Hvad betyder Risikoklassifikation af AI?
Risikoklassifikation af AI er arbejdet med at placere en konkret anvendelse i de relevante risikorammer. Virksomheden skal forstå både, hvad der kan gå galt, og hvilke lovbestemte kategorier systemet eventuelt tilhører. De to vurderinger hænger sammen, men er ikke identiske.
En intern risikomatrix kan eksempelvis kombinere sandsynlighed og konsekvens. AI-forordningens højrisikokategori følger derimod bestemte kriterier og anvendelser. Et system bliver ikke juridisk lavrisiko, blot fordi et team har givet det en grøn farve i sit eget skema. Omvendt kan en anvendelse uden højrisikoklassifikation stadig skabe alvorlige driftsproblemer.
Kontrolleret 7. september 2026: Vurderingen skal læses sammen med den ændrede AI-forordning og gældende tidsplan. Rolle, formål og konkrete funktioner er centrale. Modelstørrelse, pris eller leverandørens markedsføring kan ikke i sig selv afgøre klassifikationen.
Beskriv beslutningen og dens konsekvenser
Spørg, hvem der får gavn eller ulempe af systemets output, og hvordan det bruges. Foreslår det blot en formulering, prioriterer det en sag, eller påvirker det adgang til en ydelse? Beskriv også menneskelig kontrol: Har medarbejderen tid, viden og mulighed for at ændre resultatet, eller bliver output normalt fulgt automatisk? Denne forskel er vigtig for den praktiske risiko, selv når brugerfladen ser ens ud.
Begrund klassifikationen og dens grænser
Notér de kriterier og kilder, vurderingen bygger på, samt antagelser der kan ændre den. Hvis et værktøj kun er vurderet til at strukturere dokumenter, gælder vurderingen ikke nødvendigvis efter tilføjelse af personscoring. Planlæg derfor en ny gennemgang ved ændret formål, større selvstændighed eller nye berørte grupper. En dokumenteret grænse er mere nyttig end en permanent etiket, der følger produktet uanset udviklingen.
Et eksempel fra praksis
Illustrativt eksempel: Et rekrutteringsfirma bruger først AI til at ensrette interne stillingsbeskrivelser. Senere foreslås en funktion, der sorterer ansøgere efter egnethed. Teamet behandler udvidelsen som en ny anvendelse og gennemgår den med relevante fagpersoner. De beskriver kriterier, menneskelig kontrol og konsekvenser for ansøgere. Den tidligere godkendelse af skrivehjælpen bliver ikke brugt til at springe vurderingen af udvælgelsesfunktionen over.
Typiske faldgruber
- At lade leverandørens generelle risikovurdering erstatte jeres egen anvendelsesbeskrivelse.
- At forveksle en medarbejders klik med effektivt menneskeligt tilsyn.
- At undlade ny vurdering, når et informationsværktøj får beslutningsfunktioner.
Det skal I afklare
- Beskriv berørte personer og beslutninger, systemet påvirker.
- Skeln mellem intern risiko og juridiske kategorier.
- Registrér antagelser og de ændringer, der kræver revurdering.
Spørgsmål og svar
Kan vi klassificere ud fra modelnavnet?
Nej. Samme model kan indgå i mange systemer. Formålet, funktionerne, rollen og lovens kriterier skal vurderes for den konkrete anvendelse.
Fjerner menneskelig godkendelse risikoen?
Den kan begrænse risiko, hvis kontrollen er reel og kompetent. Den ophæver ikke automatisk juridiske kategorier eller risikoen for, at medarbejderen følger et forkert forslag.
Kilder og videre læsning
De tekniske begreber bygger på nedenstående kilder. Eksemplerne er illustrative og viser, hvordan I kan arbejde med emnet.
- EUR-Lex: AI-forordningen, herunder artikel 6 og bilag ↗Primærkilde gennemgået 7. september 2026.
- EUR-Lex: Ændringsforordning (EU) 2026/1744 ↗Primærkilde gennemgået 7. september 2026.
- NIST: AI Risk Management Framework ↗Primærkilde gennemgået 7. september 2026.