ms-ai-architect/skills/ms-ai-governance/references/responsible-ai/ai-act-fria-template.md
Kjell Tore Guttormsen 3a73eeafdc refactor(ms-ai-architect): R13 del 1 — nøytraliser Cosmo-personaen i ref-korpusets headinger, etter å ha rettet en gate som var målt usann to ganger
Ordre 20260912T193441Z-7358817909. Steg 1 var ikke transformen, men å rette
roadmapens R13-gate og få den ratifisert. Gaten `grep -rl "Cosmo"
skills/*/references -> 0` var usann på to uavhengige måter:

1. Ordren fanget den første: 451 av forekomstene er Azure Cosmos DB, ekte
   produktinnhold. Diskriminatoren er ikke bokstaven «s» — `Cosmos <norsk
   substantiv>` er genitiv av personaen (`### Cosmos tonalitet`), mens
   `Cosmos DB`/`CosmosClient`/`cosmos_ru` er produkt.
2. Denne økten fant den andre: 132 persona-forekomster ligger i prosa,
   tabeller, dialog-replikker og proveniens-linjer. Heading-nøytralisering
   kan ikke nå dem, så «0 persona» er uoppnåelig også under den ratifiserte
   formen. Operatøren ratifiserte alternativ A: gaten speiler formen, og de
   132 bokføres til R13b/R14.

Tre korreksjoner av premisser som sto i ordren og STATE:
  «ca 320 produkt»   -> 451 (case-sensitivt nett manglet 327 lowercase
                        TOC-ankre + 99 identifikatorer; sann nevner 1 638)
  «169 headinger»    -> 401. 169 var `^## For Cosmo`-prefikset (168) og var
                        internt inkonsistent med sin egen topp-variant (204)
  «417 matcher ingen
   populasjon»       -> 417 er cosmo-headinger utenfor kodefences; briefens
                        nevner var reell hele tiden

Fence-bevissthet er målt skadelig, ikke nødvendig: begge toggle-regler er
gale på dette korpuset (naiv toggle skjuler en ekte heading i
chain-of-thought-prompting.md, CommonMark-regelen ubalanserer
service-level-documentation-dr.md). Fence-agnostisk deteksjon finner 401
heading-linjer i nøyaktig de samme 40 variantene som fence-bevisst finner
400 i — ingen kodeblokk-linje er byte-identisk til en persona-heading. Derfor
nøkles transformen på 40 enumererte heading-tekster og ignorerer fences. En
ukjent variant kaster; en slug-kollisjon kaster. Ingenting auto-fikses.

TOC-en regenereres ikke, den rettes kirurgisk: alle 327 persona-lenker hadde
lenketekst lik én av de 40 heading-tekstene og anker lik slugify av den
(327/327, 0 avvik), så heading og TOC-entry skrives i samme operasjon og
ingen mellomtilstand etterlater en død lenke.

Ratifisert målform: `For Cosmo`, `For Cosmo Skyberg` og `For arkitekten
(Cosmo)` konvergerer på `For arkitekten`. To filer kolliderte og er adjudisert
ved å lese dem, ikke ved regel.

Verifisering (alle 7 kriterier fra ordren):
  G1 persona på heading-linjer   401 -> 0
  G2 døde fragmentlenker         1 -> 1 (pre-eksisterende, unntatt)
  G3 produkt-forekomster         451 -> 451; `Cosmos DB|Azure Cosmos` 308 = 308
  de 3 kun-produkt-filene        byte-identiske
  nettet validert begge veier    injisert persona feller G1; genitiv feller G1;
                                 produkt-heading og de 3 filene passerer
  hele diffen                    802 heading-linjer + 654 TOC-linjer, ANNET = 0
  linjeantall                    728 lagt til = 728 slettet
  suite                          1120/1120 (1097 + 23 nye)
  validate-plugin                250 PASS / 0 FAIL
  stikkprøve                     10 filer, alle 5 skills, inkl. de 3 mest
                                 produkt-tunge (26/20/19) — kun heading+TOC

Utenfor scope, urørt: de 4 SKILL.md, de 23 commands, CLAUDE.md, README.md,
NOTICE.md, docs/ (alt R14).

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
2026-09-12 22:12:28 +02:00

12 KiB

FRIA-mal — Fundamental Rights Impact Assessment (Art. 27)

Type: template Category: Responsible AI & Governance

Last updated: 2026-07-15 Status: GA


Innhold

Oversikt og hjemmel

Fundamental Rights Impact Assessment (FRIA) er påkrevd etter EU AI Act Art. 27 for:

  • Offentlige organer som deployer av høyrisiko-AI-systemer (alltid)
  • Private aktører som deployer i kredittvurdering og forsikring (alltid)
  • Andre deployers av Annex III-systemer (anbefalt)

FRIA er en selvstendig vurdering fra deployer — ikke det samme som provider's samsvarsvurdering (Art. 43). FRIA kan gjennomføres samlet med GDPR DPIA der begge er påkrevd.

Notifikasjon: Resultater fra FRIA skal sendes til tilsynsmyndigheten (Art. 27(4)).


Når må FRIA gjennomføres?

Obligatorisk

  • Offentlige organer som deployer av høyrisiko-AI = ALLTID (Art. 27(1)) — dette inkluderer statlige etater, fylkeskommuner, kommuner og offentlige foretak
  • Bankvirksomhet for kredittvurdering = ALLTID (Annex III pkt. 5(b))
  • Livsforsikring og helseforsikring = ALLTID (Annex III pkt. 5(c))
  • Private deployers som oppfyller Art. 27-kriteriene — bl.a. stor skala behandling av personopplysninger

Frivillig men sterkt anbefalt

  • Private deployers av andre Annex III-kategorier
  • Deployers som ønsker å dokumentere ansvarlig AI-praksis
  • Deployers som eksponerer systemet mot sårbare grupper

Tidspunkt

FRIA gjennomføres før systemet tas i bruk. Ved vesentlige endringer i bruken, systemet eller konteksten skal FRIA oppdateres.


FRIA-mal — 7 seksjoner


Seksjon 1: Systembeskrivelse

Felt Innhold
Systemnavn [Offisielt navn på AI-systemet]
Versjon [Versjonsnummer]
Tiltenkt formål (deployer) [Beskriv hvordan deployer bruker systemet — ikke bare provider's tiltenkte formål]
Deployer [Organisasjonsnavn, organisasjonsnummer]
Provider [Leverandørnavn og kontaktinformasjon]
Risikoklassifisering [Høyrisiko — Annex III, kategori X]
Klassifiseringsdato [DD.MM.ÅÅÅÅ]
FRIA-versjon [1.0, 1.1 osv.]
FRIA-dato [DD.MM.ÅÅÅÅ]
Gyldig til [DD.MM.ÅÅÅÅ — eller "løpende med årlig revisjon"]
Geografisk scope [Norge / Nordland fylke / Oslo kommune osv.]
Tidsperiode [Fra dato — til dato, eller "løpende"]
Beslutningstype [Fullt automatisert / Beslutningsstøtte med menneskelig godkjenning]
Volum [Estimert antall beslutninger per år]

Prosessbeskrivelse: [Beskriv konkret hvordan AI-systemet brukes i saksbehandlingsprosessen. Hvem legger inn input? Hva er output? Hvem tar endelig beslutning? Hvilke alternativer til AI-systemet finnes?]


Seksjon 2: Berørte grupper

Identifiser alle grupper som direkte eller indirekte berøres av AI-systemets beslutninger.

Gruppe Antall berørte (estimat) Sårbarhet Kontaktpunkt / representasjon
[Gruppe 1 — f.eks. "Søkere om førerrett klasse B"] [Antall/år] Lav / Middels / Høy [Interesseorganisasjon, brukerrepresentant]
[Gruppe 2 — f.eks. "Eldre søkere (over 70 år)"] [Antall/år] Høy [Råd for eldre, brukerombud]
[Gruppe 3 — f.eks. "Søkere med funksjonsnedsettelse"] [Antall/år] Høy [FFO, brukerombud]
[Gruppe 4 — f.eks. "Nyankomne innvandrere"] [Antall/år] Middels [NOAS, integreringsorganisasjoner]
[Gruppe 5]

Vurdering av sårbarhetsnivå:

  • Lav: Ressurssterke, kan enkelt klage og alternative kanaler finnes
  • Middels: Begrenset tilgang til ressurser, men ikke særlig sårbare
  • Høy: Barn, eldre, funksjonshemmede, minoriteter, eller i akutt behov for tjenesten

Seksjon 3: Rettighetsmatrise

Vurder påvirkning på 12 grunnleggende rettigheter fra EU-charteret. Skala: Ingen / Lav / Middels / Høy / Kritisk.

# Grunnleggende rettighet (EU Charter) Vurdering Begrunnelse
1 Menneskelig verdighet (Art. 1) [Ingen/Lav/Middels/Høy/Kritisk] [Kort begrunnelse]
2 Frihet og personlig sikkerhet (Art. 6) [Ingen/Lav/Middels/Høy/Kritisk] [Kort begrunnelse]
3 Beskyttelse av personopplysninger (Art. 8) [Ingen/Lav/Middels/Høy/Kritisk] [Kort begrunnelse]
4 Ikke-diskriminering (Art. 21) [Ingen/Lav/Middels/Høy/Kritisk] [Kort begrunnelse]
5 Likestilling mellom kvinner og menn (Art. 23) [Ingen/Lav/Middels/Høy/Kritisk] [Kort begrunnelse]
6 Forbrukerrettigheter (Art. 38) [Ingen/Lav/Middels/Høy/Kritisk] [Kort begrunnelse]
7 Retten til rettferdig rettergang (Art. 47) [Ingen/Lav/Middels/Høy/Kritisk] [Kort begrunnelse]
8 Barns rettigheter (Art. 24) [Ingen/Lav/Middels/Høy/Kritisk] [Kort begrunnelse]
9 Funksjonshemmedes rettigheter og integrering (Art. 26) [Ingen/Lav/Middels/Høy/Kritisk] [Kort begrunnelse]
10 Miljøvern og bærekraftig utvikling (Art. 37) [Ingen/Lav/Middels/Høy/Kritisk] [Kort begrunnelse]
11 Rett til sosial sikkerhet og sosial støtte (Art. 34) [Ingen/Lav/Middels/Høy/Kritisk] [Kort begrunnelse]
12 Tilgang til helsetjenester (Art. 35) [Ingen/Lav/Middels/Høy/Kritisk] [Kort begrunnelse]

Vurderingsskala:

  • Ingen: Systemet berører ikke denne rettigheten
  • Lav: Marginal påvirkning, enkelt avhjulpet
  • Middels: Merkbar påvirkning, krever tiltak
  • Høy: Vesentlig påvirkning på en identifisert gruppe, krever sterke tiltak
  • Kritisk: Potensielt brudd på rettigheten — vurder om systemet kan tas i bruk

Seksjon 4: Konsekvensanalyse

For hver rettighet med middels eller høyere vurdering i seksjon 3, gjennomfør utvidet analyse:


Rettighet [X]: [Navn på rettighet]

Vurdering: [Middels / Høy / Kritisk]

Berørte grupper: [Fra seksjon 2]

Beskrivelse av risiko: [Beskriv konkret hvordan AI-systemet kan påvirke denne rettigheten. Gi eksempler på scenarioer der rettigheten kan krenkes. Vurder både direkte og indirekte påvirkning.]

Sannsynlighet for negativ påvirkning: [Lav / Middels / Høy]

Eksisterende mitigeringstiltak: [Beskriv tiltak som allerede er implementert av provider eller deployer for å redusere risikoen.]

Ytterligere tiltak (deployer implementerer):

Tiltak Ansvarlig Frist Status
[Tiltak 1] [Navn/rolle] [DD.MM.ÅÅÅÅ] [Planlagt/Implementert]
[Tiltak 2] [Navn/rolle] [DD.MM.ÅÅÅÅ] [Planlagt/Implementert]

Restrisiko etter tiltak: [Lav / Middels / Høy]

Akseptert av: [Navn, rolle, dato]


[Gjenta for hver rettighet med middels+ vurdering]


Seksjon 5: Tilsynsmyndighets-notifikasjon

I henhold til Art. 27(4) skal resultater fra FRIA sendes til nasjonal tilsynsmyndighet.

Felt Innhold
Tilsynsmyndighet [Nkom — koordinerende markedstilsynsmyndighet og nasjonalt kontaktpunkt for KI-forordningen; Datatilsynet for personverndimensjonen]
Notifikasjonsform [Elektronisk innlevering / Brev / Tilgjengeliggjøring på nettsted]
Notifikasjonsdato [DD.MM.ÅÅÅÅ]
Referansenummer [Tilsynsmyndighetens saksnummer der tilgjengelig]
Offentliggjøring [Ja / Nei — FRIA-sammendrag tilgjengelig offentlig?]

Merk: Det norske regelverket for notifikasjonsprosedyre er under utvikling (per februar 2026). Deployer bør følge Datatilsynets veiledning og fremtidig AI-tilsynsmyndighets instrukser.


Seksjon 6: Godkjenning

Alle tre roller skal godkjenne FRIA før systemet tas i bruk.

Rolle Navn Tittel Dato Signatur
Systemansvarlig [Navn] [Tittel] [DD.MM.ÅÅÅÅ] ____________
Personvernombud (DPO) [Navn] Personvernombud [DD.MM.ÅÅÅÅ] ____________
Leder / Direktør [Navn] [Tittel] [DD.MM.ÅÅÅÅ] ____________

Neste revisjonsdato: [DD.MM.ÅÅÅÅ] — Anbefalt: Minst én gang per år, eller ved vesentlige endringer i systemet, bruken eller regelverket.

Revisjonsoversikt:

Versjon Dato Endring Godkjent av
1.0 [DD.MM.ÅÅÅÅ] Initiell FRIA [Navn]
1.1 [DD.MM.ÅÅÅÅ] [Beskrivelse av endring] [Navn]

Seksjon 7: Vedlegg

Lenker til relaterte dokumenter som bør arkiveres sammen med FRIA:

Dokument Referanse / Lenke Versjon Dato
Samsvarserklæring (DoC) fra provider [Dokumentreferanse] [Versjon] [Dato]
DPIA / PVK [Dokumentreferanse] [Versjon] [Dato]
ROS-analyse [Dokumentreferanse] [Versjon] [Dato]
Klassifiseringsrapport (Annex III) [Dokumentreferanse] [Versjon] [Dato]
Provider's tekniske dokumentasjon (Annex IV) [Dokumentreferanse / lenke] [Versjon] [Dato]
Bruksanvisning fra provider (Art. 13) [Dokumentreferanse] [Versjon] [Dato]
Opplæringsplan for operatører [Dokumentreferanse] [Versjon] [Dato]
Log retention policy [Dokumentreferanse] [Versjon] [Dato]

Eksempel: FRIA for AutomatiskSaksbehandler (Direktoratet for digital tjenesteutvikling)

Illustrativt eksempel for å vise utfylt mal:

Seksjon 1 (utdrag):

  • Systemnavn: AutomatiskSaksbehandler v2.0
  • Provider: [Leverandørnavn]
  • Klassifisering: Høyrisiko — Annex III, kategori 5 (viktige offentlige tjenester)
  • Beslutningstype: Beslutningsstøtte — AI anbefaler, saksbehandler godkjenner
  • Volum: Ca. 150 000 søknader/år

Seksjon 3 (utdrag — høyeste risikoer):

  • Ikke-diskriminering (Art. 21): Høy — Risiko for ulik behandling av søkere med funksjonsnedsettelse dersom treningsdata underrepresenterer denne gruppen
  • Rettferdig rettergang (Art. 47): Middels — Søker har klagerett, men forklaring fra AI-system kan være utilstrekkelig uten aktiv tilrettelegging

Seksjon 4 (utdrag):

  • Tiltak for Art. 21: Bias-testingsrapport fra provider gjennomgått. Internkontroll ved kvartalsvis stikkprøvekontroll av avslag mot søkerprofil. Saksbehandler-opplæring i å overridere ved usikkerhet.
  • Tiltak for Art. 47: Standardisert klageveiledning som alltid vedlegges avslag. Forpliktelse om at saksbehandler skriver begrunnelse i klartekst (ikke kun AI-output).

For arkitekten

Bruk denne filen som arbeidsmal når bruker (typisk offentlig etat) skal gjennomføre FRIA for et høyrisiko-AI-system.

Typiske trigger-scenarioer:

  • "Vi skal ta i bruk [AI-system] og trenger hjelp med FRIA"
  • "Tilsynsmyndigheten ber oss dokumentere rettighetsvurdering"
  • "Vi skal anskaffes nytt AI-system — hva må vi gjøre?"

Fremgangsmåte:

  1. Fyll ut seksjon 1 (systembeskrivelse) basert på brukerens input
  2. Identifiser berørte grupper (seksjon 2) — spør om det er sårbare grupper
  3. Gå gjennom rettighetsmatrisen (seksjon 3) systematisk — alle 12 rettigheter
  4. For middels+ rettigheter: Dypdykk i konsekvensanalyse (seksjon 4)
  5. Sjekk om DPIA også kreves (samordne)
  6. Minn om godkjenningsprosessen (seksjon 6) og tilsynsnotifikasjon (seksjon 5)

Kobling til andre KB-filer:

  • Klassifisering → ai-act-classification-methodology.md
  • Deployer-kontekst → ai-act-deployer-obligations.md
  • ROS-analyse → ../norwegian-public-sector-governance/ros-*.md
  • Norsk offentlig sektor governance → ../norwegian-public-sector-governance/

Norsk kontekst: Per februar 2026 er det ingen etablert nasjonal AI-tilsynsmyndighet i Norge. Datatilsynet håndterer personverndimensjonen. Anbefal alltid å kontakte Datatilsynet for veiledning og følge deres oppdaterte retningslinjer.