Två dokument har definierat den moderna forskarens yrkesliv: forskningsartikeln och forskningsansökan. Det första avgör anseende, det andra möjliggör forskning. Båda är nu på väg att bli obsoleta som en konsekvens av teknikutveckling. Men det är inte en katastrof, det är en befrielse.
Tänk dig en kollega som arbetar heltid med att skriva artiklar som ingen läser. Inte för att de är dåliga, utan för att det helt enkelt produceras för många. Sedan 2010 har antalet vetenskapliga artiklar mer än fördubblats globalt, och ökningstakten har accelererat ytterligare sedan generativ AI blev allmänt tillgänglig 2022.1 Forskning publicerad i Nature visar paradoxalt nog att andelen verkligt banbrytande vetenskapliga genombrott under samma period har minskat.2 Vi producerar mer, men nyskapar mindre.
Varför? Delvis för att den vetenskapliga artikeln länge har tjänat ett dubbelt syfte: dels som redovisning av ny kunskap, dels som mätinstrument för forskarens karriär. Artikeln har fungerat som vad Star och Griesemer3 kallar ett gränsobjekt (eng. boundary object), det vill säga ett föremål eller dokument som är tillräckligt plastiskt för att anpassas till olika aktörers behov, men tillräckligt robust för att bibehålla en igenkännbar identitet över kontexter. För lärosätet är artikeln ett produktionsmått. För finansiären ett kreditiv. För den enskilde forskaren är det ett bevis på existens. Samma objekt, tre helt olika syften.
Den strukturen håller nu på att förlora sin funktion. När generativ AI radikalt sänker kostnaden för att producera sammanhängande, välformulerad text försvinner den naturliga tröskeln som hittills har begränsat produktionsvolymen. Resultatet är redan synligt: tidskrifter rapporterar om exponentiellt ökande inlämningsvolymer och växande svårigheter att finna granskare.4–5 Förlagsbranschens affärsmodell är byggd på att externalisera arbete i form av skrivande till forskare och granskning av frivilliga experter. När granskningskapaciteten inte längre håller jämna steg med produktionsvolymen faller den modellen samman.6
Konsekvenserna av detta är, tvärt emot vad man kanske tror, i grunden positiva. Den tid som idag läggs på att paketera och rapportera forskning i ett standardiserat artikelformat kan i stället läggas på att bedriva och kommunicera forskning direkt. Den nuvarande publiceringsprocessen verkar homogeniserande: den premierar forskning som passar in i ett givet format och som anknyter till rätt citeringskedjor. Utan denna trånga mall ökar utrymmet för genuint nydanande arbete.
Men det kräver ett uppbrott från ett djupt rotat system. Forskarkarriärer mäts idag inte sällan med H-index, ett numeriskt mått uppfunnet av fysikern Jorge Hirsch som anger hur många av en forskares artiklar som citerats minst lika många gånger som artikelns rangordning i forskarens produktionslista.7 Det är ett konkret exempel på hur en proxy för kvalitet, ett mätbart mått som ersätter en svårare bedömning, successivt har kommit att ersätta den faktiska bedömningen av forskningens värde. Om AI-genererade artiklar sömlöst integreras i citeringskedjorna, vilket redan sker, mäter H-index snart ingenting alls av relevans.8
Kärnfrågan i den nya världen blir inte var du har publicerat, utan vad du har funnit och vad det har lett till.
Forskningsansökans undergång
Parallellt pågår en liknande omvälvning inom forskningsfinansiering. Vetenskapsrådet rapporterade för 2025 en kraftig ökning av antalet inkomna ansökningar.9 Det är inte en slump. När generativ AI sänker den tid och energi som krävs för att producera en välstrukturerad ansökan, och när trycket på extern finansiering ökar, är resultatet förutsägbart: fler ansökningar, från fler grupper, med lägre genomsnittlig förankring i ett genuint projekt.
Finansiärerna befinner sig nu i ett läge där den ursprungliga logiken bakom ansökningsprocessen bryts ner. Operativt genom att manuell hantering med bibehållen kvalitet inte längre är möjlig i den skala som krävs. Strategiskt genom att auktionsformatet, där finansiären passivt väntar på att forskargrupper ska söka medel, inte längre säkerställer att de mest relevanta projekten identifieras och finansieras.
Tänk dig i stället följande. En finansiär som vill stärka forskningen kring AI och demokrati behöver inte längre utlysa ett anslag och hoppas på att rätt forskargrupper hör av sig. AI-agenter, det vill säga autonoma system som självständigt utför uppgifter och fattar beslut för att uppnå ett definierat mål, kan kontinuerligt kartlägga vilka forskargrupper som faktiskt arbetar med relevanta frågeställningar, vilka kompetenser som saknas och vilka interdisciplinära samarbeten som skulle ge störst effekt. Finansiärens roll förändras från passiv granskare av inkomna ansökningar till aktiv orkestrerare av forskning i linje med samhällets behov. Sådana agentbaserade system, där AI-modeller samverkar och agerar autonomt i nätverksmiljöer för att lösa komplexa uppgifter, är redan under bred utveckling.10
Resultatet är ett system som är framåtblickande snarare än reaktivt och riktat snarare än brett. I stället för att hundratalet forskargrupper ägnar tid åt att formulera ansökningar, där nio av tio avslås, initieras riktade dialoger med de grupper vars meriter och pågående arbete bäst matchar finansiärens uppdrag. Resurserna hos finansiären såväl som hos forskargrupperna kan läggas på substans i stället för administration.
Kärnfrågan i den nya världen blir inte vem som förtjänar att få finansiering, utan var uppstår den forskning som samhället faktiskt behöver.
Vad detta innebär för forskarens roll
När dessa två förändringar sammanfaller förändras grundförutsättningarna för vad det innebär att vara forskare.
Vid vår egen institution har vi räknat på det. Mer än 70 procent av den tid som idag är avsatt för forskning läggs i praktiken på aktiviteter som inte är forskning: att skriva ansökningar, att granska andras manuskript, att paketera resultat i artikelformat, att navigera i redaktionella processer. Om dessa aktiviteter automatiseras eller radikalt effektiviseras mer än tredubblas det faktiska vetenskapliga bidraget utan att en enda ny tjänst skapas.
Det ger ett annat perspektiv på den pågående debatten om AI och arbetsmarknad. Inom akademin handlar utmaningen inte om att ersätta forskare, utan om att befria dem från uppgifter som aldrig borde ha tagit den tid de tagit.
Parallellt med detta förändras forskarens roll i kunskapssamhället. Allmänhetens möjlighet att ta del av forskning, och att granska den, ökar när resultaten kommuniceras direkt och i tillgängliga format snarare än bakom betalväggar i specialiserade tidskrifter. Det är en förändring med konsekvenser långt bortom akademin.
Tre konkreta steg framåt
Så vad bör vi då göra för att möta denna utveckling? Vi ser tre nödvändiga steg.
Forskare och forskargrupper bör omedelbart börja utforska alternativa former för att kommunicera resultat, som inte har artikelns begränsningar: nya mönster, nya tolkningar, nya slutsatser, tillgängliggjorda i maskinläsbara format och uppbyggda som transparenta, sökbara databaser. För att säkerställa trovärdighet bör data göras tillgängliga i enlighet med FAIR-principerna (findable, accessible, interoperable, reusable). Detta möjliggör automatiserad granskning av resultatens tillförlitlighet i realtid.11
Lärosäten och finansiärer bör reformera sina system för meritering och karriärutveckling. Proxy-baserade mått som H-index och tidskriftens impact factor bör ersättas med mer rigorösa bedömningar av faktiskt kunskapsbidrag och samhällsnytta. Det gamla talesättet om att rektorer på handelshögskolor har glömt hur man läser och nu bara kan räkna beskriver ett problem som nu blivit akut.
Finansiärer bör snarast initiera pilotprojekt för proaktiv, agentbaserad fördelning av medel. I stället för att invänta ännu en ansökningsomgång bör de investera i infrastruktur och processer för att aktivt identifiera, kontakta och orkestrera relevanta forskargrupper genom AI-agenter. Transparens och ansvarstagande i dessa processer är inte valfritt; det är en förutsättning för legitimitet.
Uppståndelsen
Undergången för dessa två gränsobjekt, artikeln och ansökan, är inte slutet på forskningen. Det är slutet på ett system som under decennier har ägnat en oproportionerlig andel av den individuella forskarens tid åt att administrera och legitimera forskning snarare än att bedriva den. Det är forskningens uppståndelse. Den frigjorda kapaciteten är enorm och den samhälleliga effekten är potentiellt omvälvande.
Men det kräver att vi agerar nu, medvetet och med öppna ögon, i stället för att invänta att systemet faller samman av sig själv. Det kräver att vi börjar verka i Karl Weicks anda genom att konstant utforska och testa konventionens begränsning i vår institutionella omgivning.12
Johan Magnusson
Fredrik Svahn
Mattias Rost
Litteratur
[1] Hanson, M.A., Gómez Barreiro, P., Crosetto, P. & Brockington, D. (2024). The strain of scientific publishing. Quantitative Science Studies, 5(4), p. 823–843.
[2] Park, M., Leahey, E., & Funk, R. J. (2023). Papers and patents are becoming less disruptive over time. Nature, 613, 138–144.
[3] Star, S. L., & Griesemer, J. R. (1989). Institutional ecology, ’translations’ and boundary objects: Amateurs and professionals in Berkeley’s Museum of Vertebrate Zoology, 1907–39. Social Studies of Science, 19(3), 387–420.
[4] The Guardian. (2025, december 6). Artificial intelligence research has a slop problem, academics say: ‘It’s a mess’. The Guardian. https://www.theguardian.com/technology/2025/dec/06/ai-research-papers
[5] Ebadi, S., Nejadghanbar, H., Salman, A. R., & Khosravi, H. (2025). Exploring the impact of generative AI on peer review: Insights from journal reviewers. Journal of Academic Ethics, 23, 1383–1397.
[6] LSE Impact Blog. (2025, juli 18). Is there a strain on peer review? It’s more complicated than you think. London School of Economics. https://blogs.lse.ac.uk/impactofsocialsciences/2025/07/18/is-there-a-strain-on-peer-review-its-more-complicated-than-you-think/
[7] Hirsch, J. E. (2005). An index to quantify an individual’s scientific research output. Proceedings of the National Academy of Sciences, 102(46), 16569–16572.
[8] Silva, J. A. T., & Dobránszki, J. (2018). Multiple versions of the h-index: Cautionary use for formal academic purposes. Scientometrics, 115, 1107–1113.
[9] Vetenskapsrådet. (2025, december 22). 2025: Sharp increase in both applications and research funding. https://www.vr.se/english/just-now/news/news-archive/2025-12-22-2025-sharp-increase-in-both-applications-and-research-funding.html
[10] MIT Media Lab. (2024). Internet-scale agents. Massachusetts Institute of Technology. https://www.media.mit.edu/articles/internet-scale-agents/
[11] Wilkinson, M. D., Dumontier, M., Aalbersberg, I. J., Appleton, G., Axton, M., Baak, A., & Mons, B. (2016). The FAIR guiding principles for scientific data management and stewardship. Scientific Data, 3, 160018.
[12] Weick, K.E. (1979). The social psychology of organizations, 2nd ed. New York: McGraw-Hill
