AI-forordningen: hvad kravet om AI-kompetencer betyder

En af dine kolleger sidder med et udkast til et kundebrev. Hun limer det ind i et AI-værktøj, beder om en strammere version, retter to ord og sender af sted. Fire minutter i stedet for tyve. Ingen har sagt, at hun må. Ingen har sagt, at hun ikke må.

Sådan ser AI-brug ud på rigtig mange danske arbejdspladser lige nu. Værktøjerne er der, folk bruger dem, og retningslinjerne halter bagefter. Siden 2. februar 2025 har EU's AI-forordning stillet et konkret krav til netop den situation: organisationer, der bruger AI-systemer, skal sikre, at de medarbejdere, der arbejder med dem, har tilstrækkelige AI-kompetencer.

Det er ikke et krav om certifikater eller mapper med dokumentation. Men det er et krav, og det gælder også jer, der bare har købt et abonnement på et færdigt værktøj. Her er, hvad der står, hvad det betyder i praksis, og hvordan du kommer i gang uden at sætte et halvt år af til det.

Hvad artikel 4 faktisk siger

AI-forordningen trådte i kraft 1. august 2024, men reglerne er rullet ud i etaper. Artikel 4 om AI-kompetencer var blandt de første og har været gældende siden 2. februar 2025 sammen med forbuddene mod de mest indgribende former for AI.

Kernen i bestemmelsen er, at både leverandører og brugere af AI-systemer skal sørge for et tilstrækkeligt niveau af AI-kompetencer hos deres personale og hos andre, der håndterer systemerne på deres vegne. Der står ikke noget om timetal, pensum eller prøver. Der står, at niveauet skal passe til den tekniske viden, erfaring og uddannelse, folk har i forvejen, og til den sammenhæng, systemerne bruges i.

Formuleringen er siden blødt op i forbindelse med EU's omnibus-aftale om digital regulering, så forpligtelsen i dag handler om at understøtte udviklingen af AI-kompetencer blandt medarbejderne frem for at garantere et bestemt niveau. Datoen er til gengæld ikke rykket. Kravet har været gældende siden februar 2025, og det er stadig jeres ansvar at leve op til det.

Til sammenligning blev reglerne for de såkaldte højrisiko-systemer udskudt i samme aftale — de træder først i kraft i december 2027 for en stor del af systemernes vedkommende. Kompetencekravet blev ikke udskudt. Det er værd at have med, hvis nogen i organisationen har hørt, at "AI-reglerne er blevet udsat".

Hvorfor det rammer jer, selv om I ikke bygger noget

Den mest udbredte misforståelse er, at forordningen er noget, softwarehuse skal forholde sig til. Den skelner mellem dem, der udvikler AI-systemer, og dem, der tager dem i brug. Kompetencekravet gælder begge grupper.

Bruger I et AI-værktøj til at opsummere møder, sortere ansøgninger, udkaste tekster eller svare kunder, er I i den anden gruppe. Det gælder, uanset om værktøjet er købt, lejet eller ligger gratis i browseren, og uanset om nogen i ledelsen nogensinde har godkendt det.

Det sidste er værd at stå et øjeblik ved. De fleste organisationer har mere AI i drift, end de selv tror. Et hurtigt overblik over, hvad folk rent faktisk bruger, er derfor som regel det mest oplysende første skridt. Det er også et af de steder, hvor et forløb som AI i praksis gør en forskel, fordi det tvinger konkrete arbejdsopgaver frem i lyset i stedet for at blive ved med at tale om teknologien i almindelighed.

Hvad tæller som AI-kompetence?

Forordningen definerer ikke et pensum, og det er ikke sjusk fra lovgiverens side. En sagsbehandler, der bruger en sprogmodel til at udkaste breve, har brug for noget andet end en dataanalytiker, der finjusterer en model.

Men der tegner sig en praktisk kerne, som de fleste roller har gavn af:

• Hvad værktøjet gør. At en sprogmodel forudsiger sandsynlig tekst og ikke slår op i en database, forklarer det meste af dens adfærd.
• Hvor det fejler. Opdigtede kilder, forkerte tal, forældet viden og en meget selvsikker tone omkring noget, der er forkert.
• Hvad der ikke må ind i værktøjet. Personoplysninger, fortrolige aftaler og materiale, I ikke selv ejer rettighederne til.
• Hvem der har ansvaret. Svaret er altid det menneske, der sender resultatet videre. Ikke modellen, og ikke leverandøren.
• Hvornår man skal lade være. Beslutninger om mennesker, juridiske vurderinger og alt, der skal kunne forsvares i detaljen bagefter.

Læg mærke til, at kun det første punkt er teknisk. Resten er dømmekraft, og dømmekraft opstår af at have prøvet værktøjet på rigtige opgaver sammen med en, der kan forklare, hvorfor svaret blev, som det blev. Det er derfor, en video og en PDF sjældent flytter noget alene.

Tre grupper, ikke én

Et kursus til alle rammer sjældent nogen. Det virker bedre at dele medarbejderne op efter, hvor tæt de er på systemerne.

De mange. Alle, der bruger et AI-værktøj i deres almindelige arbejde. De har brug for et par timer om, hvad værktøjet kan, hvor det snubler, og hvad der ikke må limes ind i det. Ikke mere end det, men heller ikke mindre.

De nære. Superbrugere, projektledere og dem, der bygger små automatiseringer. De skal kunne vurdere, hvornår en opgave egner sig til automatisering, og hvornår den bestemt ikke gør. Det er den slags vurdering, AI-agenter og automatisering er bygget op om.

De ansvarlige. Ledere, dataansvarlige og indkøbere. De skal kunne stille de rigtige spørgsmål til en leverandør og sige nej til en løsning, der ikke kan forklares.

Modargumentet: "Vi bruger jo kun de store, kendte værktøjer"

Det er et rimeligt argument, og det er delvist rigtigt. Et værktøj fra en stor leverandør med en ordentlig databehandleraftale flytter en reel del af risikoen væk fra jer.

Men det flytter ikke den risiko, der ligger i selve brugen. Værktøjet ved ikke, om det tal, det lige har skrevet, er rigtigt. Det ved ikke, om den kandidat, det har sorteret fra, blev sorteret fra af en god grund. Og det ved ikke, om medarbejderen har limet et fortroligt bilag ind i feltet. Det er præcis derfor, kravet handler om mennesker og ikke om software.

Sådan kommer du i gang

Du kan nå langt på nogle få uger, hvis du holder det konkret.

1. Kortlæg brugen. Spørg åbent, uden konsekvenser, hvilke værktøjer folk bruger og til hvad. Lov på forhånd, at ingen får en løftet pegefinger.
2. Skriv én side. Det tilladte, det forbudte og hvem man spørger. Længere bliver den ikke læst.
3. Giv de mange to timer. Samme grundlag til alle: hvad værktøjet gør, hvor det fejler, hvad der ikke må ind.
4. Giv de nære et rigtigt forløb. De skal kunne vurdere opgaver, ikke bare betjene et felt.
5. Skriv ned, hvad I gjorde. Dato, deltagere, indhold. En halv side rækker langt, hvis nogen en dag spørger.
6. Tag det op igen om et halvt år. Værktøjerne skifter hurtigere end jeres retningslinjer.

Det femte punkt er det, folk springer over. Forordningen kræver ikke en bestemt dokumentationsform, men den forudsætter, at I kan vise, at I har gjort noget. En liste med datoer og navne er billigere at lave nu end at rekonstruere om halvandet år.

Kravet er en anledning, ikke en byrde

Det interessante ved artikel 4 er, at den beder om noget, de fleste organisationer alligevel har brug for. Medarbejdere, der forstår deres værktøjer, laver færre fejl og får mere ud af dem. Regelkravet giver bare anledningen og datoen — og en grund til at sætte det på ledelsens dagsorden i stedet for at lade det ligge.

Skal I bygge grundlaget op fra bunden, er Artificial Intelligence et naturligt sted at begynde for dem, der skal kunne mere end at betjene et felt. Og skal du bruge en sparringspartner til at få kortlægningen og retningslinjerne på plads, så tag fat i os. Det er en øvelse, vi har hjulpet en del organisationer igennem.