Hvorfor selskaper bør følge en verdi-basert tilnærming til AI-styring

I september 2025 samlet alle medlemslandene i De forente nasjoner seg for første gang for å diskutere internasjonal AI-styring; mange var representert igjen i februar på Delhi’s AI Impact Summit. Arrangementet ledet til lanseringen av to nye organer sentrert på AI-styring; men det var, på beste måte, en symbolsk suksess.

FNs nye mekanismer var designet for å sikre konsensus: de unngår omstridte områder som militær bruk av AI, og mangler klare kilder for finansiering og gjennomføringsmyndighet. Dette burde ikke overraske erfarne observatører. I dag mangler FN evnen til å handle raskt eller sikre universell overholdelse av sine beslutninger, noe som gjør det til en vanskelig arena for å fremme virkelig endring.

Dette passer en vel etablert mønster. Til tross for årevis med spredte forsøk på å bygge konsensus om AI-reguleringer, har det ikke vært noen betydelige internasjonale avtaler, noe som har skapt et tomrom som enkeltland og blokker har blitt tvunget til å utvikle sine egne regler. Likevel er effektiv AI-styring avgjørende hvis vi ønsker å se den bli vidt akseptert, stole på av allmennheten og brukt på måter som leverer varig sosial og økonomisk nytte

Gjør det beste ut av det du har

For globale selskaper som bygger og opererer AI-systemer, er mangelen på felles, avtalt styringsmekanismer problematisk. De ønsker å distribuere AI-systemer over hele verden, men ingen to jurisdiksjoner følger samme sett med regler. Så de er tvunget til å lage en generisk styringsramme rundt systemet sitt, og deretter bygge det opp fra grunnen i hvert land de opererer i for å sikre at det overholder lokale lover og reguleringer. Denne tilnærmingen skaper en enorm mengde ekstra arbeid, gjør AI-initiativer mer kostbare og utsatte for forsinkelser, og svekker globalt firmaers evne til å realisere skalamessige fordeler og dele effektive verktøy med brukere overalt.

Det finnes imidlertid en alternativ. For selskaper som ønsker å strømlinje sin tilnærming, kan den beste muligheten være å bygge en AI-styringsramme som tar hensyn til felles etiske prinsipper på tvers av disse ulike regionene, og sikre at de møter høye standarder overalt i forhold til å beskytte enkeltpersoners frihet, personvern og sikkerhet. Denne teknikken representerer en kraftfull måte for AI-bedrifter å øke allmennhetens tillit til teknologien deres, å styrke kundebasen sin og å utnytte AI-s potential til å fremme samfunnets nytte.

Seks nøkkelverdier for AI-styring

For enhver organisasjon som er interessert i å adoptere en verdi-basert tilnærming til AI-styring, ville jeg foreslå å bruke de seks nøkkelverdiene vi følger: ansvar, forklarbarhet, gjennomsiktighet, rettferdighet, sikkerhet og bestridbarhet.

Vi valgte disse verdiene fordi de dekker alle viktige områder av AI-systemets livssyklus og fordi de allerede er kodifisert i ulike internasjonale og nasjonale standarder relatert til AI, som International Organization for Standardization’s ISO/IEC 42001 og Artificial Intelligence Playbook for the UK Government.

For å begynne med, ansvar betyr å vite hvem som er ansvarlig for hva på hver enkelt fase av AI-livssyklusen. Uten klart eierskap, kan viktige kontroller bli utelatt fordi ingen enkelt person eller team har ultimate ansvar. Organisasjoner bør tildele senior, navngitte eiere – som deres Chief AI Officer – til AI-systemer og nøkkelstadier og bruke en risikobasert styringsmodell, og anvende samme granskning på tredjepartsverktøy som på de som er utviklet internt. Dette betyr å forstå leverandører, begrensninger og ansvar like godt som de forstår sine egne systemer.

Organisasjonen for økonomisk samarbeid og utvikling (OECD) fanger dette godt i sin veiledning om å fremme ansvar i AI, som anbefaler at organisasjoner oppretter “mekanismer for å innlemme AI-risikostyringsprosessen i bredere organisatorisk styring, og fremme en kultur for risikostyring både innen organisasjoner og på hele AI-verdi-kjeden.”

Neste er forklarbarhet. Organisasjoner bør kunne vise hvordan et AI-system når en beslutning. Det krever mekanismer for å dokumentere og spore beslutningsprosesser, sammen med klare opplysninger om systemdesign, treningdata og beslutningsprosesser. Tatt sammen, tillater dette at teamene forstår opphavet til informasjon fra et systems opphav til distribusjon.

Rettferdighet fokuserer på å sikre at AI-systemer produserer likeverdige resultater og ikke replikerer eller forsterker eksisterende fordommer. Uten bevisste kontroller, kan systemer skade ved å levere skjeve resultater – et spesielt problem i høy-impakt-områder som rekruttering, helse og strafferett. For å mildne dette, bør organisasjoner implementere bias-dettektions-målinger, gjennomgå utdata regelmessig på relevante grupper, og designe styringsrammer som kan omfatte lokale ikke-diskrimineringskrav. I praksis betyr dette å bygge systemer som møter den høyeste lovmessige standard de sannsynligvis vil møte, inkludert forpliktelser under lover som Storbritannias Equality Act 2010 og EUs grunnlov.

Gjennomsiktighet handler om å bringe klarhet både til brukere og regulatorene. Folk bør forstå når AI brukes, hva rolle det spiller i beslutningsprosessen, og hva data som ligger til grunn for det. En praktisk utgangspunkt er å standardisere dokumentasjon på tvers av AI-systemer, støttet av interne verktøy som modell-kort: korte dokumenter som følger med maskinlæringsmodeller som forklarer konteksten de er ment å brukes i, detaljer om ytelsesevaluering-prosedyrer og andre relevante opplysninger. Uten gjennomsiktighet, kan brukerne ikke bestride urettferdige resultater, regulatorene kan ikke gripe inn effektivt, og skadelige virkninger kan bli feiet under teppet.

Sikkerhet handler om å beskytte AI-systemer mot uautorisert tilgang, manipulering eller uventet atferd. Hvis sikkerheten er svak, kan AI-systemer utsette organisasjoner, brukere og deres data for risiko, og eksponere dem for finansiell og omdømmesskade. Organisasjoner bør definere ytelses- og nøyaktighetsgrenser, stressteste systemer under realistiske forhold, og inkorporere rød-lag-testning for å identifisere sårbarheter.

Til slutt sikrer bestridbarhet at folk har en klar og tilgjengelig måte å utfordre eller anke AI-drevne beslutninger. Uten det, har berørte brukere ingen mulighet til å få problemer løst. Organisasjoner bør tilby rapporteringskanaler ved brukspunktet, tildele senior eiere til å håndtere klager, og sikre at systemer kan pauses, gjennomgås eller oppdateres når det er nødvendig.

Hva er fordelene med en verdi-basert ramme?

Det finnes to kraftfulle grunner for å adoptere denne verdi-baserte tilnærmingen til AI-styring. Først og fremst fordi de som bygger og distribuerer AI-systemer har en etisk forpliktelse til folk og organisasjoner som påvirkes av dem; og fordi dette er en mer effektiv måte å realisere AI-s forventede fordeler i praksis.

Brukerne av AI-systemer, både korporative og enkelt, plasserer implisitt tillit til skaperne deres ikke å misbruke personlige data eller utsette dem for unødvendig risiko. Når organisasjoner bryter denne tilliten, blir det svært vanskelig for dem å beholde disse brukerne. Til slutt, med mindre folk stoler på AI-systemer, og kan se de klare fordeler de leverer, vil de ikke gå med på å introdusere dem. Dette vil føre til mer sosial og økonomisk splittelse, og vi vil gå glipp av mange av mulighetene som denne teknologien presenterer.

På den andre siden, kan selskaper som anvender en verdi-basert ramme overalt – inkludert i regioner med mer avslappede styringskrav – demonstrere til kunder, investorer og regulatorene at de holder seg til en høyere standard enn hva som bare er nødvendig for å overholde loven. Dette bygger tillit, engasjement og, til slutt, forretnings-suksess.

Sterk AI-styring er en verdi-creator, ikke en overholdelsesbyrde. Den muliggjør at bedrifter kan bringe nye produkter til markedet raskere, redusere risiko-exponeringen og skalerer løsningene sine over flere markeder med tillit.

McKinseys rapport “Tilstanden til AI” fant ut at “en CEO’s tilsyn med AI-styring… er ett element som er mest korrelert med høyere selv-rapportert bottom-line-påvirkning fra en organisasjons generelle AI-bruk,” underlining den kommersielle fordelen av en slik tilnærming. I denne sammenhengen representerer bygging av sterke etiske rammer i AI-systemer opplyst selvinteresse.

Forbi alt dette, er det enkelt og rettferdig å si at det er det riktige å gjøre. Vi har bygget vår globale etiske AI-politikk rundt samme prinsipp: at avanserte teknologier må tjene mennesker og samfunn, ikke motsatt. Dette reflekterer den videre visjonen av Samfunn 5.0: en menneskesentrert innovasjonsmodell som søker å kombinere økonomisk fremgang med løsningen av sosiale utfordringer.

Hvis fremvoksende teknologier som AI skal fremme et lykkeligere, mer harmonisk samfunn, må de bygges på sterke etiske grunnlag. Det begynner med å fokusere ikke bare på standardene organisasjoner er pålagt å møte, men også standardene de ønsker å oppnå.