När företag snubblar över EU:s AI-lag är det oftast inte den smarta AI-modellen som får dem att falla – det är pappersarbetet bakom datan. Den enskilt vanligaste svagheten är att inte kunna visa hur en AI byggdes och vilka data den lärde sig av. Den här guiden förvandlar det till en enkel checklista med fokus på datan och utbildningen bakom din AI, och förklarar sedan vad varje del betyder för själva datan, för ditt företag och för de kunder som din AI påverkar.
Den korta versionen
- Enligt denna lag kan du inte bevisa att du följt reglerna om du inte kan visa upp ditt arbete.
- Data bakom AI måste vara rättvisande, lämplig för jobbet och kontrollerad för uppenbara problem.
- Du behöver tydliga register över hur varje viktigt system byggdes, tränades och testades.
- System med hög risk måste föra aktivitetsloggar – vanligtvis i minst sex månader.
- Att använda någon annans AI fråntar inte ditt ansvar för hur du använder den.
- Att kraftigt ändra eller omdöpa en inköpt AI kan juridiskt sett göra dig till dess skapare.
Varför data är det verkliga testet
Träningsdata (enkelt uttryckt): De exempel som en AI lär sig av. Om dessa exempel är snäva eller partiska, kommer AI:n också att vara det – vilket är anledningen till att lagen fokuserar så starkt på att få informationen korrekt.
Checklistan
Gå igenom dessa och, framför allt, behåll bevisen. Enligt denna lag behandlas en kontroll som du inte kan bevisa som om den inte existerar.
1. Sortera ut dina data
- Skriv ner var varje omgång träningsdata kommer ifrån och hur du fick tag på den.
- Om det gäller personers personuppgifter, registrera att du hade rätt att använda dem.
- Kontrollera att informationen rättvisande representerar de verkliga personer som AI:n kommer att påverka.
- Leta efter partiskhet som orättvist skulle kunna påverka någons hälsa, säkerhet eller rättigheter – och notera vad du gjorde åt det.
- Spara versioner av dina data så att du kan spåra dem om ett problem uppstår senare.
2. Att skriva ner hur AI:n byggdes
- Beskriv, i tydliga dokument, vad AI är till för och hur den designades.
- Observera hur den tränades och vilka data som användes.
- Registrera hur bra den presterar, hur noggrann den är och var dess gränser går.
- Spara dina testresultat och uppdatera journalerna när du gör en större förändring.
3. Att hålla ett pappersspår medan det körs
- Ställ in systemet så att det automatiskt loggar vad det gör.
- Se till att loggarna inte kan ändras i det tysta.
- Spara loggarna i minst sex månader (längre om andra lagar kräver det).
- Använd loggarna för att upptäcka problem tidigt, inte bara för att förklara dem i efterhand.
4. Personer, roller och löpande arbetsuppgifter
- Se till att en riktig person kan övervaka och ingripa i all AI med hög insats.
- Var tydlig med om du är skaparen eller bara en användare av varje system – arbetsuppgifterna skiljer sig åt.
- Registrera system med hög insats där det krävs innan de släpps ut på marknaden.
- Rapportera allvarliga problem till myndigheterna snabbt – vanligtvis inom 15 dagar.
- Granska dina riskkontroller och register regelbundet, inte bara en gång.
Vad det betyder för företag: tillverkare kontra användare
En vanlig och kostsam överraskning: att köpa ett certifierat AI-verktyg innebär inte att allt ansvar ligger på säljaren. Tillverkarens dokumentation bevisar att de byggt det korrekt; det bevisar inte att du använder det korrekt. Du har fortfarande dina egna skyldigheter – att övervaka det, föra loggar och använda det lagligt. Tabellen visar vem som äger vad:
| Ansvar | Om du är tillverkaren | Om du är användaren |
|---|---|---|
| Att få rätt data | Främst ditt jobb | Kontrollera att den passar för din användning |
| Uppteckningar över hur det byggdes | Du skapar och behåller dem | Hämta de viktigaste dokumenten från tillverkaren |
| Officiell godkännande före försäljning | Krävs | Krävs inte |
| Mänsklig tillsyn | Bygg in förmågan | Gör det faktiskt dag för dag |
| Föra aktivitetsloggar | Gör loggning möjlig | Spara loggarna (6+ månader) |
| Rapportera allvarliga problem | Anmäl till myndigheter | Rapportera och berätta för tillverkaren |
En fälla att uppmärksamma: om du tar en inköpt AI, ändrar den kraftigt eller säljer den under ditt eget varumärke, kan du lagligt bli dess "skapare" – och ärva alla de tyngre uppgifterna. Tänk dig ett leveransföretag som tar en färdig AI för ruttplanering, omskolar den på sin egen data och omdöper den. Det enda steget kan i tysthet förvandla den från en användare till en skapare över en natt.
Vad det betyder för slutkunderna
Där Shaip passar in
Merparten av den här checklistan handlar om en sak: att ha bra data och kunna bevisa det. Det är vårt kärnjobb. Shaips dataannoteringstjänster levererar väldokumenterade träningsdata med tydliga register över var den kommer ifrån och hur den kontrollerades – de bevis som denna lag förväntar sig. För AI som fungerar med bilder och video hjälper Shaips datorseendedatalösningar till att säkerställa att data är korrekta och rättvist representerar verkliga variationer. Kort sagt, vi hjälper dig att bygga AI på data som du kan stå bakom när någon frågar hur den skapades.
Summan av kardemumman
En checklista för data enligt EU:s AI-lag kokar ner till en enkel regel: om du inte kan visa hur dina data valdes ut, hanterades och testades, kan du inte visa att du följde lagen. Sortera dina data, skriv ner hur din AI byggdes, behåll ett pappersspår och var tydlig med vem som är ansvarig. Företag som behandlar god dokumentation som en del av att bygga AI – inte en eftertanke – kommer att vara redo när reglerna träder i kraft, och de människor som deras AI påverkar kommer att vara bättre skyddade för den.
Vad får de flesta företag att falla under EU:s AI-lag?
Saknade register. Det vanligaste problemet är att man inte kan visa hur en AI byggdes och vilka data den lärde sig från. Många organisationer använder AI utan tydlig registrering av dess datakällor eller hur den testades, vilket gör det omöjligt att bevisa efterlevnad.
Vad förväntar sig lagen av träningsdata?
Att data bakom en AI med höga insatser är relevant för jobbet, rättvist representerar de människor den kommer att påverka och har kontrollerats för fel och partiskhet så långt det är rimligen möjligt – med register som stöder detta.
Hur länge behöver jag spara loggar över AI-aktivitet?
Generellt sett minst sex månader för användare av system med hög risk, och längre om andra lagar kräver det. Loggarna bör vara automatiska och manipuleringssäkra så att problem kan spåras.
Om jag köper ett certifierat AI-verktyg, är jag då fri från skulden?
Nej. Säljarens certifiering visar att de byggde den korrekt, men du har fortfarande dina egna skyldigheter – att övervaka den, föra loggar och använda den lagligt. Ansvaret för hur du använder AI:n ligger kvar hos dig.
Kan jag bli dess "skapare" genom att använda någon annans AI?
Ja – om du ändrar den kraftigt eller säljer den under ditt eget varumärke kan du lagligt bli tillverkare och ta på dig de tyngre uppgifterna, inklusive den fullständiga uppsättningen bygg- och testjournaler.
När gäller dessa dataregler egentligen?
Efter 2026 års ändringar gäller de strängaste reglerna från december 2027 för fristående AI med höga insatser och augusti 2028 för AI inbyggd i produkter. Att få ordning på dina data nu undviker ett dyrt krångel senare.
