I den artificiella intelligensens tidsålder har illusionen av att låta intelligent och grindvaktande genom expertism kommit till ett slut. För att undvika missförstånd är det värt att reda ut vad jag menar med detta (med hjälp av GPT-5): Under lång tid kunde en person få auktoritet genom att "låta smart". Polerat språk, tät jargong och elitmeriter fungerade ofta som genvägar för att bedöma kompetens. Vad jag menar med "Expertism" här är den status som baseras på dessa signaler snarare än på upprepade gånger, påvisad mätbar skicklighet. "Gatekeeping" innebär också att man använder den statusen för att kontrollera vem som får tillgång till information, verktyg eller möjligheter. AI tar nu bort mycket av värdet från dessa utseenden och försvagar dessa grindar. Det är viktigt för detta att det inte är expertisen i sig som är slutmålet, utan det monopol som den legitimerade retoriken hade på trovärdigheten. Marknaden håller alltså på att skifta från prestigesignaler till resultatsignaler. Frågorna blir: Förutsäger din modell nya data med noggrannhet utanför urvalet. Replikeras dina protokoll i andra händer? Slår dina beslut konsekvent enkla baslinjer? Överlever dina anspråk kontradiktoriska granskningar från AI? Skenet av intelligens betyder nu mycket mindre än förmågan att producera resultat som andra kan köra, testa och förbättra. Gatekeeping försvagas av liknande skäl. Kunskap och verktyg som en gång var låsta bakom tidskrifter, betalväggar eller professionella kretsar kan sammanfattas, förklaras och operationaliseras av AI. (Även om det fortfarande finns betalväggar eller stora datamängder i valv, hoppas vi att det också kommer att bli öppet). Människor kan lära sig snabbare, skapa prototyper snabbare och jämföra alternativ utan att be om lov. Inget av detta gör verklig expertis valfri. Underförstådd kunskap är fortfarande viktig: hur man kör ett experiment utan kontaminering, hur man rekryterar rätt patienter, hur man ser ett felmönster tidigt, hur man utformar ett protokoll som överlever granskning och operationer. AI kan utarbeta din plan och fånga upp uppenbara fel, men den kan inte pipettera, undersöka en patient eller hålla etiskt ansvar, åtminstone inte ännu. Inom medicinen är teknik, vetenskap, orsakssamband med verkligheten och ansvar för konsekvenser fortfarande kärnan i expertpraxis. Den praktiska konsekvensen är ett nytt sätt att signalera kompetens. Tydliga, testbara påståenden slår abstrakt briljans. Reproducerbara arbetsflöden slår utsmyckade förklaringar. Prediktiv validitet är viktigare än prestige.