Tillit, tillförlitlighet och Zero Trust: varför framtidens tillit måste vara verifierbar

Tillit ska inte maximeras. Den ska förtjänas, styrkas med belägg och kontinuerligt kalibreras.

Nästan varje teknikföretag säger sig bygga tillit. Men frasen ”lita på oss” avslöjar redan det underliggande problemet: den ber om tillit innan det finns tillräckliga skäl för den. En mjukvaruleverantör kan hävda att kunddata är säker. En kund kan tro på det påståendet och välja att lita på leverantören. Huruvida leverantören faktiskt är tillförlitlig är dock en annan fråga. Endast belägg för implementerade säkerhetsåtgärder, deras effektivitet, deras omfattning och deras fortsatta drift kan ge en rationell grund för den tilliten. Det är här begrepp som tillit, tillförlitlighet, assurans, förlitande, regelefterlevnad, digital tillit och Zero Trust ofta blandas ihop. Ändå beskriver de olika aspekter av samma problem.

Att förstå dessa skillnader hjälper oss att besvara en mycket större fråga:

Vad bör tillit betyda i en digital värld där system, organisationer och risker ständigt förändras?

Tillit börjar där vissheten tar slut

I organisations- och psykologiforskningen förknippas tillit vanligen med en vilja att acceptera sårbarhet. Rousseau m.fl. beskriver tillit som ett psykologiskt tillstånd som innefattar avsikten att acceptera sårbarhet utifrån positiva förväntningar på en annan parts avsikter eller beteende [1]. Mayer, Davis och Schoorman definierar på liknande sätt tillit som en vilja att göra sig sårbar gentemot en annan part, även när den parten inte kan övervakas eller kontrolleras fullt ut [2]. (ResearchGate) Tillit kräver därför minst två villkor: Det måste finnas osäkerhet, och något väsentligt måste stå på spel.

När ett utfall är helt säkert behövs ingen tillit. När det inte finns någon potentiell förlust eller något beroende kan det som ser ut som tillit helt enkelt vara bekvämlighet. Tillit blir relevant när vi är beroende av en annan person, organisation eller ett annat system och det beroendet skapar sårbarhet. Det innebär också att tillit aldrig enbart är en universell egenskap hos en entitet. En mer precis formulering vore:

A litar på B i fråga om X, under villkoren Y, vid en viss tidpunkt.

Ett företag kan lita på en molnleverantör för att lagra offentligt marknadsföringsmaterial men inte automatiskt lita på samma leverantör för att behandla mycket känslig hälsoinformation. Ett system kan vara tillräckligt tillförlitligt för ett användningsfall och samtidigt helt olämpligt för ett annat. Tillit är därför relationell, kontextspecifik och riskberoende.

Att vara betrodd är inte detsamma som att vara tillförlitlig

I vardagsspråket behandlas ”betrodd” och ”tillförlitlig” ofta som synonymer. Begreppsmässigt beskriver de dock två olika saker. Betrodd innebär att en entitet faktiskt ges tillit. Tillförlitlig innebär att entiteten förtjänar den tilliten. En övertygande bedragare kan vara betrodd utan att vara tillförlitlig. Omvänt kan ett omsorgsfullt konstruerat och välstyrt system vara tillförlitligt men ändå misslyckas med att vinna användarnas tillit, eftersom dess förmågor, kontroller och begränsningar förblir osynliga. Mayer m.fl. identifierar tre allmänt använda dimensioner av upplevd tillförlitlighet: förmåga, integritet och välvilja [2].

Förmåga avser huruvida den betrodda parten är kompetent nog att utföra den aktuella uppgiften. Integritet avser huruvida dess uttalanden, principer och faktiska beteende är samstämmiga. Välvilja avser huruvida den förväntas ta hänsyn till den litande partens intressen i stället för att uteslutande gå sitt eget ärende. (JSTOR) För tekniska system behöver dessa dimensioner översättas. Förmåga blir teknisk kapacitet, driftsäkerhet, motståndskraft och säkerhet. Integritet blir förutsägbart beteende, konsekventa regler, spårbar behandling och sanningsenlig kommunikation om begränsningar. Välvilja kan inte bara tillskrivas en maskin. Den kan dock bedömas i förhållande till den organisation som utvecklar och driver systemet: Skyddar organisationen användarnas intressen? Kommunicerar den risker ärligt? Erbjuder den mekanismer för ansvarsutkrävande och gottgörelse?

NIST närmar sig tillförlitlighet ur ett systemutvecklingsperspektiv. Ett tillförlitligt system är inte bara ett system som människor råkar lita på. Dess tillförlitlighet måste vara grundad i belägg för att det kan uppfylla de kritiska krav som ställs på det. Beroende på sammanhang kan dessa krav omfatta säkerhet, safety, driftsäkerhet, motståndskraft, integritetsskydd eller andra systemegenskaper [3]. Den distinktionen är grundläggande:

Tillit finns i den litande partens medvetande. Tillförlitlighet finns i den betrodda entitetens egenskaper och beteende.

De två kan sammanfalla, men de gör det inte automatiskt.

Tillit, förlitande och regelefterlevnad är inte samma sak

En annan viktig distinktion finns mellan tillit och förlitande. Tillit är en attityd, förväntan eller bedömning. Förlitande är observerbart beteende. En person kan misstro ett AI-system och ändå följa dess rekommendation eftersom inget alternativ finns, eftersom tidspressen är hög eller eftersom den organisatoriska processen kräver det. Omvänt kan en person i allmänhet lita på ett system men medvetet bortse från dess rekommendation i ett enskilt fall. Distinktionen spelar roll eftersom enkäter som frågar användare om de litar på ett system inte nödvändigtvis förutsäger när dessa användare kommer att förlita sig på det. Ny forskning om interaktion mellan människa och AI skiljer därför i allt högre grad mellan upplevd tillit, faktiskt förlitande, systemets prestanda och lämpligheten i det resulterande beslutet [8]–[10]. (ACM Digital Library)

Regelefterlevnad är inte heller liktydigt med tillförlitlighet. Regelefterlevnad besvarar till att börja med en snävare fråga:

Har en definierad uppsättning krav uppfyllts inom ett definierat omfång?

En certifiering, revisionsrapport eller bedömning kan ge ett viktigt skäl till tillit. Den är dock inte ett obegränsat och permanent uttalande om att en organisation är säker. En revision kan bekräfta att ett visst ledningssystem har implementerats på lämpligt sätt inom ett visst omfång och under en viss period. Den bevisar inte automatiskt att varje aktuell konfiguration är korrekt, att varje nyinfört system omfattas eller att ingen säkerhetsincident kan inträffa. NIST varnar därför för att behandla regelefterlevnad som den enda bevisgrunden för assurans eller tillförlitlighet. Regelefterlevnad kan bidra med värdefulla belägg, men ett synsätt som bygger enbart på regelefterlevnad riskerar att skapa ett sken av säkerhet utan att tillräckligt visa att det underliggande systemet är effektivt [3]. (NIST-publikationer)

Regelefterlevnad är viktig. Men regelefterlevnad är en bidragande faktor till välgrundad tillit, inte en fullständig ersättning för den.

Assurans förbinder tillit med tillförlitlighet

Mellan en parts subjektiva tillit och ett systems faktiska tillförlitlighet finns ytterligare ett begrepp: assurans. NIST beskriver assurans i termer av grunderna för välgrundat förtroende för att ett påstående har uppfyllts eller kommer att uppfyllas [3]. Assurans är alltså varken en känsla eller en garanti. Det är en strukturerad motivering. En robust assuransstruktur bör synliggöra minst fem element: Påståenden: Vad exakt hävdas? Argument: Varför bör den tillgängliga informationen stödja påståendet? Belägg: Vilka register, observationer, tester eller artefakter visar implementering och effektivitet?

Antaganden: Under vilka villkor förblir slutsatsen giltig? Omfång: Vilka system, processer, data, platser och perioder omfattas? NIST använder begreppet assurance case för att beskriva ett strukturerat och granskningsbart samband mellan påståenden, argument, antaganden och stödjande belägg [3]. Betrakta följande säkerhetspåstående:

All produktionsdata är krypterad i vila.

En företagsövergripande krypteringspolicy visar att en avsikt och ett krav finns. Den bevisar inte att varje lagringssystem i produktion faktiskt implementerar kravet. En skärmdump av en databaskonfiguration ger belägg för just den databasen vid ett visst ögonblick. Den visar inte nödvändigtvis fullständig täckning. Ett starkare assurance case kan kombinera:

• en fullständig inventering av datalager i produktion,
• konfigurationsdata från varje relevant system,
• krav på nyckelhantering,
• automatiserade konfigurationskontroller,
• testresultat,
• övervakningsdata,
• ansvariga ägare,
• granskningsprotokoll,
• och en tydlig tidsstämpel för varje belägg.

De olika formerna av belägg fyller olika syften. En policy stöder den avsedda utformningen. En konfiguration stöder den tekniska implementeringen. Ett test eller kontinuerlig telemetri stöder den faktiska driften. En granskning stöder slutsatsen att beläggen har utvärderats och godtagits av en ansvarig part. Inget av dessa element är nödvändigtvis tillräckligt på egen hand. Assurans uppstår ur det spårbara sambandet mellan det ursprungliga påståendet, det omfattade omfånget, implementeringen och de tillgängliga beläggen. Ett moget assuranssystem måste också kunna dra negativa slutsatser. Det bör kunna konstatera att:

• de tillgängliga beläggen är otillräckliga,
• beläggen är inaktuella,
• en del av det relevanta omfånget saknas,
• implementeringen motsäger påståendet,
• ett antagande inte längre kan stödjas,
• eller den operativa effektiviteten ännu inte har visats.

NIST erkänner uttryckligen att en assuransanalys kan ge ogynnsamma resultat när beläggen inte stöder påståendet [3]. (NIST-publikationer) Ett system som bara kan generera gröna bockar kan skapa lugn. Det skapar inte nödvändigtvis trovärdig assurans.

Zero Trust betyder inte att man inte litar på någon

Vid första anblicken tycks Zero Trust motsäga målet att bygga mer tillit. Det gör det inte. Zero Trust angriper problemet på en annan nivå. Det är inte i första hand en psykologisk eller kulturell filosofi. Det är en arkitekturmodell för åtkomstbeslut. I en Zero Trust-modell ges tillit inte enbart för att en användare eller enhet befinner sig i ett företagsnätverk, tillhör organisationen eller tidigare har autentiserats. Åtkomst bedöms i förhållande till en specifik resurs, identitet, enhet, kontext och begäran. Behörigheter bör vara begränsade, kontinuerligt omprövade och beviljas under antagandet att ett nätverk eller system redan kan vara komprometterat [4].

Traditionell perimeterbaserad säkerhet komprimerar ofta ett komplext tillitsbeslut till ett enda brett antagande:

Inom företagsnätverket betyder tillförlitlig.

Zero Trust bryter ned det antagandet i mindre beslut:

Får den här identiteten, med den här enheten, under dessa villkor, komma åt den här resursen nu?

Zero Trust är därför inte slutet på tillit. Det är slutet på implicit, bred och permanent ärvd tillit. En mer precis tolkning vore:

Noll implicit tillit. Noll oförtjänta privilegier.

En organisation kan ha en kultur med hög tillit och en Zero Trust-arkitektur på samma gång. Medarbetare behöver inte misstänka varandra personligen bara för att åtkomstbeslut verifieras tekniskt. Faktum är att väl utformade kontroller kan göra den mellanmänskliga tilliten lättare. De minskar sannolikheten för att ett enskilt misstag, ett komprometterat konto eller en illasinnad begäran leder till obegränsad skada. Zero Trust ersätter ett stort och vagt tillitsantagande med många mindre, kontextuella, tillfälliga och återkalleliga beslut. Det är mycket förenligt med en modern förståelse av tillit.

Digital tillit vidgar perspektivet

Tillförlitlighet fokuserar ofta på egenskaperna hos en viss organisation, ett visst system eller en viss relation. Digital tillit vidgar perspektivet till ett helt digitalt ekosystem. World Economic Forum beskriver digital tillit som förväntan att digitala teknologier och tjänster, liksom de organisationer som tillhandahåller dem, skyddar intressenternas intressen och upprätthåller relevanta samhälleliga förväntningar och värderingar. Dess ramverk kopplar digital tillit till dimensioner som cybersäkerhet, integritetsskydd, transparens, granskningsbarhet, rättvisa, interoperabilitet, säkerhet och mekanismer för gottgörelse [5]. (World Economic Forum) ISACA ramar på liknande sätt in digital tillit kring förtroende för integriteten i relationer, interaktioner och transaktioner i ett digitalt ekosystem som består av människor, organisationer, processer, information och teknik [6]. (ISACA)

Ekosystemperspektivet spelar roll eftersom en digital produkts tillförlitlighet sällan beror på produkten ensam. En SaaS-leverantör kan vara beroende av:

• en leverantör av molninfrastruktur,
• en identitetsleverantör,
• programbibliotek,
• betaltjänster,
• övervakningsplattformar,
• externa datakällor,
• och eventuellt AI-modeller från tredje part.

Den synliga produktens tillförlitlighet beror därför också på kontroller, antaganden och beroenden som i stort sett förblir osynliga för användarna. Digital tillit kan förstås som det bredare ekonomiska och samhälleliga utfallet. Tillförlitlighet beskriver de egenskaper som gör att ekosystemet förtjänar tillit. Assurans utgör bryggan mellan dessa egenskaper och en intressents beslut att lita.

AI visar varför det är fel mål att maximera tillit

Artificiell intelligens gör skillnaden mellan upplevd tillit och faktisk tillförlitlighet särskilt synlig. Ett AI-system kan kommunicera flytande, självsäkert och övertygande utan att konsekvent ha rätt. Ett gränssnitt kan signalera transparens och kompetens även när den underliggande modellen inte är tillräckligt tillförlitlig för den avsedda uppgiften. Förklaringar, konfidensvärden eller människolikt språk kan påverka användarnas uppfattningar. De är inte automatiskt belägg för att ett svar är korrekt. NIST definierar därför inte tillförlitlig AI genom en enda egenskap. AI Risk Management Framework identifierar flera egenskaper, bland annat validitet och driftsäkerhet, säkerhet, skydd och motståndskraft, ansvarsskyldighet och transparens, förklarbarhet och tolkningsbarhet, integritetsskydd samt hantering av skadlig bias. NIST betonar också att dessa egenskaper är kontextberoende och kan innebära avvägningar [7].

Ett system kan vara träffsäkert men orättvist. Det kan vara transparent men osäkert. Det kan skydda den personliga integriteten men ändå vara otillförlitligt för sitt avsedda syfte. Det kan prestera väl i genomsnitt men fallera oförutsägbart i just de fall som betyder mest. Etiketten ”tillförlitlig AI” får inte dölja dessa skillnader. Forskningen om interaktion mellan människa och AI diskuterar därför i allt högre grad lämplig tillit, kalibrerad tillit och lämpligt förlitande. Målet är inte att få användare att lita på ett system så mycket som möjligt. Målet är att hjälpa användare att bilda sig en korrekt förståelse av systemets förmågor och begränsningar och att förlita sig på det endast när det förlitandet är motiverat.

En systematisk översikt av Mehrotra m.fl. visade att det fortfarande inte finns någon enhetlig, konsekvent tillämpad definition av lämplig tillit i litteraturen. Forskningsstudier använder olika konstrukt och mått för tillit, avsikter, förlitande, upplevd förmåga och faktisk systemprestanda [8]. (ACM Digital Library) Visser m.fl. skiljer på liknande sätt mellan tillit, misstro och lämpligt förlitande. Deras översikt tyder på att det empiriska sambandet mellan förklarbar AI, användarnas tillit och lämpligt förlitande fortfarande är blandat och i många sammanhang inte entydigt [9]. (ScienceDirect) En preprint från 2026 av Raees och Papangelis hävdar ännu mer direkt att subjektiva mätningar av tillit inte automatiskt visar om människor förlitar sig på AI-rekommendationer på ett lämpligt sätt. Eftersom arbetet har publicerats som preprint bör dess slutsatser behandlas som ett aktuellt forskningsbidrag snarare än en slutlig konsensus [10]. (arXiv)

Misstro är inte heller nödvändigtvis motsatsen till god systemanvändning. En viss skepsis kan uppmuntra till verifiering och upptäckt av fel. Men urskillningslös misstro kan också få användare att avvisa korrekta rekommendationer. En experimentell studie från 2026 av Peters, Biermeier och Scharlau undersökte om visuell uppmärksamhet kan hjälpa till att identifiera ”sund misstro” i interaktionen mellan människa och AI. Resultaten var inte entydiga och visar hur svårt det fortfarande är att mäta om tillit och misstro är lämpligt kalibrerade [11]. (Frontiers) Det önskade förhållandet kan illustreras så här:

Målet är inte bara att flytta varje användare till det nedre högra hörnet genom att öka tilliten. Målet är att få den upplevda tilliten och det faktiska förlitandet att i så hög grad som möjligt motsvara systemets faktiska tillförlitlighet, konsekvenserna av ett fel och användningssammanhanget. I en artikel från juli 2026 argumenterar Busuioc och Maggetti för en förskjutning från tillitsmaximering till kalibrerad tillit. De varnar för att tillit kan frikopplas från faktisk tillförlitlighet när organisationer tillverkar tillitssignaler i stället för att åtgärda de underliggande förutsättningar som gör tilliten berättigad. Deras analys betonar också sårbarhet, ansvarsutkrävande och den konstruktiva roll som misstro kan spela [12]. (OUP Academic)

EU:s förordning om artificiell intelligens (AI-förordningen) följer en besläktad operativ logik. För relevanta system med hög risk kräver den processer och dokumentation avseende riskhantering, datastyrning, teknisk dokumentation, loggning, transparens, mänsklig tillsyn, noggrannhet, robusthet och cybersäkerhet [13]. Dessa krav bevisar inte att varje reglerat AI-system kommer att vara tillförlitligt. De försöker dock översätta en abstrakt förväntan på tillförlitlighet till konkreta styrningsaktiviteter och granskningsbara belägg. (EUR-Lex) Tillförlitlig AI är därför inte en gränssnittsstil eller en marknadsföringsetikett. Det är ett pågående styrnings- och assuransproblem.

Vår hållning: tillit måste vara välgrundad och kalibrerad

På Secani ser vi inte tillit som en känsla som bara ska ökas. Vi definierar den inte heller som absolut visshet. Absolut säkerhet finns inte i verkliga digitala system. Inte ens starka belägg kan garantera att inget fel eller angrepp någonsin inträffar. Belägg minskar osäkerheten och stöder bättre beslut, men de eliminerar inte risken. Om all osäkerhet kunde undanröjas skulle tillit inte längre behövas. Därför talar vi medvetet om välgrundat förtroende, inte visshet. Vår definition är:

Tillit är ett välgrundat, kontextspecifikt förtroende för att ett säkerhetspåstående är sant nu, eftersom påståendet, dess implementering och de aktuella beläggen verifierbart stämmer överens.

Den underliggande kedjan är:

Påstående → Implementering → Belägg → Assurans → Kalibrerad tillit

En organisation gör ett påstående om sin säkerhet. Påståendet översätts till specifika kontroller, system, ansvarsområden och förväntade resultat. Aktuella belägg visar om och hur dessa kontroller har implementerats. En assuransprocess bedömer om beläggen faktiskt stöder det ursprungliga påståendet. Först då uppstår en rationell grund för tillit. Definitionen innehåller fem medvetna avgränsningar.

Tillit är påståendespecifik

”Vi är säkra” är för brett för att kunna verifieras på ett meningsfullt sätt. ”Alla datalager i produktion använder godkända krypteringskonfigurationer” är snävare och testbart. Ju mer allmänt ett påstående blir, desto svårare blir det att identifiera dess omfång, nödvändiga belägg, antaganden och giltighetsvillkor.

Tillit är kontextspecifik

En kontroll kan vara effektiv för ett system och ineffektiv för ett annat. En AI-modell kan vara lämplig för att sammanfatta interna dokument men olämplig för att på egen hand godkänna säkerhetsundantag. Tillit kan inte överföras mellan sammanhang utan att man bedömer om de relevanta förutsättningarna fortfarande är jämförbara.

Tillit är tidsberoende

Organisationer förändras ständigt. Nya tillgångar införs. Konfigurationer ändras. Medarbetare byter roller. Leverantörer uppdaterar sina tjänster. Sårbarheter upptäcks. Kontroller som fungerade korrekt i går fungerar kanske inte längre korrekt i dag. Belägg förlorar därför värde över tid. En tillförlitlig slutsats måste inte bara kommunicera vad som verifierades, utan också när det verifierades och hur länge slutsatsen bör anses giltig.

Tillit är beläggbaserad men inte absolut

Belägg synliggör osäkerhet och gör beslut försvarbara. De undanröjer inte osäkerheten helt. Även starka belägg har begränsningar. De kan omfatta endast en del av ett system, bygga på antaganden, innehålla mätfel eller bli inaktuella. Trovärdig assurans måste kommunicera dessa begränsningar i stället för att dölja dem bakom en binär status.

Tillit måste kunna återkallas

Ett tillitsbeslut måste kunna ändras när de förutsättningar som stöder det ändras. När nya belägg motsäger ett tidigare säkerhetspåstående bör slutsatsen uppdateras. När belägg löper ut bör förtroendet minska. När det omfattade omfånget utvidgas bör ytterligare belägg krävas. Tillit som inte kan revideras är inte kalibrerad tillit. Det är tro som har frikopplats från verkligheten.

Från periodiska tillitssignaler till kontinuerlig assurans

Traditionell digital tillit byggs ofta genom periodiska signaler: certifikat, frågeformulär, revisionsrapporter, bedömningsdokument och säkerhetspresentationer. Dessa mekanismer är fortfarande viktiga. Men de räcker inte på egen hand i en värld där digitala system kan förändras varje dag. Framtidens modell rör sig i en annan riktning:

Kontinuerlig assurans innebär inte att varje aktivitet i en organisation måste övervakas permanent. Den bör vara riskbaserad och proportionerlig. Ett kritiskt påstående om privilegierad åtkomst, produktionsinfrastruktur eller känsliga kunddata kräver mer aktuella och starkare belägg än ett administrativt påstående med låg påverkan. Den viktiga förändringen är att tilliten inte längre är knuten till ett enda dokument. Krav, implementeringar, belägg, granskningar, avvikelser, ansvarsområden och beroenden bör i stället bilda en sammanhängande modell. Maskinläsbara strukturer kan spela en viktig roll i denna övergång. De gör det möjligt att återanvända belägg över ramverk och bedömningar utan att ta bort deras ursprung, ursprungliga omfång, insamlingstidpunkt, ansvariga ägare eller begränsningar.

Framtidens tillit är därför inte bara kontinuerlig. Den är granulär, spårbar, överförbar och återkallelig.

Zero Trust och hög tillit är inga motsatser

Nu kan de olika begreppen kopplas samman. Zero Trust styr hur enskilda åtkomstbeslut fattas. Tillförlitlighet beskriver om ett system eller en organisation förtjänar tillit. Assurans ger en strukturerad motivering för den slutsatsen. Belägg stöder påståenden om implementering och effektivitet. Regelefterlevnad bedömer överensstämmelse med definierade krav. Förlitande beskriver om någon faktiskt är beroende av eller följer ett system. Digital tillit är det bredare förtroende som kan växa fram i ekosystemet. Zero Trust förhindrar att tillit antas utan tillräckliga skäl. Assurans visar var tillit är befogad.

Regelefterlevnad bidrar med strukturerade krav och granskningsmekanismer. Belägg förbinder uttalanden med den observerbara verkligheten. Begreppen är därför inte konkurrerande visioner. De är olika delar av en sammanhängande modell. Framtiden är varken ett universellt ”lita på alla” eller ett kulturellt ”lita inte på någon”. Den är verifierbar, kalibrerad tillit.

Vad ”Optimize for trust” betyder på Secani

”Optimize for trust” får inte betyda att optimera för intrycket av tillförlitlighet. Det bör inte betyda att producera så många gröna bockar, märken, certifikat eller breda säkerhetspåståenden som möjligt. Det bör inte betyda att uppmuntra människor att lita på ett system mer än dess faktiska egenskaper motiverar. För oss betyder det:

Optimera inte för att bli betrodd. Optimera för att förtjäna välgrundad tillit.

Vi bygger Secani för att kontinuerligt koppla samman säkerhetspåståenden, krav, implementeringar och belägg. Tillit bör inte uppstå enbart ur en övertygande presentation eller ett periodiskt efterlevnadsdokument. Den bör uppstå ur en aktuell, granskningsbar och spårbar motivering. Det mest koncisa uttrycket för den idén är kanske:

Tillit är inget löfte. Den är en kontinuerligt underbyggd slutsats.

Organisationer bör inte bara framstå som tillförlitliga. De bör kunna visa varför de förtjänar tillit. Och människor bör inte bara uppmanas att lita mer. De bör ges möjlighet att lita bättre.

Referenser

[1] D. M. Rousseau, S. B. Sitkin, R. S. Burt och C. Camerer, ”Not So Different After All: A Cross-Discipline View of Trust”, Academy of Management Review, vol. 23, nr 3, s. 393–404, 1998, doi: 10.5465/AMR.1998.926617. (DOI)

[2] R. C. Mayer, J. H. Davis och F. D. Schoorman, ”An Integrative Model of Organizational Trust”, Academy of Management Review, vol. 20, nr 3, s. 709–734, 1995, doi: 10.5465/amr.1995.9508080335. (DOI)

[3] R. Ross, M. Winstead och M. McEvilley, Engineering Trustworthy Secure Systems, NIST Special Publication 800-160, vol. 1, rev. 1, National Institute of Standards and Technology, Gaithersburg, MD, USA, nov. 2022, doi: 10.6028/NIST.SP.800-160v1r1. (NIST-publikationer)

[4] S. Rose, O. Borchert, S. Mitchell och S. Connelly, Zero Trust Architecture, NIST Special Publication 800-207, National Institute of Standards and Technology, Gaithersburg, MD, USA, aug. 2020, doi: 10.6028/NIST.SP.800-207. (NIST Computer Security Resource Center)

[5] World Economic Forum, Earning Digital Trust: Decision-Making for Trustworthy Technologies, Genève, Schweiz, nov. 2022. (World Economic Forum)

[6] K. B. Kelley, ”The Digital Trust Imperative: Defining, Establishing and Measuring Digital Trust”, ISACA Journal, vol. 1, jan. 2023. (ISACA)

[7] National Institute of Standards and Technology, Artificial Intelligence Risk Management Framework (AI RMF 1.0), NIST AI 100-1, jan. 2023, doi: 10.6028/NIST.AI.100-1. (NIST-publikationer)

[8] S. Mehrotra, C. Degachi, O. Vereschak, C. M. Jonker och M. L. Tielman, ”A Systematic Review on Fostering Appropriate Trust in Human-AI Interaction: Trends, Opportunities and Challenges”, ACM Journal on Responsible Computing, vol. 1, nr 4, art.nr 26, s. 1–45, 2024, doi: 10.1145/3696449. (ACM Digital Library)

[9] R. Visser, T. M. Peters, I. Scharlau och B. Hammer, ”Trust, distrust, and appropriate reliance in (X)AI: A conceptual clarification of user trust and survey of its empirical evaluation”, Cognitive Systems Research, vol. 91, art.nr 101357, 2025, doi: 10.1016/j.cogsys.2025.101357. (ScienceDirect)

[10] M. Raees och K. Papangelis, ”From Trust to Appropriate Reliance: Measurement Constructs in Human-AI Decision-Making”, arXiv:2604.23896, apr. 2026, doi: 10.48550/arXiv.2604.23896. Preprint. (arXiv)

[11] T. M. Peters, K. Biermeier och I. Scharlau, ”Assessing healthy distrust in human-AI interaction: Interpreting changes in visual attention”, Frontiers in Psychology, vol. 16, art.nr 1694367, jan. 2026, doi: 10.3389/fpsyg.2025.1694367. (Frontiers)

[12] M. Busuioc och M. Maggetti, ”Worthy of trust? AI governance and the role of (dis)trust”, Perspectives on Public Management and Governance, art.nr gvag007, jul. 2026, doi: 10.1093/ppmgov/gvag007. (OUP Academic)

[13] Europaparlamentet och Europeiska unionens råd, ”Europaparlamentets och rådets förordning (EU) 2024/1689 av den 13 juni 2024 om harmoniserade regler för artificiell intelligens”, Europeiska unionens officiella tidning, jul. 2024. (EUR-Lex)