EU:s AI-förordning: klassificera era användningsfall och planera underlagen

AI-styrning börjar med att veta vilka system organisationen tillhandahåller, använder eller på annat sätt gör tillgängliga. En lista med modellnamn räcker inte: det avsedda ändamålet, användningsmiljön och er roll avgör vilka skyldigheter som ska granskas.

För ledningen är klassificeringen lika mycket ett beslut om resursfördelning som en rättslig bedömning. Den avgör vilka projekt som behöver specialistgranskning, vad leverantörer måste visa och vilka underlag som måste finnas före lansering. Ett rekryteringsverktyg och en intern skrivassistent kan använda samma modell men ändå kräva helt olika bedömningar.

Det användbara resultatet är ett granskat register över användningsfall som är kopplat till ägare, krav, underlag och ändringsbeslut – inte en etikett för hela företaget som säger ”AI med låg risk”.

Fastställ omfattning och ansvar innan risk tilldelas

EU:s AI-förordning är en förordning med skyldigheter som beror på verksamheten, systemet och operatören. Dess territoriella tillämpningsområde omfattar leverantörer som släpper ut system på EU-marknaden eller tar dem i bruk, tillhandahållare som är etablerade eller befinner sig i EU samt vissa leverantörer och tillhandahållare utanför EU när systemens utdata används i EU. Medborgarskap är i sig inte avgörande.

Låt juridiska och tekniska granskare fastställa om applikationen uppfyller förordningens definition av ett AI-system och om några relevanta undantag från tillämpningsområdet gäller. Anta inte att varje automatiseringsskript är AI, eller att en externt driven tjänst faller utanför ert ansvar.

Registrera därefter er roll:

• Leverantör: utvecklar ett system, eller låter utveckla det, och släpper ut det på marknaden eller tar det i bruk i eget namn eller under eget varumärke.
• Tillhandahållare: använder ett system under sin behörighet i ett yrkesmässigt sammanhang.
• Importör eller distributör: för in relevanta system på EU-marknaden eller tillhandahåller dem genom leveranskedjan, med tillhörande kontrollskyldigheter.
• Produkttillverkare eller ombud: har ansvar som följer av det särskilda produktarrangemanget eller det skriftliga mandatet.

En organisation kan ha olika roller i olika delar av sin portfölj. Att köpa ett API avgör inte rollen för den färdiga applikationen. Ommärkning, väsentlig ändring eller ändrat avsett ändamål kan utlösa leverantörsansvar under de tillämpliga villkoren. Finjustering är därför en anledning till granskning, inte en automatisk rättslig slutsats.

Skilj AI-modellen för allmänna ändamål från systemet som byggs kring den. Skyldigheterna för modelleverantörer och skyldigheterna för system längre ned i kedjan hänger ihop men är inte utbytbara.

Bygg en förteckning över användningsfall som stöder beslut

Inventera verksamhetsfunktioner, inte bara leverantörer. Intervjua inköp, HR, produkt, drift och IT: AI kan komma in via en befintlig leverantörs nya funktion snarare än genom ett särskilt inköp.

Registrera för varje användningsfall:

Registrera faktiska arbetsflöden tillsammans med det avsedda ändamålet. Ett verktyg som beskrivs som ”stöd för rekryterare” kan i praktiken utesluta kandidater om personalen bara granskar dess urvalslista. En skriftlig policy som kräver mänsklig granskning bevisar inte att granskningen sker.

Leveransen är en versionshanterad post per användningsfall. Olösta klassificeringar ska förbli synligt olösta, med en ägare och en tidsfrist för beslut, i stället för att som standard hamna i den minst krävande kategorin.

Bedöm förbud, vägar till hög risk och transparens separat

Den välkända beskrivningen i fyra nivåer – förbjuden, hög risk, transparensrelaterad och lägre risk – är en användbar introduktion. Den är inget fullständigt beslutsträd. Transparensskyldigheter kan överlappa med skyldigheter för hög risk, och skyldigheter avseende AI-kunnighet är inte begränsade till system med hög risk.

Granska förbjudna metoder först

Artikel 5 förbjuder angivna metoder, med förbehåll för bestämmelsens detaljerade villkor och undantag. Relevanta granskningsfrågor är om ett system använder skadlig manipulation eller utnyttjar sårbarheter, genomför förbjuden social poängsättning, skapar databaser för ansiktsigenkänning genom oriktad skrapning eller utför förbjuden biometrisk kategorisering.

AI-baserad slutledning om känslor utifrån biometriska uppgifter på arbetsplatser och i utbildningsinstitutioner är också förbjuden, utom av angivna medicinska skäl eller säkerhetsskäl. Sentimentanalys av enbart text omfattas inte av förbudet bara för att den bedömer känsloton. Vissa biometriska användningar inom brottsbekämpning har snävt avgränsade regler; ”all ansiktsigenkänning är förbjuden” är ingen korrekt ersättning för en bedömning.

Eskalera en möjlig förbjuden metod före upphandling eller driftsättning. Underlagen ska beskriva funktionaliteten och det rättsliga resonemanget, inte bara upprepa en leverantörs påstående om ”etisk AI”.

Pröva båda vägarna till klassificering som hög risk

Vägen via reglerade produkter, artikel 6.1: undersök om AI-systemet självt är en produkt, eller en säkerhetskomponent i en produkt, som omfattas av den relevanta lagstiftningen i bilaga I, och om produkten kräver bedömning av överensstämmelse av tredje part. Båda villkoren spelar roll. Använd den ändrade rättsliga texten för den specifika produktregimen; att AI byggs in fastställer inte i sig att systemet har hög risk.

Vägen via bilaga III, artikel 6.2: undersök om den avsedda funktionen motsvarar ett listat användningsfall. De åtta områdena är breda rubriker, inte regler som gör varje applikation i en bransch till hög risk.

Läs de detaljerade punkterna och undantagen. Upptäckt av ekonomiska bedrägerier hålls till exempel isär från det listade användningsfallet om kreditvärdighet, och verifiering av resehandlingar är undantagen från den relevanta punkten om identifiering inom migration. Administrativ organisering av kampanjer är inte detsamma som att påverka väljare.

Bedöm transparens även när reglerna om hög risk inte gäller

Artikel 50 gäller särskilda interaktioner och utdata. Beroende på roll och omständigheter gäller skyldigheterna att informera människor om att de interagerar med AI, maskinläsbar märkning av syntetiska utdata, upplysningar om deepfakes och angiven AI-genererad text av allmänt intresse. Användning för känsloigenkänning och biometrisk kategorisering har också bestämmelser om information där sådan användning är tillåten.

Reducera inte detta till ”märk varje AI-stött dokument”. Avgör vilken bestämmelse som gäller, vem som måste agera och om något undantag är relevant. Spara formuleringen av informationen, dess placering, arrangemangen för märkning av utdata och testresultat som underlag.

Behandla undantaget i artikel 6.3 som en dokumenterad bedömning

Vissa system i bilaga III kan enligt artikel 6.3 falla utanför klassificeringen som hög risk. Detta är inget allmänt undantag för verktyg där en människa finns någonstans i processen.

Bedömningen måste behandla om systemet utgör en betydande risk för skada på hälsa, säkerhet eller grundläggande rättigheter, inklusive om det väsentligt påverkar beslutsutfallen. Bestämmelsen anger omständigheter som rör snäva procedurmässiga uppgifter, förbättring av en tidigare slutförd mänsklig aktivitet, upptäckt av mönster eller avvikelser under angivna villkor för granskning samt förberedande uppgifter. För att förlita sig på undantaget måste minst ett av dessa villkor vara uppfyllt och det måste fastställas att systemet inte utgör den angivna betydande risken.

En leverantör som förlitar sig på undantaget måste dokumentera bedömningen innan systemet släpps ut på marknaden eller tas i bruk, och uppfylla den tillämpliga registreringsskyldigheten. Avgörande är att ett system i bilaga III som utför profilering av fysiska personer förblir ett system med hög risk; det innebär inte att varje profileringssystem i varje sammanhang automatiskt blir ett system med hög risk.

Underlagen ska förklara vilken information systemet använder, hur utdata påverkar granskarna och om den förment förberedande uppgiften avgör vem som får en saklig prövning. Ta med observationer av arbetsflödet och representativa utdata. Meningen ”en människa fattar det slutliga beslutet” är otillräcklig om rangordning, filtrering eller rekommendationer i praktiken avgör beslutet.

Planera efter de aktuella tillämpningsdatumen

Vid kontroll den 7 oktober 2026 anger Europeiska kommissionens aktuella översikt och tidslinje för AI-förordningen följande milstolpar:

Kontrollera den ändrade rättsliga texten och era specifika övergångsbestämmelser. Befintliga system, datum då modeller släpptes ut, ändringar och särskilda operatörsarrangemang kan kräva ytterligare analys. Äldre vägledningar kan fortfarande visa tidigare datum för hög risk.

Tolka inte den uppdaterade tidplanen för hög risk som ett uppskjutande av hela förordningen. Budgetera separat för skyldigheter som redan gäller och för förberedelser inför den relevanta regimen för hög risk. Ert register bör ange den tillämpliga milstolpen och den källa som använts för att fastställa den.

Omvandla klassificeringen till en underlagsplan

Leverantörers och tillhandahållares ansvar skiljer sig åt. Ledningen bör kräva en rollspecifik plan i stället för att tilldela varje skyldighet till varje team.

Om ni tillhandahåller ett system med hög risk som leverantör

Kraven för hög risk och leverantörens skyldigheter omfattar riskhantering, dataförvaltning, teknisk dokumentation, loggning, information till tillhandahållare, mänsklig tillsyn, noggrannhet, robusthet, cybersäkerhet och kvalitetsstyrning. Tillämplig bedömning av överensstämmelse, försäkran, märkning, registrering, övervakning efter utsläppande på marknaden och incidentprocesser behöver också planeras.

Omvandla dessa till leveranser:

• En riskbedömning för hela livscykeln med riskreducerande åtgärder, kvarvarande risker och godkännandebeslut.
• Poster om datas ursprung, lämplighet och kvalitet där det är relevant för systemet.
• Teknisk dokumentation som anger ändamål, utformning, beroenden, begränsningar och utvärderingsmetoder.
• Testresultat kopplade till godkännandekriterier och användningssammanhang.
• Instruktioner för tillsyn som förklarar ingripande, åsidosättande och eskalering.
• Specifikationer för loggning, arrangemang för övervakning och incidentrutiner.
• En arbetsplan för överensstämmelse som anger tillämplig väg och krävda poster.

Alla system med hög risk följer inte samma bedömningsväg. Budgetera inte för en universell tredjepartsrevision och behandla inte en säkerhetscertifiering som bevis på överensstämmelse med AI-förordningen.

Om ni använder ett system med hög risk som tillhandahållare

Fokusera på att använda systemet enligt instruktionerna, utse kompetent tillsyn, övervaka användningen och upprätthålla krävda poster. Hantera indatas lämplighet där ni styr över indata, och tillämpliga krav på information till arbetstagare eller berörda personer.

Be leverantörerna om relevanta instruktioner, begränsningar, krav på tillsyn och information om överensstämmelse. Identifiera vad de inte kan tillhandahålla och vem som ska lösa bristen. En leverantörs försäkran fastställer inte att er lokala konfiguration är lämplig.

Bedöm om en konsekvensbedömning avseende grundläggande rättigheter krävs för er kategori av tillhandahållare och ert användningsfall. Den är inte universell för all användning. Där personuppgifter berörs, bedöm kraven i GDPR separat; en konsekvensbedömning avseende dataskydd och en bedömning enligt AI-förordningen fyller olika rättsliga syften, även när underlagen överlappar.

Ange för varje leverans ägare, granskare, förfallodatum, källplats och godkännandekriterium. ”Policy uppladdad” är inte detsamma som ”kontroll påvisad”.

Räkneexempel: en modell, två verksamhetsbeslut

Illustrativa antaganden: en arbetsgivare i EU använder en språkmodell från tredje part för en intern skrivassistent och för en separat rekryteringsapplikation. Rekryteringsapplikationen poängsätter kandidater mot tjänstekriterier och presenterar en rangordnad urvalslista. Arbetsgivaren använder båda internt; dess exakta operatörsroller behöver granskas.

För skrivassistenten, registrera tillåtna skrivuppgifter, begränsningar för data, granskning av utdata och eventuella tillämpliga transparenskrav. Vanligt internt skrivande blir inte hög risk bara för att AI används. En utvidgning till utvärdering inom anställning skulle utlösa en ny bedömning.

För rekryteringen är punkten om anställning i bilaga III direkt relevant. Granska poängsättningen och profileringen av kandidater, inte bara beskrivningen av gränssnittet. Om rekryterarna bara överväger kandidaterna på urvalslistan formar systemet väsentligt tillgången till anställning. Mänskligt godkännande av den slutliga anställningen tar inte bort det inflytandet.

Ledningens beslut blir därför olika för varje applikation. Skrivassistenten kan gå vidare med proportionerliga kontroller efter granskning. Rekryteringsprojektet behöver en plan för att förbereda sig inför kraven för hög risk, underlag från leverantören, utbildad tillsyn, utvärdering av den lokala användningen och ett dokumenterat beslut om lansering.

Om teamet föreslår att rekryteringsfunktionen ändras till schemaläggning av intervjuer, bedöm det nya ändamålet och arbetsflödet på nytt. Schemaläggning kan vara en snäv procedurmässig uppgift, men om poängsättningen av kandidater behålls i bakgrunden undergrävs den reviderade motiveringen. Versionshantera beslutet i stället för att skriva över den ursprungliga posten.

Gör ansvaret synligt i operativa beslut

Utse en verksamhetsägare som kan förklara ändamålet och godkänna resurser, en teknisk ägare som kan styrka systemets beteende och en juridisk eller compliancemässig granskare som kan ifrågasätta klassificeringen. Ledningens godkännande ska avgöra finansiering, begränsningar för lansering och olösta risker – inte ersätta specialistanalysen.

Som en praktisk rekommendation, granska klassificeringen när ändamål, användare, data, integrationer, autonomi eller inflytande på beslut med konsekvenser förändras. Koppla granskningen till förnyelser av upphandlingar och produktlanseringar. En modelluppdatering ensam ändrar kanske inte klassificeringen, men den kan göra utvärderingsunderlag eller driftsantaganden ogiltiga.

Vanliga misstag är att godta leverantörens generella klassificeringar, anta att mänsklig granskning automatiskt skapar ett undantag, förbise skyldigheter om AI-kunnighet och transparens som redan gäller och samla in dokument utan att testa den lokala användningen. Ett ledningssystem enligt ISO/IEC 42001 kan stödja styrningen, men en certifiering fastställer inte automatiskt efterlevnad av AI-förordningen.

Secani kan stödja arbetsflödet för underlag genom att koppla samman krav, kontroller, källmaterial, ägare, uppgifter och granskade beslut. Börja med en process, koppla underlagen till det de bevisar och behåll kommentarer, godkännanden och tidsstämplar tillsammans med väsentliga slutsatser. Behandla AI-stödda förslag som utkast för mänsklig granskning, inte som rättsliga avgöranden. Vår vägledning om styrning av AI-agenter ger praktiska kontroller för behörigheter och granskning.

Nästa användbara steg är en fokuserad workshop om klassificering: välj de användningsfall i drift som har störst konsekvenser, samla deras verksamhets- och tekniska ägare och ta fram granskade poster med olösta frågor och uppgifter för underlag. Det ger ledningen en försvarbar grund för att avgöra vad som kan gå vidare, vad som behöver villkor och vad som kräver ytterligare bedömning.