AI-sikkerhet for norske virksomheter: fire grep i 2026

Nøkkelpunkter per 10. august 2026:

Bare 34 prosent av norske virksomheter ser på AI som en sikkerhetsrisiko, viser Ateas undersøkelse blant 516 respondenter (kode24).
166 cyberhendelser ble registrert i Norden gjennom 2025, hvorav 21 mot norske organisasjoner, ifølge DNV Cybers kartlegging.
2. august 2026 startet EU håndhevingen av AI Act, mens norsk AI-lov er utsatt til 2027. Kravene gjelder likevel gjennom kunder og leverandører.
Bøtene er graderte: opptil EUR 35 millioner eller 7 prosent av global omsetning for forbudte praksiser (Baker McKenzie).
44 prosent oppgir manglende kompetanse som største hinder, og bare fem prosent har skalert AI fullt ut (Sopra Steria).

Hva AI-sikkerhet betyr for en norsk virksomhet

AI-sikkerhet brukes om to nokså ulike ting. I den globale debatten handler det om hva de største modellene kan komme til å gjøre, et felt International AI Safety Report 2026 beskriver som «emerging risks» ved fronten av teknologien. For en norsk virksomhet med under tusen ansatte handler det om noe langt smalere og mer håndfast: at systemene dere allerede bruker ikke lekker kundedata, ikke fatter beslutninger dere ikke kan begrunne, og ikke åpner en dør inn i egen infrastruktur.

Avstanden mellom de to samtalene forklarer et av de mer nedslående funnene i norsk næringsliv. I Ateas undersøkelse blant 516 respondenter svarer et klart mindretall at de ser på AI som en sikkerhetsrisiko, mens 29 prosent vurderer risikoen for cyberangrep som svært liten eller liten (kode24.no). IT-sikkerhetsdirektør Thomas Tømmernes i Atea er tydelig på at dette ikke er et uttrykk for god kontroll, men for manglende forståelse.

Definisjonen som avgjør om regelverket treffer deg

Det juridiske utgangspunktet er definisjonen i artikkel 3 i AI-forordningen, som EY og tankesmien Langsikt bruker som ankerpunkt i sin standard for tillitvekkende kunstig intelligens. Advokatfirmaet Hjort oppsummerer den samme definisjonen som et maskinbasert system med autonomi og tilpasningsevne (hjort.no), og Baker McKenzie presiserer at systemet kan operere med varierende grad av autonomi.

Definisjonen er bevisst bred. Den fanger både en språkmodell dere har koblet mot egne dokumenter og en scoringsmodell i økonomisystemet. Den fanger ikke et vanlig regneark. Poenget for en leder er ikke å avgjøre grensetilfellene selv, men å forstå at terskelen for å være omfattet er lav, mens terskelen for å utløse tunge plikter er høy. De to må ikke forveksles.

Driftsrisiko, ikke forskningstema

Alura mener AI-sikkerhet er driftsrisiko, ikke et forskningstema forbeholdt de store modellprodusentene. Det er en praktisk konsekvens av hvem som eier tapet. Når en medarbeider limer inn en kontrakt i et gratisverktøy, er det ikke modellprodusenten som må varsle Datatilsynet. Når en chatbot gir feil pristilbud til en kunde, er det ikke laboratoriet i San Francisco som må rydde opp.

Denne rammingen har konsekvenser for hvor arbeidet plasseres i organisasjonen. AI-sikkerhet hører hjemme sammen med informasjonssikkerhet, internkontroll og leverandøroppfølging, ikke i et innovasjonsprosjekt på siden. EY og Langsikt argumenterer for at en systematisk tilnærming til AI og risiko kan gi virksomheten en konkurransefordel (ey.com), blant annet fordi tillit er en bærebjelke i norsk samfunnsliv. Vi ser det samme mønsteret i praksis: de som kan dokumentere kontroll, vinner anbud raskere.

Egne modeller og eksterne trusselaktører

Den vanligste forvirringen i styrerommet er at «AI-risiko» brukes om to helt forskjellige trusler med helt forskjellige mottiltak. Den ene er risikoen i det dere selv bygger og bruker. Den andre er at angripere bruker AI mot dere. Tiltakene overlapper lite, budsjettene ligger ofte ulike steder, og de to har hver sin regulatoriske hjemmel: AI Act for den første, NIS2 og personvernregelverket for den andre.

Dimensjon	Egne AI-systemer	Trusselaktører som bruker AI
Typisk skade	Datalekkasje, feilbeslutning, diskriminering, manglende sporbarhet	Phishing, deepfake-svindel, kartlegging av infrastruktur
Hvem eier tiltaket	Fagansvarlig, personvernombud, innkjøp	IT-sikkerhet, driftsleverandør
Regelverk	AI Act, personopplysningsloven	NIS2, sikkerhetsloven, avtaleverk
Første grep	Oversikt over systemer og roller	Deteksjon, opplæring, verifikasjonsrutiner
Norsk status	34 prosent ser AI som sikkerhetsrisiko	29 prosent vurderer angrepsrisikoen som liten

Risikoen som kommer innenfra

Innenfra-risikoen er sjelden dramatisk. Den ser ut som en medarbeider som laster opp et anbudsdokument til en tjeneste virksomheten ikke har avtale med, eller en RAG-løsning som henter fra en mappe der tilgangsstyringen aldri ble ryddet. Erfaringene fra Samsungs ChatGPT-utrulling peker på det samme: forbud uten alternativ flytter bruken ut av synsfeltet i stedet for å stanse den.

EY og Langsikt strukturerer sin standard etter de primære valgene en virksomhet står overfor (ey.com), og beskriver hensyn i de ulike delene av livssyklusen til et AI-system. Det er en nyttig påminnelse: mesteparten av innenfra-risikoen oppstår i valg, ikke i kode. Hvilken leverandør, hvilke data, hvilke tilganger, hvem som får overstyre.

Risikoen som kommer utenfra

Utenfra-bildet er skarpere. Trusselvurderingene fra PST, NSM og Etterretningstjenesten beskriver at Norge står overfor den mest alvorlige sikkerhetspolitiske situasjonen siden andre verdenskrig (shattered.io), og at store språkmodeller har blitt et sentralt verktøy for statlige trusselaktører. NSM-direktør Arne Christian Haugstøyl har pekt på at nye teknologier som språkmodeller gir mindre kompetente aktører flere muligheter (shattered.io).

Globalt oppgir 87 prosent av virksomhetene at AI-relaterte sårbarheter er den raskest voksende cyberrisikoen, og 94 prosent mener AI blir den viktigste driveren for endring i cybersikkerhet det kommende året. Sammenholdt med at bare litt over en tredel av norske virksomheter ser AI som en sikkerhetsrisiko i det hele tatt, er avviket mellom internasjonal og norsk risikopersepsjon vanskelig å bortforklare.

Les også: Anthropic former AI-sikkerhet og norske bedrifter må svare (Alura)

Fire risikonivåer for å plassere egne AI-systemer

AI Act er ikke et forbud mot AI. Det er et risikobasert regelverk med fire risikonivåer: uakseptabel, høy, begrenset og minimal risiko. Kravene avhenger av hvordan AI brukes og hvilke konsekvenser bruken kan få for mennesker og samfunn, ikke av hvor avansert modellen er. Det er en viktig distinksjon: en enkel regelmotor i en rekrutteringsprosess kan utløse strengere krav enn en stor språkmodell brukt til intern møtereferat.

Risikonivå	Typiske eksempler	Hva som kreves	Når det gjelder
Uakseptabel	Sosial skåring, subliminal manipulasjon, utnyttelse av sårbarheter	Forbudt	2. februar 2025
Høy	Rekruttering, utdanning, kritisk infrastruktur, biometri, offentlige tjenester	Risikostyring, datastyring, menneskelig tilsyn, samsvarsvurdering	2. august 2026, Annex I fra februar 2027
Begrenset	Chatboter, deepfakes, generert innhold	Åpenhetskrav og merking	2. august 2026
Minimal	Interne produktivitetsverktøy, filtrering, kategorisering	Ingen obligatoriske plikter	Løpende

Uakseptabel og høy risiko: der pliktene utløses

Uakseptabel risiko er den korteste listen. Europaparlamentet nevner kognitiv atferdsmanipulering og sosial poengsum, mens Nemko legger til biometrisk kategorisering og følelsesgjenkjenning på arbeidsplassen. Forbudene begynte å gjelde 2. februar 2025, og Europakommisjonen publiserte retningslinjer for forbudte praksiser 4. februar 2025.

Høyrisiko er der arbeidet ligger. NAVEX lister biometrisk identifikasjon, kritisk infrastruktur, utdanning, sysselsetting, offentlige tjenester og rettshåndhevelse, og peker på at det kreves en grunnleggende rettighetskonsekvensvurdering. Artikkel 6 legger i tillegg til en produktbasert vei inn i kategorien: brukes systemet som sikkerhetskomponent i et produkt som må gjennom tredjeparts samsvarsvurdering, er det høyrisiko uansett bransje. Vurderingen skal skje før markedsføring og gjennom hele livssyklusen (europarl.europa.eu).

Begrenset og minimal risiko: der de fleste havner

Hjort antar at de fleste AI-systemer for ordinære virksomheter vil klassifiseres som lav risiko (hjort.no), og Nemko beskriver at systemer i minimal-kategorien ikke har obligatoriske forpliktelser. Certain formulerer det praktisk: der AI primært støtter ansatte i det daglige arbeidet, møter man normalt ikke de mest omfattende kravene.

Begrenset risiko koster likevel noe. Chatboter og deepfakes må oppfylle åpenhetskrav, og AI-generert innhold som bilder, lyd eller video må merkes tydelig. Generativ AI må i tillegg forholde seg til EUs opphavsrettslovgivning. For en nettbutikk med kundeservicebot er dette den mest sannsynlige forpliktelsen, og den er billig å oppfylle hvis den planlegges inn tidlig.

Rollen din avgjør pliktene

Risikonivået alene forteller ikke hva dere må gjøre. Rollene bruker, leverandør, importør og distributør avgjør pliktene (spadeconsulting.no), og IBM understreker at loven gjelder flere aktører i verdikjeden samtidig. Leverandører og distributører har delt ansvar for etterlevelse (optro.ai), noe som betyr at dere kan arve plikter dere ikke har vurdert.

Den vanligste fellen er å tro at man alltid er bruker. Setter dere eget navn på en løsning, endrer formålet vesentlig, eller videreselger en modell som del av eget produkt, kan dere bli regnet som leverandør. Da flyttes dokumentasjonsbyrden til dere. Virkeområdet er dessuten bredt og ekstraterritorielt: loven treffer også aktører utenfor EU hvis resultatene brukes i EU (ibm.com).

Fire grep du kan ta på mandag morgen

Det meste av AI-risikostyring krever verken nytt budsjett eller ny programvare. Det krever at noen setter av en dag, skriver ned det som finnes, og gir det en eier. Alura mener risikostyring starter med en oversikt over hvilke AI-systemer virksomheten faktisk bruker, ikke med kjøp av nye verktøy. Verktøyene selger seg selv lettere enn oversikten, men uten oversikten vet dere ikke hva verktøyet skal dekke.

De fire grepene under kan gjennomføres uavhengig av om norsk AI-lov er på plass. De gir også et startpunkt for dokumentasjonen kunder og revisorer vil begynne å spørre etter.

Første grep: skriv ned hvilke AI-systemer dere faktisk bruker

Registeret trenger ikke være pent. Det trenger å være komplett. Ta med alt fra chatbotene på nettsiden til kopilotene i kontorpakken, scoringsmodeller i fagsystemer, automatiseringsroboter med innebygde modeller og verktøy ansatte har tatt i bruk på egen hånd. Det siste punktet er ofte det største. Når 42 prosent av selskapene har testet enkle generative verktøy (soprasteria.no) som ChatGPT og Copilot, sier det seg selv at bruken er spredt.

Kolonne i registeret	Hva du fyller inn	Hvorfor det betyr noe
System og leverandør	Navn, avtaleform, hvor data behandles	Grunnlag for leverandøroppfølging
Formål	Hva systemet faktisk brukes til i dag	Formålet, ikke teknologien, avgjør risikonivå
Data inn	Persondata, forretningshemmeligheter, kundedata	Avgjør personvernvurdering og tilgangsstyring
Beslutningspåvirkning	Rådgivende, delvis automatisert, helautomatisert	Trigger for menneskelig tilsyn
Risikonivå og rolle	Minimal, begrenset, høy. Bruker eller leverandør	Kobler systemet til konkrete plikter
Eier og neste gjennomgang	Navngitt person og dato	Uten eier forfaller vurderingen

Andre grep: klassifiser hvert system etter nivå og rolle

Gå gjennom registeret og sett et risikonivå på hver rad, ut fra de fire nivåene i AI Act. Still to spørsmål per system: kan dette påvirke en enkeltpersons rettigheter, muligheter eller tilgang til viktige tjenester, og hvor mye menneskelig kontroll ligger det mellom modellens utdata og den endelige beslutningen. Certain peker særlig på rekruttering, utdanning, helse og offentlig sektor som områder der strengere krav kan slå inn.

Sett deretter rollen: er dere bruker, leverandør, importør eller distributør for akkurat dette systemet. De aller fleste radene vil ende på minimal risiko som bruker. Det er et helt akseptabelt utfall, og det er verdifullt å ha dokumentert. Poenget med øvelsen er å finne de få radene som ikke er det.

Tredje grep: still leverandøren spørsmålene som avgjør ansvaret

Fire spørsmål dekker det meste. Hvor behandles og lagres dataene våre, og brukes de til trening. Hvilken dokumentasjon kan dere levere hvis en tilsynsmyndighet spør. Hvordan varsles vi ved sikkerhetshendelser, og innen hvilken frist. Hvilken rolle mener dere selv å ha under AI Act for denne leveransen. Svarene, eller mangelen på dem, forteller mer om leverandørmodenhet enn noen produktdemo.

Dette er også der leverandørkjedeeksponeringen blir konkret. Tømmernes advarer om at NIS2 og andre EU-reguleringer vil påvirke hele næringslivet gjennom leverandørkjeder (kode24.no), samtidig som nesten 40 prosent av private virksomheter ikke kjenner til direktivet. Trusselvurderingene beskriver i tillegg kommersielle mellomledd som kartlegger norsk infrastruktur og selger tilgangen videre (shattered.io).

Fjerde grep: sett en eier og en dato for neste gjennomgang

En risikovurdering uten eier er et dokument, ikke en kontroll. Gi hver rad i registeret en navngitt person og en dato. Kvartalsvis holder for de fleste minimal-systemer. Systemer som påvirker enkeltpersoners rettigheter bør gjennomgås når modellen, leverandøren eller formålet endres, uansett kalender.

Det er også her kravet om vurdering gjennom hele livssyklusen møter virkeligheten. Modeller oppdateres uten at dere blir spurt. En leverandør som bytter underleverandør endrer risikobildet deres uten et eneste møte. Fast gjennomgang er det billigste forsvaret mot at vurderingen stille går ut på dato.

Livssyklusen: hvor risikoen faktisk oppstår

EY og Langsikt bygger sin standard rundt hensyn i de ulike delene av livssyklusen til et AI-system (ey.com). Det er en fornuftig inndeling, fordi risiko ikke fordeler seg jevnt. Den klumper seg i overgangene: fra vurdering til kjøp, fra pilot til produksjon, fra produksjon til glemsel.

Standarden er uttrykkelig ikke ment å være uttømmende og gir ikke råd for konkrete situasjoner. Den er et kart, ikke en fasit. Det gjelder også modellen under.

Anskaffelse: valget som binder deg

Beslutningene med lengst halveringstid tas før noe er tatt i bruk. Valg av leverandør, avtaleform, datalokasjon og integrasjonsdybde er vanskelige og dyre å reversere. EY-undersøkelsen fra september 2023 om barrierer for AI-bruk kom før mange av dagens avtaler ble signert, men mønsteret holder: usikkerhet i anskaffelsesfasen blir til teknisk gjeld i driftsfasen.

Et konkret grep er å kreve at leverandøren selv plasserer leveransen i et risikonivå, skriftlig, i tilbudet. Det koster dem lite og forteller dere mye. Leverandører som ikke kan svare, har som regel ikke gjort øvelsen internt heller.

Innføring: data og tilganger

Her oppstår de fleste reelle hendelsene i norske virksomheter. Tilgangsstyring som var god nok da bare mennesker leste dokumentene, blir utilstrekkelig når en modell indekserer hele arkivet. En RAG-oppsett mot egne data arver tilgangsproblemene i kildesystemet og forsterker dem ved å gjøre informasjonen søkbar på tvers.

Alura mener lav risiko under AI Act ikke betyr lav risiko i praksis. Datalekkasjer og leverandørkjeder er den reelle eksponeringen for de fleste norske virksomheter. Et system klassifisert som minimal risiko regulatorisk kan fint være virksomhetens største informasjonssikkerhetshull operasjonelt. Globalt er datalekkasjer knyttet til generativ AI den fremste bekymringen blant toppledere, foran frykten for at motstandernes kapasitet styrkes av teknologien.

Drift og avvikling

I drift er spørsmålet om noen faktisk følger med. Logger dere hvem som spør om hva. Måles treffsikkerheten mot noe. Vet dere hvor mange avvik som ble fanget av mennesker forrige måned. Kravene til høyrisikosystemer omfatter risikostyring, datastyring og menneskelig tilsyn (digital.nemko.com), og de kravene er nyttige som beste praksis selv når de ikke er rettslig bindende for dere.

Avvikling glemmes nesten alltid. Piloter som ikke ble noe av lever videre med aktive API-nøkler og tilganger. Sett en fast regel: et AI-system som ikke har en eier i registeret, skal slås av. Det er den enkleste kontrollen på hele listen og den som oftest finner noe.

Trusselbildet i Norden med 166 registrerte hendelser

DNV Cyber kartla cyberhendelser mot organisasjoner i hele Norden gjennom 2025 og registrerte 166 hendelser totalt. Fordelingen er skjev: 60 i Sverige, 44 i Finland, 41 i Danmark og 21 i Norge (shattered.io). Norge kommer altså best ut i absolutte tall, og det er nettopp det som gjør tallet farlig å lese alene.

Samtidig rapporterte 66 prosent av nordiske ledere en økning i cyberangrep, mens 73 prosent opplevde at de selv eller noen i nettverket ble rammet av cyberbasert svindel i 2025. Registrerte hendelser og opplevd trykk peker i samme retning, men på svært ulikt nivå.

Hva 21 hendelser i Norge ikke forteller

Et registrert hendelsestall er en funksjon av tre ting: hvor mye som skjer, hvor mye som oppdages, og hvor mye som rapporteres. Norge har færre store børsnoterte selskaper med varslingsplikt enn Sverige og en mindre offentlig rapporteringskultur på området enn Danmark. Å lese det laveste nordiske tallet som bevis på det beste forsvaret er en slutning kartleggingen ikke bærer.

Den norske selvvurderingen forsterker mistanken. Når de minste virksomhetene vurderer risikoen for cyberangrep som lavest (kode24.no), er det ikke fordi de er mindre interessante mål, men fordi de har minst kapasitet til å oppdage det som skjer. Lav deteksjonsevne gir lave tall.

Phishing på feilfritt norsk

Den mest umiddelbare AI-effekten for en norsk SMB er språklig. Historisk var dårlig norsk det billigste filteret mot svindel. Språkmodeller kan skrive overbevisende phishing-e-poster på feilfritt norsk (shattered.io), og Tømmernes mener AI har gjort phishing, deepfakes og sosial manipulering mer troverdig og skalerbart (kode24.no). Det filteret er borte, og det kommer ikke tilbake.

Forsvarssiden bruker de samme verktøyene. 52 prosent av virksomhetene bruker allerede AI for å forbedre phishing-deteksjon. Kapasiteten på angrepssiden dokumenteres også i sikkerhetsforskningen: en AI-agent identifiserte 77 prosent av sårbarhetene i ekte programvare (internationalaisafetyreport.org) i en konkurranse omtalt i International AI Safety Report 2026. Samme kapasitet, to formål.

Slik står norske virksomheter i dag

Tallmaterialet på norsk AI-modenhet er ikke flatterende, men det er heller ikke entydig dystert. Det peker på virksomheter som har tatt i bruk verktøy raskt og styring sakte. Det er en rekkefølge som fungerer en stund, og som blir dyr når regelverk, kunder eller angripere begynner å stille spørsmål.

En rapport fra Konsulentguiden, omtalt av Sopra Steria, viser at nesten halvparten av selskapene kun har tatt i bruk enkle verktøy som ChatGPT og Gemini (soprasteria.no), mens bare fem prosent har klart å skalere AI-løsninger fullt ut. Director of AI Caspar Lund peker på manglende kompetanse og manglende strategisk forankring som hovedforklaringene.

Fra 37 til 64 prosent: vurderingen er på vei

Det klareste positive signalet i materialet er bevegelsen. Andelen virksomheter som vurderer sikkerheten i egne AI-verktøy steg fra 37 prosent i 2025 til 64 prosent i 2026, ifølge DNV Cybers materiale. Nesten en dobling på ett år er raskt for en styringspraksis.

Men «vurderer sikkerheten» er en lav terskel. Den skiller ikke mellom en formell risikovurdering med dokumentert eier og et møte der noen spurte om det var trygt. Bevegelsen er reell, dybden er ukjent. Det er nettopp derfor et enkelt, skriftlig register er verdt så mye: det gjør forskjellen synlig, både for dere og for den som spør.

Selvtillit uten beredskap

55 prosent av de nordiske respondentene var trygge på egen organisasjons evne til å håndtere truslene, mens bare 38 prosent mente de var forberedt på at angripere i økende grad tar i bruk AI. Gapet mellom generell trygghet og AI-spesifikk beredskap er den mest anvendelige tallparet i hele materialet.

Det gapet er også lett å tette. Det handler sjelden om ny teknologi og nesten alltid om rutiner: verifikasjon av betalingsendringer over en annen kanal, opplæring i at feilfri norsk ikke lenger er et ektehetsbevis, og en klar rapporteringsvei for ansatte som mistenker noe. Ingen av delene krever budsjettvedtak.

Kompetanse er flaskehalsen

44 prosent av virksomhetene nevner manglende kompetanse som utfordring (soprasteria.no) for AI-satsingen, og på sikkerhetssiden oppgir 54 prosent manglende kompetanse som det største hinderet for å ta i bruk AI i forsvaret. To ulike undersøkelser, samme flaskehals.

Alura mener kompetanse er den knappe ressursen i AI-sikkerhet, ikke teknologien. Verktøyene er tilgjengelige og i hovedsak rimelige. Det som mangler er folk som kan lese en leverandøravtale, plassere et system i riktig risikonivå og si nei til en integrasjon som ser billig ut. Litt over halvparten av virksomhetene har definert en AI-strategi, og en strategi uten kompetanse til å håndheve den er et dokument.

Les også: Det Samsungs ChatGPT-utrulling lærer norske bedrifter

Hva manglende kontroll koster

Bøtenivåene i AI Act er høye nok til å få oppmerksomhet i et styremøte, men de er graderte etter hva som er brutt. Det er verdt å kjenne strukturen, blant annet fordi den forteller hva EU faktisk prioriterer: forbudte praksiser straffes hardest, feilinformasjon til myndighetene mildest.

Type overtredelse	Maksimal bot	Alternativ som andel av omsetning
Forbudte AI-praksiser (artikkel 5)	EUR 35 millioner	7 prosent av global årsomsetning
Andre operatørplikter	EUR 15 millioner	3 prosent av global årsomsetning
Feil, ufullstendig eller villedende informasjon	EUR 7,5 millioner	1 prosent av global årsomsetning

Botenivåene er graderte, ikke flate

Wikipedias oversikt og IBM gjengir samme trappetrinn som tabellen over: den høyeste satsen gjelder brudd på forbudene, deretter EUR 15 millioner eller 3 prosent for de fleste andre overtredelser, og EUR 7,5 millioner eller 1 prosent for å gi uriktig informasjon til myndighetene. NAVEX og Nemko oppgir samme toppnivå.

For en norsk SMB er ikke toppnivået det relevante. Prosentalternativet er det. En bot beregnet som andel av omsetning skalerer nedover, og 3 prosent av årsomsetningen er en reell trussel mot et selskap som aldri kommer i nærheten av EUR 15 millioner. Det er også det nivået som treffer alminnelige plikter som dokumentasjon og åpenhet, altså akkurat det slurv koster.

Derfor spriker tallene mellom kilder

Leser dere flere oversikter, vil dere finne ulike beløp. Optro oppgir opptil 30 millioner euro eller 6 prosent (optro.ai), mens Hjort skrev om inntil 7 prosent eller EUR 40 millioner (hjort.no) i en artikkel publisert 6. mars 2024, altså før den endelige teksten var på plass. Begge var korrekte gjengivelser av utkast som senere ble endret.

Lærdommen er metodisk, ikke juridisk: daterte kilder er avgjørende på dette området. Hjort skrev også at forordningen sannsynligvis ville bli vedtatt våren 2024 og tre i kraft trinnvis over tre år, med noen regler senest i 2030. Slik gikk det stort sett, men detaljene flyttet seg underveis. Bruk primærkilder når beløp og datoer skal inn i et styrenotat.

AI Act, norsk AI-lov og NIS2 på samme tidslinje

Forvirringen rundt norsk status er forståelig, men den brukes for ofte som argument for å utsette arbeidet. Forordningen trådte i kraft i EU 1. august 2024 (spadeconsulting.no), og ble vedtatt i Europaparlamentet med 523 stemmer for, 46 mot og 49 avholdende (en.wikipedia.org). Norge må innlemme forordningen i EØS-avtalen og gjennomføre den i norsk rett (spadeconsulting.no), og Hjort antok tidlig at den ville gjelde i Norge (hjort.no) gjennom samme mekanisme.

Dato	Hva som skjer	Kilde
1. august 2024	AI Act trer i kraft i EU	Baker McKenzie, SPADE, Wikipedia
2. februar 2025	Forbud mot uakseptabel risiko, kapittel I og II gjelder	Baker McKenzie, Europaparlamentet
2. august 2025	Regler for generelle AI-modeller (GPAI)	Baker McKenzie, IBM
2. august 2026	De fleste bestemmelsene får anvendelse, EU starter håndheving	Baker McKenzie, artikkel 6, Alura
Februar 2027	Gjenstående regler for Annex I høyrisikosystemer	Nemko
2027	Norsk AI-lov, utsatt	Alura

Hva som allerede gjelder

Kapittel I og II har vært gjeldende siden 2. februar 2025, samme dag som forbudet mot uakseptabel risiko begynte å gjelde (europarl.europa.eu). Reglene for generelle AI-modeller kom 2. august 2025, og reglene for AI-systemer som er produkter eller sikkerhetskomponenter følger 2. august 2027 (ibm.com).

Den viktigste datoen er allerede passert. EU startet håndhevingen av AI Act 2. august 2026 (alura.no), i tråd med at de fleste bestemmelsene fikk anvendelse fra den datoen (bakermckenzie.com). Det betyr at norske virksomheter med kunder, eiere eller leverandører i EU allerede møter kravene i praksis, uavhengig av hva Stortinget rekker.

Norsk AI-lov er utsatt til 2027

Norsk AI-lov er utsatt til 2027. Regjeringen har sendt forslag til AI-lov på høring, og regelverket forventes innlemmet i norsk lov gjennom EØS-avtalen (certainqms.com). SPADE er tydelig på at norske virksomheter bør forberede seg selv om detaljene ikke er klare (spadeconsulting.no).

Utsettelsen endrer tidspunktet for norsk håndheving, ikke innholdet i kravene. Den endrer heller ikke det kommersielle presset. Kunder i EU stiller spørsmål nå. Anbudsdokumenter inneholder AI-vedlegg nå. Å bruke utsettelsen som begrunnelse for å ikke lage et systemregister er å utsette en dags arbeid mot en usikker gevinst.

NIS2 og forenklingsforslagene

NIS2 treffer bredere enn AI Act, og det treffer indirekte. Nesten 40 prosent av private virksomheter kjenner ikke til direktivet (kode24.no), samtidig som kravene forplanter seg nedover gjennom leverandørkjeder. En underleverandør til et selskap i omfattet sektor vil bli målt på sikkerhetspraksis uten selv å være direkte regulert.

Samtidig er bildet i bevegelse. Europakommisjonen publiserte forslaget om Digital Omnibus on AI 19. november 2025 (bakermckenzie.com), og SPADE noterer at endelig tekst for forenklingsforslaget ikke var publisert per 26. mai 2026 (spadeconsulting.no). Forenklinger kan komme til å justere frister og dokumentasjonskrav. De vil ikke fjerne behovet for å vite hvilke AI-systemer dere bruker.

Markedsobservasjon: tolv sikkerhetsrammeverk i 2025

En av de tydeligste markedsbevegelsene det siste året er at modellprodusentene har begynt å publisere sine egne sikkerhetsrammeverk. Tolv selskaper publiserte eller oppdaterte Frontier AI Safety Frameworks i 2025 (internationalaisafetyreport.org), ifølge International AI Safety Report 2026. Rapporten er ledet av Turing Award-vinner Yoshua Bengio, forfattet av over 100 AI-eksperter og støttet av over 30 land og internasjonale organisasjoner.

Skalaen forklarer hvorfor: 700 millioner mennesker bruker ledende AI-systemer ukentlig (internationalaisafetyreport.org), med opptil 50 prosent adopsjon i enkelte land og rundt 10 prosent i store deler av Afrika, Asia og Latin-Amerika. Teknologi med den utbredelsen tiltrekker seg regulering, og selvregulering er ofte forsøket på å komme den i forkjøpet.

Hva rammeverkene dekker

Rammeverkene handler i hovedsak om modellprodusentenes egne testregimer, terskler for når en modell er for kapabel til å slippes ut, og hvilke tiltak som utløses. Rapporten er en syntese av eksisterende forskning og gir ikke spesifikke politiske anbefalinger (internationalaisafetyreport.org), noe som gjør den mer nyttig som statusbilde enn som handlingsplan.

På reguleringssiden finnes en parallell frivillig bevegelse. Over 100 selskaper sluttet seg til AI-pakten i september 2024 (bakermckenzie.com), og forordningen krever at medlemslandene etablerer minst en regulatorisk sandkasse nasjonalt. For nordiske virksomheter er sandkassene den mest konkrete muligheten til å teste et grensetilfelle uten å gamble.

Hva de ikke løser for deg

Et sikkerhetsrammeverk hos en modellprodusent sier noe om modellen, ikke om deres bruk av den. Det dekker ikke tilgangsstyringen deres, ikke hvilke data medarbeidere limer inn, og ikke hva som skjer når en leverandør bytter underleverandør. Vi har skrevet mer om hvordan produsentenes sikkerhetsarbeid faktisk berører norske bedrifter (Alura), og konklusjonen er stort sett den samme: det flytter gulvet, ikke taket.

Markedskonsentrasjonen gir dessuten en egen risiko. Nvidia sitter på rundt 85 prosent av AI-akseleratorene (alura.no), og AI-investeringene når 2,59 billioner dollar i 2026 mens bare 45 prosent av bedriftene klarer å tallfeste avkastningen. Et marked med den konsentrasjonen og den avkastningsusikkerheten er ikke et marked der leverandørvalg bør tas som en engangsbeslutning.

Vanlige feil norske virksomheter gjør med AI-risiko

Feilene under går igjen på tvers av bransje og størrelse. De er alle rimelige i øyeblikket og dyre over tid, og ingen av dem skyldes mangel på teknologi.

Å lese lav risiko som lav fare

Den vanligste feilen er å behandle risikoklassifiseringen i AI Act som en sikkerhetsvurdering. Det er den ikke. Klassifiseringen måler potensiell skade på enkeltpersoners rettigheter og på samfunnet, ikke sannsynligheten for at forretningshemmelighetene deres havner et sted de ikke skal. De fleste systemer vil havne i lav risiko (hjort.no), og de fleste faktiske hendelser vil skje der.

Konsekvensen i praksis er at virksomheter dokumenterer det regulatoriske og hopper over det operasjonelle. Et minimal-risiko-verktøy med tilgang til hele SharePoint er et større problem enn en høyrisiko-modell som ingen har tatt i bruk ennå.

Å vente på norsk lov

«Vi tar det når AI-loven kommer» er en beslutning om å gjøre arbeidet under tidspress i stedet for i ro. Kravene er kjent i innhold selv om norsk gjennomføring er utsatt til 2027, og alle virksomheter som bruker AI vil i større eller mindre grad bli berørt (certainqms.com).

Det er også en misforståelse av hva som faktisk krever tid. Å skrive et systemregister tar dager. Å rydde opp i tilganger, reforhandle en leverandøravtale eller bytte ut en integrasjon tar måneder. Det er den andre kategorien som avgjør om dere rekker en frist.

Å behandle kompetanse som et kurs

Når 44 prosent oppgir manglende kompetanse som utfordring (soprasteria.no), er den vanlige responsen et halvdagskurs. Kurs bygger bevissthet, ikke vurderingsevne. Vurderingsevne bygges ved at noen faktisk gjør klassifiseringen, stiller spørsmålene til leverandøren og tar konsekvensen av svarene.

Et grunnleggende teknisk fundament hjelper også. Ledere som forstår hva maskinlæring faktisk gjør, stiller bedre spørsmål enn de som forholder seg til AI som en svart boks. Det er forskjellen på å spørre «er dette trygt» og «hvilke data ble modellen trent på, og hva skjer med våre».

Den fjerde feilen fortjener en setning for seg: å tro at et forbud løser skygge-AI. Bruken flytter seg til private kontoer og private enheter, der dere verken ser den eller kan styre den. Et godkjent alternativ som faktisk er godt nok, kombinert med en tydelig liste over hva som aldri skal limes inn, gir mer kontroll enn et forbud som ignoreres.

Vanlige spørsmål om AI-sikkerhet og regelverk

Spørsmålene under er de som oftest kommer opp når norske ledere først begynner å se på dette systematisk.

Gjelder AI Act for oss når norsk lov ikke er på plass?

Indirekte, ja. AI Act trådte i kraft i EU i august 2024, men er ennå ikke fullt implementert i norsk lov (certainqms.com). Samtidig har forordningen et bredt virkeområde med ekstraterritoriell effekt, og den treffer leverandører og distributører utenfor EU hvis resultatene brukes i EU (ibm.com).

For de fleste norske virksomheter kommer kravet uansett før loven, gjennom kunder, konsern eller anbud. Praktisk konklusjon: dokumenter som om det gjelder.

Hvor havner et vanlig kundeservice-verktøy?

Normalt i begrenset eller minimal risiko. Chatboter og deepfakes faller i kategorien begrenset risiko med åpenhetskrav (digital.nemko.com), mens rene interne produktivitetsverktøy oftest havner i minimal. Kravet er da i hovedsak at brukeren skal forstå at de snakker med et AI-system.

Endrer dere formålet, for eksempel ved å la boten avgjøre hvem som får kreditt eller prioritet i en kø som påvirker tilgang til tjenester, kan vurderingen bli en annen. Det er formålet som flytter systemet, ikke oppgraderingen av modellen.

Må vi ha en risikovurdering for hvert eneste AI-verktøy?

Nei, men dere bør ha en registrering av hvert verktøy og en reell vurdering av de som behandler personopplysninger eller påvirker beslutninger om mennesker. Systemer i minimal-kategorien har ingen obligatoriske forpliktelser (digital.nemko.com) under forordningen.

Registreringen er likevel verdt innsatsen for alle. Uten den kan dere ikke svare på det spørsmålet som kommer først i enhver due diligence: hvilke AI-systemer bruker dere, og hvem eier dem.

Hva er den største reelle risikoen for en norsk SMB?

Datalekkasje gjennom ukontrollert bruk, og svindel som utnytter AI-generert innhold. Det første understøttes av at datalekkasjer knyttet til generativ AI er den bekymringen flest toppledere globalt setter øverst (shattered.io). Det andre av at 73 prosent opplevde at de selv eller noen i nettverket ble rammet av cyberbasert svindel i 2025 (shattered.io).

Bøter under AI Act er en reell, men mer fjern risiko for de fleste SMB-er. Rekkefølgen på tiltakene bør speile det: tilganger og rutiner først, dokumentasjon parallelt, formell samsvarsvurdering bare der klassifiseringen krever det.

Oppsummering og sjekkliste før neste AI-prosjekt

AI-sikkerhet for en norsk virksomhet handler mindre om modellene og mer om oversikt, roller og rutiner. Regelverket er risikobasert, de fleste systemene deres vil havne lavt, og nettopp derfor må den operasjonelle risikoen håndteres separat fra den regulatoriske. Fristene i EU er passert eller nære, mens norsk gjennomføring ligger frem i tid. Ingen av delene endrer hva som er lurt å gjøre denne uken.

Sjekkpunkt	Spørsmål å svare på	Ferdig når
Oversikt	Finnes det en skriftlig liste over alle AI-systemer i bruk?	Listen har eier og dato per rad
Klassifisering	Hvilket risikonivå og hvilken rolle har hvert system?	Alle rader har nivå og rolle
Data	Hva sendes inn, hvor lagres det, brukes det til trening?	Svar bekreftet skriftlig av leverandør
Tilgang	Hvem og hva har lesetilgang til kildene modellen bruker?	Tilganger gjennomgått etter innføring
Menneskelig tilsyn	Hvem kan overstyre, og blir overstyringer logget?	Rutine dokumentert for beslutningsstøtte
Hendelse	Hvordan varsles vi, og hvem varsler vi videre?	Varslingsvei testet minst en gang
Avvikling	Hvilke piloter lever fortsatt med aktive tilganger?	Eierløse systemer avslått

Det som gjelder uansett hva Norge lander på

Fire ting står seg uavhengig av lovtekst og forenklingsforslag. Dere må vite hvilke AI-systemer dere bruker. Dere må vite hvilke data som går inn i dem. Dere må vite hvem som kan overstyre en maskinell beslutning. Og dere må vite hvem leverandøren varsler når noe går galt, og hvor raskt.

Alt annet, fra samsvarsvurderinger til rettighetskonsekvensvurderinger, bygger på de fire svarene. Virksomheter som har dem, bruker uker på tilpasning når kravene lander. Virksomheter som ikke har dem, bruker kvartaler. Med 64 prosent som nå vurderer sikkerheten i egne AI-verktøy (shattered.io), opp fra 37 prosent året før, er dette i ferd med å bli forventet praksis, ikke god praksis.

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.

Kilder

kode24.no. Få norske selskaper anser AI som risiko: – De har ikke forstått
shattered.io. Cyberangrep Norge: AI-Trussel, 21 Angrep [2026] - shattered.io
alura.no. Blogg | Innsikt om AI for norske bedrifter | Alura
bakermckenzie.com. EU Regulation on AI | Insight - Baker McKenzie
soprasteria.no. KI-eksplosjonen: Norske selskaper sakker akterut
internationalaisafetyreport.org. International AI Safety Report 2026
ey.com. Standard for tillitvekkende kunstig intelligens
hjort.no. Bruk av kunstig intelligens i virksomheter - Hjort
spadeconsulting.no. AI Act i Norge: KI-forordningen forklart | SPADE
certainqms.com. AI Act og norske virksomheter: Hvem påvirkes? – Ressurser – Certain
europarl.europa.eu. EU AI Act: first regulation on artificial intelligence | Topics
digital.nemko.com. EU AI Act Regulation: Key Rules & Compliance Guide | Nemko Digital
ibm.com. What is the EU AI Act?
navex.com. EU AI Act Compliance Requirements | NAVEX
artificialintelligenceact.eu. Article 6: Classification Rules for High-Risk AI Systems - EU AI Act
optro.ai. Navigating New Regulations for AI in the EU
en.wikipedia.org. Artificial Intelligence Act - Wikipedia