Om examination är AI-anpassad kan den exempelvis vara mera konkret fokuserad på lärandeprocessen. Därmed blir kontinuerlig bedömning vanligare i sådana examinationsupplägg. En annan princip som ofta nämns i AI-anpassad examination är att försäkra sig om att lärandemål examineras på mer än ett sätt. Med dagens utvecklingsnivå på AI-verktyg kan det också vara tillräckligt att göra examinationen specifik för ett visst tillfälle eller en viss tidpunkt eller viss kurs-specifik information eller läraktivitet. Ett ytterligare sätt kan vara att examinationen förutsätter integration många olika källor från kursen. Avslutningsvis är det centrala behovet för bedömning att kräva och säkerställa kritisk granskning av eventuellt AI-genererad information. Olika lärandemål i en kurs kan kräva olika examinationsalternativ för att AI-anpassas. Det är dock svårt att AI-säkra examination helt.
Om examinationsupplägget inte AI-anpassas och risken för fusk är uppenbart krävs uppföljande examinationsaktiviteter för utvalda lärandemål. Sådana aktiviteter kan vara muntlig examination, begränsad summativ examination, demonstration eller instruktion, verksamhetsförlagd examination eller eventuellt seminarieexamination.
Många utbildningar har även examinationsinslag som förutsätter att studenter använder någon form av generativ AI. Det kan exempelvis vara ett verktyg de förväntas använda i en framtida yrkesroll eller ett verktyg som används som ett alternativt arbetssätt för något enskilt lärandemål. Sådan examination kan vara verksamhetsförlagd eller kanske av labb / simulerings- eller workshopkaraktär. Oavsett dess utformning vid bedömningstillfällen förutsätter AI-baserad examination att studenter har haft tillräckliga lärandetillfällen och likvärdig tillgång till verktygen.