Ikke send meg AI-svaret. Jeg har AI selv.

Under står en historie fra vårt eget hus, tallene på hva vanen koster, de tre stedene den gjør mest skade, og de fire gangene det faktisk er riktig å lime inn rått. Til slutt det punktet som mangler i de fleste AI-retningslinjer: hvem som kvalitetssikrer svaret før det sendes.

Jeg hadde et kundemøte på kalenderen og ett problem: kompetansen kunden kom til å spørre om, satt kollegaene mine på. Ikke jeg. Så jeg gjorde det jeg trodde var riktig. Jeg brukte lang tid på å skrive ned spørsmålene så presist jeg klarte. Hva koster dette konkret? Hva er vanlig leveringstid? Hva pleier å gå galt? Hva kommer kunden til å spørre om som jeg ikke har tenkt på? Ti punkter, ett kort avsnitt hver, sendt til folk som kan faget.

Tilbake kom tunge svar. Punktliste på punktliste, avsnitt som gjentok spørsmålet mitt før de svarte på det, og en vennlig avslutning om at jeg bare måtte si fra hvis jeg trengte mer. Jeg leste tre linjer og visste hva som hadde skjedd. Ingen av kollegaene mine skriver slik.

Så måtte jeg sjekke det selv. Prisene stemte ikke. Ikke omtrent riktige heller, bare feil, presentert med den rolige selvsikkerheten en språkmodell har når den ikke vet. Resten var ikke usant, men det var for upresist til å tåle ett eneste oppfølgingsspørsmål fra en kunde. Det kunne handlet om hvilken som helst bedrift i bransjen.

Det endte med at jeg satte meg inn i faget deres selv. Jeg leste meg opp på et område kollegaene mine kan ti ganger bedre enn meg, for å kunne ha riktige tall med inn i møtet. Møtet gikk fint. Men jobben ble gjort av den i huset som hadde dårligst forutsetning for å gjøre den.

Og det er her det svir: jeg kan bruke AI selv. Jeg trenger ingen til å bruke den for meg og sende meg resultatet. Mens jeg satt der, var det nærliggende å lime svarene inn i min egen modell og be om et sammendrag. Et AI-svar kortet ned av en annen AI, på vei til et menneske som bare ville hatt tre setninger. Det var akkurat den runden jeg spurte om å slippe.

For det jeg ba om var ikke tekst. Det var de ti prosentene bare de har: prisen som faktisk gjelder i år, unntaket som alltid dukker opp, og setningen de selv ville sagt hvis de satt i møtet. Det finnes ikke i noen modell. Det finnes bare hos den som har gjort jobben hundre ganger.

Test selv: se på det siste lange svaret du sendte en kollega. Kunne hen fått omtrent det samme ved å spørre en modell selv? Da ga du ikke det du ble spurt om.

Den 3. august 2026 la den tyske utvikleren Niklas Gruhn ut et kort innlegg med tittelen «Don't be a meat proxy». Han hadde lagt merke til et mønster: når han stilte et spørsmål eller ga en tilbakemelding, kom det tilbake store blokker med ubehandlet modelltekst. Personen i den andre enden hadde ikke lagt til noe. De var et mellomledd.

Ordet er lånt fra nettverksfaget. En proxy er en tjener som står mellom to maskiner og sender forespørsler videre uten å gjøre noe med dem. En meat proxy gjør den samme jobben, bare med en kropp. Gruhns egen regel er kort: prompt gjerne en AI, men ikke bare videresend svaret. Les det, forstå det, sjekk det, og skriv svaret med dine egne ord. Det er den siste runden som viser at du faktisk har gjort de tre første.

Simon Willison kalte det «an excellent new term» samme dag, tråden på Hacker News passerte 1 800 poeng, og ordet spredte seg til Slack-kanaler langt utenfor utviklermiljøet. Det sier mest om at alle kjente igjen fenomenet lenge før det fikk et navn.

Vanen er ikke like farlig overalt. Et ulest svar i en uformell tråd koster noen minutter. De tre stedene under koster penger, tillit eller begge deler.

I 2024 avgjorde Civil Resolution Tribunal i British Columbia saken Moffatt mot Air Canada. En chatbot på flyselskapets egne sider hadde gitt en kunde feil informasjon om rabatt ved dødsfall i nær familie. Air Canada anførte at chatboten var «a separate legal entity» som svarte for seg selv. Nemnda kalte anførselen bemerkelsesverdig, avviste den, og dømte selskapet for uaktsom uriktig opplysning.

Beløpet var lite, 812 kanadiske dollar. Prinsippet er ikke lite: det virksomheten publiserer, står virksomheten for, uansett hva som formulerte det. Saken gjaldt en chatbot, men logikken treffer like hardt når det er et menneske som limer inn. Avsenderfeltet er ditt.

Kunden merker det også. Et svar som er dobbelt så langt som nødvendig, og som bruker ord ingen i bransjen sier, leses som likegyldighet. Det er dyrere enn et kort «jeg sjekker og kommer tilbake».

Test selv: finn den siste e-posten der du lovet kunden noe konkret. Kan du peke på hvor i systemet det tallet står? Klarer du ikke det, kom det fra en modell.

Den juridiske forskeren Damien Charlotin har siden 2023 ført en offentlig database over rettsavgjørelser der en part har brukt AI-oppdiktet innhold, typisk henvisninger til dommer som ikke finnes. Per 25. september 2026 sto det 2 079 saker i den. Ett år tidligere var tallet rundt 200.

Dette er advokater og prosessfullmektige, altså folk som har profesjonsansvar for hvert eneste punkt de skriver. Er det så lett å la være å sjekke der, er det ikke vanskelig å gjette hvordan det står til i en vanlig fagrapport der ingen dommer leser korrektur.

Språkmodeller finner ikke på med vilje. De fyller hullet med det som ser ut som riktig svar, og en oppdiktet kilde ser akkurat ut som en ekte. Det er derfor kildesjekk er den ene delen av arbeidet du ikke kan delegere til den som fant på kilden.

Test selv: klikk på tre tilfeldige kildehenvisninger i det siste dokumentet du fikk tilsendt. Går alle tre til en side som finnes, og står det som teksten påstår?

I BetterUp- og Stanford-undersøkelsen gikk mesteparten av det uleste innholdet mellom likestilte kollegaer, 40 prosent. 19 prosent gikk oppover til en leder, og 16 prosent nedover fra ledere til teamene deres. Det siste er verst, for da blir det uleste innholdet til beslutningsgrunnlag.

Et møtereferat er det tydeligste eksempelet. Et referat generert fra en opptaksfil, sendt ut uten at noen leste det, blir sannheten om møtet i det øyeblikket ingen protesterer. Har modellen hørt feil på ett navn eller én frist, er den feilen nå organisasjonens hukommelse. Det samme gjelder oppgavebeskrivelser: en bestilling ingen har lest, gir en leveranse ingen ville hatt, og en diskusjon om hvem som misforsto.

Test selv: åpne det siste møtereferatet du fikk. Står det noe der som ingen faktisk sa i møtet?

Kritikken er lett å dra for langt. Noen ganger er den ubehandlede teksten nettopp det riktige å sende, og en omskriving ville bare ødelagt informasjon.

1. Når innholdet må være ordrett. En feilmelding, en kommando, en paragraf eller en API-signatur skal ikke formuleres om. Da er kopien hele poenget.
2. Når mottakeren ba om modellens svar. «Hva sier modellen om dette?» er et konkret spørsmål med et konkret svar.
3. Når du merker det og sier hva du har sjekket. «Dette er fra en modell. Jeg har verifisert punkt 1 og 3, punkt 2 vet jeg ikke om stemmer» er ærlig arbeid som sparer mottakeren for tid.
4. I automatiske overleveringer mellom systemer, der et menneske i midten bare ville mistet informasjon.

Skillet går altså ikke på om AI var involvert. Det går på om noen har tatt ansvar for innholdet før det ble sendt, og om mottakeren vet hva hen har fått.

Du kan ikke kontrollere hva folk limer inn. Du kan gjøre det enkelt å levere riktig, og enkelt å si fra når noe ikke er lest.

1. Spør om ett konkret svar, ikke om en utredning. «Hvilken av de to skal vi velge, og hvorfor?» gir kortere og bedre svar enn «kan du se på dette?».
2. Si hva du skal bruke svaret til. Skal det rett inn i et kundemøte, er terskelen en annen enn om du bare skal orientere deg.
3. Be om usikkerheten eksplisitt. «Hva er du usikker på her?» er det spørsmålet en meat proxy ikke kan svare på uten å lese.
4. Sett en lengdegrense, og godta «jeg vet ikke». Maks ti linjer tvinger fram et valg om hva som er viktigst. Får folk svare kort og ærlig, slutter de å fylle tomrommet med generert tekst.

Dette krever ingen ny programvare og ingen policy på tolv sider. Det krever at noen sier det høyt.

1. Vedta én setning: du eier det du sender. Heng den i kanalen der folk faktisk skriver.
2. Skriv de tre første linjene selv i alt som går ut av huset, og ta med hva du ikke har rukket å sjekke.
3. Bestem hvilke kanaler som har leseplikt. Kunde-e-post, tilbud, anbud og fagvurderinger er det åpenbare stedet å begynne.
4. Mål én ting i en måned: hvor lang tid mottakerne bruker på å kvalitetssikre det de får. Det tallet flytter diskusjonen fra synsing til budsjett.
5. Gjør det trygt å si «dette er ikke lest». Straffer du ærlighet, får du polert tekst i stedet.