Er åpne AI-modeller trygge når USA truer med sanksjoner?

Hva sanksjoner mot åpne AI-modeller faktisk betyr

Amerikansk finansminister Scott Bessent varslet at USA vil granske kinesiske åpne AI-modeller for tyveri av immaterielle rettigheter, og at sanksjoner kan bli aktuelt. Ifølge omtalen, som først ble rapportert av Bloomberg, understreket Bessent at administrasjonen støtter åpne modeller, men ikke IP-tyveri. For en norsk SMB som har bygget en arbeidsflyt på en åpen modell, er dette ikke en fjern handelskonflikt. Det er en potensiell endring i hva du lovlig og praktisk kan kjøre neste kvartal.

Poenget er at modellvalg har blitt utenrikspolitikk. Trump-administrasjonens restriksjoner på avanserte amerikanske modeller har allerede akselerert bedrifters interesse for åpne alternativer, inkludert kinesiske. Når politikken beveger seg raskere enn innkjøpssyklusene dine, blir spørsmålet ikke om en modell er god, men om du fortsatt har tilgang til den om seks måneder.

Fra teknisk valg til handelspolitikk

Åpne modeller ble lenge behandlet som et rent ingeniørspørsmål: ytelse, kostnad og hvor lett de lot seg finjustere. Det bildet holder ikke lenger. Åpen kildekode-programvare spiller en sentral rolle i utvikling og bruk av AI, og de mest avanserte maskinlæringsverktøyene er i stor grad gratis og offentlig tilgjengelige. Nettopp derfor har åpne modeller blitt et politisk instrument. Det som er fritt tilgjengelig, er også vanskelig å kontrollere, og myndigheter som vil kontrollere det, griper til virkemidler som treffer alle brukere, ikke bare utvikleren.

For norske SMB-er betyr det at en beslutning tatt i Washington kan endre rammene for et verktøy du har integrert i kundeservice eller dokumentbehandling. Dette er samme dynamikk vi har beskrevet i analysen av hvordan amerikanske AI-modeller kan stenges for norske SMB-er. Forskjellen nå er at det gjelder de åpne modellene også, ikke bare de lukkede API-tjenestene.

Hva en sanksjon konkret kan ramme

En sanksjon mot en modell er ikke det samme som at koden forsvinner fra internett. Den kan ramme distribusjonskanaler, skytjenester som hoster modellen, betalingsstrømmer til utvikleren og amerikanske selskapers rett til å tilby eller integrere den. Vi har allerede sett hvor raskt slikt kan skje: Anthropic fikk 90 minutter på seg til å ta modellene ned etter ordre fra Trump-administrasjonen 13. juni 2026. Da Anthropic ble beordret til å blokkere ikke-amerikanske brukere fra modellene Mythos 5 og Fable 5, ble modellene deretter trukket helt tilbake.

Konsekvensen for en norsk bruker er sjelden at alt stopper på et sekund, men at forsyningskjeden rundt modellen blir usikker: oppdateringer stanser, hostingpartnere trekker seg, og du sitter igjen med en versjon som ingen lenger vedlikeholder eller sikkerhetspatcher. Det er den stille varianten av avhengighetsrisiko, og den er ofte dyrere enn en brå avstenging.

Åpne vekter er ikke det samme som åpen kildekode

En vanlig misforståelse er at "åpen modell" betyr full åpen kildekode med fri lisens. Ofte betyr det bare at modellvektene kan lastes ned, mens lisensen begrenser kommersiell bruk eller stiller vilkår. Open Source Initiative har laget en egen ressurs for å forklare beslutningstakere hva det faktisk betyr at programvare er åpen kildekode, nettopp fordi begrepet misbrukes. For en SMB er skillet praktisk viktig: en nedlastbar modell med restriktiv lisens gir deg mindre juridisk trygghet enn en genuint åpen lisens, selv om begge kalles "åpne".

Denne uklarheten er ikke akademisk. Den avgjør om du kan drive modellen videre på egen infrastruktur hvis leverandøren forsvinner, eller om lisensvilkårene trekker teppet vekk samtidig. Vi kommer tilbake til hvorfor dette er kjernen i en exit-plan lenger ned.

Hvorfor USA vurderer å slå ned: IP-tyveri og geopolitikk

USAs uttalte bekymring handler om to ting samtidig: at kinesiske modeller kan være bygget på stjålet amerikansk teknologi, og at åpne kinesiske modeller styrker en geopolitisk rival. To perspektiver dominerer debatten om åpne modeller, ifølge Center for AI Policy: geopolitisk risiko og ideologiske verdier. Bessents utspill hører hjemme i den geopolitiske leiren.

Distillering: tyveri eller forskning?

Kjernen i IP-anklagen er distillering, der en billigere modell trenes ved å lære av utdataene til en dyrere. DeepSeeks gjennombrudd kan fortsatt være derivater av lukkede amerikanske systemer, ifølge rapporten Wilson og Hine bygger på. Men det er omstridt om dette er tyveri i det hele tatt. Hugging Face-sjef Clem Delangue argumenterte for at distillering er en liten faktor, og at Kina har gode forskningsteam.

For en SMB-leder er ikke poenget å avgjøre juridisk skyld. Poenget er at anklagen i seg selv er nok til å utløse tiltak. Når to parter er uenige om noe er tyveri eller normal forskning, blir utfallet avgjort politisk, ikke teknisk, og da endrer risikoen din seg uten forvarsel.

Kinas åpne økosystem har tatt igjen

Bekymringen er ikke lenger hypotetisk. Kinas åpne økosystem har blitt mer kapabelt og mindre avhengig av amerikanske modeller, særlig LLaMA. Center for AI Policy noterer at kinesiske åpne modeller har vist sterke kapabiliteter, noen ganger bedre enn de amerikanske. Konkret slapp Kinas Zhipu AI, også kjent som Z.ai, GLM-5.2, en åpen modell som nærmer seg ytelsen til de ledende tilbudene fra Anthropic og OpenAI.

Da DeepSeek slapp modeller i desember 2024 og januar 2025, ble det tydelig at ledelsen amerikanske aktører tok for gitt, hadde krympet. Stanfords indeks konkluderer nå med at ytelsesgapet mellom amerikanske og kinesiske modeller i praksis er lukket. Det er den utviklingen som gjør Washington nervøs.

Datasentre og talent: hvor USA fortsatt leder

Selv om modellytelsen har jevnet seg ut, leder USA fortsatt på infrastruktur og penger. Landet har 5 427 datasentre, mer enn 10 ganger så mange som noe annet land. Amerikanske private AI-investeringer nådde 285,9 milliarder dollar i 2025, mot 12,4 milliarder dollar for Kina. Til sammenligning tiltrakk EU seg bare 8 milliarder dollar i AI-venturekapital i 2023.

Denne ubalansen forklarer hvorfor USA vil beskytte forspranget sitt. Samtidig er det et sprekk i bildet: antall AI-forskere og -utviklere som flytter til USA har falt 89 prosent siden 2017. Ledelse på kapital garanterer ikke ledelse på talent, og det er en av grunnene til at politikken famler etter grep.

Debattens to poler: ideologiske verdier mot geopolitisk risiko

For å forstå hva slags politikk som faktisk kan komme, må du forstå de to leirene som drar i hver sin retning. Wilson og Hine rammer debatten som et sammenstøt mellom to grupper: de som drives av ideologiske verdier som åpenhet og transparens, og de som er opptatt av geopolitisk risiko, særlig Kinas tilgang til avansert AI. Rapporten deres er en av de første ressursene som behandler begge perspektivene som like seriøse.

Åpenhetsleiren

Åpenhetsleiren mener fri tilgang til modeller er et gode i seg selv. Argumentene er velkjente fra programvarehistorien: åpen kildekode senker det matematiske og tekniske kunnskapsnivået som kreves for å bruke AI, og åpne verktøy kan hjelpe med å oppdage og redusere diskriminerende trekk ved maskinlæring. Åpenhet gir gjennomsiktighet, og gjennomsiktighet gir tillit.

Idealet har dype røtter. OpenAI ble grunnlagt som en non-profit for å demokratisere AI-tilgang og redusere eksistensiell risiko. At selskapet siden gikk en annen vei, er en del av grunnen til at åpenhetsleiren nå ser åpne modeller som en motvekt til at makten samles hos noen få lukkede aktører.

Sikkerhetsleiren

Sikkerhetsleiren snur argumentet på hodet: det som er åpent for alle, er også åpent for motstandere. R Street-analysen konkluderer med at åpne modeller kan skalere innovasjon, men kompliserer cybersikkerhet og styring. Bekymringen er at åpne vekter ikke kan tilbakekalles: når en modell er sluppet, kan den ikke trekkes tilbake fra dem som allerede har lastet den ned.

Det er også en frykt for at åpenhet blir en enveisgate der andre høster fordelene. Professor Ethan Mollick advarer om at andre regjeringer kan begrense offentlig utgivelse av egne åpne modeller. Hvis alle strammer inn samtidig, forsvinner selve det åpne økosystemet norske SMB-er har lent seg på.

Rubrikken som prøver å forene dem

Det interessante ved rapporten er at den ikke velger side, men bygger et verktøy for å veie begge. Forfatterne lager en felles rubrikk for å vurdere politiske beslutninger gjennom både ideologiske og geopolitiske briller, og rubrikken kombinerer tre ideologiske og tre geopolitiske hensyn. Rapporten ble publisert i februar 2025.

For en norsk leder er lærdommen at det ikke finnes ett riktig svar som venter på å bli funnet. Utfallet avhenger av hvordan amerikanske myndigheter vekter transparens mot nasjonal sikkerhet, og den vektingen kan svinge med hvert maktskifte. Planlegg for at pendelen kan slå begge veier.

De fire politiske alternativene amerikanske myndigheter veier

Rubrikken brukes på konkrete forslag. Forfatterne anvender den på fire reelle politiske ideer, og konklusjonene er nyttige fordi de forteller deg hvilke utfall som er sannsynlige, og hvilke som mest sannsynlig ville slå tilbake. Tabellen under oppsummerer hovedlinjene slik de dokumenteres i kildene.

Politisk grep	Hva det innebærer	Vurdering i kildene
Blankt eksportforbud	Eksportkontroll på alle åpne AI-modeller	Sannsynligvis suboptimalt og kontraproduktivt
Risikovurdering før åpning	Utviklere må vurdere risiko før kildekoden slippes	Beskrevet som et mer fornuftig alternativ
Revisjon mot bakdører	Revisjon av offentlige produkter som bruker åpen AI	Kan være et nyttig tiltak mot bakdørrisiko
Fortsatt åpenhet	Behold dagens frie tilgang	Løftet frem av åpenhetsleiren, men gir ingen sikkerhetsgaranti

Blankt eksportforbud

Det mest drastiske alternativet er å forby eksport av alle åpne modeller. Rapportene er tydelige på at dette trolig gir mer skade enn nytte. Eksportkontroller og butte forbud risikerer å slå tilbake og undergrave amerikansk lederskap uten å tydelig stoppe misbruk. Center for AI Policy formulerer det direkte: et blankt eksportforbud på alle åpne modeller vil sannsynligvis være suboptimalt og kontraproduktivt.

For en SMB er dette godt nytt og dårlig nytt på en gang. Godt fordi det mest ødeleggende alternativet er lite sannsynlig. Dårlig fordi "lite sannsynlig" ikke er "umulig", og fordi selv trusselen om det påvirker leverandørenes atferd i dag.

Risikovurdering før åpning

Middelveien får mest støtte. Et mer fornuftig alternativ er å kreve at utviklere av fundamentmodeller gjennomfører en risikovurdering før de åpner kildekoden. Dette speiler en middelvei med risikovurdering og revisjon, som Metas rammeverk fra januar 2025, som kan bremse misbruk uten å blokkere innovasjon.

Praktisk betyr det at fremtidige åpne modeller kan komme senere og med flere vilkår. For norske brukere er det verdt å følge med på hvilke modeller som slippes uten slike vurderinger i dag, fordi det er nettopp disse som kan bli begrenset i morgen.

Revisjon mot bakdører

Det tredje grepet retter seg mot risikoen for skjulte bakdører i modeller som brukes i det offentlige. Revisjon av offentlige produkter som bruker åpen kildekode-AI kan være et nyttig tiltak mot bakdørrisiko. Selv om dette primært gjelder amerikanske offentlige innkjøp, setter det en standard som kan spre seg til leverandørkrav ellers.

Hvis du selger til offentlig sektor i Norge, er dette et signal om hvilken vei kravene går: dokumentasjon av hvilke modeller som brukes, og evne til å revidere dem. Det er lettere å bygge inn nå enn å ettermontere når et anbud krever det.

Hva Open Source Initiative advarer mot

Utviklermiljøet har egne røde linjer. Open Source Initiative anbefaler at politikk unngår krav som gjør utviklere ansvarlige for nedstrøms bruk av koden deres, og at politikk ikke tvinger utviklere til å tilbakekalle en åpen lisens. Argumentet er at slike krav ville kvele den frivillige utviklingen som holder økosystemet i live.

Dette er relevant fordi det viser en spenning i selve reguleringsdebatten: sikkerhetstiltak som virker rimelige på papiret, kan i praksis gjøre det uholdbart å drive åpne prosjekter. For deg som bruker er summen usikkerhet om hvilke modeller som fortsatt vil eksistere og vedlikeholdes om et par år.

Slik er norske SMB-er eksponert gjennom åpne modeller

Norske SMB-er tror ofte at åpne modeller gjør dem uavhengige av amerikansk politikk. Det motsatte kan være tilfellet. Bruker du en kinesisk åpen modell, er du eksponert for amerikanske sanksjoner mot den. Bruker du en amerikansk åpen modell, er du eksponert for at USA strammer inn på egen eksport. Uansett valg sitter du i skjæringspunktet mellom to stormakter, og 73 prosent av grunnleggende AI-modeller siden 2017 kommer fra USA.

Avhengighet du kanskje ikke vet at du har

Den farligste avhengigheten er den du ikke har kartlagt. En åpen modell kan sitte dypt i en leverandørs produkt uten at du vet hvilken modell det er. Det er ikke uvanlig: mange organisasjoner vet ikke om ansatte bruker usanksjonerte AI-verktøy, og en tilsvarende andel av lederne kan ikke si om ansatte bruker uautoriserte AI-agenter. Rapporten bygger på en undersøkelse blant 750 IT-, sikkerhets- og AI-ledere.

Når du ikke vet hvilke modeller som faktisk kjører i virksomheten, kan du heller ikke vurdere hvor eksponert du er. Det første steget er derfor kjedelig, men avgjørende: en oversikt over hvilke modeller som brukes, av hvem, og hvor de kommer fra. Uten den er alt annet gjetning.

Når leverandøren må trekke modellen på 90 minutter

Hastigheten er det som overrasker folk. At Anthropic fikk 90 minutter på seg til å ta modellene ned, viser at tilgang kan endres raskere enn en normal innkjøpsprosess klarer å reagere. Amerikansk AI-regulering består ikke av en lov, men av eksekutivordrer, eksportkontroll, frivillige avtaler og delstatslover, og eksekutivordrer kan tre i kraft over natten.

For en SMB som har bygget et kundeflytende produkt på en enkelt modell, er 90 minutter ikke tid nok til å bytte. Det er tid nok til å oppdage at du har et problem. Forskjellen mellom de to er en exit-plan som er skrevet ned på forhånd.

Alura-posisjon: kartlegg før vedtaket kommer

Vår erfaring er klar: norske SMB-er bør kartlegge hvilke åpne modeller de faktisk er avhengige av, før politiske vedtak endrer tilgangen. Kartleggingen koster lite og gjøres på dager, mens en uventet avstenging kan koste uker med nedetid og hastemigrering. Det samme rådet ga vi i vår gjennomgang av hvordan amerikanske modeller kan stenges for norske SMB-er.

Kartleggingen er også fundamentet for alt annet: du kan ikke lage en exit-plan for noe du ikke vet at du bruker, og du kan ikke dokumentere etterlevelse av AI Act uten et register over modellene dine. Se på det som forsikringspremien du betaler før huset brenner, ikke etter.

Markedet skifter: fra 55 til 33 prosent for de tre store

Mens politikken diskuteres, flytter markedet seg allerede. Restriksjonene har fått en målbar effekt på hvem som bruker hvilke modeller. På plattformen OpenRouter falt den kombinerte andelen tokens konsumert av Google, Anthropic og OpenAI fra 55 prosent i januar til 33 prosent i juni. Det er et betydelig skifte på et halvår.

Aktør	Andel tokens på OpenRouter, januar	Andel tokens på OpenRouter, juni
Google, Anthropic og OpenAI samlet	55 prosent	33 prosent
Øvrige, inkludert åpne modeller	45 prosent	67 prosent

DeepSeek på topp

Vinneren av dette skiftet er tydelig. Kinas åpne DeepSeek ble den ledende modellen på OpenRouter med god margin. At restriksjoner ment å svekke rivaler i stedet flytter markedsandeler til dem, er selve baksiden av medaljen som R Street og Center for AI Policy advarte mot. Politikken virker, men ikke nødvendigvis slik den var tenkt.

For norske SMB-er er dette et konkret dilemma. Den mest kostnadseffektive åpne modellen kan være den som står øverst på USAs sanksjonsliste. Å velge etter ytelse alene er ikke lenger nok når tilgangen kan bli et politisk spørsmål.

Hva token-andelene forteller

Token-andeler er en god temperaturmåler fordi de viser faktisk bruk, ikke bare påmelding. At de tre store falt fra 55 til 33 prosent, betyr at reelle arbeidsflyter migrerte, ikke bare at folk prøvde noe nytt. Dette henger sammen med at Trump-restriksjonene akselererer interessen for åpne alternativer, og at OpenAI gikk med på å la føderale myndigheter godkjenne kunder som søker tilgang til GPT-5.6.

Når selv tilgang til de amerikanske toppmodellene krever myndighetsgodkjenning, blir åpne modeller mer attraktive av ren praktisk nødvendighet. Markedet velger det som er tilgjengelig, ikke bare det som er best. Det gjør bevegelsen selvforsterkende.

Vendor lock-in som drivkraft

Under overflaten drives skiftet også av en eldre bekymring: frykten for å bli låst til en leverandør. I 2026 State of Open Source-rapporten oppgir 55 prosent at unngåelse av vendor lock-in er en drivkraft for å ta i bruk åpen kildekode, en økning på 68 prosent år over år. I Europa er tallet enda høyere: 63 prosent av organisasjoner i EU og Storbritannia oppgir vendor lock-in som primær motivator, mot 51 prosent i Nord-Amerika.

Poenget er verdt å dvele ved: åpenhet velges i økende grad ikke av ideologi, men som forsikring mot avhengighet. Det er samme logikk som ligger bak en RAG-arkitektur der dine egne data holdes adskilt fra modellen, slik at du kan bytte modellen ut uten å rive opp hele løsningen.

Kapabilitetsgapet mellom åpne og lukkede modeller

Et sentralt spørsmål for enhver SMB er om åpne modeller er gode nok. Svaret har endret seg raskt. Gapet mellom åpne og lukkede modeller har krympet fra rundt et år til noen få måneder, avhengig av hvordan man måler.

Kilde	Målt gap	Retning
Center for AI Policy	Omtrent ett år bak lukkede modeller	Gapet blir mindre
R Street, rapport november 2024	5 til 22 måneder bak	Varierer med oppgave
Stanford AI Index 2026	USA og Kina i praksis likt	Gapet lukket

Fra ett år til noen måneder

For litt siden var gapet komfortabelt for de lukkede aktørene. Åpne modeller har ligget omtrent ett år bak lukkede i kapabilitet, men gapet har nylig blitt mindre. En rapport fra november 2024 fant at de beste åpne LLM-ene henger etter lukkede med 5 til 22 måneder, avhengig av oppgave.

Retningen er entydig. Industrien produserte over 90 prosent av notable frontier-modeller i 2025, og selv innenfor toppsjiktet er marginene små: Anthropics toppmodell ledet med 2,7 prosent per mars 2026. Når forskjellen på topp er noen få prosent, er en god åpen modell mer enn nok for de fleste forretningsoppgaver.

Hvor gapet fortsatt biter

Snittall skjuler at modellene fortsatt feiler på overraskende ting. Gemini Deep Think vant gullmedalje i den internasjonale matematikkolympiaden, men samme klasse toppmodell strever fortsatt med å lese analoge klokker korrekt. Det illustrerer at kapabilitet er ujevn: en modell kan glimre på det abstrakte og snuble på det trivielle.

For en SMB betyr det at valget mellom åpen og lukket modell bør gjøres per oppgave, ikke som ett prinsipielt vedtak. For strukturert tekstbehandling og norsk sentimentanalyse og klassifisering er en åpen modell ofte fullt tilstrekkelig, mens de tyngste resonneringsoppgavene kan rettferdiggjøre en dyrere lukket modell.

Pris mot ytelse

Kostnaden er den andre siden av regnestykket. De lukkede toppmodellene prises som abonnement: 20 dollar i måneden for ChatGPT Plus og 200 dollar i måneden for ChatGPT Pro. En åpen modell du kjører selv, har en annen kostnadsprofil: ingen løpende lisens per bruker, men driftskostnad og teknisk ansvar på egne skuldre.

Regnestykket avhenger av volum. Ved lav bruk vinner abonnementet, ved høyt og forutsigbart volum kan egen drift av en åpen modell bli billigere. Men legg til risikopremien: den lukkede modellen kan bli stengt av eksportkontroll, den åpne kan bli sanksjonert. Ingen av alternativene er gratis når du regner inn tilgangsrisiko.

Cybersikkerhet: hva DeepSeek og ShadowRay avdekket

Åpne modeller flytter mer ansvar over på deg. Når du drifter en modell selv, arver du også sikkerhetshullene i den. To hendelser gjorde dette konkret. Open-source AI kan skalere innovasjon, men kompliserer cybersikkerhet, og de siste to årene har vist nøyaktig hvordan.

DeepSeek R-1 og eksponerte data

Modellen som nå leder markedet, kom ikke uten problemer. DeepSeeks R-1-modell avdekket i januar 2025 cybersikkerhetsfeil, inkludert eksponering av sensitive data. At en modell er kraftig, sier ingenting om at oppsettet rundt den er sikkert. Den samme åpenheten som lar deg inspisere modellen, lar også angripere gjøre det.

For en SMB som vurderer å kjøre en åpen modell på egen infrastruktur, er dette en påminnelse om at sikkerhet ikke følger med i nedlastingen. Du må sette opp tilgangskontroll, logging og datahåndtering selv, ellers arver du feilene uten å ha ressursene til å oppdage dem.

ShadowRay og rammeverk-risikoen

Risikoen sitter ikke bare i modellen, men i verktøyene rundt. ShadowRay-kampanjen utnyttet i mars 2024 en sårbarhet i Ray, et populært åpent AI-rammeverk. Tempoet i slike angrep er høyt: tiden til å utnytte nyoppdagede sårbarheter er nede i 4,76 dager.

Motsatt gir automatisering også forsvarsfordeler. Organisasjoner som bruker AI og automasjon i sikkerhetsarbeidet, inneholder brudd 98 dager raskere. Poenget er ikke at åpne rammeverk er utrygge i seg selv, men at de krever en aktiv sårbarhetsprosess du faktisk følger.

Hva 2026-tallene sier om brudd

Bredden i problemet er dokumentert. De aller fleste selskaper opplevde et sikkerhetsbrudd knyttet til generativ AI i 2025, og nær like mange hadde et brudd knyttet til en AI-agent. Selvtilliten er samtidig høy: et klart flertall av lederne er trygge på at de kan hindre uautorisert datatilgang, men blant de trygge rammes 62 til 72 prosent likevel av uautoriserte tilgangshendelser.

Stanford-indeksen bekrefter trenden med harde tall: dokumenterte AI-hendelser steg til 362 i 2025, opp fra 233 i 2024. Gapet mellom hvor trygge ledere føler seg og hvor ofte det faktisk går galt, er selve risikoen. Med åpne modeller på egen drift ligger det gapet hos deg, ikke hos en leverandør.

AI Act og de norske forpliktelsene som gjelder uansett

Uansett hvilken modell du velger, følger regelverket med. EUs AI Act er den første loven i verden som regulerer generelle AI-systemer, og den gjelder selskaper som opererer i EUs medlemsland uansett hvor de har hovedkontor. Norge er gjennom EØS-avtalen forpliktet til å implementere AI Act, og den gjelder alle som utvikler, distribuerer eller bruker AI-systemer i EU og EØS, uavhengig av størrelse.

Nøkkeldato i AI Act	Dato
Loven trådte i kraft	1. august 2024
Forbudte praksiser og kompetanseforpliktelser	2. februar 2025
Styringsregler og GPAI-forpliktelser	2. august 2025

Hvorfor AI Act treffer deg via EØS

Mange norske SMB-er antar at amerikansk deregulering betyr mindre regelverk for dem. Det stemmer ikke. Mens USAs kongress ikke har vedtatt en samlet AI-lov, og Trump-administrasjonen fører en deregulerende, pro-innovasjons tilnærming, er det EUs regelverk som binder norske virksomheter. Datoene i tabellen over gjelder deg direkte.

Amerikansk regelverk er heller ikke fraværende, bare fragmentert. Per mars 2026 hadde lovgivere i 45 delstater fremmet 1 561 AI-relaterte lovforslag, mer enn hele 2024 til sammen, og over 25 delstater har introdusert AI-lover. Bruker du amerikanske tjenester, kan du bli berørt av begge regimer samtidig.

Bøtenivåene

AI Act har tenner. Maksbøtene er satt for å merkes: 35 millioner euro for brudd på forbudt praksis, 15 millioner euro for andre operatørplikter og for GPAI-tilbydere, og 7,5 millioner euro for å gi feilaktig informasjon. For en SMB er selv den laveste satsen eksistensiell.

Bøter er ikke bare teori i AI-verdenen. Nederlandske datatilsyn har ilagt Clearview AI en bot på 30,5 millioner euro for ulovlig datainnsamling, og i USA har selv mindre saker gitt reaksjoner, som en FTC-forlik på 193 000 dollar for DoNotPay for udokumenterte AI-påstander. Håndhevingen er reell, og den treffer også små aktører.

Alura-posisjon: etterlevelse parallelt med modellvalg

Vår posisjon er at AI Act gjelder norske SMB-er uansett hvilken modell dere velger, så etterlevelse må planlegges parallelt med modellvalget, ikke som et etterarbeid. I praksis betyr det at samme kartlegging som avdekker avhengighetsrisiko, også skal produsere dokumentasjonen AI Act krever. Ett arbeid, to formål.

Å skille modellvalg og etterlevelse i to prosesser er en klassisk feil. Da ender du opp med å velge en modell først og deretter oppdage at bruken av den utløser krav du ikke har dekket. Legg regelverket inn i beslutningen fra start, så slipper du å reversere valg som allerede er i produksjon.

Praktisk: hva SMB-en gjør mandag morgen

Nok analyse. Her er de konkrete grepene som reduserer eksponeringen din, i den rekkefølgen de gir mest effekt. Tabellen oppsummerer, og underseksjonene forklarer.

Steg	Hva du gjør	Hvorfor det reduserer risiko
1. Kartlegg	Lag et register over alle modeller i bruk og deres opphav	Du kan ikke sikre det du ikke ser
2. Exit-plan	Definer en alternativ modell for hver kritisk arbeidsflyt	Reduserer nedetid ved brå avstenging
3. Styring	Sett tilgangskontroll, logging og AI Act-dokumentasjon	Dekker sikkerhet og etterlevelse samtidig

Kartlegg modellavhengighet

Start med å skrive ned hvilke modeller virksomheten faktisk bruker, hvor de kjøres, og hvem som eier hver integrasjon. Dette er ikke overengstelig: 88 prosent av organisasjoner bruker AI-teknologi i minst en forretningsfunksjon, og en betydelig andel av de ansatte støtter seg på AI-agenter regelmessig. Bruken er allerede spredt, kartleggingen bare synliggjør den.

Registeret bør fange opp både opphavsland og lisenstype for hver modell, siden det er nettopp disse to som avgjør sanksjonseksponering og juridisk handlingsrom. Et enkelt regneark er nok til å begynne. Det viktige er at det finnes og holdes oppdatert.

Bygg en exit-plan

For hver kritisk arbeidsflyt: hvilken modell bytter du til hvis dagens forsvinner, og hvor lang tid tar byttet? Dette er kjernen i leverandøruavhengighet, som 55 prosent oppgir som en drivkraft for åpen kildekode. Vår posisjon er at leverandøruavhengighet og en dokumentert exit-plan er billigere forsikring enn å vente på at reglene lander.

En god exit-plan bygger på arkitektur som gjør modellen utskiftbar. Holder du dataene dine adskilt gjennom en RAG-tilnærming, eller kapsler inn modellkallene bak et felles grensesnitt, kan du bytte modell uten å rive opp resten. Da blir en avstenging en konfigurasjonsendring, ikke en krise.

Sett styring rundt agenter og data

Det tredje steget dekker sikkerhet og etterlevelse i ett. Sett tilgangskontroll, logging og datahåndtering rundt modellene, og produser samtidig dokumentasjonen AI Act krever. Behovet er akutt: et stort flertall av organisasjoner opplevde minst en agent-relatert sikkerhetshendelse det siste året, og 20 prosent har ingen spesifikk prosess for å håndtere CVE-er.

Ikke gjør alt på en gang. Nær ni av ti organisasjoner har utsatt AI-utrullinger på grunn av manglende data- og styringsberedskap, i snitt med nær seks måneder. Poenget er ikke å stoppe, men å bygge styring inn i pilotene fra start, slik at du slipper å bremse senere. Repeterbare, regelstyrte prosesser egner seg godt for robotisert prosessautomatisering med tydelig logging, der hvert steg er sporbart.

Vanlige feil norske SMB-er gjør med åpne modeller

De fleste feilene er ikke tekniske, men organisatoriske. Her er de tre vi ser oftest, og hva de koster.

Å tro at åpen betyr gratis og trygg

Den vanligste feilen er å behandle "åpen" som synonymt med "gratis og risikofri". Det er det ikke. En åpen modell flytter drifts- og sikkerhetsansvar over på deg, og lisensen kan begrense kommersiell bruk selv om vektene er nedlastbare. Husk skillet Open Source Initiative understreker mellom hva det faktisk betyr at programvare er åpen kildekode og markedsføringsbruken av ordet.

Konsekvensen av feilen er at kostnaden dukker opp senere, i form av driftstimer, sikkerhetsarbeid og eventuell juridisk opprydding. Regn hele eierkostnaden fra start, ikke bare nedlastingsprisen på null.

Ingen prosess for sårbarheter

Den andre feilen er å drifte åpne komponenter uten en sårbarhetsprosess. Det er utbredt: 39 prosent av store foretak sliter med å møte interne SLA-er for sårbarhetsreparasjon, og 55 prosent av organisasjonene som strøk på en compliance-audit, hadde utdatert åpen programvare i stabelen. ShadowRay-hendelsen viste hva som skjer når rammeverk ikke patches.

Løsningen er kjedelig, men effektiv: en fast rutine for å følge med på sårbarheter i modellene og verktøyene du bruker, og en definert frist for å tette dem. Uten det bygger du opp teknisk gjeld som eksploderer ved neste kjente sårbarhet.

Skygge-AI uten oversikt

Den tredje feilen er å la ansatte ta i bruk modeller uten at ledelsen vet det. Mange organisasjoner vet ikke om ansatte bruker usanksjonerte AI-verktøy. Skygge-AI er farlig fordi den skjuler nettopp avhengighetene du trenger å kartlegge, og fordi den ofte innebærer at bedriftsdata sendes til tjenester ingen har vurdert.

Motgiften er ikke forbud, men et lavterskel godkjenningsspor: gjør det enkelt å melde inn og få klarert verktøy, så slipper folk å gå bak ryggen din. Data og personvern topper listen over bekymringer ved både generativ AI og agenter, ifølge AvePoints undersøkelse blant 750 ledere, og skygge-AI gjør nettopp disse bekymringene umulige å styre.

Ofte stilte spørsmål om åpne modeller og sanksjoner

De spørsmålene vi oftest får fra norske SMB-ledere, med korte og konkrete svar.

Er åpne modeller tryggere enn lukkede når det gjelder tilgang?

Ikke automatisk. En åpen modell du har lastet ned, kan du fortsette å kjøre selv om utvikleren rammes, men uten vedlikehold og sikkerhetspatcher. En kinesisk åpen modell er dessuten eksponert for amerikanske sanksjoner, og USA kan innføre sanksjoner mot kinesiske åpne modeller for påstått IP-tyveri. Tryggheten avhenger av opphav, lisens og din egen evne til å drifte modellen videre, ikke av etiketten "åpen".

Vil et amerikansk forbud faktisk stoppe kinesiske modeller?

Sannsynligvis ikke, og det er nettopp problemet. Analysene peker på at butte forbud risikerer å slå tilbake uten å tydelig stoppe misbruk, og markedet har allerede beveget seg motsatt vei: DeepSeek ble ledende modell på OpenRouter med god margin mens de tre store falt fra 55 til 33 prosent. Restriksjoner endrer hvem som bruker hva, men fjerner ikke modellene fra verden.

Må vi følge AI Act selv om vi bruker en amerikansk eller kinesisk modell?

Ja. AI Act gjelder selskaper som opererer i EU uansett hovedkontor, og Norge er forpliktet gjennom EØS. Regelverket følger bruken, ikke modellens opprinnelsesland. Hvilken modell du velger, endrer altså ikke om AI Act gjelder, bare hvordan du dokumenterer etterlevelsen.

Hvor raskt kan tilgangen til en modell forsvinne?

Raskere enn de fleste tror. Anthropic fikk 90 minutter på seg til å ta modellene ned etter en ordre, og amerikansk politikk styres i stor grad av eksekutivordrer som kan endres raskt. Planlegg for dager, ikke måneder, hvis en modell blir politisk uønsket.

Er åpne modeller gode nok for en norsk SMB?

For de fleste oppgaver, ja. Gapet er nede i rundt ett år og krymper, og på topp skiller det bare 2,7 prosent. Til tekstklassifisering, oppsummering og analyse er en åpen modell ofte tilstrekkelig, mens de tyngste resonneringsoppgavene fortsatt kan rettferdiggjøre en lukket toppmodell. Velg per oppgave.

Oppsummering og neste steg

Trusselen om amerikanske sanksjoner mot åpne AI-modeller er ikke en fjern geopolitisk krangel. Den treffer norske SMB-er direkte, fordi USA vurderer sanksjoner mot kinesiske åpne modeller samtidig som egne restriksjoner flytter markedet fra 55 til 33 prosent for de tre store. Uansett hvilken modell du velger, sitter du i skjæringspunktet mellom to stormakter, og AI Act gjelder uansett opphav.

Det gode budskapet er at grepene som reduserer risikoen, er de samme uansett hvordan politikken lander. Kartlegging, exit-plan og styring gjør deg robust mot både sanksjoner, eksportkontroll og regelverk på en gang. Det er ikke spådom, det er beredskap.

De tre grepene som gir mest

Kartlegg hvilke åpne modeller virksomheten faktisk er avhengig av, før et politisk vedtak endrer tilgangen. Bygg en dokumentert exit-plan for hver kritisk arbeidsflyt, siden leverandøruavhengighet er billigere forsikring enn å vente på at reglene lander. Og planlegg etterlevelse av AI Act parallelt med modellvalget, ikke etterpå. Disse tre henger sammen: samme register tjener alle tre.

Ingen av grepene krever at du gjetter riktig om fremtiden. De gjør deg klar uansett utfall, og det er hele poenget med å forberede seg på en situasjon der reglene fortsatt er i bevegelse.

Hva du kan gjøre denne uken

Begynn smått og konkret. Lag et førsteutkast til modellregisteret i et regneark, marker hvilke arbeidsflyter som ville stoppet hvis en modell forsvant, og noter opphavsland og lisens for hver. Det tar timer, ikke uker, og gir deg umiddelbart et bilde av hvor eksponert du er.

Bygg videre på det fundamentet i ditt eget tempo. Enten du velger åpen eller lukket modell, er det oversikten, utskiftbarheten og dokumentasjonen som avgjør hvor trygt du står når neste politiske vedtak kommer. Grunnleggende forståelse av hvordan modellene faktisk fungerer gjør disse valgene lettere å ta med åpne øyne.

I Alura hjelper vi norske bedrifter med å bygge AI-strategi som faktisk lar seg gjennomføre. Vi kombinerer dyp teknisk innsikt med erfaring fra alt fra SMB til enterprise, og leverer veikart som virker i praksis, ikke bare i PowerPoint.

Bestill en strategiøkt: en halvdags samtale der vi kartlegger virksomhetens AI-modenhet, identifiserer de tre prosessene med størst potensial, og leverer et konkret veikart med budsjettramme. Uforpliktende.