AI-leverandøren din kan bli svartelistet over natten

Nøkkelpunkter per 6. september 2026:

• Leverandørrisiko er politisk, ikke bare teknisk. Amerikanske myndigheter beordret alle føderale etater til å slutte å jobbe med Anthropic, før en domstol grep inn (TechCrunch, 2026).
• Bøtetaket er satt høyt. Brudd på AI-forordningen kan straffes med bøter på inntil 40 millioner euro, eller en andel av årlig omsetning der det gir et høyere beløp (Advokatfirmaet Hjort, 2024).
• De fleste norske virksomheter er brukere. Pliktene ligger hovedsakelig på tilbydere av høyrisikosystemer, og ordinær virksomhetsbruk antas oftest å være lav risiko (Advokatfirmaet Hjort, 2024).
• Innfasingen er ikke ferdig. EU AI Act trådte i kraft 2. august 2024, og implementeringen skjer trinnvis med ulike deler som gjelder fra ulike tidspunkter (Deloitte).
• Regelverket brer seg raskt. I 2024 ble nesten 700 AI-relaterte lovforslag fremmet i 45 amerikanske delstater, mot 191 forslag året før (en.wikipedia.org).

---

Leverandørrisiko i AI er ikke det samme som etterlevelse

De fleste norske ledergrupper behandler AI-risiko som ett spørsmål: følger vi reglene? Det er to spørsmål, ikke ett. Etterlevelsesrisiko handler om hvorvidt din egen bruk av AI er i tråd med regelverket. Leverandørrisiko handler om hvorvidt leverandøren fortsatt kan levere til deg i morgen. Den andre risikoen kan slå inn selv om du har gjort alt riktig.

Forskjellen er ikke akademisk. Etterlevelsesrisiko styrer du selv, med rutiner, dokumentasjon og opplæring. Leverandørrisiko styres av politikk, rettssaker, eksportkontroll, eierskifter og kommersielle veivalg hos noen andre, i et land du ikke har stemmerett i. Reguleringstrykket øker på begge sider: lovgivningsmessige omtaler av AI har økt bredt på tvers av 75 land siden 2023 (en.wikipedia.org).

Dimensjon	Etterlevelsesrisiko	Leverandørrisiko
Hvem kontrollerer den	Dere selv	Leverandøren og myndigheter i leverandørens hjemland
Typisk utløser	Feil bruk, manglende dokumentasjon, dårlig datagrunnlag	Politisk vedtak, rettssak, sanksjoner, oppkjøp, prisendring
Varslingstid	Måneder til år, gjennom regelverkets innfasing	Dager, av og til timer
Hvor den håndteres	Internkontroll og opplæring	Arkitektur, kontrakt og beredskap
Verste utfall	Bøter, pålegg, omdømmetap	Prosessen stopper fordi verktøyet er borte

To risikoer som treffer på ulike måter

Etterlevelsesrisiko materialiserer seg sakte. Et tilsyn stiller spørsmål, dere svarer, det tar tid. Leverandørrisiko materialiserer seg brått: en API-nøkkel slutter å virke, en avtale sies opp, en tjeneste blir utilgjengelig i deres region. Hvis kundeservicen deres har flyttet 40 prosent av førstelinjen inn i en modell, er dette et driftsproblem samme morgen, ikke et juridisk problem neste kvartal.

Poenget er ikke at AI-leverandører er upålitelige. Poenget er at de er få, store og politisk eksponerte, og at markedet fortsatt er ungt nok til at maktforholdene kan endres på kort varsel. En leverandør som er standardvalget i år, kan være omstridt til neste år av grunner som ikke har noe med produktkvaliteten å gjøre.

Alura mener: leverandørrisiko hører hjemme i AI-strategien

Alura mener at leverandørrisiko hører hjemme i AI-strategien, ikke bare i IT-avtalen. Når risikoen kun håndteres av innkjøp, blir den redusert til et sett standardklausuler om oppetid og ansvarsbegrensning. Det fanger ikke det som faktisk skjer når en leverandør blir politisk uønsket i et stort marked. Spørsmålet «hva gjør vi hvis denne modellen forsvinner om tre uker» er et ledelsesspørsmål, og det bør besvares i samme dokument som beskriver hvorfor dere bruker AI i det hele tatt.

Praktisk betyr det at AI-strategien bør navngi hvilke prosesser som er avhengige av hvilke leverandører, og hvor lang nedetid hver prosess tåler. Uten den koblingen blir AI-strategien en liste over muligheter uten en liste over avhengigheter.

Anthropic-saken viser hvor fort tilgangen kan forsvinne

Det tydeligste eksempelet så langt kommer fra USA. Forsvarsminister Pete Hegseth og president Donald Trump merket Anthropic som en forsyningskjedeforvaltningsrisiko og beordret alle føderale etater, også utenfor forsvaret, til å slutte å jobbe med selskapet bak Claude (TechCrunch, 2026). Det var ikke en gradvis utfasing. Det var et vedtak som fjernet en leverandør fra et helt marked.

En føderal domstol kjente senere svartelistingen ulovlig (The Verge, 2025). Legg merke til rekkefølgen: først forsvant tilgangen, deretter kom rettsavgjørelsen. For virksomheter som allerede hadde bygget arbeidsflyter på den leverandøren, hjalp ikke utfallet i mellomtiden.

Hva domstolen faktisk kom fram til

Dommer Rita Lin konkluderte med at merkingen av Anthropic som en risiko for nasjonal sikkerhet utgjorde ulovlig gjengjeldelse i strid med First Amendment (TechCrunch, 2026). Retten fant også at selskapet ble nektet rettferdig prosess slik Fifth Amendment krever. Dommeren viste til at myndighetenes egne ord og handlinger bekreftet at tiltakene bygget på et ønske om å gjøre et offentlig eksempel ut av selskapet for dets kritikk av regjeringen.

Juridisk er dette en seier for leverandøren. Kommersielt er det en advarsel til alle som kjøper. Begrunnelsen retten avviste var ikke teknisk svikt, brudd på sikkerhetskrav eller dårlig leveranse. Den var politisk. Det er en risikotype de fleste leverandørvurderinger i norske virksomheter ikke har en rubrikk for.

Hva en norsk kjøper bør lese ut av saken

Tre ting. For det første kan en leverandørs tilgang til et marked endres ved administrativt vedtak, ikke bare ved konkurs eller oppkjøp. For det andre kan et vedtak i ett land forplante seg videre gjennom underleverandører, skyplattformer og partnere som selv er eksponert mot det landet. For det tredje er rettsapparatet en treg korreksjonsmekanisme, og driften deres kan ikke vente på den.

Konklusjonen er ikke å unngå amerikanske leverandører. Det ville i praksis betydd å unngå de fleste modeller på markedet i dag. Konklusjonen er å bygge slik at ingen enkeltleverandør er et enkeltpunkt for feil i en prosess som må gå.

---

Les også: Kvante-AI og fremtidens beregningskraft: Kvantecomputing møter kunstig intelligens. Det som tar en supercomputer 10 000 år kan en kvantecomputer løse på fire minutter.

---

EU AI Act er rammeverket norske virksomheter må forholde seg til

Mens USA regulerer gjennom innkjøp, delstatslover og enkeltvedtak, har EU laget et produktregelverk. AI Act er beskrevet som verdens første omfattende AI-lov, og den kategoriserer AI-systemer etter risiko i stedet for etter teknologi (Deloitte). Forordningen trådte i kraft 2. august 2024, og implementeringen er faset, slik at ulike deler blir gjeldende på forskjellige tidspunkter.

For norske virksomheter er dette rammeverket som til slutt gir de konkrete kravene. Det er også rammeverket som gjør leverandørrisiko målbar, fordi det plasserer ansvar hos bestemte roller i verdikjeden.

Veien inn i norsk rett går gjennom EØS

AI-forordningen er et spesifikt rettslig rammeverk for å regulere visse aspekter av AI, og den vil sannsynligvis bli innlemmet i EØS-avtalen og dermed gjelde i Norge (Advokatfirmaet Hjort, 2024). Innfasingen er trinnvis over tre år fra vedtakelsen, med forbudene mot systemer med uakseptabel risiko først, seks måneder etter vedtakelsen. Enkelte regler antas først å tre i kraft rundt 2030.

Den lange innfasingen forklarer hvorfor mange norske virksomheter opplever regelverket som fjernt. Det er en feillesing av tidslinjen. Kravene treffer produkter og prosesser som anskaffes nå, og en modell dere setter i drift i år vil fortsatt være i drift når flere av kravene har begynt å gjelde.

Hva som regnes som et AI-system

Forordningen definerer et AI-system som et maskinbasert system med autonomi og tilpasningsevne (Advokatfirmaet Hjort, 2024). Definisjonen er bevisst bred, og den favner mer enn store språkmodeller. En scoringsmodell i et fagsystem, en anbefalingsmotor i nettbutikken eller en automatisk sorteringsmekanisme i saksbehandlingen kan falle innenfor.

Det praktiske rådet er å lage en oversikt over hvor i virksomheten det finnes systemer med disse egenskapene, uavhengig av om leverandøren kaller det AI. Mange virksomheter oppdager at de har flere systemer i omløp enn de trodde, ofte kjøpt inn som moduler i et større fagsystem. En oversikt over teknologiene bak hjelper for å skille markedsføring fra funksjon.

AI Act står ikke alene

AI-forordningen er en del av mer enn 10 digitale reguleringer EU har innført (Deloitte). Den kommer i tillegg til, ikke i stedet for, annet regelverk. Personvernforordningen, erstatningsansvar og immaterialrett er alle relevante for virksomheters bruk av AI (Advokatfirmaet Hjort, 2024).

For en SMB betyr det at AI-etterlevelse sjelden er et eget prosjekt. Det er en utvidelse av arbeid dere allerede gjør på personvern og informasjonssikkerhet. Den som starter med å bygge et nytt og separat styringsapparat for AI, bruker mer penger enn nødvendig og får dårligere etterlevelse, fordi to systemer sjelden holdes oppdatert samtidig.

Risikoklassene og hvor din egen bruk havner

Forordningen bruker en risikobasert tilnærming med kategoriene uakseptabel, høy og lav risiko (Advokatfirmaet Hjort, 2024). Klassifiseringen følger bruksområdet, ikke modellen. Den samme språkmodellen kan være lav risiko i en intern møtereferat-funksjon og høy risiko hvis den brukes til å sile jobbsøkere.

Risikoklasse	Kjennetegn	Konsekvens for dere
Uakseptabel risiko	Bruk som er forbudt fordi den er uforenlig med grunnleggende rettigheter	Skal ikke brukes, uansett samtykke eller forretningsverdi
Høy risiko	Bruk som kan påvirke enkeltmenneskers rettigheter, sikkerhet eller livsvilkår	Tyngste dokumentasjons- og kontrollkrav, primært på tilbyder
Lav risiko	Ordinær forretningsbruk uten inngripende beslutninger	Der de fleste virksomheter havner, med lettere krav
Generelle AI-modeller	Modeller som kan brukes til mange ulike formål	Egen kategori i regelverket, med krav rettet mot modelltilbyder

Uakseptabel risiko: kortest liste, hardest grense

Dette er kategorien der svaret er nei, ikke «med tiltak». Forbudene mot systemer med uakseptabel risiko er den delen av regelverket som slår inn først, seks måneder etter vedtakelsen (Advokatfirmaet Hjort, 2024). For de fleste kommersielle virksomheter er dette lite relevant i praksis, men kategorien fortjener en gjennomgang hvis dere gjør noe med adferdspåvirkning, biometri eller sårbare grupper.

Høy risiko: her ligger de tunge pliktene

Høyrisikokategorien er der regelverket har mest innhold, og der de tunge pliktene ligger hovedsakelig på tilbyderne av systemene, ikke på vanlige brukere (Advokatfirmaet Hjort, 2024). Typiske områder er rekruttering, kredittvurdering, tilgang til utdanning og velferdsytelser, og systemer som brukes i kritisk infrastruktur.

Selv om pliktene ligger hos tilbyderen, er dere ikke fritatt for konsekvenser. Hvis leverandøren ikke kan dokumentere at systemet oppfyller kravene, er det deres rekrutteringsprosess som må stoppes eller gjøres om. Derfor er dokumentasjonskrav et innkjøpsspørsmål, ikke bare et juridisk spørsmål.

Lav risiko: der de fleste faktisk havner

De fleste AI-systemer for ordinære virksomheter antas å bli klassifisert som lav risiko (Advokatfirmaet Hjort, 2024). Møtereferater, utkast til tekst, kodeassistanse, søk i egne dokumenter og oppsummering av kundehenvendelser hører normalt hjemme her.

Det betyr ikke at kategorien er kravfri. Personvernregler gjelder uansett, og åpenhet overfor kunder og ansatte er både et krav i deler av regelverket og en fornuftig praksis. Men det betyr at frykten for at all AI-bruk utløser et tungt sertifiseringsløp, er ubegrunnet for de fleste.

Generelle modeller er behandlet for seg

Regelverket skiller mellom AI-systemer med ett formål og generelle AI-modeller som kan brukes til mange formål (Deloitte). Skillet er viktig for leverandørrisiko, fordi det er nettopp modelltilbyderne som er få, store og politisk eksponerte.

Når dere kjøper tilgang til en generell modell, kjøper dere en komponent som er regulert på sitt eget nivå, av noen andre enn dere. Det er derfor kravet om dokumentasjon fra leverandøren er så sentralt: dere kan ikke selv verifisere at modellen er i orden, dere kan bare kreve at leverandøren viser det.

Tilbyder eller bruker: rollen avgjør pliktene

Alura mener at de fleste norske virksomheter er brukere og ikke tilbydere, og at de tyngste pliktene i AI-forordningen treffer tilbyderne. Det stemmer med den juridiske hovedregelen: forordningen pålegger hovedsakelig plikter på tilbydere av høyrisikosystemer, ikke på vanlige brukere av verktøyene (Advokatfirmaet Hjort, 2024).

Rollen er likevel ikke selvvalgt. Den følger av hva dere faktisk gjør med systemet, og den kan endre seg uten at noen tar en formell beslutning om det.

Hva som gjør noen til tilbyder

Forenklet: den som utvikler et AI-system og setter det på markedet under eget navn, er tilbyder. Den som tar i bruk et ferdig system i egen virksomhet, er bruker. Skillet er greit så lenge dere bare abonnerer på et verktøy og bruker det som det er.

Spørsmål	Peker mot tilbyderrolle	Peker mot brukerrolle
Hvem markedsfører løsningen?	Dere, under eget navn	Leverandøren
Hvem bestemmer formålet?	Dere definerer et nytt bruksområde	Dere bruker verktøyet som levert
Går løsningen ut til kunder?	Ja, som del av deres produkt	Nei, kun internt
Hvem eier dokumentasjonen?	Dere må kunne produsere den	Dere kan kreve den fra leverandøren

Når en bruker glir over i tilbyderrollen

Det skjer oftere enn folk tror. Dere bygger en kundechat på en ekstern modell, setter deres eget navn på den, tilpasser den til et bestemt formål og selger den videre som del av tjenesten deres. Da har dere flyttet dere nærmere tilbydersiden, og med det følger dokumentasjonsansvar dere kanskje ikke har budsjettert for.

Dette er et av de få stedene der en tidlig avklaring sparer reelle penger. En times gjennomgang med jurist før dere navngir og selger en AI-funksjon er billigere enn å rekonstruere teknisk dokumentasjon i etterkant.

Hva brukerrollen faktisk krever

Selv som ren bruker bør dere ha fire ting på plass: en oversikt over hvilke AI-systemer som er i bruk og til hva, en avklaring av hvilke data som går inn i dem, en beskrivelse av hvem som kontrollerer utdataene før de får konsekvenser, og opplæring av dem som bruker verktøyene. Ingen av disse krever ekstern konsulentbistand for en SMB.

Det siste punktet er undervurdert. Regelverket forutsetter et visst kompetansenivå hos dem som bruker systemene, og en felles grunnforståelse internt er billigere enn å håndtere feil bruk i etterkant.

Mandag morgen: fire krav du tar inn i neste leverandøravtale

Dette er den delen som kan gjøres uten å vente på noe. Fire krav dekker det meste av leverandørrisikoen for en SMB, og de kan tas inn i neste kontraktsrunde uten å blåse opp forhandlingen. Ingen av dem krever at dere er den største kunden i porteføljen.

Krav	Slik formulerer du det	Hva du oppnår
1. Rolle og klassifisering	Leverandøren bekrefter skriftlig sin rolle etter AI-forordningen og hvilken risikoklasse løsningen leveres for	Du vet hvem som eier hvilke plikter før noe går galt
2. Exit og portabilitet	Rett til uttak av egne data og konfigurasjon i maskinlesbart format, innen en avtalt frist	Bytte av leverandør blir en oppgave, ikke et prosjekt
3. Varsling ved regulatoriske hendelser	Plikt til å varsle om pålegg, sanksjoner, markedsrestriksjoner eller vesentlige eierskifter	Du får dager i stedet for timer til å reagere
4. Data, lokasjon og underleverandører	Oversikt over hvor data behandles, hvem som er underleverandører, og om data brukes til trening	Du kan svare kunder og tilsyn uten å spørre leverandøren først

Krav 1: skriftlig avklaring av rolle og risikoklasse

Be leverandøren bekrefte om de opptrer som tilbyder etter AI-forordningen, og hvilken risikoklasse løsningen er ment for. Svaret har praktisk verdi på to måter: det viser om leverandøren har forstått regelverket, og det gir dere et dokument å vise til hvis en kunde eller et tilsyn spør. En leverandør som ikke kan svare på dette i 2026, forteller dere noe om sin egen modenhet.

Krav 2: exit som faktisk kan gjennomføres

Alura mener at dere bør bygge AI-løsninger slik at en leverandør kan byttes ut uten at prosessen stopper. Kontraktsmessig betyr det rett til å ta ut egne data, prompter, konfigurasjon og eventuelle finjusteringsdata i et format som kan brukes andre steder, innen en avtalt frist. Teknisk betyr det at integrasjonen går gjennom et lag dere eier, ikke direkte inn i leverandørens særegenheter i hver enkelt del av systemet.

Testen er enkel: hvis noen spør «hvor lang tid tar det å bytte modell i denne prosessen», bør svaret være i dager. Er svaret «det vet vi ikke», er svaret i praksis måneder.

Krav 3: varslingsplikt ved politiske og regulatoriske hendelser

Standard SaaS-avtaler har varslingsplikt ved sikkerhetsbrudd og vesentlige endringer i tjenesten. Utvid den til å omfatte pålegg fra myndigheter, markedsrestriksjoner, sanksjoner og vesentlige eierskifter. Anthropic-saken viser hvorfor: da vedtaket kom, var det etatene som mistet tilgangen, ikke leverandøren som mistet retten til å drive (TechCrunch, 2026).

Varsling gir dere ikke immunitet. Den gir dere tid, og tid er det eneste som skiller en kontrollert overgang fra en stans.

Krav 4: data, lokasjon og underleverandører

Krev en oversikt over hvor data behandles, hvilke underleverandører som er involvert, og om deres data brukes til å trene modeller. Dette er informasjon dere uansett trenger for personvernarbeidet, og det er den vanligste årsaken til at et AI-prosjekt stopper i en due diligence hos en større kunde.

Vær konkret om hva dere aksepterer. Et generelt løfte om at «data ikke brukes til trening» er lite verdt uten en definisjon av hva som regnes som data og hvor lenge det lagres. Skriv inn en slettefrist.

To regimer å følge samtidig, ett i USA og ett i EU

Norske virksomheter forholder seg i praksis til to reguleringsregimer med ulik logikk. EU regulerer produktet med en risikobasert tilnærming og felles regler for hele markedet (Deloitte). USA regulerer fragmentert, gjennom delstatslovgivning, føderale byråer og statens egen innkjøpsmakt.

Det er ikke bare et juridisk poeng. De fleste norske virksomheter bruker amerikanske modeller under europeiske regler, og de to systemene beveger seg i utakt. Det er nettopp i den utakten leverandørrisikoen oppstår.

USA regulerer gjennom delstater og innkjøp

Omfanget er betydelig. I 2024 ble nesten 700 AI-relaterte lovforslag introdusert på tvers av 45 delstater, mot 191 forslag i 2023, og amerikanske føderale byråer innførte 59 AI-relaterte reguleringer samme år (en.wikipedia.org). Det gir et lappeteppe der en leverandør kan være i tråd med reglene i en delstat og under press i en annen.

I tillegg kommer innkjøpsmakten, som i praksis fungerer som regulering. Når føderale etater blir bedt om å slutte å bruke en leverandør, endrer det leverandørens forretningsgrunnlag raskere enn noen lov ville gjort. Det er den mekanismen som traff Anthropic (The Verge, 2025).

Myke normer betyr mer enn de ser ut til

Utenfor de bindende reglene finnes et lag av internasjonale prinsipper. UNESCOs instrument om AI-etikk ble vedtatt av 193 medlemsland, og 40 land har sluttet seg til OECDs AI-prinsipper (en.wikipedia.org). Samtidig er det ingen bred enighet om graden eller mekanikken for AI-regulering.

For en kjøper er dette relevant fordi anbud og kundekrav ofte henter formuleringer herfra lenge før noe blir lov. En systematisk gjennomgang fra 2025 definerte AI-styring som spørsmål om hvem som er ansvarlig, hva som styres, når og hvordan. De fire spørsmålene er en brukbar sjekkliste for et leverandørmøte.

---

Les også: AI i utdanning: slik forandrer kunstig intelligens norsk skole og høyere utdanning. Slik forandrer AI undervisning og læring i Norge.

---

Hva etterlevelse koster, og hva det koster å vente

Kostnaden ved AI-etterlevelse i en SMB ligger sjelden i lisenser eller sertifiseringer. Den ligger i timer: kartlegging, avklaring av roller, kontraktsarbeid, opplæring og en periodisk gjennomgang. Det er ubehagelig fordi timer er vanskeligere å budsjettere enn en faktura, og fordi de må tas fra folk som allerede har full kalender.

Kostnadspost	Hva det er	Når den treffer
Kartlegging	Finne ut hvilke AI-systemer som faktisk er i bruk, og til hva	Engangsjobb, deretter årlig oppdatering
Rolle- og klassevurdering	Avklare tilbyder eller bruker, og hvilken risikoklasse bruken hører til	Ved hver ny løsning som settes i drift
Kontraktsarbeid	Innarbeide de fire kravene i nye og fornyede avtaler	Ved kontraktsfornyelse
Arkitektur for bytte	Et abstraksjonslag mellom prosess og modell	Bygges billigst ved førstegangsimplementering
Opplæring	Kompetanse hos dem som faktisk bruker verktøyene	Løpende, tyngst første året

Kostnaden ved å vente er en arkitekturkostnad

Å utsette arbeidet flytter ikke kostnaden, den øker den. Et abstraksjonslag som gjør leverandørbytte mulig koster lite når det bygges inn fra start, og mye når det må ettermonteres i en løsning som allerede er i produksjon med hundrevis av brukere. Det samme gjelder dokumentasjon: å skrive ned hva systemet gjør mens dere bygger det er raskt, å rekonstruere det to år senere er ikke.

Den andre ventekostnaden er kommersiell. Større kunder og offentlige oppdragsgivere stiller allerede spørsmål om AI-bruk i anskaffelser. Manglende svar koster kontrakter lenge før det koster bøter.

Alura mener: start forberedelsene nå

Alura mener at dere bør starte forberedelsene nå framfor å vente til regelverket er ferdig innfaset. Det er også rådet fra rådgivningssiden bredt: selskaper anbefales å begynne forberedelsene nå, ikke når fristene nærmer seg (Deloitte). Med trinnvis innfasing over tre år og enkelte regler som først antas å gjelde rundt 2030 (Advokatfirmaet Hjort, 2024), er det fristende å utsette.

Men det som skal gjøres først, kartlegging og kontraktsarbeid, har verdi uavhengig av regelverkets tempo. Dere får bedre oversikt over egen AI-bruk, bedre avtaler og mindre leverandøravhengighet. Det er nyttig selv om innfasingen skulle forskyves.

Bøtenivået: et tak laget for de aller største aktørene

Overtredelser av AI-forordningen kan straffes med bøter på inntil 40 millioner euro, eller en andel av selskapets årlige omsetning der det gir et høyere beløp (Advokatfirmaet Hjort, 2024). Nivået ligger over taket i personvernforordningen, og det er valgt for å bite på selskaper der bøter ellers ville vært en driftskostnad.

Nivået må leses riktig. Taket er ikke normalnivået, og det er ikke satt med en norsk SMB i tankene.

Hvem taket faktisk er laget for

Et bøtetak som beregnes av global omsetning er et instrument for å nå selskaper som er større enn nasjonale tilsyn. De alvorligste overtredelsene ligger i de forbudte kategoriene og i tilbydernes plikter for høyrisikosystemer, ikke i en markedsavdelings bruk av en språkmodell til å skrive utkast. Når hovedvekten av pliktene ligger hos tilbyderne (Advokatfirmaet Hjort, 2024), følger sanksjonsrisikoen i stor grad samme fordeling.

Det betyr ikke at brukere er usårbare. Det betyr at frykt for maksimalbot er en dårlig grunn til å utsette AI-bruk, og en enda dårligere grunn til å hoppe over kartleggingen.

Bøter er sjelden den dyreste konsekvensen

For de fleste norske virksomheter er den reelle risikoen tapt drift og tapte kontrakter, ikke sanksjoner. En prosess som stopper fordi leverandøren forsvant, koster penger fra dag en. Et anbud som tapes fordi dere ikke kan dokumentere databehandlingen, koster hele kontrakten. En feil beslutning tatt av et system ingen kontrollerte, koster omdømme.

Prioriter deretter. Bruk kartleggingen til å finne prosessene der en stans gjør mest skade, og sikre dem først med exit-klausuler og et alternativ som faktisk er testet.

Markedsobservasjon: signalene du bør overvåke

Leverandørrisiko kan ikke elimineres, men den kan varsles. Det krever ikke en analyseavdeling, det krever at noen har ansvaret og en halvtime i måneden. Poenget er å oppdage endringer mens de fortsatt er nyheter, ikke når de er fakturaer.

Signal	Hva det kan bety	Hva du gjør
Politiske utspill mot en leverandør	Markedstilgang kan bli begrenset	Verifiser at alternativet ditt er testet
Rettssaker om opphavsrett eller data	Endringer i tjenestevilkår eller tilgang	Sjekk hva avtalen sier om vesentlige endringer
Nye delstats- eller EU-krav	Nye dokumentasjonskrav ned i verdikjeden	Be leverandøren bekrefte status skriftlig
Endring i pris eller lisensmodell	Kostnadsbildet i businesscasen forskyves	Regn om, og vurder bytte mens det er billig
Oppkjøp eller eierskifte	Ny strategi, nye vilkår, ny risikoprofil	Aktiver varslingsklausulen og be om møte

Politiske og juridiske signaler

Anthropic-saken begynte ikke med en rettsavgjørelse, den begynte med offentlige utspill. Retten pekte selv på at myndighetenes ord og handlinger bekreftet motivet bak tiltakene (TechCrunch, 2026). Utspillene kom før vedtaket, og de var offentlige.

Det gir en praktisk regel: følg med på retorikken rundt leverandørene deres, ikke bare på produktoppdateringene. Med hundrevis av lovforslag i omløp i amerikanske delstater (en.wikipedia.org) vil det alltid være støy, men mønstre som gjentar seg over uker er verdt et notat i risikoregisteret.

Kommersielle signaler i egen kontraktsportefølje

De mest nyttige signalene finnes ofte internt. Endringer i tjenestevilkår, nye underleverandører i personvernvedlegget, forskyvninger i prismodell og lengre svartider på support sier noe om hvor leverandøren er på vei. Sett opp varsling på endringer i vilkårene, ikke bare på driftsavvik.

Noter også deres egen avhengighet over tid. Hvis andelen prosesser som er avhengige av en enkelt modell har økt gjennom året, har risikoprofilen deres endret seg selv om ingenting i markedet har det.

Vanlige feil norske virksomheter gjør i leverandørvalget

Feilene går igjen på tvers av bransjer, og de handler sjelden om teknologivalg. De handler om hvem som antas å bære risikoen, og om hvor tett løsningen er bundet til en enkelt leverandør.

Å tro at leverandørens etterlevelse er deres etterlevelse

En leverandør som er i tråd med regelverket for sin del av verdikjeden, dekker ikke deres bruk. Klassifiseringen følger bruksområdet, og det er dere som bestemmer bruksområdet. Den samme modellen kan være uproblematisk i et internt søkeverktøy og høyrisiko i en rekrutteringsprosess (Advokatfirmaet Hjort, 2024).

Praktisk konsekvens: be om leverandørens dokumentasjon, men skriv deres egen vurdering av bruken. En side er nok for de fleste tilfeller.

Å bygge løsningen dypt inn i en enkelt leverandørs særegenheter

Dette er den dyreste feilen, og den gjøres med gode intensjoner. Man utnytter alt leverandøren tilbyr, fordi det gir best resultat raskest. Ett år senere ligger forretningslogikken spredt utover prompter, verktøydefinisjoner og leverandørspesifikke funksjoner, og et bytte betyr å bygge om.

Motmiddelet er ikke å bruke minste felles multiplum. Det er å holde prosessdefinisjonen, evalueringssettene og dataene deres på deres side av grensen, slik at det som må byttes er koblingen, ikke prosessen.

Å behandle AI-avtalen som en vanlig SaaS-avtale

En vanlig SaaS-avtale regulerer oppetid, ansvar og oppsigelse. Den regulerer sjelden om data brukes til trening, hvilke underleverandører som er i kjeden, hvilken rolle leverandøren har etter AI-forordningen, eller hva som skjer ved politiske pålegg i leverandørens hjemland. Alt dette er nye spørsmål som må stilles eksplisitt.

Den siste varianten av samme feil er å vente på at regelverket blir ferdig før man gjør noe. Innfasingen strekker seg over flere år, med enkelte regler som først antas å gjelde rundt 2030 (Advokatfirmaet Hjort, 2024). En organisasjon som venter på ferdigstillelse, venter i årevis mens avhengighetene vokser.

Ofte stilte spørsmål om AI-regulering og leverandørrisiko

Spørsmålene under er de som oftest kommer opp i ledergrupper som er i ferd med å ta AI fra pilot til drift.

Gjelder AI-forordningen for oss når vi bare bruker et amerikansk verktøy?

Ja, sannsynligvis. Forordningen ventes å bli innlemmet i EØS-avtalen og gjelde i Norge (Advokatfirmaet Hjort, 2024), og den følger bruken i EU-markedet uavhengig av hvor leverandøren holder til. Som bruker vil pliktene deres normalt være lettere enn tilbyderens, men de er ikke null.

Blir vi tilbyder hvis vi bygger vår egen chatbot på en ekstern modell?

Det kommer an på hva dere gjør med den. Bruker dere den internt, som levert, er dere normalt bruker. Setter dere eget navn på den, definerer et nytt formål og tilbyr den til kunder, beveger dere dere mot tilbydersiden med tilhørende dokumentasjonsansvar. Avklar dette før lansering, ikke etter.

Hva gjør vi hvis leverandøren mister tilgang til et marked?

Da avgjør forarbeidet hvor vondt det gjør. Har dere exit-klausul, uttak av data og et testet alternativ, er det en omkobling. Har dere ingenting av dette, er det et prosjekt. Anthropic-saken viser at slike vedtak kan komme før rettslig prøving, og at prøvingen kan ta tid (The Verge, 2025).

Er bøtenivået noe en SMB må bekymre seg for?

Taket i AI-forordningen er satt for de alvorligste bruddene (Advokatfirmaet Hjort, 2024), og hovedvekten av pliktene ligger hos tilbydere av høyrisikosystemer. For en typisk SMB er tapt drift og tapte anbud en mer nærliggende risiko enn maksimalbot.

Bør vi vente til Norge har innført regelverket formelt?

Nei. Rådet fra rådgivningssiden er å begynne forberedelsene nå (Deloitte), og arbeidet som skal gjøres først har verdi uansett tidsplan. Kartlegging, rolleavklaring og bedre avtaler gjør dere mindre sårbare fra dagen de er på plass.

Oppsummering og neste steg

Politisk og regulatorisk risiko hos AI-leverandøren er en egen risikotype. Den er ikke dekket av deres egen etterlevelse, den varsles ikke av tekniske overvåkingsverktøy, og den håndteres i arkitektur og kontrakt, ikke i en policy. Anthropic-saken er så langt det tydeligste eksempelet på at tilgang kan fjernes ved administrativt vedtak og gjenopprettes av en domstol i etterkant (TechCrunch, 2026).

Samtidig er det juridiske bildet mindre skremmende enn overskriftene antyder for de fleste. AI Act er risikobasert (Deloitte), de fleste ordinære virksomheters bruk antas å være lav risiko, og de tyngste pliktene treffer tilbyderne (Advokatfirmaet Hjort, 2024). Jobben er overkommelig, den må bare begynne.

Dette kan gjøres denne måneden

Start med en liste: hvilke AI-systemer er i bruk, i hvilke prosesser, med hvilke data, fra hvilke leverandører. Marker de prosessene der en stans på to uker ville vært alvorlig. For hver av dem, noter hvilket alternativ dere ville brukt og om det er testet. Denne øvelsen tar en ettermiddag og avdekker som regel minst en avhengighet ingen hadde tenkt på.

Deretter: ta de fire kravene inn i neste avtale som skal fornyes, og be om leverandørens skriftlige rolleavklaring på de viktigste avtalene dere allerede har. Ingen av delene krever at regelverket er ferdig innfaset, og begge deler gjør dere friere til å velge om igjen senere. En bredere gjennomgang av AI-bruken kan komme etterpå, når oversikten først er på plass.

I Alura kombinerer vi teknisk AI-kompetanse med praktisk forståelse for GDPR, EU AI Act og Datatilsynets forventninger. Vi hjelper norske virksomheter å bygge AI som tåler en revisjon, uten å bremse innovasjonen.

Bestill en compliance-vurdering: vi kartlegger dine AI-systemer mot gjeldende og kommende krav, og leverer en handlingsplan som faktisk er gjennomførbar. Uforpliktende.

Kilder

• TechCrunch (2026). Anthropic gets its first court win over the Pentagon's supply chain risk label
• Advokatfirmaet Hjort (2024). Bruk av kunstig intelligens i virksomheter - Hjort
• Deloitte. EU AI Act: navigating the EU's new AI Regulation
• en.wikipedia.org. Regulation of artificial intelligence - Wikipedia
• The Verge (2025). Anthropic was illegally blacklisted by the Trump administration, court rules