Når AI møder socialfaglig dømmekraft - En kvalitativ undersøgelse af jobrådgiveres læringsvilkår, faglige identitet og meningsskabelse i arbejdet med RoboRef
Oversat titel
When AI Meets Professional Judgment - A Qualitative Study of Job Counselors' Learning Conditions, Professional Identity, and Sensemaking in Working with RoboRef
Forfattere
Søe, Freja Jasmin Boye ; Sørensen, Casper Brix
Semester
4. semester
Uddannelse
Udgivelsesår
2026
Afleveret
2026-06-01
Resumé
Dette speciale undersøger, hvordan implementeringen af AI udfolder sig i praksis for frontlinjemedarbejdere i den danske offentlige sektor med Jobcenter Aalborgs pilot af RoboRef som case. RoboRef transskriberer borgersamtaler og genererer udkast til journalnoter, og indføres samtidig med større organisatoriske forandringer, herunder en national beskæftigelsesreform og budgetreduktioner. Specialets forskningsspørgsmål er, hvordan jobrådgiveres læringsvilkår og faglige identitet – gennem deres meningsskabelse – påvirker arbejdet med RoboRef i testfasen i forhold til projektledelsens forventninger. Undersøgelsen er kvalitativ og socialkonstruktivistisk forankret og bygger på semistrukturerede interviews med tre jobrådgivere og projektledelsen samt deltagerobservation af borgersamtaler, hvor RoboRef var i brug. Analysen frembringer tre temaer: (1) En udbredt “testdiskurs” reducerer modstand, men efterlader uklare mål, begrænset oplæring og manglende stilladsering; jobrådgiverne positionerer sig forskelligt i deres udviklingszone afhængigt af teknologierfaring, hvilket skaber fragmenterede lokale praksisser. (2) Den faglige identitet er forankret i relationelt nærvær, etisk ansvar og nuanceret dømmekraft; RoboRef opleves som en udfordring hertil, bl.a. ved at forsimple og forforfatte konklusioner, hvilket medfører ekstra korrektionsarbejde, svækker ejerskab til dokumentation og kan forringe den meningsfulde faglige proces ved egen notetagning og dermed relationel indstilling. (3) Tilliden til RoboRef varierer: nogle fastholder manuelle backups og følelsesmæssig distance med begrænsede effektivitetsgevinster, mens én udviser høj tillid og antropomorfisering med risiko for overafhængighed og svækket faglig kontrol. Konklusionen er, at jobrådgivernes meningsskabelse, formet af begrænsede læringsvilkår og en stærk faglig identitet, driver den faktiske anvendelse mere end formelle forventninger. Specialet rejser spørgsmål om, hvor realistisk snæver AI er i arbejde præget af menneskelig kompleksitet og relationelt nærvær, og anbefaler klare læringsmål i testfasen, struktureret og differentieret oplæring samt en evaluering, der også vægter oplevet kvalitet og faglig anvendelighed frem for blot tidsbesparelser.
This master’s thesis explores how AI implementation unfolds for frontline staff in the Danish public sector through a pilot of RoboRef at Jobcenter Aalborg. RoboRef transcribes consultations and drafts case notes and is introduced amid broader organizational changes, including a national employment reform and budget cuts. The research question asks how job counselors’ learning conditions and professional identity—through their sensemaking—shape their work with RoboRef during the test phase relative to project management’s expectations. The study is qualitative and grounded in social constructivism, using semi-structured interviews with three job counselors and project management, alongside participant observation of consultations where RoboRef was used. Three themes emerge: (1) A pervasive “test discourse” reduces resistance but leaves goals, training, and scaffolding unclear; counselors position themselves differently in their zone of development depending on prior tech experience, producing fragmented local practices. (2) Professional identity is rooted in relational presence, ethical responsibility, and nuanced judgment; RoboRef is experienced as a challenge, tending to oversimplify and pre-formulate conclusions, which creates extra corrective work, weakens ownership of documentation, and may undermine the meaningful professional process of taking one’s own notes and thus relational attunement. (3) Trust in RoboRef varies: some maintain manual backups and keep emotional distance, limiting efficiency gains, while one exhibits high trust and anthropomorphizes the tool, risking overreliance and reduced critical oversight. The thesis concludes that counselors’ sensemaking, shaped by constrained learning conditions and a strong professional identity, drives actual use more than formal expectations. It raises questions about the realism of deploying narrow AI in work grounded in human complexity and relational attunement, and recommends clear learning objectives in the test phase, structured and differentiated training, and evaluation criteria that include experienced quality and professional applicability beyond time savings.
[Dette resumé er genereret med hjælp fra AI direkte fra projektet fuldtekst]