ms-ai-architect/skills/ms-ai-governance/references/responsible-ai/ai-act-classification-methodology.md

EU AI Act — Systematisk Klassifiseringsmetodikk

Type: regulatory Category: Responsible AI & Governance

Last updated: 2026-06-18 Status: GA

---

Innhold

• Oversikt
• 4-stegs systematisk metodikk
• Rolle-bestemmelse: Provider vs. Deployer
• Transport-sektoreksempler
• Grensevurderinger
• Beslutningsflytdiagram
• For Cosmo

Oversikt

EU AI Act (Forordning 2024/1689) bruker en risikobasert tilnærming med fire nivåer: forbudt, høy risiko, begrenset risiko og minimal risiko. Korrekt klassifisering er avgjørende — feil klassifisering kan medføre bøter på opptil 35 millioner EUR eller 7 % av global omsetning (Art. 99).

Denne metodikken gir en systematisk, steg-for-steg fremgangsmåte for å klassifisere AI-systemer.

---

4-stegs systematisk metodikk

Steg 1: Forbudt-sjekk (Art. 5)

Disse praksisene er totalforbudt i EU. Vurder alle før videre analyse.

8 forbudte praksiser og vurderingsspørsmål:

#	Forbudt praksis	Vurderingsspørsmål
1	Subliminal manipulering under bevissthetsnivå (Art. 5(1)(a))	Påvirker systemet atferd uten at brukeren er bevisst det?
2	Utnyttelse av sårbare grupper (Art. 5(1)(b))	Retter systemet seg mot barn, eldre eller funksjonshemmede på skadelig måte?
3	Sosial scoring av enkeltpersoner av offentlige myndigheter (Art. 5(1)(c))	Scorer systemet borgere på tvers av kontekster for å gi fordeler/ulemper?
4	Sanntids biometrisk fjernidentifikasjon i offentlig rom (Art. 5(1)(d))	Identifiserer systemet personer i sanntid via biometri på offentlige steder?
5	Retrospektiv biometrisk identifikasjon uten lovhjemmel (Art. 5(1)(e))	Brukes systemet til å søke i biometriske databaser post-hoc uten særskilt hjemmel?
6	Emosjonell inferens på arbeidsplassen og i utdanning (Art. 5(1)(f))	Analyserer systemet emosjoner hos ansatte eller elever?
7	Biometrisk kategorisering basert på sensitiv informasjon (Art. 5(1)(g))	Utleder systemet politisk syn, seksuell orientering eller religion fra biometri?
8	AI-systemer som muliggjør kriminalitetspredikering basert på profiling (Art. 5(1)(h))	Brukes systemet til å forutsi kriminalitet basert på personlighetstrekk?

Beslutning Steg 1:

• Én eller flere = JA → FORBUDT. Systemet kan ikke implementeres i EU. Stopp her.
• Alle = NEI → Gå til Steg 2.

Merk for offentlig sektor: Sanntids biometrisk identifikasjon har svært begrensede unntak (Art. 5(2)-(3)) for terror, savnet barn og alvorlig kriminalitet — krever forhåndstillatelse fra domstol og nasjonal tilsynsmyndighet.

---

Steg 2: Annex III høyrisiko-sjekk

Annex III lister 8 kategorier av høyrisiko-AI. Sjekk om systemet faller inn under én eller flere.

Kategori 1: Kritisk infrastruktur

• Styring av trafikk, vann, gass, varme, elektrisitet
• Vurderingsspørsmål: Er systemet i en kritisk infrastruktursektor og kan påvirke drift, sikkerhet eller kontinuitet?
• Beslutning: JA → HØYRISIKO (Annex III, pkt. 2)

Kategori 2: Utdanning og yrkesopplæring

• AI som avgjør adgang til utdanning eller tildeler karakterer
• Vurderingsspørsmål: Påvirker systemet opptak, karakterer eller eksamensgjennomføring på bindende måte?
• Beslutning: JA → HØYRISIKO (Annex III, pkt. 3)

Kategori 3: Sysselsetting og personalforvaltning

• Rekruttering, CV-screening, jobbformikling, forfremmelse, oppsigelse
• Vurderingsspørsmål: Brukes systemet til å ta eller støtte avgjørelser om ansettelse eller arbeidsforhold?
• Beslutning: JA → HØYRISIKO (Annex III, pkt. 4)

Kategori 4: Viktige private og offentlige tjenester

• Kredittvurdering, sosiale ytelser, helsetjenester, nødtjenester
• Vurderingsspørsmål: Påvirker systemet tilgang til kreditt, sosiale ytelser, helsetjenester eller nødetater?
• Beslutning: JA → HØYRISIKO (Annex III, pkt. 5)

Kategori 5: Rettshåndhevelse

• Individuell risikovurdering, polygrafanalyse, kriminalitetspredikering
• Vurderingsspørsmål: Brukes systemet av politiet eller påtalemyndigheten til å vurdere enkeltpersoner?
• Beslutning: JA → HØYRISIKO (Annex III, pkt. 6)

Kategori 6: Migrasjons- og grensekontroll

• Risikovurdering av asylsøkere, visumsøknader, grensepassering
• Vurderingsspørsmål: Brukes systemet i forbindelse med asyl, visum, grensekontroll eller migrasjon?
• Beslutning: JA → HØYRISIKO (Annex III, pkt. 7)

Kategori 7: Rettsvesen og demokratiske prosesser

• AI som assisterer domstoler, påvirker valg eller tolker lover
• Vurderingsspørsmål: Brukes systemet av domstoler eller til å påvirke demokratiske prosesser?
• Beslutning: JA → HØYRISIKO (Annex III, pkt. 8)

Kategori 8: Biometrisk identifikasjon og kategorisering

• Fjernidentifikasjon (ikke sanntids), kategorisering basert på biometri
• Vurderingsspørsmål: Identifiserer eller kategoriserer systemet personer basert på biometriske data (ikke dekket av Art. 5)?
• Beslutning: JA → HØYRISIKO (Annex III, pkt. 1)

Beslutning Steg 2:

• Én eller flere = JA → HØYRISIKO. Fullt regelverk Art. 9-27 gjelder. Gå til rolle-bestemmelse.
• Alle = NEI → Gå til Steg 3.

Unntak: Art. 6(3) — sikkerhetsprosedyrer, QA-testing og forskning/utvikling er unntatt Annex III-krav selv om de ellers ville kvalifisert.

---

Steg 3: GPAI-sjekk (General Purpose AI)

GPAI-reglene (Art. 51-56) gjelder providers av grunnmodeller uavhengig av risikonivå.

Er systemet basert på en generell AI-modell?

Vurderingsspørsmål:

• Er systemet trent på store datamengder med generell brukbarhet?
• Kan systemet brukes til et bredt spekter av ulike oppgaver?
• Er systemet en modell som brukes som grunnlag for andre systemer (foundation model)?

Kriterier for GPAI med systemisk risiko (Art. 51):

Kriterium	Terskel
Treningsberegning	> 10²⁵ FLOP
Vurdert av EU-kommisjonen	Som systemisk risikomodell
Eksempler pr. 2025	GPT-4, Claude 3, Gemini Ultra

Forpliktelser for GPAI-providers:

• Standard GPAI (Art. 53): Teknisk dokumentasjon, opphavsrettspolicy, treningsdata-oversikt
• GPAI med systemisk risiko (Art. 55): Modelevaluering, adversarial testing, incidenrapportering, cybersikkerhet

Beslutning Steg 3:

• Provider av GPAI-modell → GPAI-regler gjelder i tillegg til eventuelle høyrisiko-krav
• Deployer av GPAI → Bruk provider-utstedt dokumentasjon, vurder systemet som helhet
• Ikke GPAI → Gå til Steg 4

---

Steg 4: Begrenset/Minimal klassifisering

Systemer som ikke er forbudt eller høyrisiko kan falle i én av to kategorier:

Begrenset risiko — transparenskrav (Art. 50):

Systemtype	Krav
Chatbots og conversational AI	Informere bruker om at de snakker med AI
Deepfake-lyd og -video	Merke innhold som AI-generert
Emosjonell gjenkjenning (tillatt kontekst)	Informere berørte personer
Biometrisk kategorisering (tillatt)	Informere berørte personer

Vurderingsspørsmål: Interagerer systemet direkte med mennesker, genererer syntetisk innhold, eller analyserer emosjoner/biometri i tillatt kontekst?

• JA → BEGRENSET RISIKO. Transparenskrav Art. 50 gjelder.
• NEI → MINIMAL RISIKO. Ingen bindende krav, men beste praksis anbefales.

---

Rolle-bestemmelse: Provider vs. Deployer

Forpliktelsene varierer vesentlig avhengig av rolle (Art. 3(3)-(4)).

Ansvarsområde	Provider	Deployer
Samsvarsvurdering	Fullt ansvar (Art. 43)	Ikke direkte ansvar
CE-merking	Påkrevd (Art. 48)	Ikke relevant
Teknisk dokumentasjon (Art. 11)	Fullt ansvar	Motta og oppbevare
Risikostyringssystem (Art. 9)	Påkrevd	Operasjonelt tilsyn
Logging (Art. 12)	System-design	6-måneders oppbevaring
FRIA (Art. 27)	Ikke direkte	Påkrevd for offentlig sektor
Registrering EU-database (Art. 49)	Påkrevd	Påkrevd for offentlig sektor
Hendelsesrapportering (Art. 73)	Alvorlige hendelser	Rapportere til provider
Markedsovervåking	Ikke direkte	Via tilsynsmyndighet

Grensetilfeller for offentlig sektor:

Offentlig sektor er typisk deployer — de kjøper og tar i bruk AI-systemer. Men virksomheten kan bli provider hvis:

1. De tilpasser et eksisterende AI-system vesentlig (art. 25(1)(b)) — f.eks. fine-tuner en modell på egne data
2. De setter navn på systemet og markedsfører det utad (Art. 25(1)(a))
3. De integrerer et high-risk AI-system som endrer opprinnelig tiltenkt formål vesentlig

Direktoratet for digital tjenesteutvikling eksempel: Kjøper Microsoft Copilot Studio → Deployer. Bygger eget prediksjonsverktøy basert på Azure OpenAI med tilpasset sikkerhetsdomenetrening → vurder om → Provider.

---

Transport-sektoreksempler

Eksempel 1: FartsPrediksjonsagent (Direktoratet for digital tjenesteutvikling)

• Formål: Predikerer trafikkflyt og anbefaler fartsgrenser på variabelt oppsatte skilt
• Steg 1: Ingen forbudte praksiser → NEI
• Steg 2: Kritisk infrastruktur (Annex III, pkt. 2)? Påvirker trafikksikkerhet → JA, men kun dersom det tar bindende beslutninger. Dersom det kun er et beslutningsstøtteverktøy med menneskelig godkjenning → vurder Art. 6(2) unntak
• Klassifisering: Minimal risiko (beslutningsstøtte) eller Høyrisiko (autonomt bindende)

Eksempel 2: AutomatiskSaksbehandler for saksbehandlingvurdering

• Formål: Vurderer automatisk om en søker oppfyller helsekrav for saksbehandling
• Steg 1: NEI til alle forbudte praksiser
• Steg 2: Kategori 4 (viktige offentlige tjenester) → JA, tilgang til offentlig tjeneste
• Klassifisering: HØYRISIKO (Annex III, pkt. 5)
• Rolle: Direktoratet for digital tjenesteutvikling = Deployer
• Krav: FRIA (Art. 27), logging 6 mnd, samsvarsvurdering fra provider

Eksempel 3: Trafikkstyringsagent

• Formål: Autonom styring av trafikklys i tunneler og på motorveier
• Steg 1: NEI
• Steg 2: Kategori 1 (kritisk infrastruktur) — styring av trafikksystemer → JA
• Klassifisering: HØYRISIKO (Annex III, pkt. 2)
• Særlige krav: Robusthet, menneskelig override (Art. 14), kontinuerlig overvåking

---

Grensevurderinger

Disse tilfellene er hyppige og krever nøye analyse:

Tilfelle A: Chatbot med begrenset autonomi Et chatsystem som svarer på spørsmål om sosiale ytelser (NAV-lignende). Er det Annex III kategori 4?

• Kun informasjon → Begrenset risiko (transparens Art. 50)
• Avgjør tilgang til ytelse → Høyrisiko
• Anbefaling: Dokumenter tydelig at systemet ikke tar avgjørelser, kun informerer

Tilfelle B: HR-screening med menneskelig godkjenning AI rangerer CV-er, HR-leder tar endelig beslutning.

• Art. 6(3)(b) unntaker ikke nødvendigvis dette — systemet påvirker fremdeles utfall
• Anbefaling: Klassifiser som Høyrisiko dersom rangeringen er avgjørende i praksis

Tilfelle C: Intern analyseverktøy for planlegging Kommunen bruker AI til å analysere demografidata for arealplanlegging — ingen individuelle beslutninger.

• Ikke Annex III
• Klassifisering: Minimal risiko

Tilfelle D: Prediktiv politimodell System som identifiserer geografiske "hotspot"-områder uten å peke ut enkeltpersoner.

• Potensielt forbudt (Art. 5(1)(d)-(e)) eller Annex III kategori 5/6
• Anbefaling: Konsultér Datatilsynet og Nasjonal tilsynsmyndighet for AI (Nkom som kandidat) FØR implementering

Generell anbefaling for grensetilfeller: Kontakt Datatilsynet (personvern-aspektet) og fremtidig Nasjonal AI-tilsynsmyndighet. Dokumenter klassifiseringsargumentasjonen uansett utfall.

---

Beslutningsflytdiagram

START: Nytt AI-system til vurdering
          |
          v
+-------------------------+
| STEG 1: Forbudt-sjekk   |
| Art. 5 — 8 praksiser    |
+-------------------------+
    |           |
   JA          NEI
    |           |
    v           v
FORBUDT    STEG 2: Annex III
(STOPP)    Høyrisiko-sjekk
               |           |
              JA          NEI
               |           |
               v           v
          HØYRISIKO    STEG 3: GPAI-sjekk
          (Art. 9-27)       |           |
               |           JA          NEI
               |            |           |
               v            v           v
          Rolle-        GPAI-regler STEG 4: Begrenset
          bestemmelse   (Art.51-56)  /Minimal sjekk
          Provider/                      |           |
          Deployer                      JA          NEI
                                        |           |
                                        v           v
                                   BEGRENSET   MINIMAL
                                   RISIKO      RISIKO
                                   (Art. 50)   (beste praksis)

---

For Cosmo

Bruk denne filen når brukeren trenger å klassifisere et AI-system under EU AI Act.

Fremgangsmåte:

1. Gå gjennom steg 1-4 systematisk — hopp ikke over steg
2. Still vurderingsspørsmålene eksplisitt for brukerens system
3. Dokumenter hvert steg i klassifiseringsrapporten (anbefalt vedlegg til FRIA)
4. Bruk transport-sektoreksemplene som analogi når Direktoratet for digital tjenesteutvikling er deployer
5. Flagg grensetilfeller og anbefal konsultasjon med tilsynsmyndighet

Kobling til andre KB-filer:

• Høyrisiko-klassifisering → ai-act-provider-obligations.md (provider) eller ai-act-deployer-obligations.md (deployer)
• FRIA påkrevd → ai-act-fria-template.md
• Offentlig sektor governance → ../norwegian-public-sector-governance/

Viktig presisering (oppdatert 2026-06): Forbudte praksiser (Art. 5) i kraft siden feb 2025. GPAI-krav i kraft siden aug 2025. Transparenskrav (Art. 50) gjelder fra 2. aug 2026 (eksisterende generative systemer: maskinlesbar merking innen 2. des 2026, Art. 50(2)). Høyrisiko-krav (Art. 9-27) er utsatt fra 2. aug 2026 til 2. des 2027 via Digital Omnibus (provisorisk, avventer OJ-publisering; Kommisjonen kan fremskynde til 6 mnd etter at standarder foreligger).