EU AI Act i praksis
AI-kompetence, risikovurdering og dokumentation for danske virksomheder
"Vi bruger AI, men vi ved ikke rigtig, hvilke regler der gælder."
"Vi ved hvilke AI-systemer vi bruger, hvilke risici vi skal undersøge, hvem der skal kunne hvad, hvilke procedurer vi har — og hvad vi dokumenterer."
Tilpas kurset til dig
Otte korte spørgsmål. Svarene styrer, hvilke cases og advarsler du møder undervejs. Alle får det samme fundament — du får de eksempler, der ligner din hverdag.
Forløbet
0% gennemførtDet kan du bagefter
- 01Forklare hovedformålet med EU AI ActM1
- 02Forstå hvad et AI-system er i AI Act-sammenhængM1
- 03Identificere organisationens væsentligste AI-anvendelserM2
- 04Identificere virksomhedens rolle for et konkret AI-systemM3
- 05Forstå forskellen mellem udbyder og idriftsætterM3
- 06Genkende anvendelser, der kræver særlig regulatorisk opmærksomhedM4
- 07Genkende potentielle højrisikoanvendelserM4
- 08Genkende centrale forbudte AI-praksisserM4
- 09Forstå de vigtigste transparenskravM7
- 10Forstå kravet om AI-færdigheder efter artikel 4M5
- 11Forstå at artikel 4 kræver relevante foranstaltninger, men ikke garanterer et bestemt individuelt kompetenceniveauM5
- 12Vurdere hvilket kompetenceniveau medarbejdere bør have ud fra rolle og anvendelseM5
- 13Identificere typiske AI-risiciM6
- 14Forstå problemer omkring hallucinationer og fejlagtige outputM6
- 15Forstå risiko for bias og diskriminationM6
- 16Forstå betydningen af menneskelig kontrolM6
- 17Forstå centrale GDPR-problemstillinger ved AIM8
- 18Identificere hvornår personoplysninger behandlesM8
- 19Genkende situationer hvor en DPIA kan være relevantM8
- 20Gennemføre en grundlæggende leverandørvurderingM9
- 21Etablere et AI-registerM2
- 22Anvende en grundlæggende AI-risikovurderingM4
- 23Følge organisationens AI-politikM9
- 24Vurdere om et nyt AI-værktøj bør godkendesM9
- 25Registrere relevante hændelserM9
- 26Vide hvornår intern eller ekstern specialistviden bør inddragesM10
- 27Dokumentere gennemført AI-undervisningM5
- 28Bidrage til organisationens løbende AI-governanceM10
Kursets governance-loop
En praktisk arbejdsmodel — ikke en officiel EU-model.
- 1FINDHvilken AI bruger vi?
- 2VURDÉRHvilken risiko og hvilke regler er relevante?
- 3GODKENDMå systemet bruges — og under hvilke betingelser?
- 4UDDANHvem skal vide hvad?
- 5KONTROLLÉRHvordan kontrollerer vi brug og output?
- 6DOKUMENTÉRHvordan viser vi, hvad vi har gjort?
- 7GENBESØGHar systemet, reglerne eller anvendelsen ændret sig?
Din governance-mappe
Hvert modul fylder en mappe. Når du er igennem, har du hele pakken.
- 01 AI-register
- 02 AI-politik
- 03 Risikovurderinger
- 04 Kompetencer og uddannelse
- 05 GDPR-vurderinger
- 06 Leverandører
- 07 Hændelser
- 08 Godkendelser
- 09 Review
- 10 Dokumentation
Prøve og kursusbevis
- Alle obligatoriske moduler gennemført
- Mindst 80 % korrekte svar i den afsluttende prøve
- Alle kritiske sikkerhedsspørgsmål besvaret korrekt
- Forkert svar i en kritisk kategori giver læringsforklaring og nyt forsøg
Ordliste
Begreb, forklaring og et eksempel. Intet juristsprog.
Et system, der med en vis grad af selvstændighed kan udlede resultater — for eksempel tekst, anbefalinger, scorer eller forudsigelser — ud fra det input, det får. Almindelig regelbaseret software er ikke automatisk et AI-system.
Eksempel: Et regneark, der lægger tal sammen, er ikke et AI-system. Et værktøj, der selv scorer og rangerer ansøgere, kan være det.
Den, der udvikler et AI-system eller får det udviklet og bringer det på markedet eller i brug under eget navn eller varemærke.
Eksempel: En dansk softwarevirksomhed, der sælger sit eget AI-værktøj til kunder.
Den virksomhed eller organisation, der anvender et AI-system under sin myndighed. Mange danske virksomheder er idriftsættere, når medarbejderne bruger et eksternt AI-system i arbejdet.
Eksempel: Et revisionsfirma, hvor medarbejderne bruger ChatGPT til udkast til kundebreve.
Importøren bringer et AI-system fra et land uden for EU på EU-markedet. Distributøren gør et system tilgængeligt uden at være udbyder eller importør.
Eksempel: En forhandler, der videresælger et amerikansk AI-værktøj til danske kunder.
De færdigheder, den viden og den forståelse, der gør det muligt at bruge AI på et informeret grundlag og være bevidst om muligheder, risici og mulig skade.
Eksempel: En medarbejder, der ved, at AI kan finde på ting, og derfor tjekker tal og henvisninger, før de sendes videre.
Anvendelser, som forordningen forbyder — for eksempel visse former for manipulation, udnyttelse af sårbarhed, social scoring og bestemte former for følelsesgenkendelse på arbejdspladsen.
Eksempel: Et system, der scorer medarbejdere socialt på tværs af sammenhænge.
AI-systemer i bestemte anvendelsesområder eller som sikkerhedskomponent i regulerede produkter, hvor forordningen stiller skærpede krav. Om et konkret system er omfattet, kræver en konkret vurdering.
Eksempel: Et system, der rangerer jobansøgere, ligger i et område, der kan være omfattet.
Krav om at gøre det klart, at man interagerer med AI, eller at indhold er kunstigt genereret eller manipuleret.
Eksempel: En chatbot, der fortæller kunden, at den er en AI-assistent.
Når et AI-system producerer indhold, der lyder rigtigt, men er forkert eller opdigtet.
Eksempel: AI opfinder en paragraf eller en kilde, der ikke findes.
Skævhed i data, model eller brug, der kan føre til systematisk dårligere resultater for bestemte grupper.
Eksempel: Et rekrutteringsværktøj, der nedprioriterer ansøgere med huller i cv'et.
Tendensen til at stole for meget på maskinens svar og undlade at kontrollere det.
Eksempel: En medarbejder godkender AI's forslag uden at læse det igennem.
At et menneske reelt kan forstå, efterprøve, tilsidesætte eller stoppe AI'ens resultat, før det får virkning.
Eksempel: En leder læser og retter AI's udkast til en afskedigelsesbegrundelse.
Enhver oplysning om en identificeret eller identificerbar fysisk person.
Eksempel: Navn, e-mail, cv, kundenoter, optagelse af et møde.
Blandt andet helbred, race og etnisk oprindelse, religion, fagforening, seksuelle forhold og biometri til identifikation. Kræver særligt grundlag.
Eksempel: En sygemelding, der kopieres ind i et AI-værktøj.
Den dataansvarlige bestemmer formål og midler. Databehandleren behandler oplysninger på den dataansvarliges vegne — typisk leverandøren.
Eksempel: Virksomheden er dataansvarlig; AI-leverandøren er ofte databehandler.
Den skriftlige aftale, der skal være på plads, når en databehandler behandler personoplysninger for dig.
Eksempel: Aftalen du accepterer, når virksomheden tager et AI-værktøj i brug.
En analyse af, hvilke risici en behandling udgør for personer. Kan være nødvendig, når en behandling sandsynligvis indebærer høj risiko.
Eksempel: Før I tager et AI-værktøj i brug, der vurderer medarbejdere.
AI-værktøjer, medarbejdere bruger i arbejdet, uden at organisationen har godkendt eller kender dem.
Eksempel: En medarbejder bruger sin private AI-konto til kundedata.
Organisationens samlede oversigt over, hvilke AI-systemer der bruges, til hvad, af hvem og med hvilke data.
Eksempel: Et regneark med ét system pr. række og en ansvarlig for hver.
De aftaler, roller, procedurer og dokumenter, der styrer, hvordan organisationen bruger AI.
Eksempel: AI-politik, godkendelsesproces, hændelseslog og årligt review.
Juridisk grundlag og videre læsning
Kun forordningstekst, EU-institutioner og myndigheder. Sidst kontrolleret 2026-09-17. Næste review 2027-03-17.
- Forordning (EU) 2024/1689 om kunstig intelligens (AI-forordningen)EUR-Lex / Den Europæiske Union · Fuld tekst, alle 113 artikler og bilag · kontrolleret 2026-09-17
- Artikel 3 — Definitioner (bl.a. AI-system, udbyder, idriftsætter)EUR-Lex / Den Europæiske Union · Art. 3, nr. 1, 3, 4, 6, 7 og 56 · kontrolleret 2026-09-17
- Artikel 4 — AI-færdigheder (AI literacy)EUR-Lex / Den Europæiske Union · Art. 4, jf. betragtning 20 og art. 113 · kontrolleret 2026-09-17
- Artikel 5 — Forbudte AI-praksisserEUR-Lex / Den Europæiske Union · Art. 5 · kontrolleret 2026-09-17
- Artikel 6 og bilag III — Højrisiko-AI-systemerEUR-Lex / Den Europæiske Union · Art. 6, stk. 1-3, og bilag III · kontrolleret 2026-09-17
- Artikel 26 — Idriftsætteres forpligtelser ved højrisiko-AIEUR-Lex / Den Europæiske Union · Art. 26 · kontrolleret 2026-09-17
- Artikel 50 — Transparensforpligtelser for visse AI-systemerEUR-Lex / Den Europæiske Union · Art. 50, stk. 1-5 · kontrolleret 2026-09-17
- Artikel 113 — Ikrafttræden og anvendelsesdatoerEUR-Lex / Den Europæiske Union · Art. 113, litra a-c · kontrolleret 2026-09-17
- AI Act — officiel sideEuropa-Kommissionen (AI Office) · kontrolleret 2026-09-17
- Living repository of AI literacy practicesEuropa-Kommissionen (AI Office) · kontrolleret 2026-09-17
- Retningslinjer om forbudte AI-praksisserEuropa-Kommissionen · kontrolleret 2026-09-17
- AI-forordningen — vejledning til danske organisationerDigitaliseringsstyrelsen · kontrolleret 2026-09-17
- Kunstig intelligens og databeskyttelseDatatilsynet · kontrolleret 2026-09-17
- Vejledning om konsekvensanalyse (DPIA) og liste over behandlingerDatatilsynet · kontrolleret 2026-09-17
- Forordning (EU) 2016/679 (databeskyttelsesforordningen)EUR-Lex / Den Europæiske Union · Bl.a. art. 5, 6, 9, 22, 28, 32, 35 og kap. V · kontrolleret 2026-09-17
- Retningslinjer og udtalelser om AI og databeskyttelseDet Europæiske Databeskyttelsesråd (EDPB) · kontrolleret 2026-09-17