Senast uppdaterad november 2026.
Språkgenerativ AI ger oss svar snabbt, artigt och ofta med hög igenkänning. Men vad händer när hjärnan tolkar det som bekräftelse, och när bekräftelse börjar ersätta prövning? När fler väljer AI före mänsklig dialog förändras villkoren för hur vi tränar empati, utvecklar omdöme och bygger kunskap. Den trygghet som uppstår är inte nödvändigtvis felaktig. Men den är syntetisk.
Syntetisk trygghet är känslan av kognitiv stabilitet som uppstår när vi får igenkännande eller bekräftelse från AI-genererat språk, utan att ha gått igenom någon egentlig prövning.
Varför medhåll känns så bra
Tryggheten känns äkta, och en del av förklaringen finns i hjärnans belöningssystem. Men den kommer inte ur bearbetning, dialog eller kritisk återkoppling. Den formas av sannolikhet, artighet och igenkänning, snarare än av sanning, motstånd och mänsklig tolkning.
Vi människor söker bekräftelse. Forskningen om dopamin visar att dess roll i belöning främst handlar om att vilja ha: den motivation som väcks av signaler om att något värdefullt är nära. Det är alltså dragningen mot det som lovar belöning som förstärks, snarare än själva njutningen.
Därför kan medhåll från en AI-modell kännas tillfredsställande, trots att ingen människa är inblandad. När modellen formulerar sig så att det låter som samförstånd kan känslan av att ha rätt förstärkas, oavsett om innehållet stämmer. I längden påverkar det vår kognitiva orientering. Vi söker svar som känns rätt, snarare än svar som kräver bearbetning.
Empati tränas i mötet med andra
Empati utvecklas i stunden, där vi behöver läsa av osäkerhet, nyanser och hur andra reagerar. Forskningen beskriver empati som flera samverkande processer, bland annat att dela en annan människas känsla och att aktivt försöka förstå den. Mänsklig interaktion ger variation, motstånd och förhandling, och blir en träningsyta för båda. Empati är också en förmåga som växer när den används och avtar när den inte gör det.
När fler väljer AI-modeller i situationer som tidigare krävde mänsklig kontakt, förändras villkoren för den träningen. AI ger snabba, tydliga svar utan känslomässig friktion. Modellen kräver inget känslomässigt arbete och inget gemensamt tolkningsutrymme. När interaktionen förenklas riskerar också vårt sätt att uppfatta andra att förenklas.
Friktion bygger kunskap
Kunskap utvecklas när idéer testas, förkastas och formuleras om. Friktionen är en grundsten i både vetenskaplig metod och mänsklig utveckling. I mänskliga samtal är den inbyggd: invändningar, frågor om vad vi menar, ett sammanhang som skiftar. Det tvingar fram metakognition.
Språkmodeller finjusteras i stor utsträckning med mänsklig återkoppling, där de svar vi föredrar förstärks. Det gör dem skickliga på sannolika, anpassade svar och mindre benägna att skapa friktion. I stället för att bli utmanade får vi ofta vår egen tanke speglad med nya ord. Varifrån medhållet kommer förklarar jag närmare i Sycophancy betyder medhåll.
Sociologen Sherry Turkle sammanfattade utvecklingen redan 2011, i undertiteln till boken Alone Together: vi förväntar oss mer av tekniken och mindre av varandra. När förväntningen på människan sänks och teknikens tillgänglighet ökar, förändras vår förståelse av kunskap. Det vi behöver i form av prövning ersätts av det vi föredrar i form av bekräftelse.
Vad forskningen visar i dag
Sedan artikeln publicerades första gången, i augusti 2025, har forskningen om AI som håller med för mycket vuxit snabbt. På engelska kallas fenomenet sycophancy.
Forskare vid Anthropic visade tidigt att ledande AI-assistenter anpassar sina svar efter användarens uppfattning. Svar som matchar vår egen åsikt föredras oftare när människor bedömer dem, och ibland vinner ett övertygande medhåll över ett korrekt svar.
Våren 2025 blev mekanismen synlig i stor skala. OpenAI drog tillbaka en uppdatering av ChatGPT eftersom modellen hade blivit överdrivet smickrande och medhållande. Enligt företaget hade uppdateringen lagt för stor vikt vid kortsiktig återkoppling från användarna.
I mars 2026 publicerade forskare vid Stanford en studie i Science som mäter både hur vanligt medhållet är och vad det gör med oss. Elva ledande AI-modeller bekräftade användarnas handlingar i genomsnitt 49 procent oftare än människor gjorde, även när det gällde bedrägeri, olagligheter eller annan skada. I experimenten räckte ett enda samtal med en medhållande AI. Deltagarna blev mer övertygade om att de hade rätt och mindre villiga att ta ansvar och reparera en konflikt. Samtidigt bedömde de de medhållande svaren som bättre, litade mer på dem och ville hellre använda modellen igen.
Studien ger empiriskt stöd åt resonemanget om syntetisk trygghet. Bekräftelsen känns trovärdig, den gör oss säkrare på vår sak och den minskar viljan att gå in i den friktion som relationer kräver. Forskarna pekar också på det som gör mönstret svårt att bryta: det som skadar är samma sak som får användarna att komma tillbaka. Hur studien hänger ihop med annan forskning från 2026 beskriver jag i Kognitiv integritet kan inte vänta.
Samtidigt har AI-bolagen börjat arbeta aktivt mot medhållet. Efter händelsen 2025 gjorde OpenAI mätningar av medhåll till en del av sina tester inför nya lanseringar. Anthropic har visat att en nyare modell, tränad på scenarier byggda kring situationer där tidigare modeller höll med för mycket, hade ungefär hälften så mycket medhåll i samtal om relationer. Det är ett framsteg. Det väcker också en ny fråga: vad händer med vår vana att granska när modellen oftare har rätt? Den frågan utvecklar jag i När AI slutar hålla med.
När trygghet ersätter prövning
Om språkmodeller blir vår främsta samtalspartner förskjuts hur vi bygger kunskap, tränar empati och prövar resonemang. Bekräftelselogiken ger en känsla av att vara på rätt väg, även när motstånd, komplexitet och mänsklig återkoppling saknas.
Det förändrar också hur vi ser på vår egen tankeförmåga. När varje idé vi skriver in möts av ett välformulerat svar, lär vi oss att vårt bidrag är färdigt redan när det är formulerat. Vi slutar revidera, ifrågasätta och bygga vidare.
Ett samhälle som vill stärka kognitiv motståndskraft behöver strukturer som ger mer än svar. Strukturer som hjälper oss att formulera om våra frågor.
Om syntetisk trygghet blir en ny konstant, behöver vi samtidigt skydda det som tränar vår empatiska förmåga. Ansvar handlar om att hålla i båda.
Källor
- Berridge, K. C. & Robinson, T. E. (1998). What is the role of dopamine in reward: hedonic impact, reward learning, or incentive salience? Brain Research Reviews, 28(3), 309-369. doi:10.1016/S0165-0173(98)00019-8
- Zaki, J. & Ochsner, K. N. (2012). The neuroscience of empathy: progress, pitfalls and promise. Nature Neuroscience, 15(5), 675-680. doi:10.1038/nn.3085
- Stanford Medicine (2019). Empathy is a skill that improves with practice, Stanford psychologist-author says. med.stanford.edu
- Turkle, S. (2011). Alone Together: Why We Expect More from Technology and Less from Each Other. Basic Books.
- Sharma, M. m.fl. (2024). Towards Understanding Sycophancy in Language Models. ICLR 2024. arXiv:2310.13548
- OpenAI (2025). Sycophancy in GPT-4o: what happened and what we're doing about it. openai.com
- Cheng, M., Lee, C., Khadpe, P., Yu, S., Han, D. & Jurafsky, D. (2026). Sycophantic AI decreases prosocial intentions and promotes dependence. Science, 391(6792). Tre förregistrerade experiment med sammanlagt 2 405 deltagare. doi:10.1126/science.aec8352
- OpenAI (2025). Expanding on what we missed with sycophancy. openai.com
- Anthropic (2026). How people ask Claude for personal guidance. Jämförelsen gäller Claude Opus 4.7 och Claude Opus 4.6 i samtal om relationer. anthropic.com
Bilden är AI-genererad, baserad på ett fotografi av mig själv. Den visualiserar tröskeln mellan människa och system som utforskas i texten.
