AI endrer hvordan studenter velger utdanning

AI har begynt å ta plass inne i selve beslutningen. En potensiell student kan beskrive interessene sine, fortelle hva som er viktig i et fremtidig arbeidsliv og be om forslag til utdanninger som kan passe. Studenten kan sammenligne flere fagområder i samme samtale, utfordre forslagene, stille oppfølgingsspørsmål om jobbmuligheter og be om enklere forklaringer når forskjellene mellom utdanningene er vanskelige å forstå.

Dette er noe annet enn å skrive noen få søkeord i Google og velge mellom en liste med lenker. Studenten får ikke bare hjelp til å finne informasjon, men også til å sortere, tolke og sette informasjonen inn i sin egen situasjon. Dermed kan AI få en rolle allerede mens studenten forsøker å forstå hvilke muligheter som er relevante.

Denne utviklingen er allerede synlig i Norge. HK-dir og Rambølls undersøkelse Unges utdannings- og yrkesvalg 2025 viser at internett fortsatt er den klart viktigste informasjonskilden for unge mellom 15 og 25 år, samtidig som rundt én av sju oppga at de brukte AI-tjenester som ChatGPT spesifikt for å finne informasjon om utdanning og yrke.

Det tallet bør samtidig leses som et øyeblikksbilde fra en teknologi i svært rask utvikling. Medietilsynets Barn og medier 2026 viser at over 70 prosent av norske 15–18-åringer nå bruker ChatGPT eller andre AI-tjenester, og at informasjonssøk er den vanligste bruken blant dem som bruker AI. Vi vet ikke hvor stor andel som i dag bruker AI konkret i studievalget, men det er vanskelig å forestille seg at teknologien ikke får en stadig større plass også der.

Dette betyr foreløpig ikke at AI har erstattet Google, Utdanning.no, rådgiveren eller institusjonens egen nettside. Det interessante er snarere at studenten har fått en ny samtalepartner i en beslutning som allerede var komplisert, og at denne samtalepartneren kan være med på å forme hvilke alternativer studenten oppdager og hvordan de blir forstått.

AI har flyttet inn i beslutningsprosessen

Når AI og markedsføring diskuteres, havner samtalen fort på GEO, AI Overviews, synlighet i ChatGPT og spørsmålet om hvordan nettsider kan bli brukt i generative svar. Alt dette er relevant, men etter min mening begynner diskusjonen ett hakk for sent dersom vi ikke først spør hva studenten faktisk bruker teknologien til.

Valg av utdanning har alltid vært preget av både rasjonelle og emosjonelle vurderinger. I MBA-oppgaven min om markedsføring av høyere utdanning fant jeg blant annet at studenter gjerne vurderer flere institusjoner samtidig, at prosessen kan strekke seg over lang tid, og at faglig interesse, opplevd kvalitet, økonomi og jobbmuligheter virker sammen med usikkerhet og frykten for å velge feil.

Generativ AI passer bemerkelsesverdig godt inn i en slik beslutningsprosess fordi studenten kan legge mye av kompleksiteten inn i ett spørsmål. En tradisjonell søkemotor fungerer spesielt godt når studenten allerede har en rimelig oppfatning av hva vedkommende leter etter. En samtale med AI kan begynne tidligere, mens studenten fortsatt prøver å forstå hvilke retninger som i det hele tatt er relevante.

En student trenger for eksempel ikke begynne med «bachelor økonomi Oslo». Hun kan forklare at hun liker mennesker og analyse, ønsker gode muligheter i arbeidslivet, ikke er spesielt glad i matematikk og helst vil bo på Østlandet. Deretter kan hun be om aktuelle fagområder, utfordre forslagene og gradvis snevre inn alternativene.

Google beveger også selve søkeopplevelsen i denne retningen. Med generative funksjoner blir det mulig å stille mer sammensatte spørsmål, følge opp tidligere svar og få informasjon fra flere kilder satt sammen. Skillet mellom tradisjonelt søk og generative svar blir derfor mindre tydelig, samtidig som studentens mulighet til å starte med et problem fremfor et bestemt søkeord blir større.

For utdanningsinstitusjoner betyr dette at konkurransen om oppmerksomheten begynner tidligere. Institusjonen konkurrerer ikke bare om klikket når studenten allerede kjenner navnet på studiet, men også om å være relevant mens studenten forsøker å forstå hvilke utdanninger som kan passe.

Mer informasjon er ikke det samme som en bedre beslutning

Det er lett å anta at AI gjør studievalget enklere fordi studenten får raskere tilgang til mer informasjon. På enkelte områder stemmer det. Kompliserte begreper kan forklares, lange nettsider kan oppsummeres og forskjeller mellom alternativer kan fremstilles på en oversiktlig måte.

Det betyr likevel ikke at det grunnleggende problemet studenten forsøker å løse blir enklere. Den norske undersøkelsen fra HK-dir viser at 55 prosent er uenige i at det er lett å velge riktig utdanning. Samtidig mener 81 prosent at det er viktig at det vil være behov for utdanningen de velger i fremtiden, mens 48 prosent synes det er vanskelig å vite om en utdanning faktisk gir gode jobbmuligheter.

Studenten skal fremdeles vurdere interesser, økonomi, arbeidsmarked, identitet, sosial tilhørighet og en fremtid som i stor grad må forestilles før den kan erfares. AI kan gjøre informasjonsinnhentingen enklere uten å kunne gi noe sikkert svar på om studenten vil trives, passe inn eller senere oppleve beslutningen som riktig.

Her ligger også en ny utfordring. Et komplisert spørsmål kan komme tilbake som et ryddig, velformulert og tilsynelatende sikkert svar, og formen på svaret kan dermed gi en opplevelse av klarhet som ikke nødvendigvis står i forhold til hvor sikkert kunnskapsgrunnlaget er.

UCAS undersøkte i 2026 hvordan mer enn 4 000 registrerte studenter brukte AI i forbindelse med valg av høyere utdanning. Nesten halvparten av AI-brukerne hadde brukt teknologien til å utforske utdanningsmuligheter, blant annet gjennom sammenligninger og hjelp til å snevre inn alternativer. Samtidig var studentene bevisste på risikoen for feilinformasjon og beskrev hvordan de kontrollerte svar mot universitetenes egne nettsider og andre offisielle kilder.

AI kan gjøre det lettere å finne et svar, uten at det nødvendigvis blir lettere å vite hvilket valg som er riktig.

Dette skillet er sentralt for hvordan jeg mener utdanningsinstitusjoner bør møte utviklingen. Målet bør ikke være å fjerne all usikkerhet eller gjøre en stor livsbeslutning kunstig enkel, men å hjelpe studenten med å forstå alternativene bedre, redusere unødvendig usikkerhet og gi et mer realistisk grunnlag for å vurdere om utdanningen faktisk passer. AI endrer hvilke verktøy studenten har tilgjengelig i denne prosessen, men det endrer ikke institusjonens ansvar for kvaliteten på beslutningsgrunnlaget.

Institusjonen må bli forstått før den kan bli valgt

Når en student besøker en studieprogramside, kontrollerer institusjonen i stor grad presentasjonen. Den bestemmer rekkefølgen på informasjonen, bildene, formuleringene, historiene og argumentene som skal fremheves. I et AI-generert svar blir denne kontrollen mindre fordi informasjon fra institusjonen kan kombineres med offentlige kilder, eksterne nettsteder og materiale institusjonen ikke selv har produsert.

Informasjonen kan dessuten bli omskrevet og plassert direkte ved siden av opplysninger om konkurrerende tilbud. Det stiller høyere krav til hvor tydelig institusjonen selv har klart å forklare hvem den er, hva den tilbyr og hvordan den skiller seg fra andre.

Hvis fire institusjoner beskriver tilbudene sine som «relevante», «fleksible», «tett på arbeidslivet» og med «gode karrieremuligheter», er forskjellene allerede vanskelige for studenten å forstå. Når flere slike beskrivelser komprimeres i et generativt svar, vil problemet sannsynligvis bli tydeligere. Utfordringen ligger da ikke først og fremst i AI-systemet, men i at institusjonene har gjort de reelle forskjellene for vanskelige å få øye på.

Det samme gjelder på studieprogramnivå. Formell informasjon om studiepoeng, emner, læringsutbytte og opptakskrav er nødvendig, men den svarer ikke automatisk på spørsmålene studenten bruker for å skille alternativer fra hverandre. Studenten ønsker også å vite hvem studiet passer for, hvordan det skiller seg fra nærliggende fagområder, hvordan studiehverdagen faktisk ser ut, hvilken kompetanse man sitter igjen med og hvordan denne kompetansen brukes i arbeidslivet.

Studenten trenger slike forskjeller for å kunne ta en beslutning, mens AI-systemene trenger tydelige kilder dersom de skal kunne beskrive forskjellene presist. Derfor tror jeg AI vil gjøre god posisjonering viktigere. En institusjon som selv har problemer med å forklare hvorfor den er et relevant valg, kan heller ikke forvente at et generativt system skal gjøre denne jobben særlig godt på dens vegne.

GEO er interessant, men det er ikke strategien

Generative Engine Optimization har på kort tid fått en naturlig plass i markedsføringsfaget. Utdanningsinstitusjoner bør følge med på hvordan de fremstår i ChatGPT, Gemini, Claude, AI Overviews og andre generative tjenester, på samme måte som de lenge har fulgt organisk synlighet i søkemotorer.

Jeg mener likevel det vil være en feil å behandle GEO som en ny teknisk øvelse løsrevet fra innhold, posisjonering og studentforståelse. Teknisk tilgjengelighet, struktur, konsistente fakta og tydelige entiteter kan gjøre informasjon lettere å finne og tolke, men de løser ikke et innholdsproblem dersom teksten i utgangspunktet er generisk eller uklar.

For utdanningsinstitusjoner er derfor kanskje den mest interessante konsekvensen av GEO at kravene til godt utdanningsinnhold skjerpes. Studieprogrammet må beskrives presist, påstander om arbeidslivsrelevans bør underbygges, forskjeller mellom programmer må være forståelige og informasjonen bør være konsistent på tvers av institusjonens flater.

Samtidig må institusjonen svare på studentenes spørsmål slik studentene faktisk stiller dem, ikke bare slik organisasjonen har valgt å strukturere informasjonen internt. En student tenker sjelden i nettsidens informasjonsarkitektur, men kan lure på om det er mulig å kombinere studiet med jobb, hvor mye matematikk som kreves, hvordan AI vil påvirke jobbmulighetene eller hva som egentlig skiller to tilsynelatende like utdanninger.

Når slike spørsmål ikke besvares godt av institusjonen, finnes det nå et verktøy som gjerne forsøker å besvare dem i stedet. Det gjør kvaliteten på institusjonens egne forklaringer viktigere, fordi disse forklaringene både skal hjelpe studenten direkte og fungere som et troverdig grunnlag for andre systemer som forsøker å forstå tilbudet.

Studenten søker etter en vei videre

Markedsførere har lenge vært opptatt av søkeord fordi de gir verdifull innsikt i etterspørsel og gjør det mulig å møte studenten når vedkommende aktivt leter etter noe. Generativ AI gjør samtidig tydeligere at selve søkeordet bare er en overflate over et mer komplekst behov.

Bak «psykologi utdanning» kan det ligge et menneske som ønsker å forstå andre, men som ikke vet om vedkommende ønsker å bli psykolog. Bak «cybersikkerhet studie» kan det ligge en student som har hørt at arbeidsmarkedet er godt, men som fortsatt ikke vet om fagområdet passer egne interesser. Bak «nettstudier økonomi» kan det ligge en småbarnsforelder som først og fremst forsøker å finne ut om det er mulig å skifte karriere uten å sette resten av livet på pause.

Studenten søker ikke egentlig etter en studieprogramside. Studenten forsøker å finne en vei videre.

Dette perspektivet påvirker hvordan jeg mener innholdsarbeidet bør organiseres. Dersom institusjonen bare produserer innhold rundt navnene på sine egne programmer, begynner kommunikasjonen ofte for sent, fordi studenten har spørsmål om fagområder, yrker, muligheter og konsekvenser lenge før et bestemt studieprogram fremstår som løsningen.

Det betyr heller ikke at institusjonen bør fylle nettet med hundrevis av AI-produserte artikler rundt alle tenkelige spørsmål. Mengden generisk innhold vil sannsynligvis øke nettopp fordi produksjonskostnaden faller. Institusjoner som ønsker å tilføre verdi bør derfor bli enda tydeligere på hvilke spørsmål de faktisk har nyttig, troverdig og relevant kunnskap om.

Menneskelige historier får en annen oppgave

Det er fristende å møte AI-utviklingen med påstanden om at «det menneskelige blir viktigere». Jeg tror det er mer presist å si at menneskelig innhold får en tydeligere funksjon når stadig mer generell informasjon kan forklares og oppsummeres av teknologi.

En studenthistorie tilfører lite dersom den bare gjentar at miljøet er godt og utdanningen arbeidslivsrelevant. Verdien oppstår når historien tilfører konkrete erfaringer som gjør institusjonens påstander mulig å vurdere. Dersom institusjonen sier at undervisningen er tett på arbeidslivet, kan en student vise hvordan det faktisk oppleves gjennom et prosjekt. Dersom et program skal gi bestemte karrieremuligheter, kan en tidligere student forklare hvordan kompetansen ble brukt etter studiene.

Det samme gjelder fagpersonene. En generell formulering om et «sterkt fagmiljø» er enkel å gjenta, men det blir langt mer troverdig når lærere og forskere viser hva de arbeider med, hvilke problemstillinger de er opptatt av og hvordan dette kommer studentene til gode.

UCAS-materialet peker også mot at menneskelige kontaktpunkter fortsatt får stor betydning når valget blir mer konkret. AI brukes til å utforske, organisere og sammenligne, men tilliten til teknologien er langt lavere når det gjelder selve den viktige beslutningen. Studentenes egne erfaringer, åpne dager, rådgivning og samtaler med mennesker fortsetter dermed å spille en annen rolle enn den generative informasjonen.

Dette passer godt med hvordan jeg mener utdanningsmarkedsføring bør forstås. Informasjon alene skaper ikke nødvendigvis tillit, og studenten trenger etter hvert å kunne teste institusjonens påstander mot mennesker, erfaringer og virkelighet. AI kan hjelpe til med å forklare hva institusjonen sier, mens institusjonen fortsatt må gi studenten gode grunner til å tro på det.

AI får ulik betydning gjennom beslutningsreisen

Det er heller ingen grunn til å forvente at AI får samme rolle gjennom hele studentreisen. Tidlig kan teknologien være svært nyttig fordi studenten kan utforske interesser, oppdage fagområder, forstå ukjente begreper og finne alternativer som ellers ikke ville blitt vurdert. Senere kan den hjelpe med å sammenligne studieprogrammer, strukturere store informasjonsmengder og formulere spørsmål studenten ønsker å undersøke nærmere.

Når valget blir konkret, endrer behovet karakter. Studenten skal kanskje velge mellom to faktiske tilbud, vurdere flytting, økonomi og sosial tilhørighet, eller kjenne etter om miljøet ved en institusjon virker riktig. Slike vurderinger er vanskeligere å overlate til et generativt system fordi de handler om mer enn informasjon.

UCAS beskriver nettopp en slik hybridreise der studentene beveger seg mellom AI, nettsider, tradisjonelt søk, foreldre, lærere, rådgivere og åpne dager. Det gir etter min mening et mer realistisk bilde av utviklingen enn forestillingen om at én teknologi skal erstatte resten av studentreisen.

For institusjonen betyr det at synlighet i et AI-svar bare er ett mulig kontaktpunkt. Dersom studenten deretter ikke forstår tilbudet, ikke finner substans bak påstandene eller ikke får den tryggheten som trengs når beslutningen nærmer seg, har den tidlige synligheten begrenset verdi.

Bedre innhold begynner med bedre innsikt

Når måten studenten søker på endrer seg, bør også metodene for å forstå informasjonsbehovene utvikles. Søkeordsanalyse kommer fortsatt til å være verdifullt, men institusjonen sitter ofte på langt rikere kilder til innsikt dersom informasjon fra ulike deler av studentreisen sees i sammenheng.

Spørsmål til rådgiverne, samtaler i chat, e-posthenvendelser, webinarer, åpne dager, CRM-data og dialog med opptaksteamet kan vise hvilke spørsmål som faktisk går igjen. Slike data forteller ikke bare hva studenten søker etter, men også hvor kommunikasjonen er vanskelig å forstå og hvilken usikkerhet som ikke blir redusert av nettsiden alene.

Hvis mange studenter spør om forskjellen mellom to programmer, kan det være et tegn på at forskjellen ikke kommuniseres tydelig nok. Dersom rådgiverne stadig må forklare hvilke jobber et studium kan føre til, bør den kunnskapen kanskje få en mer sentral plass på programsiden. Hvis søkere stadig spør om arbeidsmengde, økonomi eller fleksibilitet, finnes det sannsynligvis en mulighet til å gi bedre beslutningsstøtte tidligere.

AI gjør dette arbeidet mer presserende fordi studenten ikke lenger er avhengig av å stille spørsmålet direkte til institusjonen. Spørsmålet kan stilles et annet sted og besvares umiddelbart, og da blir det viktigere at institusjonen selv har gjort den underliggende kunnskapen tydelig og tilgjengelig.

AI endrer førsteinntrykket, men ikke det grunnleggende valget

Teknologiske skifter blir lett overdrevet, og det er ingen grunn til å anta at tradisjonelt søk eller institusjonenes egne nettsider skal forsvinne. HK-dir viser at internett fortsatt er en svært viktig kilde for norske unge, samtidig som foreldre, rådgivere, skolebesøk, venner, messer og sosiale medier fortsatt inngår i vurderingen.

Det som endrer seg er hvordan disse kildene kan settes sammen. Tidligere måtte studenten i større grad gjøre oppsummeringen og sammenligningen selv. Nå kan AI lese på tvers av informasjon, sammenstille alternativer og presentere en tolkning før studenten i det hele tatt har besøkt institusjonens egne kanaler.

Det gjør førsteinntrykket mer distribuert, men leder samtidig tilbake til mange av de samme prinsippene som gjelder ellers i god utdanningsmarkedsføring. Institusjonen må forstå studenten som noe mer enn et klikk eller en søknad. Den må være tydelig på hvem tilbudet passer for, hvilke reelle forskjeller som finnes, hvordan utdanningen henger sammen med studentens mål og hvilke forventninger det er rimelig å ha.

AI endrer hvordan denne informasjonen blir funnet, bearbeidet og sammenlignet. Den grunnleggende oppgaven er likevel den samme:

Studenten forsøker å ta en vanskelig beslutning om sin egen fremtid, og institusjonen må gi studenten et troverdig grunnlag for å vurdere om dette er riktig valg.

Den utdanningsinstitusjonen som lykkes godt i et AI-preget informasjonslandskap vil derfor ikke nødvendigvis være den som produserer mest innhold eller lærer seg flest nye akronymer. Et bedre utgangspunkt er å gjøre egen relevans, kvalitet og særpreg så tydelig at informasjonen tåler å bli søkt opp, oppsummert, sammenlignet og kontrollert. Da blir AI en ny del av studentens beslutningsreise, uten at vi mister av syne hva utdanningsmarkedsføring egentlig skal hjelpe studenten med.

Kilder

• McInerney, S. V. (2020). A Marketing Approach for Higher Education. University of Agder.
• Rambøll / Direktoratet for høyere utdanning og kompetanse (2026). Unges utdannings- og yrkesvalg 2025.
• Direktoratet for høyere utdanning og kompetanse (2026). Internett, foreldre og KI: Slik søker unge råd om utdanning.
• Medietilsynet (2026). Barn og medier 2026.
• UCAS (2026). The Role of AI in Student Decision Making.
• Google (2025). AI in Search: Going beyond information to intelligence.
• Google Search Central. AI features and your website.