Varför det här är viktigt nu
Nästan alla företag som bygger, finjusterar eller köper in en AI-modell behandlar personuppgifter någonstans i kedjan – i träningsdatan, i prompterna eller i svaren. AI-förordningen bestämmer hur AI-system får fungera. GDPR bestämmer fortfarande om ni över huvud taget fick använda uppgifterna, och det är GDPR som tillsynsmyndigheterna har drivit hårdast.
Europeiska dataskyddsstyrelsens yttrande 28/2024, antaget i december 2024, är det närmaste en regelbok vi har för AI-modeller och personuppgifter. Det besvarar tre frågor som dyker upp i nästan varje AI-projekt: är modellen i sig personuppgifter, kan ni luta er mot berättigat intresse, och vad händer om träningsdatan samlades in olagligt.
Är en AI-modell “anonym”?
Många leverantörer hävdar att personuppgifterna försvinner när modellen väl är tränad – kvar finns bara vikter och parametrar. Dataskyddsstyrelsen godtar inte det som huvudregel. En modell som tränats på personuppgifter kan bara anses anonym om sannolikheten att extrahera personuppgifter ur modellen, och sannolikheten att få fram dem via frågor till modellen, båda är försumbara – med hänsyn till alla medel som rimligen kan komma att användas.
Det är en bedömning i varje enskilt fall, och bevisbördan ligger hos den personuppgiftsansvarige. I praktiken innebär det att ni måste dokumentera vad ni gjort för att minska memorering, hur ni testat modellen för att den inte ska återge träningsdata, och vilka skyddslås som förhindrar extraktionsattacker. Leverantörens marknadsföringstext är inte dokumentation.
Kan ni luta er mot berättigat intresse?
Ja – men inte per automatik. Berättigat intresse enligt artikel 6.1 f GDPR är fortsatt möjligt både för att utveckla och använda AI-modeller. Det som krävs är det klassiska trestegstestet, ordentligt gjort och nedskrivet:
1. Ett verkligt, aktuellt och lagligt intresse
“Förbättra produkten” är tunt. Intressen som att utveckla en assistent, upptäcka bedrägerier eller stärka cybersäkerheten är lättare att försvara eftersom de är konkreta och går att styrka.
2. Nödvändighet
Kan ni nå samma resultat med mindre data, syntetisk data eller aggregerad data? Om svaret är ja faller berättigat intresse redan här. Att skrapa allt “för att mer data är bättre” håller inte i en granskning.
3. Intresseavvägning mot den registrerades rättigheter
Det avgörande är rimliga förväntningar. Var uppgifterna offentliga? Hade personen någon relation till er? Kom uppgifterna från ett yrkesnätverk, ett offentligt register eller ett privat forum? Kan de vara känsliga eller avslöja plats, hälsa eller politisk uppfattning? När förväntningarna talar emot er blir skyddslåsen avgörande – opt-out som faktiskt fungerar, filtrering av känsliga kategorier, begränsningar i utdata och en transparens som når de berörda.
Vad händer om träningsdatan samlades in olagligt?
Det här är risken flest styrelser underskattar. Dataskyddsstyrelsen är tydlig med att olaglig behandling i utvecklingsfasen kan slå igenom till användningsfasen – om inte modellen verkligen anonymiserats innan den tas i bruk. Köper eller licensierar ni en modell ärver ni den frågan. Tillsynsmyndigheter kan i princip besluta om radering eller begränsning av behandlingen, och affärskonsekvensen av att förlora rätten att använda en modell ni byggt en produkt på är betydligt större än sanktionsavgiften.
Praktiskt exempel: ett svenskt SaaS-bolag finjusterar en supportbot
Ett B2B-mjukvaruföretag finjusterar en öppen modell på fem års supportkonversationer. Ärendena innehåller namn, e-postadresser, ordernummer och enstaka hälsouppgifter från avbokningar på grund av sjukdom. Bolaget har rättslig grund för att lagra ärendena – men inte nödvändigtvis för att återanvända dem till modellträning.
Den framkomliga vägen: gör en bedömning av om det nya ändamålet är förenligt med det ursprungliga, pseudonymisera eller rensa identifierare före träning, uteslut ärenden med känsliga uppgifter, dokumentera trestegstestet, uppdatera integritetsinformationen och testa modellen för memorering innan den närmar sig produktion. Inget av detta är svårt. Allt måste skrivas ned.
Vanliga misstag
Att tro att AI-förordningen är hela bilden. AI-förordningen ger er ingen rättslig grund att behandla personuppgifter. GDPR gäller parallellt, fullt ut.
Att tro att “offentligt” betyder fritt fram. Offentliga uppgifter är fortfarande personuppgifter. Skrapad data gör intresseavvägningen tyngre, inte lättare.
Att luta sig mot samtycke som inte går att återkalla. Om ni inte kan ta bort en persons avtryck ur en tränad modell är samtycke en skör grund. Ett väldokumenterat berättigat intresse är ofta det ärligare valet.
Ingen dokumentation. GDPR bygger på ansvarsskyldighet. En bedömning ni inte kan visa upp har inte gjorts.
Rekommenderade åtgärder
Kartlägg var personuppgifter kommer in i AI-livscykeln: träning, finjustering, RAG-källor, prompter, loggar och utdata. Bestäm och dokumentera rättslig grund för varje steg. Gör en konsekvensbedömning (DPIA) vid storskalig behandling, känsliga uppgifter eller skrapad data. Testa memorering och logga resultatet. Skriv in AI-specifika villkor i leverantörsavtalen – träningsdatans ursprung, ansvarsfriskrivningar och rätt till granskning. Och se till att de registrerade faktiskt kan utöva sina rättigheter.
Vanliga frågor
Skapar yttrande 28/2024 nya skyldigheter?
Nej. Det tolkar befintliga GDPR-krav i en AI-kontext. Men det är det nationella tillsynsmyndigheter utgår från, så i praktiken är det den standard ni mäts mot.
Får vi träna på kunddata om avtalet tillåter det?
Avtalad tillåtelse är inte automatiskt en rättslig grund enligt GDPR, och villkor som ligger begravda i ett tjänsteavtal skapar sällan rimliga förväntningar. Bedöm ändamålet för sig.
Gäller detta om vi bara använder en extern modell, till exempel en molnbaserad LLM?
Ja. Användning är behandling. Ni behöver rättslig grund för det ni skickar in, ett personuppgiftsbiträdesavtal, besked om era indata används för träning och kontroll på var uppgifterna överförs.
Slutsats
AI-styrning är inte en egen disciplin skild från dataskydd – det är dataskydd tillämpat på ny teknik, med högre insatser och mindre utrymme för improvisation. Företag som dokumenterar sin rättsliga grund, testar sina modeller och håller ordning på sina leverantörer kan röra sig snabbt. Företag som hoppar över pappersarbetet bygger produkter på en grund som en myndighet kan ta bort.
Lawgent hjälper företag att bygga AI- och datastyrning som håller i praktiken – bedömningar av rättslig grund, DPIA:er, AI-policyer och leverantörsavtal, levererade som användbara dokument i stället för teori. Boka en kostnadsfri första timme så berättar vi var ni faktiskt står.
