Læs, hvordan du og dine medarbejdere undgår at bryde etiske og lovmæssige grænser, når I arbejder med AI.
Du er også underlagt love og regler, når du arbejder med AI.
På grund af GDPR må du fx ikke behandle persondata i et AI-værktøj uden at have det rette juridiske grundlag.
EU har også vedtaget en AI-forordning (AI Act), der indfases over de kommende år. Der er en risikobaseret tilgang i forordningen. Det betyder, at kravene stiger i takt med den potentielle risiko ved anvendelse af AI.
Som leder er det vigtigt at forstå, at ansvaret for AI-anvendelse altid ligger hos mennesker – ikke hos teknologien selv. Du skal arbejde med et princip om 'human in the loop', hvor mennesker altid samarbejder med eller validerer output fra AI. Det sikrer en sund tilgang til både at sikre kvalitet og etik i jeres anvendelse af AI.
Her bliver du klædt på til at bruge AI ansvarligt.
AI i hverdagen
Sørg for at du og dine kolleger aldrig deler personfølsomme oplysninger (navne, CPR-numre, adresser, helbredsoplysninger) eller fortrolige virksomhedsdata med offentligt tilgængelige AI-værktøjer. Overvej at implementere klare vejledninger til, hvordan data skal anonymiseres, før de bruges i AI-værktøjer.
Som leder bør du udvikle og kommunikere tydelige retningslinjer for AI-anvendelse i din afdeling eller organisation. Disse bør omfatte:
Er medarbejdernes prompts og interaktioner med AI-værktøjer personlige, eller kan virksomhedens ledelse få indsigt i dem? Det er et vigtigt spørgsmål at afklare og kommunikere til medarbejderne.
Nogle AI-værktøjer kan indsamle data om medarbejdernes arbejdsmønstre. Som leder skal du have styr på, hvilke data der indsamles, og hvordan de bruges. Vær transparent over for medarbejderne om dette.
Når I bruger AI-assistenter til at tage referater eller håndtere e-mails, skal I være opmærksomme på, hvornår det er passende at slå disse funktioner til og fra. Overvej at udvikle protokoller for, hvornår AI-assistenter ikke bør være aktive – fx ved fortrolige møder eller følsomme diskussioner om eksempelvis personsager.
Husk at ansvaret for beslutninger altid hviler på dig og dine medarbejdere – ikke på AI-værktøjet. Implementér rutiner for kvalitetskontrol og validering af AI-genereret output.
Udover ovenstående skal du være opmærksom på, at eksisterende lovgivning som Forvaltningsloven og Offentlighedsloven stadig gælder. Det betyder fx, at du ikke må bruge AI-værktøjer som eneste beslutningsgrundlag i din sagsbehandling og, at du har pligt til at journalisere relevant brug af AI i beslutningsprocesser.
Indkøb og implementering af AI
Før I indkøber en AI-løsning, bør I gennemføre en grundig vurdering af leverandøren og løsningen:
Gennemfør en risiko- og konsekvensanalyse af den påtænkte AI-anvendelse:
Udvikl en implementeringsplan, der sikrer:
Vær opmærksom på, hvilke data I deler med leverandører af AI-løsninger, og hvordan disse data bruges – både til levering af tjenesten og potentielt til træning af fremtidige modeller.
Udvikling af jeres egne AI-løsninger
Sørg for grundig dokumentation af:
Integrer compliance i selve udviklingsprocessen:
Nedsæt eventuelt et etisk udvalg, der kan vurdere:
Hvad er tilladt, og hvad er forbudt?
Eksempel: I vælger at bruge AI (fx ChatGPT) til at omskrive indholdet på jeres hjemmeside.
Eksempel: AI der foreslår kandidater til jobsamtaler baseret på CV-analyse.
Eksempel: AI-system der automatisk afviser låneansøgninger uden menneskelig vurdering.
Vurdering af dit AI-projekt
Lav: Ingen direkte påvirkning af vigtige beslutninger.
Middel: Understøtter beslutninger, men med menneskelig kontrol.
Høj: Træffer eller påvirker væsentligt beslutninger om mennesker.
Lav: Ingen persondata eller kun anonymiserede data.
Middel: Almindelige personoplysninger.
Høj: Følsomme personoplysninger (helbred, økonomi, etc.).
Eksempler på vurdering:
Projekt | Påvirkning | Datafølsomhed | Risikoniveau |
AI-assisteret tekstforfatning til interne dokumenter | Lav | Lav | Lav |
Chatbot til kundeservice med adgang til kundehistorik | Middel | Middel | Middel |
AI-screening af jobansøgninger | Høj | Middel | Høj |
Automatiseret kreditvurderingssystem | Høj | Høj | Meget høj |