AI i offentlig sektor: her ligger pengene i 2027

Nøkkelpunkter per 3. oktober 2026:

5,7 milliarder kroner foreslås til digitalisering av politiet, inkludert AI og droner, med 500 millioner som oppstart i neste års statsbudsjett (Aftenposten, 2026).
Hele løpet er beregnet til 12 til 13 milliarder kroner fordelt på tre trinn over elleve år, altså et program og ikke en enkeltanskaffelse (Digi.no, 2026).
Posten som faktisk heter AI-tiltak er på litt over 120 millioner kroner i statsbudsjettet for 2027, med helsechatbot, AI Norge og felles grunnmur som de store delene (E24, 2026).
80 prosent av offentlige organisasjoner er fortsatt i innledende eller utviklende digital modenhet, som flytter etterspørselen mot datagrunnlag og integrasjon fremfor modeller (Deloitte).
Den raskeste veien inn går via allerede finansiert modernisering, der AI bakes inn i eksisterende budsjetter istedenfor å kjempe om friske midler.

Hva regjeringen faktisk har lagt på bordet

Det ligger to tall i samme statsbudsjett, og de peker i helt forskjellige retninger. Det ene er litt over 120 millioner kroner til AI-tiltak, altså beløpet regjeringen selv merker som satsing på kunstig intelligens (E24, 2026). Det andre er 5,7 milliarder kroner til digitalisering av politiet, inkludert AI og droner (Aftenposten, 2026). Leter du etter det offentlige AI-markedet i posten som heter AI, leter du på feil sted.

For en norsk SMB som vurderer offentlig sektor som marked, er dette skillet selve beslutningen. Pengene med merkelapp er små, øremerkede og sentralstyrte. Pengene uten merkelapp er store, flerårige og ligger inne i etatenes egne moderniseringsløp. Spørsmålet er ikke om det kommer AI-penger, men om du har en plass i programmene som allerede har fått dem.

Politisatsingen er den største enkeltposten

Justis- og beredskapsminister Astri Aas-Hansen omtaler digitaliseringsløftet som en av de største satsingene på norsk politi noensinne (Teknisk Ukeblad, 2026). Det er ikke en retorisk overdrivelse når rammen er 5,7 milliarder kroner. Politidirektør Håkon Skulstad går enda lenger og sier at hvis han måtte velge, ville han valgt ny teknologi fremfor flere politifolk (Digi.no, 2026). Det er en uvanlig tydelig prioritering fra en etatsleder, og den forteller noe om hvor innkjøpsviljen ligger de neste årene.

120 millioner er merkelappen, ikke markedet

AI-posten i statsbudsjettet for 2027 er fordelt på seks konkrete tiltak. Fordelingen er mer interessant enn totalen, fordi den viser hvilke typer leveranser staten mener den mangler.

Tiltak	Beløp	Hva det signaliserer
Sikkerhet og modellevaluering i AI Norge	30 millioner	Krav til dokumentert evaluering er på vei inn
Felles offentlig grunnmur for generativ AI	25 millioner	Plattform først, applikasjoner etterpå
Implementering og bruk av AI i departementene	21,3 millioner	Intern kapasitet, ikke eksterne pilotprosjekter
Offentlig chatbot for helsetjenester	20 millioner	Innbyggerflate med høy risikoprofil
Generativ AI i konsesjonsprosesser i NVE	20 millioner	Saksbehandling med tung dokumentmengde
Forhandling av AI-avtaler i staten	5 millioner	Rammeavtaler blir inngangsporten

Merk den siste linjen. At staten bruker egne midler på å forhandle AI-avtaler sentralt, betyr at mye av volumet vil gå gjennom avtaler du enten står på eller ikke står på (E24, 2026). Det er en strukturell beslutning som får langt større konsekvenser for leverandørmarkedet enn størrelsen på posten antyder.

Hvorfor proporsjonene bør dempe entusiasmen

Totale utgifter på det norske statsbudsjettet er rundt 2.000 milliarder kroner (E24, 2026). Satt mot det er AI-posten en avrundingsfeil, og selv politisatsingen er beskjeden. Det er verdt å holde fast på når markedet beskrives som en bølge. Samtidig er det nettopp derfor det lønner seg å følge de store moderniseringsprogrammene: der ligger beløpene som faktisk kan bære en leveranse over flere år. Finansminister Jens Stoltenberg peker på at en trussel med AI-utviklingen er store inntektsforskjeller, og den bekymringen former hvordan offentlige satsinger blir begrunnet og målt.

Fra oppstartsbevilgning til elleve års løp

500 millioner kroner foreslås som oppstart i neste års statsbudsjett, mens det samlede digitaliseringsløpet er beregnet til 12 til 13 milliarder kroner fordelt på tre trinn over elleve år (Aftenposten, 2026). Dette er ikke en anskaffelse. Det er et program, og programmer kjøper annerledes enn prosjekter.

Oppstartsbeløpet er et politisk signal

Et oppstartsbeløp finansierer sjelden selve leveransen. Det finansierer forarbeid: konseptvalg, arkitektur, datakartlegging, sikkerhetsvurderinger og de første avgrensede pilotene. For en leverandør betyr det at de første kontraktene som kommer ut av dette, er rådgivning og utredning, ikke driftsavtaler. Det er dårlig nytt hvis du selger et ferdig produkt, og godt nytt hvis du kan dokumentere hvordan noe skal bygges. Virksomheter som kommer inn i forarbeidet, har en reell fordel når de større delkontraktene lyses ut, fordi de kjenner kravstillerne og datagrunnlaget.

Elleve år endrer hva som er en god kontrakt

Over elleve år skifter både teknologi, regelverk og politisk ledelse flere ganger. Det presser offentlige kjøpere mot løsninger som kan byttes ut uten at hele programmet må gjøres om. Praktisk betyr det at exit-vilkår, dataportabilitet og åpne grensesnitt veier tyngre i evalueringen enn den mest avanserte modellen. En leverandør som gjør seg vanskelig å erstatte, taper poeng i en programanskaffelse selv om løsningen er best i dag. Skriv tilbudene med utgangspunkt i at kunden skal kunne forlate deg.

Det samme gjelder prismodellen. Et program med trinnvis finansiering kan ikke forplikte seg til store faste kostnader i trinn tre når trinn en ikke er levert. Modulære leveranser med tydelige avslutningspunkter er lettere å få gjennom enn en samlet rammeleveranse, selv når totalprisen er den samme.

Les også: Google gjør Norge dyrest for Android etter EU-dommen. EU-domstolen stadfestet rekordboten mot Google for Android-dominans.

De tre trinnene og hvor pengene treffer først

Det som er offentlig kjent, er at løpet har tre trinn og en horisont på elleve år (Teknisk Ukeblad, 2026). Innholdet i hvert enkelt trinn er ikke publisert. Det er en viktig presisering, fordi mye av leverandørkommunikasjonen som følger slike nyheter later som om detaljene er kjent. De er ikke det, og tilbud som bygger på antakelser om trinninnhold blir gjennomskuet.

Spørsmål	Status i offentlig informasjon	Hva du bør gjøre
Total ramme	Bekreftet: 12 til 13 milliarder kroner	Planlegg for flerårig program, ikke enkeltkjøp
Oppstart	Bekreftet: 500 millioner i neste års budsjett	Posisjoner deg mot forarbeid og utredning
Antall faser	Bekreftet: tre trinn over elleve år	Forbered modulære leveranser med exit-punkter
Innhold per trinn	Ikke offentliggjort	Ikke bygg tilbud på antakelser
Anskaffelsesform	Ikke offentliggjort	Følg Doffin og dialogkonferanser aktivt
Krav til AI-dokumentasjon	Ikke offentliggjort for dette programmet	Bygg evalueringsdokumentasjon uansett

Det som allerede er i drift

Droner er allerede i bruk i Oslo, og de kan blant annet kommunisere direkte med mistenkte (Digi.no, 2026). Det er et nyttig signal om modenhet: politiet er forbi utprøvingsfasen på sensorikk og sanntidsoperasjoner. Da er det de omkringliggende lagene som mangler, altså datahåndtering, logging, bevisverdi, personvernvurdering og integrasjon mot eksisterende saksbehandling. Det er der de fleste SMB-er har noe reelt å tilby, og det er sjelden der oppmerksomheten går.

Trusselbildet driver tempoet

Digitaliserings- og forvaltningsminister Torgeir Micaelsen understreker at kriminelle allerede bruker AI i stor skala, og at politiet må henge med (Aftenposten, 2026). Den begrunnelsen har en konsekvens som leverandører ofte undervurderer: når tempoet begrunnes med trusselbilde, blir sikkerhetskrav og leverandørkontroll strengere, ikke løsere. Raskere innkjøp betyr ikke enklere innkjøp. Politidirektør Skulstad peker samtidig på at ny teknologi skal frigjøre politiressurser, og det er den effekten tilbudet ditt må kunne kvantifisere.

Fire spørsmål før du satser på offentlig AI-marked

Offentlig sektor er ikke et marked du prøver litt. Anskaffelsesløp er lange, dokumentasjonskravene er tunge og tapt tilbud gir ingen inntekt. Fire spørsmål avgjør i praksis om du bør gå inn som hovedleverandør, som underleverandør, eller la det ligge.

Er du leverandør eller underleverandør?

De store moderniseringsprogrammene tildeles sjelden til små aktører direkte. Det er ikke diskriminering, det er risikohåndtering: en etat som skal binde seg i flere år trenger en motpart som overlever perioden. For de fleste norske SMB-er er derfor underleverandørrollen det realistiske inngangspunktet, med en spisset komponent inn i en større leveranse. Det er en svakere forhandlingsposisjon, men en langt raskere vei til referanse. Og referansen er det du mangler, ikke kompetansen.

Spørsmål	Grønt lys	Rødt lys
Rolle	Spisset komponent inn i større program	Vil være hovedleverandør uten offentlig referanse
Likviditet	Tåler lange løp uten inntekt fra kunden	Trenger omsetning innen kvartalet
Dokumentasjon	Kan vise modellevaluering og sporbarhet	Kan bare vise demo
Sektorreferanse	Har levert i regulert bransje	Kun ustrukturerte B2B-piloter

Tåler du anskaffelsesløpet økonomisk?

Kostnaden ved å delta er reell og usynlig i regnskapet til du har tapt to runder. Anbudsdokumenter i offentlig sektor kan være på 200 sider, og et offentlig byrå som tok i bruk et agentisk verktøy for å utarbeide dem, kuttet utviklingstiden med 15 til 30 prosent. Den samme byrden ligger på tilbudssiden. Regn ut hva tre tilbud koster deg i timer, legg på en realistisk tapsrate, og se om tallet står seg mot forventet kontraktsverdi.

Kan du dokumentere hvordan modellen oppfører seg?

Offentlige etater står overfor flere juridiske og risikorelaterte begrensninger enn private virksomheter, og det bremser rask adopsjon (Deloitte). I praksis betyr det at du blir bedt om å vise hvordan løsningen er testet, hvilke feilmoduser den har, hvordan avvik logges og hvem som er ansvarlig når den tar feil. En demo svarer ikke på noe av dette. Hvis du ikke har dokumentasjonen, er ikke problemet tilbudsskrivingen, det er produktet.

Har du en referanse fra regulert virksomhet?

En leveranse i bank, helse, forsikring eller energi veier tyngre enn tre AI-piloter i uregulerte bransjer. Begrunnelsen er at kravene er sammenlignbare: databehandleravtaler, loggkrav, tilgangsstyring, revisjonsspor. Mangler du dette, er den raskeste korrigeringen å ta en mindre regulert kunde på vanlige kommersielle vilkår og bygge dokumentasjonspakken der. Du kan lese mer om hvordan den tilnærmingen ser ut i praksis i vår gjennomgang av privacy-first AI.

Dette gjør du mandag morgen

Mesteparten av arbeidet som gir resultat her, er kartlegging og relasjonsbygging, ikke produktutvikling. Tre konkrete oppgaver gir mest igjen den første måneden.

Kartlegg finansierte programmer, ikke utlysninger

Et offentlig anbud er slutten av en prosess som har pågått i et til tre år. Når det er publisert, er kravene skrevet, og de er ofte skrevet med en bestemt type leverandør i hodet. Bygg derfor en oversikt over programmer som har fått penger, med kilde og fase, og følg dem. Politiets digitaliseringsløp, helsechatboten og NVE-tiltaket er tre åpenbare startpunkter fordi finansieringen er kjent (E24, 2026).

Alura mener norske SMB-er får raskere fotfeste ved å koble seg på allerede finansierte digitaliseringsprogrammer enn ved å vente på egne AI-anbud. Ventetiden på et rent AI-anbud er lengre enn de fleste små selskaper har råd til, og konkurransen der er hardere fordi alle ser samme kunngjøring.

Finn integratorene og bli underleverandør

Identifiser de fem til ti selskapene som faktisk vinner de store offentlige digitaliseringskontraktene i din sektor. Ta kontakt med leveranseansvarlig, ikke salg, og still ett spørsmål: hvilken komponent i neste leveranse er de mest usikre på å dekke selv? Svaret er din inngang. Dette er en mindre glamorøs posisjon enn hovedleverandør, men den gir betalt arbeid, referanse og innsikt i kravstrukturen. Rettsutviklingen i EU har dessuten gjort det mer krevende for store aktører å låse hele leveransekjeden til seg selv.

Bygg dokumentasjonspakken før du trenger den

Lag en standardpakke du kan sende på 24 timer: databehandleravtale, beskrivelse av hvor data prosesseres, logg- og sporbarhetsmodell, testprotokoll for modellens ytelse, beskrivelse av feilmoduser og rutine for menneskelig overprøving. Dette er kjedelig arbeid som tar en til to uker. Det er også den enkeltfaktoren som oftest skiller et tilbud som kommer videre fra et som ikke gjør det. Virksomheter som allerede har løst dette for dokumenthåndtering og arkiv, har mer av pakken klar enn de tror.

Markedet rundt politisatsingen, helsechatboten og NVE

Politipengene er de største, men de tre andre navngitte satsingene er lettere tilgjengelige for mindre leverandører fordi de er smalere avgrenset. Hver av dem definerer en leveransetype det er mulig å spesialisere seg på.

Helsechatbot via Helsenorge

20 millioner kroner skal gå til etablering av en offentlig chatbot for helsetjenester, som skal være tilgjengelig via Helsenorge i løpet av 2027 (E24, 2026). Det er en innbyggerflate med lav toleranse for feil og høy medieoppmerksomhet. Konsekvensen er at kravene til kildekontroll, avgrensning av svar og eskalering til menneske blir strenge. Leverandører som kan vise hvordan de hindrer at en modell svarer utenfor mandatet sitt, har noe å selge her. Helseetater bruker allerede AI til å fremskynde legemiddelforsøk og analyse av helsedata (Deloitte), så sektoren er ikke uerfaren.

Tale til tekst i sykehusene

I løpet av 2026 skal sykehusene ha tatt i bruk løsninger for tale til tekst (E24, 2026). Det er et av få eksempler på en AI-leveranse i offentlig sektor med en tidfestet, nær forfallsdato. For leverandørmarkedet er det mest interessante det som kommer etterpå: når diktat først er i drift, oppstår behov for strukturering, kodeforslag, kvalitetssikring og integrasjon mot journalsystemer. Den andrebølgen er mindre omstridt og mindre omtalt, og derfor mindre overfylt.

Generativ AI i konsesjonsprosesser hos NVE

20 millioner kroner settes av til bruk av generativ AI i konsesjonsprosesser i NVE (E24, 2026). Dette er den mest kopierbare av satsingene. Konsesjonsbehandling er dokumenttung saksbehandling med klare regelsett, mange vedlegg og lange ventetider, og den strukturen finnes igjen i plan- og byggesaker, tilsyn, tilskuddsforvaltning og klagebehandling. Lykkes NVE, blir løsningen en mal andre etater peker på. Vinner du der, vinner du en posisjon i et mye større bruksområde enn selve bevilgningen antyder.

Finansieringsmodellene offentlig sektor faktisk bruker

Offentlige institusjoner møter flate budsjetter og begrensede arbeidsstyrker samtidig som forventningene til AI øker. Det tvinger frem finansieringsmodeller som ikke krever friske bevilgninger. Kjenner du dem, kan du formulere tilbudet slik at kunden faktisk har penger til å si ja.

Modell	Hvordan den fungerer	Hva det betyr for deg
Innbakt i finansiert modernisering	AI legges inn i et program som allerede har budsjett	Raskeste vei til kontrakt, men du er underleverandør
Frigjort arbeidstid	Reduserte personalkostnader finansierer investeringen	Du må kunne tallfeste spart tid troverdig
IT-arbeidskapitalfond	Besparelser beholdes på tvers av budsjettår	Gjør flerårige avtaler mulige
Resultatbasert finansiering	Ekstern kapital betales ut ved oppnådde mål	Krever at du tør binde betaling til effekt
Filantropi og fond	Eksterne midler dekker pilot eller plattform	Lav terskel inn, usikker videreføring

Innbakt i allerede finansiert modernisering

Canadas Benefits Delivery Modernization integrerer AI i en modernisering som allerede var finansiert, men programmet har hatt kostnadsøkninger og forsinkelser. Begge delene er lærdom. Modellen er den raskeste veien til finansiering, og den er samtidig den som oftest sprekker. Et elleveårig norsk løp har samme risikoprofil. Skriv kontrakter som tåler at tidsplanen glir, og unngå å bygge hele selskapets likviditet rundt en fremdriftsdato du ikke styrer.

Frigjort arbeidstid som finansieringskilde

Et offentlig byrå anslo 70.000 frigjorte arbeidstimer i året, og AI-investeringer kan finansieres av effekter som 20 prosent kortere behandlingstid for ytelser. Dette er argumentasjonen Skulstad bruker når han snakker om å frigjøre politiressurser. For deg som leverandør er poenget at gevinstberegningen er en del av leveransen, ikke et vedlegg. Kommer du uten en målbar baseline og en metode for å måle etterpå, må kunden finne pengene et annet sted.

Alura mener offentlige AI-satsinger bør vurderes som kapitalallokering med avkastningskrav, ikke som en ren teknologikostnad. Det er også slik de mest treffsikre offentlige organisasjonene behandler AI. Forskjellen er ikke retorisk: en kostnad skal minimeres, en investering skal måles mot hva den gir tilbake.

Fond, obligasjoner og ekstern kapital

Verktøykassen er bredere enn norske innkjøpere flest bruker. Amerikansk føderal lovgivning tillater byråer å opprette et IT-arbeidskapitalfond som beholder besparelser på tvers av budsjettår, Istanbul finansierte IKT-opplæring med en resultatobligasjon der private investorer sto for kapitalen, og University of Washington gjennomførte en finansomlegging på over 300 millioner dollar med en blanding av gjeld og egenkapital.

Fond spiller også en rolle. Public Benefit Innovation Fund, som er på 20 millioner dollar, finansierte i desember 2025 New Jerseys innovasjonskontor for å skalere en delt plattform for generativ AI på tvers av departementer, og Small Business Administration øremerket 6 millioner dollar til virksomhetsprioriteringer. Delt plattform på tvers av etater er samme logikk som den norske grunnmuren på 25 millioner. Det er mønsteret å kjenne igjen.

Les også: AI i offentlig sektor: slik kan kunstig intelligens styrke norsk velferd. Slik kan norsk offentlig sektor bruke AI for bedre tjenester, effektivere forvaltning og styrket velferd.

Krav til ansvarlig AI, sikkerhet og modellevaluering

Den posten som får minst oppmerksomhet i AI-budsjettet, er den som vil påvirke leverandørmarkedet mest. 30 millioner kroner skal styrke arbeidet med sikkerhet og modellevaluering i AI Norge, som samtidig får et nytt mandat og skal samarbeide tettere med andre lands organisasjoner for AI-sikkerhet (E24, 2026). Når en etat får mandat og midler til modellevaluering, oppstår det krav. Krav blir kvalifikasjonskriterier.

AI Norge får utvidet mandat

Et tettere samarbeid med internasjonale AI-sikkerhetsorganisasjoner betyr i praksis at evalueringsmetodikken vil ligne på det som utvikles i EU og hos andre nasjonale institutter. Det er gode nyheter for forutsigbarhet, og dårlige nyheter for leverandører som har håpet på en norsk særordning med lavere terskel. Forbered deg på å måtte dokumentere modellens oppførsel på et nivå som kan etterprøves av tredjepart, ikke bare beskrives i et tilbud.

Dokumentert evaluering som konkurransefortrinn

Alura mener dokumentert modellevaluering og sporbarhet blir et konkurransefortrinn når AI Norge får utvidet mandat på sikkerhet og modellevaluering. Resonnementet er enkelt: når kravet først er der, kan ingen bli unntatt fra det, og den som har dokumentasjonen klar sparer tre til seks måneder i hver konkurranse. Bygg testprotokoller, versjonering av prompt og modell, loggføring av avvik og en skriftlig beskrivelse av kjente svakheter nå, mens det er frivillig.

Sanntidsbeslutninger hever risikoprofilen

60 prosent av offentlige AI- og dataanalyseinvesteringer tar sikte på operasjonelle beslutninger i sanntid (Deloitte). Sanntid er den vanskeligste kategorien å kvalitetssikre, fordi det ikke finnes et menneske i løkken som fanger opp feil før de får konsekvens. Offentlig ansatte bruker allerede AI til velferdsutbetalinger, innvandringsbeslutninger, svindeldeteksjon og svar på innbyggerhenvendelser (Deloitte). Det er beslutninger som griper inn i enkeltpersoners liv, og kravene vil reflektere det.

Markedsobservasjon: modenhetsgapet er større enn ambisjonen

Her ligger det mest avgjørende tallet for hvordan du skal selge. 80 prosent av offentlige organisasjoner er fortsatt i innledende eller utviklende digitale modenhetsstadier (Deloitte). Samtidig forventes 75 prosent av myndigheter å ha minst tre virksomhetsomfattende hyperautomatiseringsinitiativer i gang (Deloitte). Ambisjonsnivået og grunnlaget henger ikke sammen.

Hva gapet betyr for hva du selger

Når flertallet er tidlig i modenhet, er det ikke modellvalg som avgjør prosjektets skjebne. Det er datakvalitet, integrasjon mot eldre fagsystemer, tilgangsstyring og evnen til å endre en arbeidsprosess. En leverandør som selger den avanserte delen inn i en organisasjon som mangler grunnlaget, leverer et prosjekt som feiler og mister referansen. Selg rekkefølgen, ikke sluttbildet. AI-investeringer spiller dessuten typisk en støtterolle i offentlige tjenesteplaner fremfor å være hovedfokus (Deloitte), så tilbudet bør kobles til etatens eksisterende mål og ikke til AI som tema.

Offentlige virksomheter er også mindre smidige enn private motparter på grunn av etablerte praksiser og prosesser (Deloitte). Det er ikke et argument mot å gå inn, men mot å prise som om innføringen går like fort som hos en privat kunde. Vi har gått nærmere inn på hvor gevinstene faktisk ligger i AI i offentlig sektor i Norge.

Kompetansemangelen er mulighet og risiko samtidig

Mange offentlige etater mangler kjernekompetanse innen AI, og det hindrer dem i å distribuere og drifte løsninger (Deloitte). Alura mener kompetansemangelen i offentlige etater er leverandørens største mulighet og største leveranserisiko samtidig. Muligheten er åpenbar: det er derfor de kjøper. Risikoen er mindre åpenbar, nemlig at en kunde uten egen kompetanse ikke kan ta imot leveransen, ikke klarer å drifte den, og ikke kan forsvare den internt når noen stiller spørsmål.

Praktisk håndtering er å prise inn overlevering og opplæring som en obligatorisk del av leveransen, ikke som et tilvalg kunden kan kutte for å spare penger. Deloitte peker også på en ny rolle som innovasjonsspeider, en spesialist som skal identifisere og integrere ny teknologi i offentlige oppdrag (Deloitte). Finn den personen hos kunden din. Hvis den ikke finnes, blir du den uformelt, og det må du ta betalt for.

Vanlige feil leverandører gjør mot offentlig sektor

De fleste tapte offentlige tilbud taper på noe som kunne vært rettet før innsending. Her er mønstrene som gjentar seg, og hva de koster.

Feil	Konsekvens	Korrigering
Selger modell, ikke arbeidsprosess	Faller ut mot etat uten datagrunnlag	Start med prosesskartlegging og datakvalitet
Venter på kunngjøring	Kravene er skrevet uten din løsning i tankene	Følg finansierte programmer i forarbeidsfasen
Mangler dokumentasjon på evaluering	Diskvalifisert på kvalifikasjonskrav	Standardpakke klar før første tilbud
Priser som privat kunde	Taper penger på forsinkelser du ikke styrer	Legg inn realistisk innføringstid
Vil være hovedleverandør med en gang	Null referanse, null kontrakt	Gå inn som underleverandør først
Gevinst uten baseline	Kunden finner ikke finansiering	Mål dagens tid og kostnad før oppstart

Å tro at «AI-anbud» er en kategori

Mange leter etter kunngjøringer med AI i tittelen. Det er en liten og hardt omkjempet delmengde. Pengene ligger i anskaffelser som heter saksbehandlingssystem, arkivløsning, analyseplattform eller modernisering av fagsystem. Politiets løp heter digitalisering, ikke AI, selv om AI er en del av det (Digi.no, 2026). Juster søkeordene dine, og du dobler markedet du ser.

Å undervurdere forvaltningssiden av tilskudd og finansiering

En av statens grunnleggende oppgaver er å finansiere initiativer og programmer, og effektiv tilskuddsforvaltning skal sikre at midler tildeles effektivt, at svindel minimeres og at samfunnsnytten maksimeres (Deloitte). Det er et stort og undervurdert bruksområde: papirarbeid, svindelavdekking, automatisert rapportering og bedre søkeopplevelse. AI kan utfylle menneskelige evner for å kanalisere finansiering mot riktige formål med presisjon (Deloitte). Her er konkurransen tynnere enn i innbyggerflatene.

Å ignorere at rammeavtalen avgjør

At staten setter av 5 millioner kroner til å forhandle AI-avtaler sentralt, er en instruks om hvor volumet skal gå (E24, 2026). Står du utenfor de relevante rammeavtalene, konkurrerer du om restene uansett hvor god løsningen er. Kartlegg hvilke avtaler som dekker ditt område, når de utløper, og hva kvalifikasjonskravene er. Så planlegg to år frem mot neste utlysning, ikke to måneder.

Ofte stilte spørsmål

Spørsmålene under er de som oftest avgjør om en virksomhet går inn i det offentlige markedet eller lar det ligge.

Hvor mye av de 5,7 milliardene går egentlig til AI?

Det er ikke offentliggjort. Kilden sier at beløpet gjelder digitalisering av politiet inkludert kunstig intelligens og droner (Teknisk Ukeblad, 2026). Erfaringsmessig går hovedtyngden i slike program til infrastruktur, datagrunnlag, integrasjon og sikkerhet, der AI er en komponent i toppen. Det er ikke dårlige nyheter hvis du leverer noe av grunnarbeidet. Det er dårlige nyheter hvis hele verdiforslaget ditt er en modell.

Er 120 millioner nok til å skape et marked?

Nei, ikke alene. Sett mot statsbudsjettets totale utgifter på rundt 2.000 milliarder kroner er posten liten (E24, 2026). Verdien ligger i at den finansierer felles grunnmur, rammeavtaler og evalueringskapasitet, altså forutsetningene for at etatenes egne budsjetter kan brukes på AI. Det er den indirekte effekten som skaper markedet, ikke bevilgningen selv.

Bør vi vente til kravene er avklart?

Nei. Når kravene er avklart, er kundens løsningsbilde også avklart, og det er formet av dem som var i rommet underveis. Det du kan gjøre nå uten å ta risiko, er å bygge dokumentasjonspakken, skaffe en referanse i regulert virksomhet og etablere kontakt med integratorene. Ingen av de tre blir bortkastet selv om anskaffelsen utsettes et år.

Hva er realistisk tidslinje fra kontakt til kontrakt?

For underleverandørrollen kan det gå på noen måneder, fordi hovedleverandøren har et konkret hull å fylle. For en direkte offentlig kontrakt bør du regne i år, ikke kvartaler, særlig i et program delt i tre trinn over elleve år (Aftenposten, 2026). Virksomheter som finansierer offentlig satsing med løpende inntekt fra privat marked, overlever ventetiden. De som ikke gjør det, rekker ikke frem.

Hvordan dokumenterer vi gevinst før vi har levert?

Ved å måle dagens tilstand sammen med kunden før oppstart, og definere hva som skal måles etterpå. Offentlige referansepunkter finnes: 20 prosent kortere behandlingstid og anslag på 70.000 frigjorte arbeidstimer i året er den typen størrelser som brukes i finansieringsargumentasjon. Bruk dem som illustrasjon på hva som kan måles, ikke som løfte om hva du vil levere. Et gevinstløfte uten baseline er verdiløst i en forhandling.

Finnes det politisk risiko i disse satsingene?

Ja. Et løp på elleve år overlever flere stortingsvalg og flere statsråder, og trinn to og tre er ikke vedtatt selv om totalrammen er beregnet (Digi.no, 2026). Legg til at det nærmeste sammenlignbare internasjonale eksempelet, Canadas moderniseringsprogram, har hatt kostnadsøkninger og forsinkelser. Planlegg for at omfanget endres, og unngå avtaler som bare lønner seg hvis alle tre trinn gjennomføres som skissert.

Oppsummering og neste steg

De offentlige AI-pengene ligger ikke der merkelappen sitter. Den store satsingen er politiets digitaliseringsløp på 5,7 milliarder kroner, med oppstart på 500 millioner og en samlet ramme på 12 til 13 milliarder over elleve år (Teknisk Ukeblad, 2026). AI-posten på litt over 120 millioner finansierer forutsetningene: grunnmur, rammeavtaler og evalueringskapasitet (E24, 2026).

Markedet er reelt, men det er et grunnarbeidsmarked. Når 80 prosent av offentlige organisasjoner er tidlig i digital modenhet (Deloitte), er det datakvalitet, integrasjon, sporbarhet og endringsledelse som etterspørres, ikke de mest avanserte modellene. Det er en mindre spennende historie og en mer holdbar forretning.

Tre beslutninger å ta denne måneden

Først: avgjør om du går inn som hovedleverandør eller underleverandør, og vær ærlig om likviditeten. For de fleste norske SMB-er er svaret underleverandør, og det er en god posisjon, ikke en nødløsning. Deretter: bygg dokumentasjonspakken for modellevaluering, logging og personvern innen seks uker, mens det ennå er frivillig å ha den. Til sist: velg to av de navngitte satsingene, for eksempel helsechatboten og NVE-tiltaket, og følg dem tett nok til at du kjenner kravstillerne før kunngjøringen kommer. Tre beslutninger slår ti planer, og ingen av dem krever at du gjetter hva trinn to inneholder.

I Alura jobber vi med norske bedrifter på tvers av bransjer: finans, helse, bygg, e-handel, industri. Vi vet hva som fungerer i din sektor og hva som ikke gjør det, fordi vi har bygget løsninger der allerede.

Bestill en bransje-vurdering: vi presenterer hva andre i din sektor faktisk gjør med AI, hva som gir avkastning, og hvor du har uutnyttede muligheter. Uforpliktende.

Kilder

Aftenposten. Regjeringen vil gi politiet digitalt løft – 5,7 milliarder til droner og KI-løsninger
Digi.no. Regjeringen foreslår 5,7 milliarder til politiets digitalisering, inkludert KI og droner
E24. Regjeringen vil bruke 120 millioner på AI-tiltak
Deloitte. AI Use Cases in Government | Deloitte US
Teknisk Ukeblad. VG: Regjeringen vil gi politiet digitalt løft – 5,7 milliarder til droner og KI-løsninger
Teknisk Ukeblad. Norwegian Government Proposes NOK 5.7 Billion for Police Digitalization, Including AI and Drones
Deloitte. AI and the future of work in public sector funding | Deloitte Insights