Om dette emnet

Emnet gir en praktisk innføring i hvordan kunstig intelligens (KI) kan brukes til å utvikle digitale produkter og tjenester. Studentene lærer å bruke agentiske kodeverktøy, språkmodeller og åpne data til å bygge løsninger på reelle problemer, og å vurdere personvern, sikkerhet og kostnader underveis. Emnet krever ingen forkunnskaper i programmering.

Emnet tar for seg:

  • Fra behov til løsning. Problemforståelse, brukerinnsikt, avgrensning av et første utkast og utvikling i flere runder, der hver runde bygger på egne tester og tilbakemeldinger fra brukere.
  • Utvikling med KI. Hvordan kodeagenter virker, hvordan man beskriver oppgaver for dem, og hvordan koden testes, gjennomgås og versjonsstyres med Git.
  • Integrasjon. Sikker håndtering av API-nøkler og andre hemmeligheter, kostnadskontroll og bruk av språkmodeller i egne løsninger. Et eksempel er en tjeneste der KI besvarer innkommende henvendelser, mens et menneske kontrollerer svaret før det sendes.
  • Data. Innhenting og sammenstilling av data fra åpne kilder og fra virksomheten selv, for eksempel som grunnlag når en virksomhet skal velge strategi. Datakvalitet, kildekritikk og klassifisering av data som grønne, gule, røde eller svarte, og hva klassen betyr for hvilke verktøy og lagringsløsninger som kan brukes.
  • Publisering og drift. Nettsider og webapplikasjoner, domener, hosting og valg mellom leverandører innenfor og utenfor EU og EØS.
  • Ansvarlig bruk. Personvern og personvernforordningen (GDPR), EUs KI-forordning, informasjonssikkerhet, universell utforming, opphavsrett og lisenser, og hva bruk av KI koster i penger, strøm og klimautslipp.

Prosjektarbeid er en sentral del av emnet. Studentene arbeider i grupper og utvikler en fungerende prototype. Prosjektene tar utgangspunkt i en problemstilling fra en ekstern samarbeidspartner, som en bedrift, en offentlig virksomhet, en frivillig organisasjon eller et idrettslag, fra et fagmiljø ved NMBU eller fra åpne offentlige data. Emnet avsluttes med en demodag der gruppene presenterer løsningene sine.

Dette lærer du

Ved fullført emne skal studentene ha følgende læringsutbytte definert i kunnskap, ferdigheter og generell kompetanse:

Kunnskaper

Studenten

  • har kunnskap om hvordan store språkmodeller og agentiske kodeverktøy virker, hva de mestrer, og hvor de kan gjøre feil
  • kjenner arbeidsprosessen fra et behov blir oppdaget til en digital løsning er tatt i bruk, inkludert brukerinnsikt og utvikling i flere runder
  • kjenner grunnleggende begreper innen webutvikling og drift, som frontend, backend, API, database, versjonskontroll, hosting og domener
  • har kunnskap om de viktigste juridiske og etiske rammene for tjenester som bruker KI, særlig personvernforordningen, EUs KI-forordning, informasjonssikkerhet og universell utforming
  • kjenner klassifiseringen av data i grønne, gule, røde og svarte data, og vet hva klassene betyr for behandling, lagring og valg av verktøy
  • har kunnskap om kostnader, energibruk og klimaavtrykk ved bruk av KI

Ferdigheter

Studenten kan

  • identifisere og avgrense et reelt problem og beskrive kravene til en løsning
  • bruke et agentisk kodeverktøy til å utvikle, teste og forbedre en fungerende prototype
  • håndtere API-nøkler og annen tilgangsinformasjon på en sikker måte, og kontrollere kostnader ved bruk av KI-tjenester.
  • ta i bruk språkmodeller og åpne datakilder i en egen løsning
  • klassifisere dataene i en løsning og velge verktøy og lagring som passer klassen
  • publisere en webløsning og begrunne valget av hosting ut fra personvern, sikkerhet og kostnad
  • kvalitetssikre kode og innhold som er laget med KI, gjennom testing, gjennomgang og dokumentasjon

Generell kompetanse

Studenten kan

  • vurdere når KI er et egnet verktøy og når det ikke er det, ut fra nytte for brukeren, hvilken klasse dataene tilhører, risiko og kostnad
  • reflektere kritisk over ansvarlig bruk av KI, også over behovet for at mennesker har kontroll over viktige beslutninger
  • samarbeide i en prosjektgruppe om å planlegge, fordele og gjennomføre et utviklingsarbeid, og ta ansvar for egne bidrag og for gruppens felles resultat
  • kommunisere med brukere og samarbeidspartnere om behov, avgrensninger og leveranser
  • forklare en teknisk løsning og begrensningene ved den for beslutningstakere uten teknisk bakgrunn
  • holde egen kompetanse oppdatert i et fagfelt der verktøyene endrer seg raskt
  • Læringsaktiviteter

    Emnet er et intensivt blokkemne i juniblokka. Undervisningen består av forelesninger, praktiske workshoper der studentene arbeider på egen PC, gjesteforelesninger, veiledning og prosjektarbeid i grupper på tre til fire studenter. Emnet avsluttes med en demodag der gruppene presenterer løsningene sine for medstudenter og faglærere.

    Den første delen består av undervisning og workshoper. I den midtre delen kartlegger og avgrenser gruppene problemet de skal løse, i dialog med brukere og samarbeidspartnere. Den siste delen brukes til videreutvikling, testing og ferdigstilling, og gruppene får fast veiledning.

  • Læringsstøtte

    Canvas. Faglærere og eventuelle læringsassistenter gir veiledning i workshopene og i faste veiledningstimer. Studentene må ha egen bærbar PC. Emnet sørger for tilgang til de KI-verktøyene som brukes i undervisningen.
  • Pensum

    Pensumlisten er foreløpig. Den oppdateres nærmere undervisningsstart, og den komplette listen ligger i Canvasrommet.

    • Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö. & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), e2422633122.
    • Bender, E. M., Gebru, T., McMillan-Major, A. & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT ’21), 610-623.
    • Brynjolfsson, E., Li, D. & Raymond, L. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889-942.
    • Doshi, A. R. & Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), eadn5290.
    • Noy, S. & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187-192.
    • Forordning (EU) 2024/1689 (KI-forordningen), i gjeldende versjon, med utvalgte artikler og tilhørende veiledning.
    • Sikt (2025). Klassifisering av informasjonsverdier. Sektorstandard 1.0.
    • NMBUs retningslinjer for bruk av kunstig intelligens (KI).
    • Dokumentasjon for valgt kodeverktøy.
  • Forutsatte forkunnskaper

    Minimum 60 studiepoeng innen økonomisk-administrative fag. Ved NMBU gjelder dette emner med emnekodene BUS, AOS og ECN. For studenter på bachelorprogram ved Handelshøyskolen er kravet oppfylt når alle obligatoriske emner i første studieår er bestått.
  • Vurderingsordning, hjelpemiddel og eksamen

    Mappevurdering. Mappen utarbeides i gruppe og består av:

    • en fungerende prototype som er satt i drift og kan tas i bruk via nett, med kildekoden i et versjonskontrollsystem. Tilgangen kan begrenses, for eksempel med innlogging, men sensor skal kunne bruke løsningen slik en reell bruker ville gjort.
    • en kort prosjektrapport på inntil 2 000 ord. Rapporten skal beskrive problemet, løsningen, valgene av teknologi og hvordan løsningen er testet. Den skal også vurdere personvern, sikkerhet, kostnader og klimaavtrykk, og gjøre rede for hvordan gruppen har brukt og kvalitetssikret KI.
    • en muntlig presentasjon og demonstrasjon av løsningen, der alle i gruppen deltar. Presentasjonen avsluttes med spørsmål om løsningen og valgene gruppen har gjort.

    Mappen vurderes samlet, og alle delene må være levert for at mappen skal kunne vurderes. Det arrangeres ikke kontinuasjonseksamen i emnet. Ved gjentak må hele mappen leveres på nytt.

    Karakterregel: Bestått / Ikke bestått.

  • Om bruk av KI

    Prototype og prosjektrapport i mappen, og obligatoriske aktiviteter: K3 - full bruk av KI. Bruk av KI er en forutsetning i emnet og skal dokumenteres i prosjektrapporten. Studentene skal oppgi hvilke verktøy de har brukt, hva de har brukt dem til, og hvordan resultatet er kvalitetssikret. Bruken må være i tråd med NMBUs retningslinjer for bruk av kunstig intelligens (KI). Dersom KI er brukt til å utarbeide problemnotatet eller det individuelle refleksjonsnotatet, skal det komme tydelig frem i notatet hvordan KI er brukt.

    Muntlig presentasjon: K1 - ingen bruk av KI. Gruppen kan vise og bruke sin egen løsning.

    Her finner du KI-kategoriene beskrevet.

  • Sensorordning

    Ekstern sensor kvalitetssikrer pensum, vurderingsordningen og prinsippene for vurdering av besvarelsene. Intern sensor deltar på den muntlige presentasjonen.
  • Obligatorisk aktivitet

    • Et individuelt teknisk sjekkpunkt innen utgangen av første del. Studenten skal publisere en enkel webapplikasjon som henter svar fra en språkmodell. API-nøkkelen skal være lagret sikkert utenfor kildekoden.
    • Et problemnotat fra gruppen på inntil to sider ved utgangen av midtre del. Notatet skal beskrive problemet, målgruppen og avgrensningen, og vurdere datagrunnlaget, klassifiseringen av dataene og personvernet.
    • Et individuelt refleksjonsnotat på inntil to sider, levert før den muntlige presentasjonen. Studenten skal beskrive sitt eget bidrag til prosjektet, hvordan studenten selv har brukt KI i arbeidet, og hva studenten har lært.

    Godkjente obligatoriske aktiviteter gjelder bare for det semesteret de er gjennomført i, og må tas på nytt ved gjentak av emnet.

  • Undervisningstider

    Undervisning i juniblokka. Planlagt innhold i de ulike delene av blokka er:

    • Første del: Forelesninger og praktiske workshoper om utviklingsmiljø, agentiske kodeverktøy, åpen kildekode, API-er og API-nøkler, publisering og hosting, klassifisering av data og ansvarlig bruk av KI. Gruppedannelse og presentasjon av prosjektene.
    • Midtre del: Prosjektarbeid i gruppe med kartlegging og avgrensning av problemet og utvikling av en første versjon av løsningen. Veiledning og gjesteforelesninger.
    • Siste del: Prosjektarbeid med videreutvikling, testing og dokumentasjon. Statusdemo, veiledning og avsluttende presentasjon og demonstrasjon av løsningene.
  • Fortrinnsrett

    Følgende studieprogrammer har fortrinnsrett, i prioritert rekkefølge:

    Bachelor i økonomi og administrasjon

    Bachelor i økonomi, ledelse og IT

    Bachelor i samfunnsøkonomi

    Master i bioøkonomi - biobasert verdiskaping og forretningsutvikling

    Master i entreprenørskap og innovasjon

    Master i økonomi og administrasjon - siviløkonom

    Master i samfunnsøkonomi og bærekraft

    Master i samfunnsøkonomi og miljøforvaltning

    Master i global økonomi og politikk

  • Overlapp

    Ingen overlapp.
  • Opptakskrav

    Generell studiekompetanse (GSK) og minimum 60 studiepoeng innen økonomisk-administrative fag. Ved NMBU gjelder dette emner med emnekodene BUS, AOS og ECN. For studenter på bachelorprogram ved Handelshøyskolen er kravet oppfylt når alle obligatoriske emner i første studieår er bestått.