24. Fördjupning: AI-Förordningen

Site: ProductivityPlus – Din resa mot produktivitet
Course: 6: Praktisk AI-användning (Ver 1)
Book: 24. Fördjupning: AI-Förordningen
Printed by: Guest user
Date: Thursday, 2 April 2026, 12:38 AM

Description

Fördjupning

Du navigerar genom att klicka på de blå flikarna.

1. Vad innebär förordningen?

AI-förordningen ställer krav på såväl utvecklare som de som implementerar AI i sin organisation. På nästa sida beskrivs kortfattat vad som krävs av organisationer vid implementering av AI.

 

2. Förbud mot oacceptabla risker

Vissa AI-användningar på arbetsplatsen är förbjudna, till exempel:

  • Känsloigenkänning, med undantag för vissa medicinska eller säkerhetsrelaterade ändamål.

  • AI som manipulerar anställda genom subtila eller vilseledande tekniker som kan orsaka betydande skada.

  • AI som utnyttjar sårbarheter relaterade till ålder, funktionshinder eller socioekonomiska omständigheter för att snedvrida beteendet, vilket orsakar betydande skada.

3. Högrisk-AI i arbetslivet

Många AI-system som används inom personalhantering (HR) klassas som högrisk-AI och ställs därmed under stränga krav. Detta inkluderar system som används för:

  • Rekrytering och urval - Att analysera ansökningar, filtrera kandidater eller utvärdera sökande.

  • Beslut som påverkar anställningsförhållandet - Att fatta beslut om befordran, uppsägning, eller att fastställa villkor för arbetsrelaterade relationer.

  • Övervakning och utvärdering - System som tilldelar uppgifter baserat på individuella beteenden eller personliga egenskaper, eller som övervakar och utvärderar prestationer och beteenden.

4. För system som klassas som högrisk måste arbetsgivaren se till att:

 

  • De anställda informeras om att ett högrisk-AI-system används och hur det fungerar. Även fackliga representanter ska informeras.

  • Det finns möjlighet till mänsklig tillsyn. Det betyder att påverkade personer ska kunna bestrida automatiserade beslut och kräva att en människa granskar beslutet.

  • Säkerställa att systemen används på ett sätt som minskar risken för bias och diskriminering (t.ex. genom att säkerställa att träningsdatan är relevant och representativ).