AI Governance🇩🇰 Dansk
AI governance: Den komplette guide
August 2026·7 min læsning·Brian P.N. Tofft
Forskere fra Springer Nature bemærker, at globale databaser i øjeblikket indeholder over 3000 dokumenterede AI-hændelser, hvor systemer har fejlet eller forårsaget skade. Dette tal understreger et akut behov for struktureret kontrol. For at lykkes med AI governance skal ledelsen etablere en ramme af politikker, processer og tekniske standarder. Denne ramme sikrer, at kunstig intelligens skaber forretningsværdi uden at overtræde lovgivning eller etiske grænser. Mange organisationer kæmper med at omsætte komplekse lovkrav til praktisk it-arkitektur. Vi ser ofte, at projekter strander, fordi fundamentet mangler. Gennem professionel rådgivning kan virksomheder bygge bro mellem forretningsstrategi og teknisk udførelse.
Mange virksomheder blander begreberne sammen i deres strategidokumenter. Akademisk litteratur adskiller dem dog tydeligt, og denne sondring er afgørende for en præcis implementering. Etisk AI handler om de moralske principper bag teknologien. Det omfatter diskussioner om retfærdighed, menneskelig værdighed og samfundsmæssig påvirkning. Det er de overordnede værdier, som en organisation ønsker at fremme. Ansvarlig AI er derimod den operationelle disciplin, der fokuserer på risikominimering. Det handler om at bygge systemer, der er gennemsigtige, sikre og fri for bias. Mens etisk AI definerer målet, leverer ansvarlig AI de konkrete værktøjer til at nå dertil. En effektiv strategi for AI governance kræver, at organisationen mestrer begge dele. Hvis man kun fokuserer på etik, ender man med hensigtserklæringer uden teknisk substans. Hvis man kun fokuserer på ansvarlighed, risikerer man at bygge sikre systemer, der løser de forkerte problemer.
Organisationen Partnership on AI definerer en model i tre lag kaldet AI Governance Stack. Denne model bygger bro mellem højtflyvende deklarationer og den kode, som udviklere skriver. Modellen gør det muligt for ledelsen at delegere ansvaret præcist på tværs af organisationen.
Det øverste lag består af globale værdier og multilaterale aftaler. Her finder vi initiativer som UNESCOs Recommendation on the Ethics of Artificial Intelligence, som 193 lande vedtog i 2021. OECD Working Party on Artificial Intelligence (AIGO) opererer også på dette niveau og sætter retningen for international politik. Det mellemste lag omfatter lovgivning og nationale prioriteter. Dette lag omsætter de globale værdier til bindende regler for virksomheder og borgere. I Europa er dette lag primært defineret af nye EU-forordninger og national databeskyttelseslovgivning. Det nederste lag udgøres af tekniske standarder og branchepraksis. Technical AI Governance (TAIG) udgør fundamentet her. Det omfatter de konkrete testprotokoller, datakvalitetstjek og sikkerhedsforanstaltninger, som ingeniører udfører dagligt. Uden dette lag forbliver lovgivningen teoretisk.
Den 13. juni 2024 blev Regulation (EU) 2024/1689 officielt vedtaget. Denne lovgivning fastsætter harmoniserede regler for kunstig intelligens på tværs af EU. Loven inddeler AI-systemer i fire risikokategorier. Systemer med uacceptabel risiko forbydes helt. Højrisikosystemer underlægges strenge krav til dokumentation, overvågning og menneskelig kontrol. Systemer med begrænset risiko kræver primært gennemsigtighed, mens systemer med minimal risiko kan anvendes frit. En central detalje er lovens ekstraterritoriale effekt. Ligesom GDPR rammer EU AI Act ikke kun europæiske virksomheder. Hvis en amerikansk eller asiatisk virksomhed leverer et AI-system, der producerer output til brug i EU, skal de overholde forordningen. Dette gør loven til en de facto global standard. Virksomheder skal derfor kortlægge deres systemer nu for at undgå massive bøder. Lovgivningen udvikler sig dog konstant, hvilket kræver en proaktiv tilgang fra ledelsen.
Teknologien udvikler sig hurtigere end lovgivningen. Derfor anbefaler OECD en strategi baseret på foregribende styring (Anticipatory Governance). Denne tilgang handler om at håndtere fremtidige AI-udviklinger proaktivt i stedet for at reagere, når skaden er sket eller loven er brudt. Virksomheder, der anvender foregribende styring, opretter interne råd og overvåger initiativer som Global Dialogue on AI Governance. De bygger fleksibilitet ind i deres systemer, så de hurtigt kan tilpasse sig nye regler. Dette kræver en kultur, hvor medarbejdere opfordres til at rapportere potentielle risici tidligt i udviklingsfasen. Manglende foregribende styring er ofte en primær årsag til, at it-projekter fejler.
For at etablere effektiv kontrol har ledelsen brug for data om organisationens nuværende tilstand. UNESCO har udviklet Readiness Assessment Methodology (RAM), som hjælper regeringer og store organisationer med at vurdere deres parathed. Metoden kortlægger juridiske, sociale og tekniske mangler systematisk. I erhvervslivet fungerer lignende vurderinger som fundament for investeringer. Hos We Lead Projects udfører vi specifikke AI-EA vurderinger af fire til otte ugers varighed. Disse forløb kortlægger virksomhedens eksisterende AI-aktiver, identificerer huller i datakvaliteten og etablerer rammer for overholdelse af EU AI Act og GDPR. En grundig vurdering sikrer, at virksomheden ikke investerer i teknologi, som infrastrukturen ikke kan understøtte. Vores team har over 125 års samlet erfaring med at levere disse analyser.
En succesfuld implementering kræver, at kunstig intelligens ikke behandles som et isoleret it-projekt. Det skal integreres dybt i virksomhedens eksisterende arkitektur. Vi anvender TOGAF-rammeværket til at sikre, at forretningsmål, data, applikationer og teknologi hænger sammen. En forretningsførst-tilgang betyder, at teknologien skal løse et konkret problem. Vi starter altid med at definere forretningsværdien. Derefter sikrer vi, at datagrundlaget er validt og lovligt at anvende. Først til sidst vælger vi den specifikke algoritme eller platform. Denne metode minimerer risikoen for fejlslagne investeringer. Valget af projektmodel er også afgørende for succesen, forskellige organisationer kræver forskellige tilgange.
Ansvaret ligger typisk hos en kombination af den juridiske afdeling, it-ledelsen og forretningsenhederne. En tværfaglig styregruppe sikrer, at alle aspekter af teknologien dækkes. Det er ledelsens opgave at fordele dette ansvar klart.
Reglerne afhænger udelukkende af systemets risikoniveau, ikke virksomhedens størrelse. SMV'er, der udvikler eller anvender højrisikosystemer, skal dokumentere deres processer lige så grundigt som store koncerner. Der findes dog visse undtagelser for forskning og udvikling.
Det første skridt er en komplet kortlægning af alle AI-systemer, der i øjeblikket anvendes eller udvikles i organisationen. Dette inkluderer tredjepartsløsninger og skygge-it.
Arbejdet med AI governance slutter aldrig. Det er en kontinuerlig proces, der kræver tilpasning, efterhånden som teknologien og lovgivningen ændrer sig. Start med at kortlægge jeres nuværende systemer og vurder dem ud fra kravene i EU AI Act. Etabler derefter klare retningslinjer for, hvordan medarbejdere må anvende kunstig intelligens i deres daglige arbejde. Sørg for at integrere disse retningslinjer i jeres Enterprise Architecture, så de bliver en naturlig del af it-driften. Hvis I mangler de interne ressourcer til at drive denne forandring, kan ekstern projektledelse sikre, at initiativerne forankres korrekt i forretningen.
Brian P.N. Tofft
Managing Partner, We Lead Projects
Brian har mere end 30 års erfaring med projektledelse og IT-transformationer på tværs af brancher.
Kontakt os og hør hvordan vi kan hjælpe med dit næste projekt.
Kontakt os