Californias Claude-avtale og fem grep for AI i kommuner

Hva Californias avtale med Anthropic faktisk innebærer

I slutten av juni 2026 inngikk delstaten California en avtale med AI-selskapet Anthropic. Statsetater får 50% rabatt på AI-assistenten Claude, sammen med gratis opplæring og teknisk støtte. Alle statlige etater og lokale myndigheter får tilgang til Claude, ifølge avtalen som guvernor Gavin Newsom sto bak. Claude skal hjelpe ansatte med å utarbeide dokumenter og analysere informasjon.

Avtalen er interessant fordi den setter en pris på noe mange norske kommuner strever med: a få AI-verktoy inn i organisasjonen uten å bygge alt selv. Men rabatt på lisenser er den enkle delen. Det egentlige arbeidet begynner etter at verktoyet er kjøpt inn. Denne artikkelen bruker Californias avtale som utgangspunkt for å vise hvor norske offentlige virksomheter faktisk står, og hva som må på plass for bred utrulling.

Element i avtalen	Hva den gir	Kilde
Pris	50% rabatt pa Claude for statsansatte	LA Times / TechCrunch
Omfang	Alle statlige etater og lokale myndigheter	TechCrunch
Støtte	Gratis opplæring og teknisk support	AFKI / LA Times
Bruksområde	Utkast til dokumenter, analyse av informasjon	TechCrunch
Føring	AI skal stotte ansatte, ikke erstatte dem	AFKI

Rabatt pa verktoy, ikke pa styring

Newsom signerte tidligere i år en utøvende ordre for a akselerere bruken av AI i offentlig forvaltning, og har vært tydelig pa at AI skal stotte offentlig ansatte, ikke erstatte dem. Avtalen inkluderer opplæring og teknisk stotte fra Anthropic, ikke bare lisenser.

Det er verdt a se avtalen i lys av Anthropics posisjon i markedet. Selskapet er verdsatt til naer 1 billion dollar, og en delstatsavtale er bade et forretningsgrep og et omdommegrep. Alura mener at rabatterte verktoyavtaler ikke løser det egentlige gapet, som er styring, risikovurdering og evne til a male effekt. En billig lisens flytter ikke en organisasjon fra pilot til drift. Det gjør arbeidet rundt verktoyet.

For norske lesere er det viktigste ikke selve prisen, men mønsteret: en offentlig aktør bestemmer seg for a rulle ut generativ AI bredt, og satser pa opplæring og stotte som virkemiddel. Sporsmalet er om styringen holder tritt med tilgangen. Erfaringen fra bade USA og OECD-landene tyder pa at den sjelden gjør det.

Ikke uten friksjon

Avtalen mote motstand. Fagforeningslederen Lorena Gonzalez Fletcher kritiserte partnerskapet, med bekymringer knyttet til personvern og jobbsikkerhet. Det er en pamindelse om at innforing av AI i offentlig sektor ikke bare er en teknisk beslutning, men en arbeidslivs- og tillitsbeslutning.

California er heller ikke alene om a satse stort. San Francisco ga rundt 30 000 ansatte tilgang til Microsoft 365 Copilot Chat. Bildet som tegner seg er bred, rask utrulling av generative verktoy, ofte for styringsapparatet er ferdig bygget. Det er nettopp det gapet norske kommuner bor unnga a kopiere.

Slik star det til med AI i offentlig sektor internasjonalt

For en norsk kommune plasserer seg selv, lonner det seg a se pa tallene fra land som har kommet lenger. Bildet er entydig pa ett punkt: bruken har eksplodert, men styringen henger etter. I OECD-landene brukes AI i minst ett omrade av regjeringen i 35 av 36 land, altsa 97%, og 64% bruker generative AI-systemer til minst ett formal.

Pa individniva gar det enda raskere. En global indeks basert pa en sporreundersokelse blant 3 335 offentlig ansatte i 10 land viser at 74% av offentlig ansatte na bruker AI, med mesteparten av adopsjonen det siste aret. Men bare 18% mener myndighetene bruker AI svaert effektivt. Det er gapet mellom bruk og effekt som definerer feltet.

USA: rask bruk, ujevn modenhet

I USA er monsteret tydelig. Naer 90% av foderale etater bruker eller planlegger a bruke AI, ifolge en undersokelse blant IT-ledere. Samtidig er bruken sterkt konsentrert: store etater sto for 76% av alle rapporterte AI-brukstilfeller i 2025, og naer 60% av alle brukstilfeller er fortsatt i pilot- eller forhandsutrullingsfasen.

Pa delstats- og lokalniva viser tallene det samme. 55,7% av offentlige organisasjoner bruker AI, men bare 42,9% har formelle AI-retningslinjer. Blant delstatsorganisasjoner bruker 58,3% AI, mens andelen er 57,1% for lokale etater og 51,7% for fylker. En NCSL-oversikt fant at 51% av offentlig ansatte bruker en AI-applikasjon daglig eller flere ganger i uken.

Lovgivningen prover a holde folge. Delstatspolitikere behandlet over 150 lovforslag om offentlig bruk av AI i 2024, og minst 30 delstater har utstedt veiledning for etaters bruk av AI.

OECD og EU: styring som flaskehals

OECD-tallene avslorer hvor gapet ligger. Selv om 97% av landene bruker AI, krever bare 14 av 36 land, altsa 39%, risikovurderinger for utrulling av AI. Enda faerre maler resultatene: bare 10 av 36 land, altsa 28%, rapporterer noen form for finansiell eller ikke-finansiell effektmaling. Og bare 21 av 36 land, altsa 58%, gir sentral stotte for innkjop av AI.

EUs eget forskningssenter tegner samme bilde. En studie fra Joint Research Centre bygde pa en undersokelse blant 574 offentlige ledere pa tvers av sju EU-land, og pekte pa organisatoriske faktorer som lederstotte, innovativ kultur, klar AI-strategi og intern kompetanse som avgjorende for adopsjon. Studien munnet ut i to rammeverk, ett for kompetanser og ett for styringspraksis, med seks anbefalinger fordelt pa 18 tiltak.

Det er verdt a minne om at offentlig sektor ikke opererer i et vakuum. I den bredere okonomien hadde om lag 18 prosent av bedrifter tatt i bruk AI ved utgangen av 2025, mens arbeidsrelatert bruk av generativ AI rapportert av enkeltpersoner var rundt 41 prosent. Presset kommer nedenfra, fra ansatte som allerede bruker verktoyene.

Confidence folger klare rammer

Det mest handlingsrettede funnet fra den globale indeksen: i land med klar veiledning og stotte for AI-bruk foler 91% av offentlig ansatte seg trygge pa a bruke AI. Der stotten mangler, gar folk sine egne veier. I miljoer med lav tilrettelegging bruker 64% av entusiastiske AI-arbeidere personlige innlogginger, altsa skygge-IT utenfor virksomhetens kontroll.

Det samme funnet gar igjen som en barriere: 50% av offentlig ansatte oppgir bekymringer om datasikkerhet eller personvern som en hindring. Singapore, Saudi-Arabia og India trekkes fram som avanserte adoptere. Poenget for en norsk kommune er ikke a kopiere disse landene, men a se at trygghet og bruk folger av rammer, ikke av tilgang alene. Vi har utdypet dette i var artikkel om hvordan AI kan styrke norsk velferd.

Modenhetsmodellen fra beredskap til malbar effekt

En kommune trenger et sprak for a snakke om hvor den star. Den mest brukbare modellen kommer fra Code for America, som beskriver AI-reisen som en progresjon over fire stadier: beredskap, pilotering, implementering og effekt. Modellen ble brukt til a vurdere 50 delstater pluss Washington, D.C.

Funnet er nokternt: de fleste delstater er fortsatt tidlig i denne reisen. Nasjonalt ligner monsteret en pyramide, med bred framgang i beredskap, rask vekst i pilotering, begrenset skalering i implementering, og effekt i stor skala som fortsatt er sjelden. Denne pyramiden er det viktigste bildet en norsk leder bor ta med seg.

De fire stadiene

Tallene bak pyramiden er talende. 11 delstater ble vurdert som avanserte i stadium 1, beredskap. I stadium 2, pilotering, var bare 4 avanserte. Og i stadium 3 og 4, implementering og effekt, var ingen delstater vurdert som avanserte.

Stadium	Hva det handler om	Avanserte delstater (av 50 + DC)
1. Beredskap	Strategi, styring, infrastruktur pa plass	11
2. Pilotering	Avgrensede forsok, ofte generativ AI	4
3. Implementering	Skalering til reell drift	0
4. Effekt	Malbar offentlig verdi	0

Naer hver delstat har lansert en eller annen form for AI-pilot, ofte rettet mot generative verktoy. Styringsstrukturer har utvidet seg saerlig raskt ettersom beslutningstakere soker a etablere etiske rammer. Denne bolgen begynte for alvor i 2023, da utovende ordrer og AI-arbeidsgrupper begynte a spre seg. Ledende delstater inkluderer Maryland, New Jersey, North Carolina, Pennsylvania, Texas, Utah og Vermont.

Hvor pyramiden brekker

Rapportens skarpeste setning er denne: det storste modenhetsgapet ligger i det siste stadiet, a male effekt og laere av resultatene. Fa delstater har etablert systematiske mekanismer for a evaluere den offentlige verdien av AI-utrullinger.

For en norsk kommune betyr modellen at man ikke skal hoppe. En virksomhet i beredskapsfasen som kjoper inn en rabattert Claude-lisens og ruller den ut bredt, hopper fra stadium 1 til noe som ligner stadium 3, uten a ha vaert innom ordentlig pilotering. Alura mener offentlige virksomheter bor starte med sma lavrisiko-piloter med menneskelig kontroll for de skalerer. Modellen er ikke en trapp du kan ta med rulletrapp.

Effektmaling er der de fleste offentlige virksomheter svikter

Hvis modenhetsmodellen har en konklusjon, er det at malingen mangler. Bare 28% av OECD-landene rapporterer noen form for effektmaling av AI-bruk, og Code for America fant at effekt i stor skala forblir sjeldent. Uten maling vet ingen om piloten faktisk sparte tid, penger eller forbedret tjenesten.

Dette er ikke et perifert problem. Det er selve grunnen til at sa mange offentlige AI-initiativer stopper opp mellom pilot og drift. En pilot uten malepunkter kan verken forsvares eller skaleres, fordi ingen kan vise hva den ga.

Hva som faktisk males i dag

Der maling finnes, er den ofte grov. 57,1% overvaker innbyggertilfredshet, og 50% sporer fullforingsrater. Pa opplevd niva rapporterer 85,7% av ledere at AI forenkler repetitive oppgaver, og 71,4% at AI sparer ressurser. Men opplevd tidsbesparelse er ikke det samme som dokumentert effekt.

Verdt a merke er hvor tidlig verdien kommer. 100% av AI-brukere bruker AI til forskningsoppgaver, 60% til arbeidsflytorkestrering, og 60% til sammendrag av avdelingsrapporter og offentlige kommentarer. Dette er lavrisiko-oppgaver der en feil er lett a fange opp. Nettopp derfor egner de seg for maling: baseline er kjent, og gevinsten er konkret.

Mal for du skalerer, ikke etter

Alura mener at formelle retningslinjer og effektmaling bor pa plass for bred utrulling, ikke etter. Rekkefolgen er ikke pedantisk. Nar tallene fra Code for America viser at ingen delstater nadde avansert niva pa effekt, er det fordi malingen ble skjovet til slutten, der den aldri ble prioritert.

Et konkret eksempel pa hva som kan males finnes i Singapore. Chatboten Ask Jamie har besvart over 15 millioner innbyggersporsmal siden lansering, med 50% redusert pagang til kundesenteret. GovTechs OneService-chatbot handterer rundt 30 000 saker per maned. Dette er tall en kommune kan sette opp mot egne, ikke fordi de er direkte overforbare, men fordi de viser hvilke storrelser man i det hele tatt bor male: defleksjon, volum, saksbehandlingstid.

Fem grep norske kommuner kan ta pa mandag morgen

Nok diagnose. Her er fem konkrete grep en kommune kan starte med, uten a vente pa et stort program. De folger rekkefolgen i et anerkjent rammeverk for offentlig AI, som bestar av seks komponenter: fokuser pa resultater, vurder gjennomforbarhet, vurder risiko, prioriter brukstilfeller, piloter og test, implementer og overvak.

Grep 1: Kartlegg hvor folk allerede bruker AI

Ansatte bruker sannsynligvis AI allerede. I miljoer med lav tilrettelegging bruker 64% av entusiastiske AI-arbeidere personlige innlogginger. Forste grep er a kartlegge denne skygge-bruken, ikke straffe den. Kartleggingen forteller deg hvor behovet er reelt, og hvor personvernrisikoen allerede lop.

Grep 2: Velg en lavrisiko-pilot med menneske i lokka

Rammeverket er tydelig: start med mindre, lavere-risiko brukstilfeller der et menneske holdes i lokka. Iron Mountain gir samme rad: offentlige etater bor starte med sma, handterbare AI-prosjekter. Et godt eksempel: Miami Dade County startet med et AI-verktoy for a matche dyr i et dyremottak, en oppgave uten hoy innsats.

De naturlige forstepilotene finnes i sammendrag, utkast og research, akkurat der 100% av AI-brukere allerede bruker AI til forskning. Dokumenthandtering er et annet lavrisiko-omrade; vi har skrevet om hvordan AI kan automatisere arkivarbeid.

Grep 3: Sett malepunkter for du starter

For piloten begynner, definer hva suksess er. Piloter bor inkludere mekanismer for at brukere kan rapportere funksjonsproblemer og gi innspill. Uten baseline blir gevinsten en folelse. Med baseline blir den et tall du kan ta til budsjettmotet.

Grep	Hva du gjor	Rammeverk-komponent
1. Kartlegg bruk	Finn skygge-AI og reelle behov	Prioriter brukstilfeller
2. Lavrisiko-pilot	Menneske i lokka, lav innsats	Pilot og test
3. Malepunkter	Baseline for du starter	Fokus pa resultater
4. Retningslinjer	Klare regler for bruk	Vurder risiko
5. Kompetanse	Opplaering og datagrunnlag	Vurder gjennomforbarhet

Grep 4: Skriv en kort, klar retningslinje

Tallene sier at retningslinjer er en avgjorende differensiator. I land med klar veiledning foler 91% av ansatte seg trygge pa a bruke AI, mot bare 18% som mener myndighetene bruker AI svaert effektivt pa tvers av alle land. Retningslinjen trenger ikke vaere lang. Den trenger a svare pa hva som er tillatt, hvilke data som aldri skal limes inn, og nar et menneske ma godkjenne.

Grep 5: Bygg datagrunnlag og kompetanse

AI virker bare pa godt datagrunnlag. Et sterkt datagrunnlag er avgjorende for AI-losninger, og historiske data ligger ofte pa analoge poster som ma digitaliseres. Støtte fra toppledelsen er avgjorende for datastyring. Kompetansesiden er like viktig: EUs forskningssenter peker pa intern ekspertise og klar AI-strategi som drivere for adopsjon. Skal du velge modell, har vi en gjennomgang av GPT, Claude, Gemini eller lokal modell for norsk bruk.

Retningslinjer og risikovurdering for verktoyene rulles ut

Gapet mellom bruk og styring er den rode traden i alle rapportene. 55,7% bruker AI, men bare 42,9% har formelle retningslinjer. I OECD krever bare 39% av landene risikovurderinger for utrulling. Og i USA manglet 85% av hoyeffekt-utrullingene palagt informasjon om risikoreduksjon. Det er et alarmerende tall.

Den viktigste barrieren er ikke teknologi. Den er styring. Den storste barrieren for AI-utvidelse i offentlig sektor er uklare styrings- eller etiske rammer, oppgitt av 48%.

Risikovurdering er ikke valgfri

Rammeverket for offentlig AI legger risikovurdering tidlig. Alle AI-systemer er utsatt for skjevhet, og risikonivaet avhenger av data, modell og forretningssituasjon. Det betyr at samme verktoy kan vaere lavrisiko i en sammenheng og hoyrisiko i en annen. En chatbot som svarer pa apningstider er noe annet enn en modell som pavirker vedtak om ytelser.

Alura mener at rabatterte verktoyavtaler ikke løser det egentlige gapet, som er styring, risikovurdering og evne til a male effekt. En kommune som far Claude billig, har fortsatt hele risikovurderingen foran seg. Det er den jobben som avgjor om utrullingen blir ansvarlig eller uansvarlig.

Innkjopssprak og standarder

Styring handler ogsa om innkjop. En NCSL-undersokelse fant at bare 9% av respondentene hadde utviklet foretrukket kontraktssprak for AI-innkjop, mens 62% var i ferd med a utvikle det og 29% ikke hadde begynt. Norske kommuner star overfor samme oppgave, og bor la anskaffelser stille krav om forklarbarhet, dataeierskap og revisjon.

For rammeverk finnes det ferdige verktoy. NIST har publisert et rammeverk for risikostyring av kunstig intelligens, med en egen profil for generativ AI. Vi har samlet praktiske etiske rammeverk i var gjennomgang av ansvarlig AI for norske virksomheter.

Hva EU AI Act betyr for norsk offentlig AI-bruk

For norske kommuner er EU AI Act ikke fjern regulering. Gjennom EOS-avtalen vil forordningen fa betydning for norsk forvaltning. EU AI Act tradte i kraft 2. august 2024 og gjelder direkte i hele EU, med en faset innforingsperiode pa 36 maneder. Det er den forste omfattende loven om AI globalt, med regelnummer 2024/1689.

Loven er risikobasert og klassifiserer AI-systemer i fire risikokategorier: minimal, begrenset, hoy og uakseptabel. For offentlig sektor er hoyrisiko-kategorien den viktigste, fordi mange forvaltningsoppgaver kan falle inn under den.

Tidslinjen kommunene ma kjenne

Forpliktelsene fases inn over flere ar. Forbud mot uakseptabel risiko gjelder fra februar 2025. Bestemmelser om hoyrisiko bruksområder under Annex III gjelder fra august 2026, mens bestemmelser om produktrelaterte hoyrisiko-systemer gjelder fra august 2027.

Dato	Hva som trer i kraft
2. august 2024	Loven trer i kraft
Februar 2025	Forbud mot uakseptabel risiko
August 2026	Hoyrisiko bruksomrader (Annex III)
August 2027	Produktrelaterte hoyrisiko-systemer

Irland har valgt en distribuert modell for implementering, med et nytt AI Office of Ireland som sentral koordinerende myndighet innen august 2026. Et EU AI Act Service Desk ble lansert 8. oktober 2025.

Boter og forbud som treffer forvaltning

Sanksjonene er betydelige. Maksimal bot for brudd pa forbudte AI-praksiser er 35 millioner euro eller 7% av global arsomsetning, mens de fleste andre brudd kan gi opptil 15 millioner euro eller 3% av omsetningen. Minstestraffen er 7,5 millioner euro eller 1,5% av arsomsetningen.

For kommuner er ett forbud spesielt relevant: AI Act forbyr i praksis sanntids biometrisk fjernidentifikasjon i offentlige rom for rettshandhevelse, unntatt i snevert definerte nodssituasjoner. Det setter en klar grense for smartby- og overvakingsprosjekter. En gjennomgang av EUs regulering konkluderer med at EUs fokus pa etikk og ansvarlighet gir et solid grunnlag for palitelig AI, men at etterlevelseskostnader skaper betydelige barrierer for adopsjon. Loven treffer bredt, siden den ogsa gjelder tilbydere og utrullere utenfor EU dersom AI-en eller resultatene brukes i EU.

Budsjett, innkjop og de reelle kostnadsbarrierene

Nar Anthropic tilbyr California Claude til halv pris, adresserer det en reell barriere, men ikke den storste. Pa tvers av undersokelsene er budsjett den mest siterte hindringen. 80% av etatene oppgir budsjettbegrensninger som toppbarriere, og i den foderale undersokelsen siterer 75% budsjettbegrensninger som barriere.

Men lisensprisen er sjelden den dyre delen. De reelle kostnadene ligger i eldre systemer, kompetanse og integrasjon. 41% siterer eldre systemer som barriere, og 37% siterer kompetansegap.

Hvorfor rabatt ikke lukker gapet

En billigere lisens fjerner ikke behovet for a digitalisere data, bygge integrasjoner eller laere opp ansatte. Sikkerhet og trusler er den storste barrieren for adopsjon, oppgitt av 48%, mens palitelighet er en bekymring for 35%. Ingen av disse loses av en prisrabatt.

Barriere	Andel	Kilde
Budsjettbegrensninger (foderalt)	75%	Google Public Sector
Budsjett som toppbarriere (lokalt)	80%	Granicus
Sikkerhet	48%	Google Public Sector
Uklar styring / etiske rammer	48%	NCSL
Eldre systemer	41%	Google Public Sector
Kompetansegap	37%	Google Public Sector

Hva offentlige budsjetter faktisk gar til

Storrelsesordenene er laererike. Singapore forpliktet rundt 743 millioner dollar over fem ar til AI under NAIS 2.0, og landets planlagte offentlige IKT-utgifter var rundt 3,3 milliarder singapordollar i FY2023. Dette er ikke lisenskostnader, det er infrastruktur, kompetanse og drift.

Innkjop i seg selv er en barriere. Bare 58% av OECD-landene gir sentral stotte for innkjop av AI-varer og -tjenester. Uten sentrale rammeavtaler ma hver kommune forhandle selv, noe som favoriserer de store etatene. Det er en del av forklaringen pa at store etater sto for 76% av alle rapporterte brukstilfeller.

Verktoyene offentlig sektor faktisk tar i bruk

Hvilke verktoy dominerer? Bildet er relativt konsentrert. ChatGPT er mest brukt, med 64,8% av AI-brukere, etterfulgt av Microsoft Copilot med 61,1%. Californias avtale legger Claude inn i dette landskapet som et alternativ med delstatsryggdekning.

Vanligste bruksomrader

Bruken samler seg om noen fa oppgaver. I den foderale undersokelsen er dokument- og databehandling den vanligste brukssaken med 54%, arbeidsflyt- og prosessautomatisering med 40%, og beslutningsstotte med 34%. TechCrunch beskriver Californias bruk konkret: Claude skal hjelpe ansatte med å utarbeide dokumenter og analysere informasjon.

Dette bekrefter monsteret fra effektmalingskapitlet. De faktiske bruksomradene er tekstarbeid, sammendrag og research, ikke autonome vedtak. Det er godt nytt for en kommune som vil starte forsiktig, fordi de mest utbredte bruksomradene ogsa er de med lavest risiko. For a fordype seg i Claude spesifikt har vi en komplett guide til Anthropics AI-assistent.

Chatboter som forstelinje

Innbyggerrettede chatboter er et modent bruksomrade. Ask Jamie har besvart over 15 millioner sporsmal og redusert pagangen til kundesenteret med 50%. I USA brukte minst 35 delstater chatboter for a stotte pandemi-henvendelser.

Volumdataene viser hvor forutsigbar denne bruken er. Granicus rapporterer at mellom 50% og 70% av samtaler er generelle informasjonshenvendelser, med gjennomsnittlig samtaletid mellom 1,3 og 10 minutter. Dette er rutinesporsmal en kommune kan avlaste uten hoy risiko, forutsatt at et menneske overtar de vanskelige tilfellene.

Vanlige feil nar offentlige virksomheter tar i bruk AI

Rapportene peker pa de samme fallgruvene igjen og igjen. De handler sjelden om teknologien selv, og oftere om rekkefolge, styring og forventninger.

Feil 1: Skalere for man har malt

Den storste feilen er a rulle ut bredt for man vet om piloten virket. Code for America fant at det storste modenhetsgapet ligger i a male effekt, og at fa delstater har systematiske mekanismer for a evaluere den offentlige verdien. Uten maling blir enhver utrulling et sprang i morket.

Feil 2: A tro at bruk er det samme som effektiv bruk

Hoy bruk gir en falsk trygghet. Selv om 74% av offentlig ansatte na bruker AI, mener bare 18% at myndighetene bruker AI svaert effektivt. Gapet mellom bruk og effektiv bruk er den egentlige utfordringen, og den loses ikke av flere lisenser.

En beslektet feil er a ignorere skygge-bruken. Nar 64% av entusiastiske ansatte i lav-tilrettelagte miljoer bruker personlige innlogginger, er sensitive data allerede pa avveie. A forby uten a tilby et godkjent alternativ gjor problemet verre, ikke bedre.

Feil 3: A hoppe over risikovurdering

Det mest urovekkende funnet i hele kildesettet: 85% av hoyeffekt-utrullingene manglet palagt informasjon om risikoreduksjon. Det skjer nar risikovurdering behandles som papirarbeid etter lansering, ikke som en forutsetning. Alle AI-systemer er utsatt for skjevhet, og en kommune som hopper over vurderingen, oppdager problemene forst nar en innbygger rammes.

Feil 4: A undervurdere datagrunnlaget

AI er ikke bedre enn dataene den star pa. AI er avhengig av store datasett med data av hoy kvalitet, og historiske data ligger ofte pa analoge poster som ma digitaliseres. Kommuner som lanserer AI uten a rydde i datagrunnlaget forst, far upalitelige svar. Sikkerhet er ikke abstrakt: Singapore hadde 201 datalekkasjer i offentlig sektor i 2023.

Ansvarlig AI og tilliten til innbyggerne

AI i forvaltning handler til slutt om tillit. Innbyggerne skal stole pa at et vedtak er rettferdig, og at noen star ansvarlig. AI-augmenterte beslutninger risikerer a svekke offentlig tillit uten forklarbarhet og menneskelig kontroll. Det er ikke et teknisk problem, men et demokratisk et.

Skepsis er utbredt og okende

Skepsisen er reell. Andelen amerikanere som er mer bekymret enn begeistret for AI, har steget fra 37% fire ar tidligere. Globalt er 34% av voksne mer bekymret enn begeistret for okt AI-bruk, og 47% av amerikanske voksne stoler ikke pa at regjeringen regulerer AI effektivt. Blant offentlig ansatte selv beskriver 28,6% seg som forsiktige med AI.

Tillit blant ledere er heller ikke total. I KPMGs materiale stoler bare 56% av ledere fullt pa AI, selv om 79% tror AI vil gi offentlig sektor en betydelig fordel. Denne spenningen mellom optimisme og forsiktighet er sunn, og den bor prege enhver utrulling.

Forklarbarhet og menneske i lokka

Losningen som gar igjen er menneskelig kontroll. Rammeverket anbefaler a starte med lavere-risiko brukstilfeller der et menneske holdes i lokka, og Californias egen foring er at AI skal stotte ansatte, ikke erstatte dem. Forklarbarhet er ikke et pynt, men forutsetningen for at en innbygger kan bestride et vedtak.

Tillit ma ogsa forsvares teknisk. I Singapore utforte KPMG penetrasjonstesting av en LLM-applikasjon for et offentlig organ. Testing av denne typen bor vaere standard for et system rorer innbyggerdata. En kommune som kan forklare hvordan et AI-verktoy kom fram til et forslag, og som har testet det for angrep, star langt sterkere i mote med berettiget skepsis.

Ofte stilte sporsmal om AI i offentlig sektor

Her er svar pa sporsmalene norske ledere oftest stiller nar de vurderer AI i egen virksomhet.

Betyr Californias avtale at vi bor kjope Claude?

Ikke uten videre. Avtalen ga California 50% rabatt og gratis opplæring, men verktoyet er den enkle delen. Det finnes flere gode alternativer, og ChatGPT og Microsoft Copilot dominerer fortsatt bruken. Valget bor styres av databehandling, integrasjon og risikoprofil, ikke av pris alene.

Hvor star norske kommuner sammenlignet med utlandet?

De fleste offentlige virksomheter internasjonalt er tidlig i lopet. Ingen delstater nadde avansert niva pa implementering eller effekt, og bare 28% av OECD-landene maler effekt. En norsk kommune som har retningslinjer og maling pa plass, er langt fremme, ikke bakpa.

Ma vi forholde oss til EU AI Act?

Ja, over tid. Bestemmelser om hoyrisiko bruksomrader gjelder fra august 2026, og loven gjelder ogsa aktorer utenfor EU nar resultatene brukes i EU. For norsk forvaltning betyr det at hoyrisiko-bruk ma dokumenteres og risikovurderes. Start med a klassifisere hvert bruksomrade etter risiko.

Hva er det viktigste forste steget?

En avgrenset lavrisiko-pilot med tydelige malepunkter. Start med sma, handterbare prosjekter pa oppgaver som sammendrag og utkast, der bruken allerede er hoy og risikoen lav. Definer suksesskriteriene for du starter.

Vil AI erstatte ansatte i kommunen?

Framing i markedet er stotte, ikke erstatning. Californias avtale ble solgt inn med at AI skal stotte offentlig ansatte, ikke erstatte dem. Samtidig er frykten reell: 71% av amerikanere frykter at AI vil forarsake permanent jobbtap, og fagforeninger har kritisert slike avtaler. A ta ansatte med tidlig er en forutsetning for tillit.

Oppsummering og veien videre for norske kommuner

Californias avtale med Anthropic er et nyttig utgangspunkt nettopp fordi den viser hva rabatt ikke loser. Claude til halv pris gjor verktoyet billigere, men flytter ikke en kommune fra beredskap til effekt. Det arbeidet ma gjores lokalt, i riktig rekkefolge.

Tallene tegner et klart bilde. Bruken er hoy: 74% av offentlig ansatte bruker AI og 97% av OECD-landene bruker AI. Men styringen henger etter: bare 42,9% har formelle retningslinjer, 39% krever risikovurderinger og 28% maler effekt. Gapet er ikke teknologi. Det er styring, risikovurdering og maling.

Plasser deg selv i modellen

Bruk de fire stadiene som speil. Beredskap, pilotering, implementering og effekt er ikke en rulletrapp. En kommune som ruller ut bredt for den har pilotert og malt, hopper over stadier den ma gjennom. Alura mener offentlige virksomheter bor starte med sma lavrisiko-piloter med menneskelig kontroll for de skalerer.

Gjor styringen forst

Rekkefolgen er avgjorende. Alura mener at formelle retningslinjer og effektmaling bor pa plass for bred utrulling, ikke etter. Nar 85% av hoyeffekt-utrullinger manglet risikoinformasjon, er det fordi styringen kom sist. Snu den rekkefolgen.

Og hold blikket pa det egentlige gapet. Alura mener at rabatterte verktoyavtaler ikke løser det egentlige gapet, som er styring, risikovurdering og evne til a male effekt. De fem grepene i denne artikkelen, kartlegg bruk, velg en lavrisiko-pilot, sett malepunkter, skriv en klar retningslinje og bygg datagrunnlag og kompetanse, er det arbeidet som faktisk flytter en kommune framover. Verktoyet er det siste du trenger a bekymre deg for.

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.