Hvorfor virksomheder skal følge en værdibaseret tilgang til AI-styring

I september 2025 samledes alle FN’s medlemsstater for første gang for at diskutere international AI-styring; mange var repræsenteret igen i februar på Delhi’s AI Impact Summit. Begivenheden ledte til oprettelsen af to nye organer centreret om AI-styring; men det var, på bedste vis, en symbolsk succes.

FN’s nye mekanismer var designede til at sikre konsensus: de undgår omstridte områder som militær brug af AI, og mangler klare kilder til finansiering og gennemførelse. Dette burde ikke komme som en overraskelse for erfarne observatører. I dag mangler FN evnen til at handle hurtigt eller sikre universel overholdelse af deres beslutninger, hvilket gør det til en svær platform for at fremme reel forandring.

Dette passer med en velkendt mønster. Trods år med spredte forsøg på at opbygge konsensus om AI-reguleringer, har der ikke været nogen væsentlige internationale aftaler, hvilket har skabt et tomrum, hvor enkeltlande og blokke er blevet tvunget til at udvikle deres egne regler. Dog er en effektiv AI-styring afgørende, hvis vi ønsker at se det bredt anvendt, tillid til offentligheden og brugt på måder, der leverer varig social og økonomisk fordel

Lav do og reparer

For globale virksomheder, der bygger og opererer AI-systemer, er dette mangel på fælles, accepterede styringsmekanismer problematisk. De ønsker at udrulle AI-systemer over hele verden, men ingen to jurisdiktioner følger samme sæt regler. Så de er tvunget til at opbygge en generisk styringsramme omkring deres system og derefter genopbygge det fra bunden i hvert land, de opererer i, for at sikre overholdelse af lokale love og reguleringer. Denne tilgang skaber en enorm mængde ekstra arbejde, gør AI-initiativer mere kostbare og udsatte for forsinkelser og svækker globalt firmaers evne til at realisere økonomiske skalafordele og dele effektive værktøjer med brugere overalt.

Der er dog en alternativ. For virksomheder, der søger at strømline deres tilgang, kan den bedste mulighed være at opbygge en AI-styringsramme, der tager hensyn til fælles etiske principper på tværs af disse forskellige regioner, sikrer, at de opfylder høje standarder overalt i forhold til at beskytte enkeltpersoners frihed, privatliv og sikkerhed. Denne teknik repræsenterer en kraftfuld måde for AI-virksomheder at øge offentlighedens tillid til deres teknologi, at styrke deres kundebase og at udnytte AI’s potentielle fordele til samfundet.

Seks nøgleværdier for AI-styring

For enhver organisation, der er interesseret i at antage en værdibaseret tilgang til AI-styring, ville jeg foreslå at bruge de seks nøgleværdier, vi følger: ansvarlighed, forklarbarhed, gennemsigtighed, retfærdighed, sikkerhed og kontestabilitet.

Vi valgte disse værdier, fordi de dækker alle større områder af AI-systemets livscyklus og fordi de allerede er kodificeret i forskellige internationale og nationale standarder relateret til AI, såsom Den Internationale Standardiseringsorganisationens ISO/IEC 42001 og Artificial Intelligence Playbook for the UK Government.

Til at starte med, ansvarlighed betyder at vide, hvem der er ansvarlig for hvad på hvert trin af AI-livscyklussen. Uden klart ejerskab kan afgørende kontroller udelades, fordi ingen enkelt person eller hold har den endelige ansvar. Organisationer bør tildele senior, navngivne ejere – såsom deres Chief AI Officer – til AI-systemer og nøglefaser og bruge en risikobaseret styringsmodel, hvor de anvender samme skærpede kontrol til tredjeparts-værktøjer som til de, der er udviklet internt. Dette indebærer at forstå leverandørernes vilkår, begrænsninger og ansvar lige så godt som de forstår deres egne systemer.

Organisationen for Økonomisk Samarbejde og Udvikling (OECD) fanger dette godt i deres vejledning om at fremme ansvarlighed i AI, som anbefaler, at organisationer opretter “mekanismer til at integrere AI-risikostyringsprocessen i den bredere organisationsstyring, fremmende en kultur af risikostyring både inden for organisationer og på tværs af hele AI-værdikæden.”

Dernæst er forklarbarhed. Organisationer bør være i stand til at vise, hvordan et AI-system når en beslutning. Det kræver mekanismer til at dokumentere og spore beslutningsprocesser, sammen med klare optegnelser over systemdesign, træningsdata og beslutningsprocesser. Taget sammen tillader hold at forstå afstamningen af information fra et systems oprettelse til udrulning.

Rettfærdighed fokuserer på at sikre, at AI-systemer producerer retfærdige resultater og ikke gentager eller forstærker eksisterende fordomme. Uden bevidste kontroller kan systemer forårsage skade ved at levere skæve resultater – et særligt problem i høj-impact-områder såsom rekruttering, sundhedspleje og straffesager. For at afhjælpe dette bør organisationer implementere bias-detectionsforanstaltninger, gennemgå uddata regelmæssigt på tværs af relevante grupper og designe styringsrammer, der kan tilpasse lokale non-diskriminationskrav. I praksis indebærer dette at opbygge systemer, der opfylder den højeste lovmæssige standard, de sandsynligvis vil møde, herunder forpligtelser under love såsom Storbritanniens Ligebehandlingslov 2010 og EU’s Charter om Grundlæggende Rettigheder.

Gennemsigtighed handler om at bringe klarhed til både brugere og regulatører. Folk bør forstå, når AI anvendes, hvilken rol det spiller i beslutningsprocesser og hvilke data, der ligger til grund for det. En praktisk udgangspunkt er at standardisere dokumentation på tværs af AI-systemer, understøttet af interne værktøjer såsom modelkort: korte dokumenter, der følger med maskinlæringsmodeller, der forklarer konteksten, hvori modellerne er tiltænkt at blive brugt, detaljer om performancesevalueringsproceduren og andre relevante oplysninger. Uden gennemsigtighed kan brugere ikke udfordre uretfærdige resultater, regulatører kan ikke gribe ind effektivt, og skadelige virkninger kan blive fejet under gulvtæppet.

Sikkerhed indebærer at beskytte AI-systemer mod unøjagtig adgang, manipulation eller uventet adfærd. Hvis sikkerheden er svag, kan AI-systemer udsætte organisationer, brugere og deres data for risiko, eksponere dem for finansielle og reputationsmæssige skader. Organisationer bør definere performances- og nøjagtighedstrin, stressteste systemer under realistiske betingelser og inkorporere red-team-testning for at identificere sårbarheder.

Til sidst sikrer kontestabilitet, at folk har en klar og tilgængelig måde at udfordre eller anke AI-drevne beslutninger på. Uden det har berørte brugere ingen mulighed for at få problemerne løst. Organisationer bør tilbyde rapporteringskanaler ved brugsstedet, tildele senior ejere til at håndtere klager og sikre, at systemer kan pauses, gennemgås eller opdateres, hvis nødvendigt.

Hvad er fordelene ved en værdibaseret ramme?

Der er to kraftfulde grunde til at antage denne værdibaserede tilgang til AI-styring. Først og fremmest, fordi de, der bygger og udruller AI-systemer, har en etisk ansvarlighed over for de personer og organisationer, der påvirkes af dem; og fordi dette er en mere effektiv måde at realisere AI’s lovede fordele i praksis.

Brugere af AI-systemer, både virksomheder og enkeltpersoner, placerer implicit tillid til deres skabere til ikke at misbruge personlige data eller udsætte dem for unødvendig risiko. Når organisationer bryder denne tillid, bliver det meget svært for dem at fastholde disse brugere. Til sidst, medmindre folk stoler på AI-systemer og kan se de klare fordele, de leverer, vil de ikke gå med til deres indførelse. Dette vil føre til mere social og økonomisk splittelse, og vi vil gå glip af mange af mulighederne, som denne teknologi præsenterer.

På den anden side kan virksomheder, der anvender en værdibaseret ramme overalt – herunder i regioner med mere afslappede styringskrav – demonstrere for kunder, investorer og regulatører, at de holder sig til en højere standard end grundlæggende overholdelse kræver. Dette opbygger tillid, engagement og til sidst forretnings succes.

Stærk AI-styring er en værdiskaber, ikke en overholdelsesbyrde. Den ermögiller virksomheder at bringe nye produkter på markedet hurtigere, reducere deres risikoeksponering og skala deres løsninger på tværs af multiple markeder med tillid.

McKinseys ‘AI-tilstanden‘-rapport fandt, at “en CEOs oversigt over AI-styring… er et element, der mest korrelerer med højere selvrapporteret bundlinjeindvirkning fra en organisations generel AI-brug,” underlininger de kommercielle fordele ved denne tilgang. I denne henseende repræsenterer opbygning af stærke etiske rammer i AI-systemer oplyst selvinteresse.

Udenfor dette er det blot det rigtige at gøre. Vi har bygget vores globale etiske AI-politik omkring samme princip: at avancerede teknologier må tjene mennesker og samfund, ikke omvendt. Dette afspejler den bredere vision for Samfund 5.0: en menneskecentreret model for innovation, der søger at kombinere økonomisk fremgang med løsningen af sociale udfordringer.

Hvis fremtidige teknologier som AI skal fremme et lykkeligere, mere harmonisk samfund, må de bygges på stærke etiske grundlag. Det starter med at fokusere ikke kun på de standarder, organisationer er pålagt at opfylde, men også de standarder, de gerne vil opnå.