• Förstå grundläggande AI definitioner och koncept, inklusive hur AI skiljer sig från traditionella verktyg; 

• Formulera AI:s potentiella affärsvärde genom enkla exempel; 

• Utveckla nyfikenhet på AI:s kapaciteter samtidigt som man upprätthåller realistiska förväntningar; 

• Förstå grundläggande AI regelverk och deras relevans för affärsverksamheten; 

• Identifiera vanliga regelefterlevnadskrav och utföra grundläggande kontroller (t.ex. riskbedömningar);

• Prioritera etiska och juridiska överväganden vid AI användning för att skapa förtroende och undvika påföljder;

• Förstå nyckel principer om rättvisa, transparens och integritet vid AI användning.

• Identifiera ansvarsfulla arbetssätt och tillämpa enkla skyddsåtgärder (t.ex. granska utdata, skydda känslig data).

• Värdera ansvarstagande och upprätthålla förtroende för hur AI tillämpas.

Definition:

AI som system som efterliknar mänsklig intelligens för att utföra uppgifter som att känna igen mönster eller göra förutsägelser.

Analogi:

Jämför AI med en receptföljande kock som lär sig av tidigare måltider.

Myter vs. Realiteter:

Myten—AI kommer att ersätta alla jobb.
Realitet—AI förstärker mänskligt arbete och frigör tid för kreativitet (Deloitte "Tech Trends" 2023).

Sjukvård

• Sällskapsrobotar för äldrevård
• Utvinning av medicinska journaler för att ge mer användbar information
• Utforma behandlingsplaner
• Hjälpa till vid repetitiva jobb, inklusive medicinhantering, ge konsultationer
• Använda avatarer istället för patienter för klinisk utbildning

Tung Industr

• Robotar har blivit vanliga i många branscher och får ofta jobb som anses farliga för människor.
• Robotar har visat sig effektiva i mycket repetitiva jobb som kan leda till misstag eller olyckor på grund av koncentrationsbrist och andra jobb som människor kan uppleva som nedsättande.

Finans

• Algoritmisk handel
• Marknadsanalys och datautvinning
• Privatekonomi
• Portföljförvaltning
• Riskbedömning

• Kraftfullare och mer användbara datorer.
• Nya och förbättrade gränssnitt.
• Löser nya problem.
• Bättre hantering av information.
• Lindrar informationsöverflöd.
• Omvandling av information till kunskap.

• Ökade kostnader.
• Svårigheter med mjukvaruutveckling är långsam och dyr.
• Få erfarna programmerare.
• Få praktiska produkter har ännu nått marknaden.

Traditionell systemutveckling förlitar sig på mänskliga problemlösningstalanger och programmeringsfärdigheter.

Maskininlärningsalgoritmer "lär sig” självständigt hur de ska hantera ett specifikt problem genom att använda enorma mängder data och omfattande trial-and-error, vilket ofta leder till unika insikter och övermänskliga färdigheter.

AI Modell

Inmatning

Utdata

Generativ AI är en typ av artificiell intelligens som skapar nytt innehåll (text, bilder, ljud eller video) beroende på vilken information vi matar in.

Termen "generativ" betyder att något skapas eller produceras.

Det är precis vad denna typ av AI gör: den genererar innehåll som efterliknar vad en människa skulle skapa. Den mest välkända generativa AI-tjänsten just nu är ChatGPT, även om det finns många andra (t.ex. Gemini, Grok, Claude, Copilot).

De har alla en sak gemensamt: man kan skriva till dem som i en chatt och få svar i text-, bild- eller ljudformat.

AI-teknologi är inte nytt. Du använder det förmodligen redan i vardagen, utan att tänka på det.

Till exempel, när: 

• Spotify föreslår musik du kanske gillar,
• Google Maps visar dig den snabbaste rutten,
• Din telefon sorterar foton efter personer.

Det nya med generativ AI är att den inte bara analyserar, utan att den skapar. Och det öppnar upp många nya sätt att få hjälp med arbetet!

Hur genererar AI något nytt, och vad behöver du veta för att förstå hur den fungerar i bakgrunden?

Som tidigare nämnts använder ChatGPT och Copilot språkmodeller som har tränats på enorma mängder text, såsom böcker, artiklar och webbsidor. De lär sig att identifiera mönster i hur människor skriver och kommunicerar. När du ställer en fråga försöker AI gissa ett möjligt svar; den har ingen aning om vad som är rätt eller fel.
Se det som världens mest avancerade autokomplettering. En språkmodell, som din mobiltelefon, föreslår nästa ord när du skriver in ett meddelande; men i mycket större skala och med bättre förståelse för sammanhanget.

Kom ihåg!
AI har inte förståelsen som en människa.
Den saknar medvetande, känslor och egna upplevelser.

AI förutspår svar baserat på vad den har sett mest av – inte vad som är sant.
Den återskapar de mönster den har lärt sig är statistiskt sannolika.

AI kan ibland ha fel eller till och med hitta på saker.
Dessa kallas hallucinationer och uppstår när modellen genererar information som inte motsvarar verkligheten.

AI förstår inte orsakssamband eller etik.
Den kan generera texter om dessa ämnen, men har ingen verklig insikt i varför något händer eller vad som är moraliskt rätt. Efter den grundläggande träningen genomgår många modeller en andra fas: människor granskar svaren och lär AI:n vilka svar som är hjälpsamma och ofarliga. Detta fungerar som ett påtvingat säkerhetsfilter, men det är ett inlärt beteende; inte en etisk förståelse.

Det är kanske inte alltid tydligt hur generativ AI kan hjälpa med just din uppgift, men ett smart första steg är att fråga dig själv:

Vad tar upp mycket tid i mitt dagliga liv?
Finns det några uppgifter som är repetitiva, tidskrävande eller svåra att komma igång med?

Då kan AI vara användbar.

Automatisering:

Fasta, regelbaserade processer, t.ex. ett spreadsheet som automatiskt summerar försäljning hos ett SMF.

Artificiell intelligens (AI):

Adaptiv och inlärningsbaserad: Lär sig från data för att hantera variationer, till exempel chatbotar som anpassar sig efter kundernas frågor.

• AI kan hjälpa dig att komma igång när du fastnar.
• AI kan spara tid på uppgifter som annars skulle ta lång tid.
• AI kan ge dig nya perspektiv eller formuleringar.
• Komma ihåg: AI kan inte förstå kontext, känslor eller lokala förhållanden – det är din roll.

Varför reglera?
Regler säkerställer säker användning av AI; för europeiska SMF undviker efterlevnad böter (upp till 4 % av intäkterna enligt GDPR).

Fokus: EU:s AI-lag, GDPR och praktiska steg för småföretag.
- 75 % av SMF uppger att kännedom om regelverk är avgörande för att börja använda tekniken (European Court of Auditors "Special Report" 2024).

• Regleringen av AI varierar avsevärt mellan olika länder och regioner, där vissa jurisdiktioner har tagit mer proaktiva steg än andra. 
• Här är några exempel på aktuella AI-regleringar och initiativ:

Europeiska unionen (EU)

• EU har föreslagit Artificial Intelligence Act (AI-Act), en omfattande regelverk som syftar till att styra utvecklingen och användningen av AI-system inom EU.
• Den föreslagna förordningen kategoriserar AI-system baserat på deras risknivåer och ställer krav på transparens, ansvarsskyldighet och mänsklig tillsyn.
• Dataskyddsförordningen (GDPR) fokuserar inte specifikt på AI, men fastställer dataskyddsprinciper som är tillämpliga på AI-system – särskilt när det gäller behandling av personuppgifter.

USA

• För närvarande (oktober 2025) saknar USA omfattande federala regler som specifikt riktar sig mot Al.
• Dock har olika federala myndigheter, inklusive Federal Trade Commission (FTC) och National Institute of Standards and Technology (NIST), utfärdat vägledande dokument och rapporter om Al-relaterade ämnen såsom rättvisa, transparens och ansvarsskyldighet.
• Vissa delstater, såsom Kalifornien, har antagit lagstiftning som tar upp specifika Al-relaterade frågor, inklusive integritet (t.ex. California Consumer Privacy Act) och automatiserat beslutsfattande (t.ex. Automated Decision Systems Accountability Act).

Kanada

• Kanada har etablerat Pan-Canadian Artificial Intelligence Strategy, ett federalt initiativ som syftar till att främja forskning och innovation inom Al i Kanada.
• Strategin inkluderar investeringar i AI-forskning, talangutveckling och kommersialiseringsinsatser, samt initiativ för att hantera etiska och samhälleliga konsekvenser av Al.

Kina

• Kina har utfärdat riktlinjer och standarder för AI utveckling, med fokus på områden som AI etik, datasäkerhet och branschstandarder.
• Den kinesiska regeringen har också infört regleringsåtgärder för att reglera Al-applikationer inom sektorer som finans, sjukvård och transport.

Internationella organisationer

• Internationella organisationer såsom the Organisation for Economic Co-operation and Development (OECD) and the United Nations (UN) har utvecklat riktlinjer och principer för AI etik och styrning.
• Till exempel, den OECD har utfärdat the OECD Principles on Al, som ger rekommendationer för ansvarsfull utveckling och användning av AI.

• Den General Data Protection Regulation (GDPR) är en lag om integritet och säkerhet som utarbetats och antagits av Europeiska unionen (EU). Den ålägger organisationer överallt skyldigheter.
• Detta går tillbaka till rätten till privatliv, som är en del av Europakonventionen om mänskliga rättigheter från 1950:
  ”Var och en har rätt till respekt för sitt privat- och familjeliv, sitt hem och sin korrespondens.”

Dessutom handlar EU:s dataskyddsförordning (GDPR) helt och hållet om individers integritetsrättigheter:

• Rätten till information
• Rätten till tillgång (registerutdrag)
• Rätten till rättelse
• Rätten till radering (rätten att bli bortglömd)
• Rätten till begränsning av behandling
• Rätten till dataportabilitet (att flytta sin data)
• Rätten att göra invändningar
• Rättigheter vid automatiserat beslutsfattande och profilering

• Europeiska kommissionen har utsett en expertgrupp för att ge råd om dess strategi för artificiell intelligens: Högnivåexpertgruppen för AI.
• Enligt riktlinjerna ska pålitlig AI vara:
• Laglig: med respekt för alla tillämpliga lagar och regler.
• Etisk: att respektera etiska principer och värderingar.
• Robust: både ur ett tekniskt perspektiv samtidigt som man tar hänsyn till dess sociala miljö.

• Mänsklig handlingskraft och tillsyn: AI system bör stärka människor.
• Teknisk robusthet och säkerhet: AI system måste vara motståndskraftiga och säkra.
• Integritet och datastyrning: Mekanismer för datastyrning måste säkerställas.
• Genomskinlighet: data, system och AI affärsmodellerna bör vara transparenta.
• Mångfald, icke-diskriminering och rättvisa: AI system bör vara tillgängliga för alla.
• Samhälleligt och miljömässigt välbefinnande: AI system bör gynna alla människor.
• Redovisningsansvar: säkerställa ansvar och ansvarstagande för AI system och deras resultat.

• The AI Act är ett dokument som föreslagits av Europeiska kommissionen och innehåller flera harmoniserade regler rörande AI applikationer;
• och betonar att dess tillvägagångssätt formas av EU:s värderingar och är riskbaserat, vilket säkerställer både säkerhet och skydd av grundläggande rättigheter.

EU AI Act - Förordning COM/2021/206
Mål:

1. Att tillhandahålla ett enhetligt ramverk för AI-produkter och tjänster som släpps ut på EU-marknaden, även om leverantörerna är baserade utanför unionen.
2. Att säkerställa att AI-system är säkra, tillförlitliga och respekterar grundläggande rättigheter och värderingar.

• Definition av ett Al-systemet: anpassade till OECD; ”ett maskinbaserat system utformat för att köras med en viss grad av autonomi ... som utifrån mottagna indata härleder hur utdata ska genereras...”
• Omfattning: Gäller för leverantörer, användare (deployers), importörer, distributörer och tillverkare av AI-system i alla EU-medlemsstater. Den har en extraterritoriell verkan, på samma sätt som GDPR.
• Regleringsmetod: modellerad efter EU:s produktsäkerhetslagstiftning, med ett riskbaserat tillvägagångssätt. 
  • Skyldigheter ∞ Risknivå

Vad föreslår AI-förordningen?

• Förbud mot oacceptabla AI-metoder (t.ex. social poängsättning)
• Reglering av högrisk-AI-system (t.ex. AI som används i samband med rekrytering)
• Bedömning av överensstämmelse (det vill säga under EU:s ramverk för produktsäkerhet)
• Transparenskrav för potentiellt vilseledande AI-system
• Marknadskontroll i efterhand (det vill säga ett system för uppföljning efter marknadsintroduktion)
• Styrning (det vill säga myndigheter måste utses för tillämpning och genomförande)
• Företräde framför nationella regelverk för AI (det vill säga regleras av EU)
• Övervakning och efterlevnad (det vill säga utförs av medlemsstaterna)
• Efterlevnad av förbud och regulatoriska krav

Oacceptabel risk- AI-system som utgör ett tydligt hot mot människors hälsa, säkerhet och rättigheter kommer att förbjudas.

• Exempel: AI-system som använder subliminala eller vilseledande tekniker i syfte att (eller med effekten att) försämra en persons förmåga att fatta ett välgrundat beslut; system för biometrisk kategorisering; social poängsättning (social scoring) av; biometrisk identifiering i realtid på offentliga platser.

Hög risk- AI-system som anses utgöra en hög risk för människors hälsa, säkerhet och rättigheter kommer att omfattas av strikta skyldigheter.

• Exempel: AI-driven kritisk infrastruktur; användning av AI i säkerhetskomponenter i produkter eller tillhandahållande av väsentliga offentliga och privata tjänster; anställning/rekrytering; utbildning; rättskipning. Fullständig lista finns i Bilaga III.

EU:s AI-förordning – Skyldigheter för högrisk-AI-system

Bedömning av överensstämmelse (Conformity Assessment)
Identifiering och begränsning av risker; transparens och ansvarsskyldighet; mänsklig tillsyn; datakvalitet.

Konsekvensbedömning av grundläggande rättigheter
För användare (deployers) av högrisk-AI som är offentligrättsliga organ eller privata aktörer som tillhandahåller offentliga tjänster.

• AI-systemets avsedda ändamål; varaktighet och frekvens för användningen; individer eller grupper som sannolikt påverkas; specifika risker för skada; åtgärder som ska vidtas för att begränsa sådana skador (inklusive styrning och klagomålsmekanismer).

Observera: En symbios råder mellan de olika aktörerna som identifieras i AI-förordningen.

Utvecklingen av datadrivna AI-applikationer flyttar fram gränserna för hur dessa algoritmer används i våra liv. Denna snabba utveckling har skapat ett behov av etiska, juridiska och tekniska regelverk baserade på specifika principer: ansvarsskyldighet, tolkningsbarhet, rättvisa, säkerhet och integritet.

På europeisk nivå har flera förslag lagts fram för att reglera data och AI-baserade applikationer: EU:s dataskyddsförordning (GDPR), initiativet för tillförlitlig AI och AI-förordningen (AI Act).

Framtida regulatoriska utmaningar kommer att fokusera på AI-systemens inverkan på etik, transparens, rättvisa, säkerhet, sociologi och hållbarhet.

Multidisciplinärt arbete är, nu mer än någonsin, av yttersta vikt och nytta

Översikt över EU:s AI-förordning:

Struktur: Riskbaserad (förbjuden AI: t.ex. social poängsättning; högrisk: t.ex. AI vid anställning; begränsad/minimal risk: t.ex. chatbotar).

Konsekvenser för SMF: Klassificera din AI (de flesta SMF använder AI med minimal risk); krav på transparens för AI med begränsad risk.

Vad du måste göra: Genomför en checklista för riskbedömning; spara användningsloggar (Europeiska kommissionen "AI Act" 2024).

Exempel: Ett SMF som använder AI för kundsupport måste märka den som AI-genererad.

Ramverket: Denna riskstruktur är avgörande för etiska implementeringar, som till exempel chatbotar för tjänster.

Praktiskt exempel: Ett SMF inom detaljhandeln klassificerar sin AI för lagerhantering som minimal risk och loggar användningen för att följa reglerna – vilket sparar tid för tillväxtfokuserade verktyg

Principer: Samtycke, dataminimering (samla endast in nödvändig data), laglig behandling.

Vad du måste göra: Genomför en konsekvensbedömning avseende dataskydd (DPIA) för högrisk-AI; inhämta uttryckligt samtycke (Europeiska dataskyddsstyrelsens ”yttrande” 2024).

Exempel för SMF: Ett tjänsteföretag använder GDPR-kompatibel AI för personalisering av e-post, vilket ökar engagemanget.

Praktiskt exempel: Ett bageri genomför en DPIA för sin AI-baserade kundlojalitetsapp för att säkerställa dataminimering, vilket förbereder verksamheten för etiska kontroller

Skadeståndsansvar (Liability): SMF är ansvariga för skador orsakade av AI (t.ex. felaktiga rekommendationer). Använd leverantörsavtal med tydliga ansvarsklausuler.

Vad du måste göra: Granska verktyg före driftsättning; dokumentera alla beslut (OECD "Governing with AI" 2025).

Tips för SMF: För en liten tillverkare – genomför en granskning (audit) av AI-leverantörer för att säkerställa att de följer regelverken.

Praktiskt exempel: En konsultbyrå inkluderar ansvarsklausuler i sina avtal för AI-programvara som används för klientrapporter. Detta förhindrar tvister och möjliggör expansion till chatbotar för kundtjänst.

Översikt: Internationell standard för ledningssystem för AI (AIMS), med fokus på styrning och riskhantering.

Vad du måste göra: Upprätta en AI-policy; genomför årliga revisioner; utbilda personalen i grunderna (Internationella standardiseringsorganisationen ”ISO/IEC 42001” 2023).

Exempel: Ett småföretag implementerar standarden för sin AI-baserade lagerhantering och vinner därmed kundernas förtroende. Du hittar mer information i vårt digitala AI-arkiv!

Praktiskt exempel: En designbyrå (SMF) tar fram en enkel AI-policy för verktygsanvändning och gör kvartalsvisa revisioner för att certifiera sig. Detta stärker deras samarbeten.

Instruktioner: 

• Klassificera ett potentiellt AI-verktyg (t.ex. en chatbot) för ditt småföretag enligt EU:s AI-förordning.
• Använd en AI-prompt: "Bedöm risknivån för AI-baserad kundsupport i en liten europeisk butik enligt EU:s AI-förordning (AI Act).”
• Lägg till kontroller: Inkludera steg för samtycke enligt GDPR.
• Förfina: Ta fram ett utkast på en efterlevnadsmatris (compliance matrix).

Mål: Prioritera ett juridiskt korrekt förhållningssätt.

Vår förståelse av vad som är rätt och fel, samt de regler som individer och samhället bör följa.

Vad menar vi med "AI-etik"?

AI-etik syftar på de moraliska principer och värderingar som bör vägleda utvecklingen och användningen av artificiella intelligenssystem.

AI-system bör utformas och användas på ett sätt som gynnar samhället och följer etiska principer.

Frågor som rättvisa, transparens, integritet och säkerhet är viktiga etiska överväganden.

AI har potential för enorm påverkan, både positiv och negativ.

AI-system anförtros i allt högre grad beslut med stora konsekvenser som påverkar människors liv och samhället.

AI lär sig från data, vilket kan koda in mänskliga fördomar och förutfattade meningar. Oetiska tillämpningar skulle kunna automatisera eller förvärra orättvisor.

I takt med att AI blir mer kapabel och autonom behöver vi upprätthålla mänskligt ansvarstagande och kontroll.

Etiska frågor kring AI-användning, som intrång i privatlivet eller förlust av arbetstillfällen, kräver noggrant övervägande för att undvika bakslag från allmänheten.

Etik hjälper till att säkerställa att utvecklingen och användningen av AI styrs i en socialt ansvarsfull riktning.

• Ansvarsfull AI är ett ramverk som vägleder oss i hur vi bör hantera utmaningarna kring artificiell intelligens ur både etiska, tekniska och juridiska synvinklar.
• Vi måste reda ut oklarheter kring var ansvaret ligger om något går fel!

Detta ramverk vilar på grundläggande principer:  

• Ansvarsutkrävande (Accountability)
• Tolkningsbarhet (Interpretability)
• Rättvisa (Fairness)
• Säkerhet (Safety)
• Integritet (Privacy)

• AI-modeller lär sig från befintlig data som samlats in från den verkliga världen. Därför kan en i övrigt träffsäker modell lära sig, eller till och med förstärka, problematiska och redan existerande fördomar i datan baserat på känsliga egenskaper.

• För att hantera detta bör vi: 
• Interagera med samhällsvetare och andra relevanta experter för att förstå och ta hänsyn till olika perspektiv
• Överväga hur tekniken och dess utveckling över tid kommer att påverka olika användningsområden (t.ex. vilka resultat eller konsekvensen denna teknik möjliggör)
• Bedöma rättvisa i våra dataset och identifiera hur olika grupper representeras och vilka begränsningar som finns i datan
• Kontrollera systemet för orättvisa partiskheter
• Analysera systemets prestanda med hänsyn till de olika mätvärden

• Säkerhet och trygghet säkerställer att AI-system fungerar som avsett, oavsett hur angripare försöker ingripa.

• Gällande denna fråga bör vi: 
• Överväga incitament: Reflektera över om det finns motiv eller drivkrafter för att få systemet att fungera felaktigt.
• Identifiera oavsiktliga konsekvenser: Identifiera vilka oavsiktliga konsekvenser som skulle uppstå om systemet gör ett misstag, samt bedöma sannolikheten för och allvaret i dessa konsekvenser.
• Bygga en rigorös hotmodell: Skapa en gedigen hotmodell för att förstå alla möjliga angreppsvägar (attackvektorer).
• Utforska antagonistisk maskininlärning (Adversarial ML): Sätta sig in i forskning om antagonistisk maskininlärning, då det fortsätter att erbjuda förbättrad försvarsförmåga och bevisbara garantier.
• Kontrollera leveranskedjan: Undersöka om det finns andra sårbarheter i AI-systemets leveranskedja.

• AI-system måste prioritera och skydda användares integritet och datarättigheter samt ge användarna tydliga garantier om hur deras personuppgifter kommer att användas och skyddas.

• Gällande denna fråga bör vi: 
• Undersöka behovet av känsliga data: Identifiera om AI-modeller kan tränas utan användning av känsliga uppgifter.
• Anonymisera och aggregera data: Använda vedertagna metoder för datatvätt (t.ex. genom att ta bort personidentifierbar information (PII) samt avvikande värden eller metadata som skulle kunna möjliggöra återidentifiering).
• Använda federerat lärande: Träna modeller genom federerat lärande, där en mängd enheter samverkar för att träna en delad global modell baserat på lokalt lagrad träningsdata.
• Genomföra exponeringstester: Utföra tester baserade på "exponeringsmätningar" eller bedömningar av medlemskapsinferens (membership inference) för att uppskatta om modellen oavsiktligt memorerar eller exponerar känsliga data.

Automatisering ses ofta som ett hot mot manuellt arbete. Robotar ersätter fabriksarbetare och bönder, medan självkörande bilar går efter mänskliga förares jobb.

Men Al är också tränad för att utföra mer intellektuella uppgifter såsom översättning, programmering, skrivande, medicinsk diagnostik eller undervisning.

• Vem bär skulden när beslut fattade av AI leder till skada?
• Vad är skillnaderna mellan de regler som bör gälla för etisk AI och de regler som styr vårt eget etiska beteende?
• I vilken utsträckning kan vi ignorera riskerna med AI för att kunna njuta av de fördelar tekniken ger?
• Vad kan vi som medborgare göra för att påverka hur AI används?

Från algoritmiska snedvridningar och integritetsintrång till frågor om ansvarsutkrävande och autonomi – de etiska dimensionerna av AI blir alltmer djupgående och mångfacetterade.

Följande fördjupar sig i det intrikata nät av etiska frågor som omger artificiell intelligens och belyser de avgörande överväganden som ligger till grund för en ansvarsfull utveckling och användning av AI-teknologier.

Integritet: 
AI-teknologier, särskilt inom övervakning och dataanalys, kan kränka individers integritetsrättigheter. Att hitta en balans mellan säkerhet och personlig integritet är avgörande.

Ansvarsutkrävande:
Det är ofta oklart vem som bär ansvaret när AI-system begår fel eller fattar skadliga beslut. Att fastställa juridiska och etiska ramverk för ansvarsutkrävande är en utmaning.

Transparens: 
De inre processerna i vissa AI-algoritmer är ogenomskinliga, vilket gör det svårt att förstå varför de fattar vissa beslut. Denna brist på transparens kan undergräva förtroendet.

Etik inom AI-forskning: 
Etiska överväganden sträcker sig ända till själva forskningen och utvecklingen av AI, inklusive frågor relaterade till datainsamling, experimentering och samarbete.

Etisk anpassning:
AI-forskare och ingenjörer ställs ofta inför dilemman om huruvida de ska anpassa sitt arbete efter etiska principer eller prioritera kommersiella intressen. Att hitta en balans kan vara utmanande.

Immateriella rättigheter och öppen källkod: 
Debatten om öppen källkod kontra proprietär (ägd) AI-teknik väcker etiska frågor om tillgång till och kontroll över AI-innovationer.

Effektivitet: Automatisering, precision, snabbhet och skalbarhet i processer innebär lägre kostnader och en överlag bättre tjänst.

Prediktion (Förutsägelse): Kraften i maskininlärning kan utnyttjas för att generera nya insikter och förutsägelser.

Intelligens: Datautvinning (data-mining) kan leda till kunskap som kan delas med andra myndigheter eller användas i gemensamma insatser med polisen.

Rättvisa: Människor är ökända för att vara dåliga på att fatta rättvisa beslut. Vi är ofta fördomsfulla, inkonsekventa och gör ofta bedömningar som påverkas av våra personliga känslor. Ett väldesignat AI-system kan mycket väl leda till ökad rättvisa i beslutsprocesser.

I den här delen ska vi gå igenom vad som gäller när du jobbar med AI – vad du får göra och vad du bör låta bli.

Allt fler vill använda AI-tjänster som Copilot, ChatGPT eller andra textbaserade verktyg i sitt arbete. 

Det är positivt, men det är viktigt att ha koll på vad man får och inte får göra.

Du får INTE klistra in konfidentiell information, personuppgifter eller känslig information i externa AI-tjänster. 

Detta gäller även om det bara känns som ett "utkast" eller om du använder en AI-tjänst via webbläsaren på din arbetsdator.  

Varför?
AI-tjänster finns ofta i andra länder, och vi vet inte exakt hur data hanteras eller lagras, till exempel. 
Informationen kan hamna utanför vår kontroll – och det får inte hända!

Externa AI-tjänster är sådana som levereras av externa aktörer och som företaget självt inte hanterar eller har full kontroll över. 
Exempel på detta är chattverktyg på webben eller AI-tjänster från kommersiella plattformar. 
Dessa finns ofta i andra länder, och vi vet inte exakt hur datan hanteras.

Och interna AI-lösningar?
Detta är AI-system som företaget självt ansvarar för, eller som levereras via företagets egna IT-miljöer där man har kontroll över både dataskydd och lagring.

• Här kan AI till exempel göra det lättare för personalen att hitta information, såsom checklistor och rutiner. 
• AI kan också förenkla texter eller översätta dem till andra språk. Det ger personalen mer utrymme att vara nära användaren, samtidigt som risken för avvikelser minskar.
• Att jobba med AI är också en fantastisk möjlighet att utforska nya områden och lära sig mer. AI kan ge inspiration, nya perspektiv och hjälpa dig att snabbt få en överblick över ämnen som du är nyfiken på.
• Så använd AI både som ett stöd där du redan känner dig trygg – och som ett verktyg för att växa. Det bästa av två världar!

Fallstudie1: AI inom hälso- och sjukvården: 

Integreringen av artificiell intelligens (AI) i vården har inneburit ett stort skifte i hur vi ser på medicinsk diagnos, behandling och patientvård. Men även om AI erbjuder många fördelar, väcker användningen inom dessa kritiska områden också betydande etiska frågor. Dessa måste noga övervägas för att säkerställa att tekniken verkligen tjänar patienternas bästa.

Fallstudie2: AI i självkörande fordon:

Självkörande fordon representerar en banbrytande innovation inom transport som lovar att minska trafikolyckor, förbättra trafiksäkerheten och revolutionera vårt sätt att resa. Samtidigt innebär införandet av självkörande fordon svåra etiska dilemman, särskilt i situationer där fordonet måste fatta beslut som handlar om liv och död. Till skillnad från mänskliga förare.

Mångfald är nyckeln

1. Mångfald i teamets bakgrund (för att undvika "grupptänk")
2. Mångfald i tankesätt (personlighetstester)
3. Mångfald i data
4. Mångfald av algoritmiska modeller
    

Principer: Anonymisera data där det är möjligt och begränsa åtkomsten.

SMF-exempel: Kryptera och säkra kunddata i AI-verktyg, till exempel med AI-chattbotar.

Skyddsåtgärder: Implementera grundläggande kryptering och använd samtyckesformulär. 

Kom ihåg: Säkra datametoder möjliggör prediktiv analys utan intrång. 

Kommunikation:

Informera anställda och kunder om AI-användning (t.ex. märkning som "AI-genererat svar/bild").

Dokumentation:

Spara loggar över AI-beslut för framtida granskningar.

Ansvarsutkrävande:

Tillsätt tydliga roller för AI-tillsyn i verksamheten.

Människans roll: AI som ett verktyg, inte som ersättning—t.ex. genom att använda AI för rutinuppgifter för att frigöra tid för kreativitet.

Etiskt beslutsfattande: Ramverk för när AI ska åsidosättas (t.ex. i etiska dilemman).

Bygga Förtroende: Utbilda personalen i AI-etik för att bygga intern förtroende och trygghet.

SMF: En butik använder AI för lagerhållning, men låter människor fatta besluten.

Praktiskt exempel: Ett café-SMF utbildar personalen att åsidosätta AI-förslag vid kundtvister, för att på så sätt bevara relationer och öka kundnöjdheten.

Instruktioner: 

• Fundera över var AI-bias (fördomar i algoritmer) skulle kunna uppstå i ditt företag (t.ex. vid kundsegmentering).
• Beskriv problemet (5–10 meningar).
• Föreslå 3 åtgärder som inkluderar mänsklig tillsyn.
• Exempel: "AI-annonser riktas bara till en yngre målgrupp – åtgärda detta genom att använda mer varierad data."

Mål: Att värdesätta ansvarsutkrävande.
Praktiskt exempel: Ett SMF beskriver hur AI vid rekrytering kan vara partisk. De åtgärdar detta genom att använda mer varierad träningsdata och mänskliga granskningar, vilket beräknas leda till mer rättvisa resultat.

AI är förstärknin

Det är ett strategiskt verktyg som avlastar team från repetitiva uppgifter, vilket driver effektivitet och innovation hos SMF.

Etik är styrnin

Principer som rättvisa, transparens och ansvarsutkrävande är inte valfria; De är kärnan i regelefterlevnad och pålitligt marknadsengagemang.

Reglering är riskbasera

EU:s regelverk (GDPR och AI-förordningen) kräver proportionerlig efterlevnad. SMF måste klassificera risknivån för sina AI-verktyg.

Nyckeln till framgån

Börja smått, prioritera etiken!
Kom ihåg: AI förstärker, det inte ersätter!
Identifiera en uppgift med låg risk men högt värde och automatisera den med ett AI-verktyg för att testa dig fram.