Tankeledare

Varför företag bör arbeta värdebaserat med AI-styrning

Isabella Grandi
Lägg till Unite.AI bland dina föredragna källor på Google
Viktiga punkterEtt värdebaserat ramverk för AI-styrning gör att företag kan verka globalt utan att…
Visa mer
  • Ett värdebaserat ramverk för AI-styrning gör att företag kan verka globalt utan att behöva bygga om system för varje jurisdiktion.
  • Genom att anta sex nyckelvärden som ansvarsskyldighet och rättvisa byggs allmänhetens förtroende upp och de högsta etiska standarderna uppfylls.
  • Robust AI-styrning skapar affärsvärde genom att möjliggöra snabbare marknadsinträde och minska risker över flera regioner.

I september 2025 samlades för första gången alla FN:s medlemsstater för att diskutera internationell AI-styrning. Många var representerade igen i februari vid AI Impact Summit i Delhi. Evenemanget ledde till att två nya organ med fokus på AI-styrning inrättades, men var i bästa fall en symbolisk framgång.

FN:s nya mekanismer utformades för att skapa samförstånd. De undviker därför omstridda områden, som militära användningar av AI, och saknar tydliga finansieringskällor och befogenheter att genomdriva beslut. Det bör inte förvåna erfarna bedömare. Dagens FN kan varken agera snabbt eller säkerställa att alla följer organisationens beslut, vilket gör det svårt att åstadkomma verklig förändring inom detta forum.

Detta följer ett välkänt mönster. Trots åratal av spridda försök att nå samförstånd om AI-reglering har inga betydande internationella överenskommelser kommit till stånd. Det har skapat ett tomrum där enskilda länder och block har tvingats utforma egna regler. Samtidigt är effektiv AI-styrning avgörande om vi vill att AI ska användas brett, åtnjuta allmänhetens förtroende och ge bestående sociala och ekonomiska fördelar

Att lappa och laga

För globala företag som utvecklar och driver AI-system är avsaknaden av gemensamma, överenskomna styrningsmekanismer ett problem. De vill införa AI-system över hela världen, men inga två jurisdiktioner följer samma regelverk. Företagen tvingas därför skapa ett generellt styrningsramverk för sitt system och sedan bygga om det från grunden i varje land där de verkar, så att det uppfyller lokala lagar och regler. Detta skapar en enorm mängd extraarbete, gör AI-satsningar dyrare och mer utsatta för förseningar samt försvagar globala företags möjligheter att uppnå stordriftsfördelar och erbjuda effektiva verktyg till användare överallt.

Det finns dock ett alternativ. För företag som vill förenkla sitt arbetssätt kan det bästa alternativet vara ett ramverk för AI-styrning som tar hänsyn till gemensamma etiska principer i dessa olika regioner och säkerställer en hög skyddsnivå för individers frihet, integritet och säkerhet överallt. Detta är ett verkningsfullt sätt för AI-företag att stärka allmänhetens förtroende för tekniken, bredda sin kundbas och ta till vara AI:s möjliga samhällsnytta.

Sex centrala värden för AI-styrning

För organisationer som vill arbeta värdebaserat med AI-styrning föreslår jag de sex centrala värden som vi följer: ansvarsskyldighet, förklarbarhet, transparens, rättvisa, säkerhet och möjlighet att ifrågasätta och överklaga beslut.

Vi valde dessa värden eftersom de omfattar alla viktiga delar av ett AI-systems livscykel och redan har kodifierats i flera internationella och nationella AI-standarder, till exempel Internationella standardiseringsorganisationens ISO/IEC 42001 och den brittiska regeringens AI-handbok.

Ansvarsskyldighet innebär till att börja med att veta vem som ansvarar för vad i varje skede av AI-systemets livscykel. Utan tydlig ansvarsfördelning kan viktiga kontroller utebli eftersom ingen person eller grupp har det yttersta ansvaret. Organisationer bör utse namngivna personer i ledande ställning, exempelvis sin AI-chef, med ansvar för AI-system och viktiga steg i livscykeln. De bör använda en riskbaserad styrningsmodell och granska tredjepartsverktyg lika noggrant som internt utvecklade verktyg. Det innebär att förstå leverantörernas villkor, begränsningar och juridiska ansvar lika väl som de egna systemen.

Organisationen för ekonomiskt samarbete och utveckling, OECD, fångar detta väl i sin vägledning om stärkt ansvarsskyldighet inom AI, som rekommenderar att organisationer skapar ”mekanismer för att integrera processen för hantering av AI-risker i den övergripande organisationsstyrningen och främja en riskhanteringskultur både inom organisationer och genom hela AI-värdekedjan”.

Därefter kommer förklarbarhet. Organisationer bör kunna visa hur ett AI-system fattar ett beslut. Det kräver mekanismer för att dokumentera och spåra beslutsfattandet samt tydliga uppgifter om systemets utformning, träningsdata och beslutsprocesser. Tillsammans gör detta det möjligt för team att följa informationens ursprung och väg från systemets tillkomst till driftsättningen.

Rättvisa handlar om att säkerställa att AI-system ger rättvisa utfall och inte återskapar eller förstärker befintliga snedvridningar. Utan medvetna kontroller kan systemen orsaka skada genom snedvridna resultat, särskilt inom områden med stor påverkan som rekrytering, hälso- och sjukvård och straffrätt. För att motverka detta bör organisationer införa åtgärder för att upptäcka snedvridningar, regelbundet granska utfall för relevanta grupper och utforma styrningsramverk som kan hantera lokala krav på icke-diskriminering. I praktiken innebär det att bygga system som uppfyller de strängaste rättsliga krav de sannolikt kommer att möta, inklusive skyldigheter enligt exempelvis den brittiska Equality Act 2010 och EU:s stadga om de grundläggande rättigheterna.

Transparens handlar om tydlighet för både användare och tillsynsmyndigheter. Människor bör förstå när AI används, vilken roll den har i beslutsfattandet och vilka data den bygger på. En praktisk utgångspunkt är att standardisera dokumentationen för AI-system, med stöd av interna verktyg som modellkort. Det är korta dokument som följer med maskininlärningsmodeller och beskriver det avsedda användningssammanhanget, detaljer om hur prestandan utvärderas och annan relevant information. Utan transparens kan användare inte ifrågasätta orättvisa utfall, tillsynsmyndigheter kan inte ingripa effektivt och skadliga effekter kan sopas under mattan.

Säkerhet innebär att skydda AI-system mot obehörig åtkomst, manipulation och oavsiktligt beteende. Bristande säkerhet kan utsätta organisationer, användare och deras data för risker med ekonomiska skador och anseendeskador som följd. Organisationer bör fastställa tröskelvärden för prestanda och träffsäkerhet, stresstesta systemen under realistiska förhållanden och använda säkerhetstester där ett red team söker efter sårbarheter.

Slutligen innebär möjligheten att ifrågasätta beslut att människor har ett tydligt och lättillgängligt sätt att bestrida eller överklaga AI-baserade beslut. Utan detta saknar berörda användare möjlighet till rättelse, och problem kanske aldrig kommer fram eller blir lösta. Organisationer bör erbjuda rapporteringskanaler där systemen används, utse personer i ledande ställning som ansvarar för klagomål och säkerställa att systemen kan pausas, granskas eller uppdateras vid behov.

Vilka fördelar ger ett värdebaserat ramverk?

Det finns två starka skäl att arbeta värdebaserat med AI-styrning. För det första har de som utvecklar och inför AI-system ett etiskt ansvar gentemot de människor och organisationer som påverkas av systemen. För det andra är detta ett effektivare sätt att förverkliga AI:s utlovade fördelar i praktiken.

Användare av AI-system, både företag och privatpersoner, har ett underförstått förtroende för att utvecklarna inte missbrukar personuppgifter eller utsätter dem för onödiga risker. När organisationer sviker detta förtroende blir det mycket svårt att behålla användarna. I slutändan accepterar människor inte att systemen införs om de inte både litar på dem och ser de tydliga fördelar de ger. Följden blir större sociala och ekonomiska klyftor, och många av de möjligheter tekniken erbjuder går förlorade.

Företag som däremot tillämpar ett värdebaserat ramverk överallt, även i regioner med mindre stränga styrningskrav, kan visa kunder, investerare och tillsynsmyndigheter att de ställer högre krav på sig själva än vad grundläggande regelefterlevnad kräver. Det bygger förtroende och engagemang och leder i förlängningen till affärsmässig framgång.

God AI-styrning skapar värde och är ingen börda för regelefterlevnaden. Den gör det möjligt att snabbare lansera nya produkter, minska riskexponeringen och med tillförsikt skala upp lösningar på flera marknader.

McKinseys rapport ”The state of AI” visade att ”VD:ns tillsyn över AI-styrningen … är en av de faktorer som har starkast samband med ett högre självrapporterat resultatbidrag från organisationens användning av generativ AI”, vilket understryker de affärsmässiga fördelarna med detta arbetssätt. Att bygga in starka etiska ramverk i AI-system är i den meningen ett uttryck för upplyst egenintresse.

Utöver allt detta är det helt enkelt det rätta att göra. Vi har byggt vår globala policy för etisk AI kring samma princip: avancerad teknik ska tjäna människor och samhälle, inte tvärtom. Detta speglar den bredare visionen om Samhälle 5.0, en människocentrerad innovationsmodell som vill förena ekonomiska framsteg med lösningar på samhällsutmaningar.

Om ny teknik som AI ska bidra till ett lyckligare och mer harmoniskt samhälle måste den vila på starka etiska grunder. Det börjar med att fokusera både på de standarder organisationer måste uppfylla och på de standarder de vill nå.

Isabella Grandi är direktör för strategi, styrning och etik inom data och AI på NTT DATA UK&I. Hon samarbetar med organisationer för att utforma och införa ansvarsfull AI och AI-styrning som hjälper dem att gå från sitt nuvarande läge till en mer mogen, datadriven verksamhetsmodell.

Hennes arbete fokuserar på att integrera etiska arbetssätt och robust hantering av AI-risker i hur organisationer utformar och inför AI, så att ansvarsfull användning blir en del av beslutsstrukturerna och den dagliga verksamheten.