Källkritik i AI-åldern – hur du tänker när du inte kan lita på allt du läser

Det brukade vara relativt enkelt att vara källkritisk. Du kollade vem som skrivit en artikel, du kollade när den publicerades, du kollade om källan hade en tydlig agenda. Det räckte inte alltid – men det var i alla fall ett hanterbart antal saker att hålla reda på.

I dag räcker det inte. Och problemet är inte att du blivit sämre på källkritik. Det är att spelplanen har förändrats fundamentalt.

Vad som har förändrats

Det gamla källkritiktänket byggde på en implicit premiss: mänskliga producenter skapar innehåll, och du utvärderar producenten. Vem är det? Vad har de för intressen? Hur väl kontrollerades påståendena?

AI slår sönder den premissen. En text som ser ut som en välformulerad analys från en erfaren journalist kan vara genererad på 30 sekunder av ett språkmodell som aldrig verifierat ett enda påstående det gör. En bild som ser ut som ett historiskt fotografi kan vara skapad av en bildgenereringsmodell. En video av en välkänd person som säger något skandalöst kan vara en deepfake.

Det är inte dystopibeskrivning. Det är 2025.

Och det innebär att den källkritiska frågan inte längre bara är "kan jag lita på den här källan?" utan också "är det här ens skapat av en människa – och spelar det roll?"

De fyra klassiska källkritiska frågorna – och deras AI-uppdatering

Äkthet: Är källan vad den utger sig för att vara?

Klassisk version: är det här en verklig organisation, ett verkligt dokument, en verklig person?

AI-uppdatering: är webbplatsen skapad av AI för att imitera en trovärdig källa? Är citat och intervjuer verkliga eller fabricerade? Är bilder och videos autentiska? Verktyg som Google Reverse Image Search och Googles "About this image" kan hjälpa, men de är inte heltäckande.

Oberoende: Är källan självständig från den information den förmedlar?

Klassisk version: har källan ett intresse av att du tror på en viss sak?

AI-uppdatering: AI-genererat innehåll kan vara svårt att koppla till en specifik agenda, men det kan ändå vara tränat på skevt data, optimerat för engagemang snarare än sanning, eller medvetet designat för att sprida desinformation i skala.

Aktualitet: Är informationen uppdaterad?

Klassisk version: är artikeln/studien/rapporten tillräckligt ny för att vara relevant?

AI-uppdatering: AI-modeller har ett träningsdatum. ChatGPT och liknande vet inte om saker som hänt efter sin kunskapsavstängning. Det är ett problem om du frågar om aktuella händelser, nya lagar, ny forskning.

Tendens: Har källan ett perspektiv eller en agenda?

Klassisk version: är det här en objektiv rapport eller en opinionstext?

AI-uppdatering: AI-modeller kan reproducera systematiska bias från träningsdatan utan att indikera det. En AI som tränas på internet kan reproducera internet bias – vilket inte är neutralt.

Den nya kritiska förmågan: att urskilja trovärdiga påståenden från välformulerade påståenden

Det finns en kognitiv fälla som blivit farligare i AI-åldern: vi tenderar att tolka välformulerat och detaljerat som korrekt.

När ett påstående formuleras med precision, när det innehåller detaljer och siffror, när det verkar komma från en kompetent röst – tar vi det för givet att det är underbyggt. Det är ett heuristik som fungerade ganska bra i en värld där precision krävde arbete och kunskap.

AI kan producera välformulerade, detaljerade, precist klingande påståenden om saker som är helt fel. Siffror kan vara uppfunna. Citat kan vara fabricerade. Studier som refereras kan inte existera.

Det innebär att du måste separera formen av ett påstående från innehållet. Välskrivet ≠ korrekt. Detaljerat ≠ verifierat. Säkert klingande ≠ sant.

Hur du praktiskt verifierar påståenden

Konkret, steg för steg:

Sök det specifika påståendet. Om en artikel hävdar att "en studie från Harvard visar X" – sök efter just den studien. Finns den? Säger den verkligen det? AI-hallucineringar citerar ofta icke-existerande studier med exakta namn och datum.

Krysskolla mot primärkällor. Wikipedia är en bra startpunkt för orientering men aldrig en primärkälla. Hitta den ursprungliga studien, rapporten, lagstiftningen, uttalandet. Det är mer arbete – men det är vad faktisk källkritik innebär.

Eftersök motröster aktivt. Det kallas lateral reading inom källkritikforskning: istället för att granska källan i sig djupgående, kolla vad andra säger om den. Söker du på [källans namn + kritik] hittar du snabbt om det finns välgrundade invändningar.

Fråga: vem har nytta av att jag tror detta? Det är en gammal fråga men den förblir relevant. Desinformation sprids sällan av misstag – den sprids för att den tjänar ett syfte.

Källkritik är inte skepticism – det är ett tankesätt

Det finns ett viktigt missförstånd om källkritik som bör adresseras: det handlar inte om att misstro allt. Extrem skepticism är lika icke-kritisk som extrem naivitet – den stänger av tänkandet snarare än att aktivera det.

Sann källkritik är att hålla öppen en osäkerhet tills bevis tillräckligt talar för eller emot ett påstående. Det innebär att man kan lita på välundersökta påståenden från oberoende, trovärdiga källor. Det innebär inte att man måste ifrågasätta allt som om ingenting är säkert.

Det är en balansgång. Men det är en balansgång som tränas – och som en av de mest värdefulla intellektuella förmågor du kan bygga, oavsett vilket ämne du studerar.

Varför skolan är den perfekta platsen att träna detta

Källkritik är ett av de ämnesövergripande målen i svensk läroplan. Det nämns i nästan varje ämnes syftestexts. Men det undervisas relativt sällan som en explicit, tränad förmåga.

Det skapar en möjlighet: elever som aktivt övar källkritisk förmåga – som medvetet frågar sig dessa frågor varje gång de möter information – bygger en kompetens som de flesta av deras jämnåriga saknar.

Det är en kompetens som märks i skriftliga uppgifter. En text som visar att skribenten förhållit sig källkritiskt till det material som använts – som inte bara refererar utan värderar och problematiserar källorna – är en text som når upp till de högre betygsnivåerna.

Kort sagt

Källkritik 2025 är inte svårare att förstå – men det kräver fler verktyg och en mer aktiv hållning. Det handlar om att:

Skilja form från innehåll – välskrivet är inte synonymt med korrekt. Verifiera specifika påståenden mot primärkällor. Använda lateral reading för att snabbt bedöma en källas trovärdighet. Förstå begränsningarna hos AI-genererat innehåll. Hålla öppen osäkerhet tills bevis talar.

Det är inte en checklista att bocka av. Det är ett tankesätt att bebo.