AI i kreativ skrivning: Når maskinen bliver et værktøj

Generativ kunstig intelligens har på få år gjort det muligt at få produceret idéer, analyser og hele tekstudkast på sekunder. Det gør teknologien fristende for enhver, der arbejder med lange fortællinger, mange karakterer og store mængder baggrundsmateriale. Men AI ændrer ikke det grundlæggende problem i kreativ skrivning. En historie bliver ikke stærk, fordi den kan produceres hurtigt. Den bliver stærk, når nogen træffer bevidste valg om karakter, konflikt, perspektiv, rytme og betydning. Derfor er det mere præcist at betragte AI som et redaktionelt værktøj end som en selvstændig forfatter. I et digitalt fortælleprojekt som Herstasia kan AI være særlig nyttig, fordi arbejdet ikke kun består af at skrive scener. Projektet skal også holde styr på tidslinjer, relationer, versioner, resuméer, online adaptationer, billedbeskrivelser og faglige artikler. Her kan en sprogmodel hjælpe med at sammenligne, strukturere og foreslå, men den bør ikke være den kilde, der afgør, hvad der er sandt i universet. Den forskel er afgørende. AI er stærk til at skabe plausible svar. En kanonisk fortælling kræver derimod korrekte svar. Jo større universet bliver, desto vigtigere er det derfor at placere menneskelig intention og dokumenteret kanon over maskinens evne til at improvisere. Det gør arbejdsdelingen mellem menneske og model til et redaktionelt designvalg, ikke blot et spørgsmål om effektivitet.

Hvad generativ AI faktisk gør

Store sprogmodeller skriver ikke ved at have en menneskelig forståelse af personer, temaer og erindringer. De beregner sandsynlige fortsættelser ud fra mønstre i store mængder tekst og den kontekst, de får i den konkrete samtale eller opgave. Resultatet kan virke meget forstående, fordi modellen er god til at efterligne sproglige og narrative mønstre. Det betyder samtidig, at en overbevisende formulering ikke er det samme som en korrekt analyse. Hvis modellen mangler en bestemt oplysning om en karakter, kan den ofte udfylde hullet med noget, der lyder sandsynligt. I en løs idéfase kan det være nyttigt. I kontinuitetsarbejde er det farligt. En person kan få et arbejde, en motivation eller en relation, som passer perfekt ind i genren, men som aldrig er besluttet. Derfor bør et seriøst fortælleprojekt skelne mellem generering og verificering. Generering handler om at skabe muligheder, alternative formuleringer og forslag. Verificering handler om at kontrollere forslagene mod de kilder, projektet selv har udpeget som autoritative. Når denne arbejdsdeling er tydelig, bliver AI langt mere værdifuld. Modellen behøver ikke være sandhedskilden for at være nyttig. Den kan være en meget hurtig læser, sparringspartner og analytiker, så længe det er klart, at det sidste ord ligger i den redaktionelle styring og ikke i den mest velformulerede maskinelle forklaring.

Den stærkeste rolle er redaktionel sparring

AI er ofte mest værdifuld før og efter selve skrivningen. Før en scene skrives, kan modellen bruges til at undersøge, hvilke konflikter der allerede ligger i materialet, hvilke tidligere setups der kan få betydning, eller hvor en karakterbue mangler et konkret valg. Efter skrivningen kan den lede efter gentagelser, uklare årsagskæder, perspektivskred og steder, hvor teksten forklarer noget, som scenen allerede viser. Det er en anden brug end at bede modellen om at skrive kapitlet fra et tomt promptfelt. Når AI får rollen som kritisk læser, kan forfatteren bevare ejerskabet over stemme og intention, men samtidig få et ekstra sæt øjne på et stort tekstmateriale. For Herstasia er dette særligt relevant, fordi projektet arbejder med mange parallelle historier og en omfattende styring. En model kan sammenligne et nyt kapitel med en tidslinje, kontrollere om en relation beskrives ens på tværs af tekster eller pege på mulige konflikter mellem en online version og hovedhistorien. Men den bør formulere fund som fund, ikke som nye beslutninger. Hvis den opdager, at et årstal mangler, skal resultatet være et spørgsmål eller en afvigelse, ikke et opfundet årstal. Den disciplin gør forskellen mellem AI som kvalitetskontrol og AI som kilde til nye kontinuitetsfejl. Jo tydeligere opgaven defineres, desto bedre bliver samarbejdet.

Kanon skal altid stå over plausibilitet

Et af de største problemer ved AI i lange fortælleprojekter er modellens tendens til at vælge den plausible løsning, når den korrekte løsning ikke er tilgængelig. I en almindelig samtale er det ofte hjælpsomt, fordi brugeren hellere vil have et kvalificeret bud end et tomt svar. I en romanserie eller et digitalt storyworld kan det være ødelæggende. Hvis en karakter tidligere har mødt en anden person på et bestemt tidspunkt, må modellen ikke flytte mødet, fordi en ny scene bliver lettere at skrive på den måde. Hvis et motiv bevidst er holdt åbent, må AI ikke lukke det med en psykologisk forklaring, blot fordi forklaringen lyder naturlig. Derfor bør komplekse projekter arbejde med en sandhedshierarki, hvor den aktive styring, de låste kapitler og konkrete brugerbeslutninger står over tidligere udkast og over modellens egen hukommelse. AI kan derefter få besked på at markere usikkerhed i stedet for at udfylde den. For Herstasia er denne metode afgørende, fordi samme historie kan eksistere som lang version, online adaptation, resumé, personprofil og backstage materiale. En ændring ét sted kan have konsekvenser flere andre steder. Den redaktionelle opgave er derfor ikke blot at skrive nyt, men at sikre, at alle afledte lag stadig peger tilbage på den samme kanon. AI kan hjælpe med at finde afvigelserne, men må ikke selv afgøre, hvilken parallel version der skal vinde.

AI kan hjælpe med karakterbuer, men ikke eje dem

Karakterudvikling er et område, hvor sprogmodeller kan virke særligt overbevisende. De kan identificere konflikt, foreslå Want og Need, formulere en mulig Lie og Truth og placere vendepunkter i en klassisk bue. Det gør dem nyttige som analyseværktøj, især når man arbejder med modeller som K.M. Weilands. Men modellen kan let gøre karakterbuen mere ren og skematisk, end den menneskelige historie egentlig er. Et menneske kan handle modstridende, lære noget uden at kunne leve efter det og bevæge sig frem og tilbage mellem gamle og nye mønstre. AI har ofte en tendens til at samle disse nuancer i én tydelig forklaring, fordi en tydelig forklaring sprogligt ser stærk ud. Derfor bør karakteranalysen bruges diagnostisk. Den kan spørge, om protagonistens ydre mål hænger sammen med den indre konflikt, eller om et vigtigt valg mangler konsekvens. Den bør ikke automatisk skrive facit ind i prosaen. I Herstasia er det netop vigtigt, at personerne ikke reduceres til deres analysemodel. Lie, Truth, Want og Need er redskaber bag teksten. Læseren skal møde mennesker, ikke terminologi. AI kan hjælpe forfatteren med at se mønstre, som er blevet uklare under mange omskrivninger, men den bedste scene opstår stadig, når karakterens valg virker naturligt i situationen og samtidig flytter noget i den større bue. Modellen kan beskrive mekanikken. Forfatteren skal beslutte, hvad oplevelsen betyder.

Kontinuitetskontrol er en oplagt AI opgave

Store fortælleuniverser producerer en type arbejde, som sjældent forbindes med kreativitet, men som er afgørende for kvaliteten, nemlig systematisk kontinuitetskontrol. Datoer, aldre, bopæl, arbejdssteder, genstande, sygdomsforløb, relationer og tidligere afsløringer skal passe sammen over mange tekster. Her har AI en reel fordel, fordi den kan gennemgå store mængder struktureret materiale og lede efter afvigelser hurtigere end et menneske. Det kræver dog, at data er tilgængelige i en pålidelig form. En god arbejdsgang er derfor at give modellen den aktive tidslinje, personstyring og relevante kapitler og derefter bede den om at rapportere konflikter med præcise kildehenvisninger. Resultatet bør ligne en audit, ikke en omskrivning. Hvis to dokumenter angiver forskellige årstal, skal modellen vise begge og forklare konflikten. Den skal ikke vælge det årstal, der virker mest sandsynligt. Denne metode passer særligt godt til Herstasia, hvor CMS, styringsark og fortællinger allerede fungerer som forskellige lag i samme system. På sigt kan AI også bruges til at kontrollere, om en ny offentlig personprofil røber noget, som først bliver kendt senere, eller om et galleri viser et motiv på et forkert tidspunkt. Det er en form for maskinel redaktionel QA. Værdien ligger ikke i, at AI fortæller historien, men i at den hjælper med at sikre, at historien ikke modsiger sig selv.

Adaptation kræver mere end forkortelse

Når en lang fortælling skal omsættes til online kapitler, resuméer, korte versioner eller materiale til sociale medier, er AI oplagt som produktionsværktøj. Den kan hurtigt komprimere tekst og finde centrale begivenheder. Men en adaptation er ikke bare en kortere udgave. Hvert format har sin egen funktion, og derfor skal modellen kende forskellen mellem det, der kan fjernes, og det, der ikke må ændres. Et resumé skal bevare handling, kronologi og afsløringsgrænse. En online adaptation kan være kortere, men skal stadig føles som en fortælling og ikke som referat. En tekst til sociale medier kan fremhæve et interessant motiv uden at røbe et payoff. Hvis AI kun får beskeden om at gøre teksten kortere, vil den ofte prioritere informationstæthed og dermed fjerne små handlinger, stilhed og hverdagsdetaljer, som netop skaber karakter og rytme. For Herstasia er den mest robuste metode derfor at give hvert afledt format sin egen kontrakt. Modellen skal vide, hvilken kildeversion der er autoritativ, hvilket omfang formatet har, hvilke scener eller oplysninger der skal bevares, og hvad læseren endnu ikke må vide. AI kan derefter gøre det tunge første analysearbejde, men adaptationens kvalitet skal vurderes som en ny tekst. Hvis den ikke længere har scener, nærvær eller stemme, er den ikke blevet digitalt tilpasset. Den er blot blevet komprimeret.

Den største sproglige risiko er ensartethed

Generativ AI kan skrive flydende prosa, og netop derfor er dens stilistiske begrænsninger lette at overse. Forskning peger på et interessant paradoks. I et eksperiment med korte historier fandt Anil Doshi og Oliver Hauser, at adgang til generative AI idéer kunne forbedre deltagernes vurderede kreativitet og skrivekvalitet, særligt for mindre kreative deltagere. Samtidig blev de AI understøttede historier mere ens indbyrdes. En nyere stylometrisk undersøgelse har også fundet målbare forskelle mellem menneskelig og AI genereret kreativ prosa. For en forfatter betyder det, at AI både kan løfte et enkelt udkast og samtidig trække mange tekster mod de samme statistisk attraktive mønstre. Det viser sig ofte som pæne kontraster, afrundede afsnutninger, forklarende sætninger og en tendens til at gøre implicit betydning eksplicit. I et ensembleværk er det særligt problematisk, fordi forskellige personer og fortællinger skal have deres egen rytme og temperatur. Hvis alle kapitler bliver redigeret mod den samme glatte standard, forsvinder forskellene mellem dem. Derfor bør AI ikke kun instrueres i, hvad den skal gøre, men også i, hvad den skal bevare. Originale billeder, særheder, pauser, ujævnheder og undertekst kan være vigtigere end en mere elegant formulering. Den professionelle brug af AI er ikke at gøre alle sætninger bedre isoleret. Det er at forbedre teksten uden at gøre hele værket mere gennemsnitligt.

AI skal kende forskel på analyse og omskrivning

En praktisk fejl i AI baseret redaktion opstår, når analyse og omskrivning blandes sammen. Hvis modellen bliver bedt om at finde problemer og samtidig rette dem, kan den ændre langt mere end det, den oprindeligt blev sat til at kontrollere. En passage med en kontinuitetsfejl kan ende med at få ny dialog, ændret tone og en anden motivation. Dermed bliver det svært at se, hvilken rettelse der faktisk var nødvendig. En bedre proces deler arbejdet i trin. Først analyseres teksten mod et defineret grundlag. Derefter samles fundene som konkrete afvigelser. Først til sidst foretages de godkendte rettelser, og de bør være så lokale som muligt. Denne metode gør AI arbejdet auditerbart. For Herstasia er det særligt vigtigt, fordi projektet har mange versioner og beslutninger, der allerede er låst. En ny gennemskrivning bør ikke genåbne gamle valg ved et uheld. Modellen skal derfor kunne få en eksplicit instruktion om, at visse oplysninger kun må kontrolleres, ikke forbedres eller fortolkes på ny. Det samme gælder stil. En stilkontrol kan pege på gentagelser, mekaniske overgange eller for meget forklaring uden automatisk at erstatte hele afsnittet. Når redigeringen opdeles, bliver mennesket bedre i stand til at vælge, hvilke maskinelle observationer der er relevante. Det beskytter både teksten og beslutningshistorikken og gør det muligt at bruge AI intensivt uden at lade værket skifte retning ved hver ny session.

Research og fakta kræver eksterne kilder

En sprogmodel kan have stor almen viden, men den bør ikke bruges som eneste kilde til fakta, der kan kontrolleres uden for fortælleuniverset. Det gælder historiske begivenheder, geografi, militære forhold, sygdomme, lovgivning, institutioner og andre oplysninger, hvor en plausibel fejl kan blive stående i den færdige tekst. Her bør AI fungere som researcher, der finder og sammenfatter kilder, ikke som autoritet i sig selv. I praksis betyder det, at aktuelle eller specialiserede fakta bør kontrolleres mod primære eller fagligt solide kilder, og at den færdige redaktion skal kunne se, hvor en oplysning kommer fra. Det er særligt vigtigt, når fiktion ligger tæt på virkeligheden. Et realistisk univers kan godt opfinde personer og steder, men de virkelige rammer omkring dem bør være troværdige, hvis teksten præsenterer dem som faktuelle. Samme princip gælder vidensartiklerne omkring et projekt som Herstasia. De må gerne være tilgængelige og praktiske, men de bør skelne mellem etablerede fagbegreber og projektets egne arbejdsbegreber. AI kan let gøre en nyttig intern betegnelse til en tilsyneladende akademisk teori, hvis den ikke bliver bedt om at verificere terminologien. Professionel AI brug kræver derfor kildekritik. Modellen kan gøre research hurtigere og bredere, men den menneskelige redaktion skal stadig kunne svare på det enkle spørgsmål, hvor ved vi dette fra?

Transparens handler om kontekst

Debatten om AI og litteratur ender ofte i et enkelt spørgsmål, skal læseren have at vide, at AI er brugt? Der findes ikke ét svar, som dækker alle situationer. Det afhænger blandt andet af, om AI har produceret færdigt indhold, om et menneske har redigeret og taget ansvar for teksten, og om materialet er fiktion, journalistik eller information om samfundsforhold. EU's AI Act har siden 2. august 2026 haft konkrete transparenskrav for bestemte typer AI genereret eller manipuleret indhold. Reglerne er ikke et generelt krav om at mærke enhver litterær tekst, der har været gennem et AI værktøj. For tekst, der offentliggøres med det formål at informere offentligheden om forhold af offentlig interesse, findes der særlige krav og samtidig en undtagelse, når indholdet har gennemgået menneskelig redaktionel kontrol, og en person eller organisation bærer redaktionelt ansvar. For et litterært projekt er den vigtigste praktiske pointe derfor at have en reel redaktionel proces og kunne beskrive AI's rolle præcist. Hvis AI bruges til brainstorming, QA, struktur og sproglig sparring, er det noget andet end at publicere rå maskinproducerede kapitler. Transparens bør ikke reduceres til et mærkat. Den bør afspejle den faktiske arbejdsform, så læseren ikke får et misvisende billede af, hvor intention, ansvar og den endelige tekst kommer fra.

En robust AI arbejdsgang for Herstasia

En effektiv AI arbejdsgang for Herstasia kan bygges omkring et enkelt princip, maskinen må arbejde bredt, men den må kun ændre smalt. Først fastlægges sandhedskilden for opgaven, for eksempel den aktive styring, det låste kapitel og de relevante kontrakter for personer og steder. Derefter får AI en præcis rolle, analyse, kontinuitetskontrol, adaptation, research eller omskrivning. Resultatet vurderes mod samme kilder, før noget flyttes tilbage i den aktive tekst. Ved større ændringer bør nye versioner oprettes, så tidligere beslutninger kan spores. Denne struktur gør det også muligt at bruge forskellige modeller til forskellige opgaver uden at gøre en bestemt model til projektets hukommelse. Hukommelsen ligger i dokumenterne og styringen. AI er et midlertidigt arbejdsredskab, der læser dem. Det er særligt vigtigt i et projekt, der skal leve over mange år og kan skifte tekniske platforme undervejs. Samme metode kan bruges i CMS arbejdet. En model kan foreslå metadata, interne links og uddrag, men de offentlige felter bør bygge på den aktuelle version af historien. Den kan analysere billeder for kontinuitet eller hjælpe med at beskrive dem, men billedets placering og kanoniske betydning skal være registreret uden for modellen. På den måde bliver AI integreret i produktionsapparatet uden at blive den autoritet, som hele universet afhænger af. Det er en mere holdbar form for menneske og maskine samarbejde.

AI ændrer arbejdsprocessen, ikke ansvaret

Generativ AI er allerede et stærkt værktøj til kreativ skrivning, men dens største værdi ligger ikke nødvendigvis i at producere flest ord. For et komplekst fortælleprojekt ligger gevinsten ofte i de opgaver, som omgiver teksten, analyse, sammenligning, kontinuitet, research, adaptation og kvalitetssikring. Her kan en model spare betydelig tid og opdage mønstre, som er svære at holde i hovedet. Samtidig bliver dens svagheder tydelige, når den får lov til at udfylde manglende fakta, standardisere karakterer eller omskrive uden et fast grundlag. Forskningen peger på samme dobbelte mulighed. AI kan hjælpe enkelte skribenter med at skabe bedre vurderede historier, men den kan også gøre den samlede produktion mere ensartet. Derfor bør teknologien ikke bruges til at fjerne det menneskelige besvær fra fortællingen, for noget af det besvær er netop dér, originalitet og betydning opstår. I Herstasia giver AI mest mening som en del af en redaktionel infrastruktur, hvor mennesket ejer kanon, tema, karakterer og endelige valg. Modellen kan være hurtigere til at læse, sammenligne og foreslå, men den skal kunne stoppes af et dokument, en beslutning eller en enkelt sætning, der allerede er låst. Det er ikke en begrænsning af teknologien. Det er den ramme, som gør den kreativt nyttig. AI ændrer, hvordan arbejdet kan udføres. Den ændrer ikke, hvem der har ansvaret for historien.

Fagligt grundlag

Artiklen bygger på nyere forskning i generativ AI og kreativ skrivning samt aktuelle europæiske rammer for transparens. Anil R. Doshi og Oliver P. Hausers studie i Science Advances fra 2024 viste i et kontrolleret forsøg med korte historier, at adgang til generative AI idéer kunne øge vurderet kreativitet, skrivekvalitet og nydelse, især blandt deltagere med lavere udgangspunkt på et kreativitetstest. Samtidig blev historierne mere ens indbyrdes, hvilket gør studiet særligt relevant for diskussionen om stilistisk homogenisering. James O'Sullivans stylometriske analyse i Humanities and Social Sciences Communications fra 2025 fandt målbare forskelle mellem menneskelig og AI genereret kreativ skrivning og understøtter behovet for at behandle sproglig identitet som mere end grammatisk korrekthed. En undersøgelse i Scientific Reports fra januar 2026 har desuden undersøgt AI understøttet samskrivning og peger på, at struktureret brug kan have positive kognitive og emotionelle effekter i bestemte læringsmiljøer, men resultaterne kan ikke uden videre generaliseres til professionelle forfattere. Den juridiske del er afgrænset til Europa Kommissionens vejledning om artikel 50 i AI Act. Transparensreglerne gælder fra 2. august 2026 for bestemte typer AI genereret eller manipuleret indhold og bør ikke læses som et generelt krav om mærkning af enhver AI assisteret litterær tekst. Artiklen bruger disse kilder som støtte for en praktisk, menneskestyret model for AI i digital storytelling.