Hvem har skrevet teksten?

Vaksiner virker. Det er godt dokumentert. Men hva skjer med troverdigheten til fagformidling og helsepersonell når teksten som forklarer det, i stor grad kjennetegnes av å være generert av en maskin, men presenteres som om den er skrevet av en lege?

Et innlegg om vaksiner spres i dag på sosiale medier. Innlegget treffer åpenbart godt. Tonen er både personlig og engasjerende. Dette er endelig en lege som tør å si det ingen andre leger tør å si. Teksten tar for seg HPV-vaksine, influensavaksine, meslinger, covid-19, helvetesild, pneumokokker. Her omtales altså mange ulike vaksiner både i og utenfor vaksinasjonsprogram, i en lang og tidvis emosjonell tekst. De fleste faktaene stemmer, i alle fall sånn omtrent.

Konklusjonen er riktig og viktig. vaksiner forebygger langt mer enn folk flest er klar over. Tekstens grunnleggende poeng, at forebygging er usynlig når den virker, og at vi systematisk undervurderer hva vaksiner beskytter oss mot, er viktig og det er riktig og fornuftig at dette formidles.

Likevel er det noe som skurrer. Ikke i konklusjonen, men i måten teksten er skrevet på.

Språket følger et mønster som er gjenkjennelig for alle som har eksperimentert med språkmodeller. Dramatisk oppbygging, kort punchline, ny dramatisk oppbygging, i nøyaktig samme rytme gjennom hele teksten. Triader som «ingen skriver», «ingen lager», «ingen takker» etter hverandre. Formuleringer som «det er ganske vilt» og «det er ikke sexy, det er bare smart» som etterligner personlig stil. Og kanskje mest problematisk av alt, at det ikke finnes en eneste kildehenvisning. Bare «studier viser» og «forskning tyder på», gjentatt gjennom teksten.

Teksten bærer gjennomgående kjennetegn som er forenlige med AI-generert innhold. Jeg peker her på de repetitive triadene, den mekaniske vekslingen mellom innrømmelse og motargument og den emosjonelle eskaleringen uten noen faglig forankring. Om legen faktisk har skrevet den selv eller brukt et AI-verktøy som utgangspunkt, eller publisert en maskinprodusert tekst direkte, kan ikke jeg fastslå med sikkerhet. Men uavhengig av opphav har teksten et problem som fortjener oppmerksomhet, nemlig at den mangler kildehenvisning.

Det er dette innlegget handler om. Ikke om vaksiner, for vaksiner virker. Teksten handler om hva som skjer når fagformidling mister etterprøvbarheten sin, og hvordan AI-generert innhold og selektiv presentasjon av kunnskap blir to sider av samme sak. Man får kommunikasjon til å høres ut som fagkunnskap, men uten kildehenvisninger vil ikke leseren ha noen som helst mulighet til å vurdere etterretteligheten i det som presenteres.

«Studier viser»

I forskning på vitenskapskommunikasjon identifiserer Bauer (2009) tre krav som enhver fagperson som kommuniserer med offentligheten, må balansere: forståelighet, engasjement og troverdighet. Disse kravene kan fort kollidere. Fordi med forenkling risikerer man at innholdet blir unøyaktig. Videre er det sånn at engasjement i sosiale medier belønner dramatiske framstillinger, og at det å publisere kilder i mange tilfeller gjør teksten mindre delbar og kan oppfattes som tyngre å lese.

Utfordringene over er i aller høyeste grad reell. Men det avgjørende vil være hvordan man løser dette. Når en tekst systematisk velger engasjement på bekostning av troverdighet, uten å erkjenne at man mister noe på veien, er ikke resultatet lengre folkeopplysning. Da er man over i populisme, uavhengig av om konklusjonen er riktig eller ikke.

Det vaksinekritiske miljøet har lenge blitt kritisert for å bruke «forskning viser» uten å spesifisere hvilken forskning, hvem som har gjort den, og hvordan den er vurdert. Dette mener jeg er en høyst berettiget kritikk. Men kritikken må gjelde begge veier. En tekst som er for vaksiner og vaksinasjon, som refererer til «en stor svensk studie» uten å oppgi at det er Lei et al. (2020) publisert i New England Journal of Medicine, eller som hevder «rundt 20 prosent lavere risiko for demens» uten å nevne Eyting et al. (2025) i Nature, bruker nøyaktig samme grep. Den ber leseren stole på avsenderens autoritet i stedet for å gjøre leseren i stand til å vurdere kunnskapen som presenteres selv.

Da beveger man seg bort fra faglighet og etterrettelighet og over i overtalelse under dekke av fag.

Maskinen som forfatter

Det som gjør dette til et nytt problem, og ikke bare en gammel debatt om formidlingskvalitet, er teknologien man nå kan ta i bruk. Språkmodeller produserer tekst som er både grammatisk korrekt, retorisk effektiv og overbevisende til det usømmelige.

En tekst som høres ut som en lege, som bruker fagbegreper korrekt, som treffer leseren emosjonelt, vil nok i stor grad passere de aller fleste lesernes kritiske filter. Tekst som klinger godt er lett å la seg overbevise av.

En systematisk gjennomgang og metaanalyse publisert i European Journal of Cancer at AI-generert innhold i sosiale medier genererer signifikant høyere brukerinteraksjon enn menneskelaget innhold (Mahmoud et al., 2025). Algoritmene belønner altså det som engasjerer, og ikke nødvendigvis det som er presist, riktig eller etterprøvbart. AI-genererte tekster er optimalisert for å treffe godt og få mange klikk og interaksjoner. Det er en viss fare for at dette kan skape en slags pervers insentivstruktur der den mest effektive helsekommunikasjonen da vil bli den som er minst kunnskapsbasert og etterprøvbar, men mest engasjerende.

Det andre problemet

En vanlig innvending kan være at innholdet er riktig, men det mener jeg kan være en farlig forenkling.

Teksten om vaksiner er et godt eksempel på noe jeg mener kan kalles omtrentlig riktig. Det er faglig tilstrekkelig til at ingen enkeltstående setning er direkte feil, men upresis nok til å potensielt kunne villede. HPV-vaksinens 88 prosent risikoreduksjon for livmorhalskreft er hentet fra Lei et al. (2020), og teksten nevner korrekt at dette gjaldt jenter vaksinert før 17 år. Men den oppgir verken studiens design (kohortstudie), konfidensintervaller, oppfølgingstid, eller at det absolutte antallet krefttilfeller i den vaksinerte gruppen var lavt. Dette er alt sammen kontekst som er nødvendig for å vurdere hvor robust utsagnet er. Leseren får altså presentert et tall, men ingen mulighet til å vurdere om tallet stemmer.

Tilsvarende inkluderer teksten funn som støtter konklusjonen, sånn som mulig demensreduksjon etter zostervaksine og mulig redusert risiko for type 1-diabetes etter rotavirusvaksine. Samtidig utelates det en del nyanser som åpenbart ville svekket retorikken.

Et eksempel er at teksten hevder at meslingvirus kan «slette deler av immunhukommelsen». Det refererer til reell forskning. Mina et al. (2019) viste at meslinger kan redusere bredden i antistoffrepertoaret. Men «slette» er etter min oppfatning et dramatisert utsagn. Studien viste tap av mellom 11 og 73 prosent av antistoffrepertoaret, avhengig av sykdommens alvorlighetsgrad. Det er klinisk relevant og bekymringsfullt. Men det er ikke det samme som at immunhukommelsen «slettes», og forskjellen mellom de to formuleringene er nøyaktig det som skiller fagformidling fra retorikk.

Når en tekst gjennomgående velger å inkludere det som bygger opp under konklusjonen og utelate nyansene er kanskje ikke resultatet folkeopplysning, men argumentasjon? Det er absolutt lov å argumentere. Men da er ikke teksten det den utgir seg for å være. Den utgir seg for å være et kunnskapsbasert og faglig innlegg, emn er den det?

Hva fagformidling krever

American Academy of Family Physicians (AAFP) understreker at leger som kommuniserer i sosiale medier, har et faglig ansvar for å sikre at innholdet de publiserer, ikke skader, dette inkluderer ansvar for å ikke fremme overbehandling, unødvendig utredning eller selvdiagnose (Gomes, 2021). World Medical Associations reviderte International Code of Medical Ethics (2022, artikkel 35), som er enda mer eksplisitt, og sier at leger som uttaler seg offentlig, inkludert i sosiale medier, skal sikre at uttalelsene er vitenskapelig korrekte og forståelige, og skal opplyse dersom egne meninger avviker fra evidensbasert kunnskap. Det er et ansvar som gjelder uavhengig av om teksten er skrevet av legen selv eller generert av en maskin og publisert i legens navn.

Å korrigere feilinformasjon i etterkant viser seg å ha begrenset effekt. Forhåndsinnenting, eller prebunking kan virke bedre. Prinsippet er det samme som i vaksinasjon, at man ved å eksponere folk for svekkede versjoner av vanlige manipulasjonsteknikker, bygger en motstandskraft før feilinformasjonen treffer. Kunnskapsgrunnlaget for dette kommer primært fra van der Linden og Roozenbeeks forskergruppe ved Cambridge, som har vist effekten gjennom randomiserte studier og felteksperimenter (Roozenbeek et al., 2022; van der Linden, 2023). I praksis betyr det at det er mer effektivt å vise publikum mønsteret i hvordan kunnskap forenkles, de retoriske grepene, den selektive kildebruken og emosjonell eskalering, enn å korrigere enkeltpåstander i etterkant.

I norsk sammenheng har vi gode eksempler på formidlere som tar dette ansvaret. Ingeborg Senneset i Aftenposten har gjennom mange år skrevet om vaksinemotstand og alternativbevegelsen med en kombinasjon av journalistisk grundighet, personlig engasjement og vilje til å dokumentere påstandene sine Et eksempel er kronikken «Du er ikke nødvendigvis idiot om du er skeptisk til vaksiner. Men du er smittsom» (Senneset, 2020), der hun sporer vaksineskepsis tilbake til primærkildene og viste hvordan kontekst systematisk ble fjernet i delingen.

Gunnar Tjomlid på bloggen Saksynt har bygget sin praksis rundt systematisk faktasjekk, med eksplisitte kilder, navngitte studier og transparente resonnementer. Sist i sin gjennomgang av en lege sine påstander om vitamin D på Facebook (Tjomlid, 2025). Begge opererer i det samme vanskelige landskapet på plattformer som belønner det som engasjerer, et publikum som er polarisert, og et tempo som gjør at faglig etterrettelighet med stor sannsynlighet ikke fører til flere klikk.

Troverdighet

Vaksinedebatten i Norge mangler ikke tekster som treffer emosjonelt. Den mangler tekster og innlegg der man kan ettergå fag og kunnskap.

For helsepersonell som bruker AI i formidlingen sin, bør man som et minimum være transparent. Si at du har brukt et KI-verktøy. Kvalitetssikre fakta mot primærkildene. Og ikke minst: oppgi kildene man bruker. Ta ansvar for det ferdige produktet som om du hadde skrevet hvert ord selv, for det er slik leseren oppfatter det vi skriver.

Tillit i helsekommunikasjon bygges ikke bare av at konklusjonen er riktig, men av at leseren kan etterprøve det som faktisk påstås og formidles. Og da må det finnes kildehenvisninger. Kildehenvisninger er det som utgjør hele forskjellen mellom fagformidling og andre påstander.

Kan du ikke stå inne for kildegrunnlaget, bør du ikke publisere teksten, uansett hvem eller hva som har skrevet den.

Referanser

Bauer, M. W. (2009). The evolution of public understanding of science — discourse and comparative evidence. Science, Technology and Society, 14(2), 221–240. https://doi.org/10.1177/097172180901400202

Eyting, M., Xie, M., Michalik, F., Heß, S., Chung, S., & Geldsetzer, P. (2025). A natural experiment on the effect of herpes zoster vaccination on dementia. Nature, 641(8062), 438–446. https://doi.org/10.1038/s41586-025-08800-x

Gomes, A. (2021, 12. mai). Seven best practices for doctors on social media. American Academy of Family Physicians — FPM InPractice. https://www.aafp.org/pubs/fpm/blogs/inpractice/entry/social_media_best_practices.html

Lei, J., Ploner, A., Elfström, K. M., Wang, J., Roth, A., Fang, F., Sundström, K., Dillner, J., & Sparén, P. (2020). HPV vaccination and the risk of invasive cervical cancer. New England Journal of Medicine, 383(14), 1340–1348. https://doi.org/10.1056/NEJMoa1917338

Mahmoud, R., Kather, J. N., Brinker, T. J., et al. (2025). Generative AI in social media health communication: Systematic review and meta-analysis of user engagement with implications for cancer prevention. European Journal of Cancer, 215, 115169. https://doi.org/10.1016/j.ejca.2025.115169

Mina, M. J., Kula, T., Leng, Y., Li, M., de Vries, R. D., Knip, M., Siljander, H., Rewers, M., Choy, D. F., Wilson, M. S., Larman, H. B., Nelson, A. N., Griffin, D. E., de Swart, R. L., & Elledge, S. J. (2019). Measles virus infection diminishes preexisting antibodies that offer protection from other pathogens. Science, 366(6465), 599–606. https://doi.org/10.1126/science.aay6485

Roozenbeek, J., Traberg, C. S., & van der Linden, S. (2022). Technique-based inoculation against real-world misinformation. Royal Society Open Science, 9(5), 211719. https://doi.org/10.1098/rsos.211719

van der Linden, S. (2023). Foolproof: Why misinformation infects our minds and how to build immunity. W. W. Norton.

World Medical Association. (2022). WMA International Code of Medical Ethics. Vedtatt av 73. WMA General Assembly, Berlin, oktober 2022. https://www.wma.net/policies-post/wma-international-code-of-medical-ethics/

Senneset, I. (2020, 1. juni). Du er ikke nødvendigvis idiot om du er skeptisk til vaksiner. Men du er smittsom. Aftenposten. https://www.aftenposten.no/meninger/kommentar/i/Ado9en/du-er-ikke-noedvendigvis-idiot-om-du-er-skeptisk-til-vaksiner-men-du-er-smittsom

Tjomlid, G. R. (2025). Om vitamin D, korrelasjoner og kausalitet. Saksynt. https://tjomlid.com/om-vitamin-d-korrelasjoner-og-kausalitet/

Kildesøk og faktasjekk i denne teksten er gjort med støtte fra Perplexity AI. Alle referanser er verifisert mot primærkilder, og den faglige vurderingen og formidlingen er min egen.