-drevne intervjuer, KI-assistert tematisk analyse, støtte til vitenskapelig skriving, dokumentsammendrag og holdninger til KI i helsesektoren, samtidig som det er reist gjentatte bekymringer knyttet til personvern, refleksivitet, tillit og reliabilitet. Sammenlignet med disse studiene ligger artikkelens særegne bidrag ikke i en teknisk test av et spesifikt verktøy, men i at den gjennom italienske fagstemmer løfter frem en kulturelt og disiplinært forankret refleksjon. KI behandles her ikke som en isolert teknologi, men som et sosialt fenomen som kan reorganisere forskningspraksis, faglig usikkerhet og forskernes selvforståelse.

Forfatterne argumenterer derfor for en balansert integrasjon. Kompetanseheving må ikke begrenses til teknikker for ledetekstutforming (prompts), men må favne kritisk KI-forståelse, etisk bevissthet, metodologisk refleksjon og ansvarlig praksis. Studiene som siteres i diskusjonen, underbygger denne retningen: noen vektlegger samspill og «fellesintelligens» (co-intelligence) mellom menneske og KI; andre etterlyser tydeligere utdanningsrammer, åpen deklarering av KI-bruk, tverrfaglig samarbeid og mer rigorøs validering av KI-assisterte analyser. Forfatterne mener ikke at enhver kvalitativ forsker må bli dataekspert. De peker heller mot en mer realistisk modell der kvalitative forskere samarbeider tett med KI-spesialister og informatikere, slik at verktøyene kan anvendes med nødvendig varsomhet uten at det går på bekostning av refleksivitet og kontekstuell dybde.

En av artikkelens styrker er dens åpne drøfting av egne begrensninger. Utvalget stammer fra spesifikke akademiske og geografiske miljøer, og funnene kan derfor ikke uten videre generaliseres til alle fagfelt eller regioner. KI-feltet utvikler seg dessuten i et tempo som gjør at dagens oppfatninger raskt kan endre seg. Studien undersøker subjektive oppfatninger og selvrapporterte erfaringer snarere enn å observere forskeres faktiske praksis i felt. I tillegg kan det bevisste valget om ikke å definere «kunstig intelligens» eksplisitt i starten av intervjuene ha skapt variasjoner i deltakernes begrepsforståelse, selv om dette metodologisk tillot deltakernes egne fortolkninger å tre frem. Forfatterne påpeker også en interessant taushet: til tross for at KI-oversettelsesverktøy er svært utbredt i akademia, ble dette sjelden tematisert som en egen overordnet kategori av deltakerne, noe artikkelen trekker frem som et aktuelt tema for fremtidig forskning.

Artikkelens konklusjon kretser dermed ikke rundt hvorvidt KI vil erstatte kvalitative forskere, men om hvordan forskere kan bevare kjerneelementene i sitt virke når teknologien allerede er til stede i rommet. Forfatterne konkluderer med at det kvalitative forskersamfunnet bredt anerkjenner at teknologien vil utvikle seg videre, og at KI kan være til stor hjelp for avgrensede oppgaver. Samtidig fastholder deltakerne med tyngde at forskeren må forbli det styrende subjektet. Tverrfaglig samarbeid, grundig overoppsyn, kritisk evaluering, kontekstuell sensitivitet og en vedvarende skepsis mot «meningsillusjonen» utgjør artikkelens mest solide fundament. Maskinen vil bli stadig raskere til å transkribere, oversette, sortere og oppsummere, og kan fungere som en nyttig assistent ved analysebordet; men i denne studien forblir det forskeren som til syvende og sist gir dataene mening, løfter frem konteksten og sikrer fortolkningens legitimitet.

Referanser

Braun, V., & Clarke, V. (2021). *Thematic analysis: a practical guide*. SAGE.

Braun, V., & Clarke, V. (2024). Supporting best practice in reflexive thematic analysis reporting in Palliative Medicine: A review of published research and introduction to the Reflexive Thematic Analysis Reporting Guidelines (RTARG). *Palliative Medicine*, *38*(6), 608–616. https://doi.org/10.1177/02692163241234800

Campbell, S., Greenwood, M., Prior, S., Shearer, T., Walkem, K., Young, S., Bywaters, D., & Walker, K. (2020). Purposive sampling: complex or simple? Research case examples. *Journal of Research in Nursing*, *25*(8), 652–661. https://doi.org/10.1177/1744987120927206

Dellafiore, F., Saba, A., Collaro, C., & Artioli, G. (2026). Artificial Intelligence in Qualitative Research: Insights From Experts via Reflexive Thematic Analysis. *Qualitative Health Research*, *36*(2–3), 145–165. https://doi.org/10.1177/10497323251389800