Agentisk KI i et land uten KI-lov

Norske virksomheter bygger nå agenter i et regulatorisk mellomrom.

EUs KI-forordning — AI Act — trådte i kraft i EU 1. august 2024 og innføres trinnvis fram mot 2028. Fra 2. august 2026 gjelder transparenskravene der: brukere skal forstå når de snakker med en maskin, og KI-generert innhold skal merkes maskinlesbart.

I Norge gjelder de ikke. Forordningen er vurdert som EØS-relevant, men er per september 2026 fortsatt ikke innlemmet i EØS-avtalen. Regjeringen har hatt et utkast til KI-lov på høring, opprinnelig med sikte på ikrafttredelse sensommeren 2026. Den planen har glippet. Endringene som følger av EUs forenklingspakke skal på høring høsten 2026, med ambisjon om en proposisjon våren 2027 — og framdriften avhenger av forhandlinger om EØS-tilpasninger som ingen har satt dato på.

Det er verdt å forstå hva slags mellomrom dette er. Det er ikke et frirom. Det er et etterslep.

Hvorfor etterslepet ikke hjelper deg

Tre grunner til at norske virksomheter bør bygge som om reglene allerede gjaldt.

Markedet, ikke adressen, avgjør. AI Act følger produktet. Tilbyr du et KI-system på EU-markedet, eller brukes resultatene fra systemet ditt i EU, er du omfattet uansett hvor selskapet er registrert. For norske selskaper — der skalering i praksis betyr internasjonalisering — er dette ikke et kantutfall, men hovedregelen.

Kundene dine venter ikke. Store nordiske innkjøpere, og særlig offentlig sektor, har begynt å legge KI-krav inn i anskaffelser før lovverket krever det. Et anbud stiller ikke spørsmål om EØS-prosessen. Det spanderer en rad i kravmatrisen der du enten har dokumentasjon eller ikke.

Etterpåmontering er dyrt. Loggføring av hva en agent gjorde, hvilke data den så, og hvem som godkjente hva, er billig å bygge inn og kostbart å rekonstruere. Det eksisterende regelverket — personvernforordningen, åndsverkloven, straffeloven, forvaltningsloven for offentlige organer — gjelder uansett i dag. KI-loven kommer på toppen av det, ikke i stedet for.

Hva som faktisk gjør et system agentisk

En vanlig språkmodell tar imot tekst og gir tekst tilbake. Et agentisk system får to ting i tillegg: tilgang til verktøy, og lov til å bestemme rekkefølgen selv.

Det siste er det egentlige skiftet. Modellen slutter å være en funksjon noen kaller, og blir en prosess som kjører til den mener oppgaven er løst: den leser situasjonen, velger en handling, utfører den, leser resultatet og bestemmer neste steg. Løkken stopper når målet er nådd, når forsøkene tar slutt, eller når et menneske griper inn.

Det er i den tredje stoppbetingelsen mesteparten av risikostyringen ligger.

Norsk er et lite språk, og agenter merker det

En ting som sjelden står i internasjonale artikler om agentisk KI: modellene er merkbart svakere på norsk enn på engelsk, og forskjellen øker jo lenger ut i halen du går.

Bokmål går stort sett greit. Nynorsk er tynnere representert. Dialekter i tale er verre igjen — og det er nettopp taleagenter mange norske virksomheter vurderer først, fordi telefon fremdeles er en hovedkanal inn til kundeservice her. En agent som forstår Oslo-bokmål utmerket og sunnmøring dårlig, gir en tjeneste som er ujevnt god på en måte brukerne opplever som urettferdig.

Samme problem gjelder fagspråket. Begreper fra Altinn, NAV, folkeregisteret, helsevesenet og norsk regnskapsterminologi er ikke jevnt dårlig dekket — de er ujevnt dekket, som er verre, fordi feilene kommer uten varsel.

Den praktiske konsekvensen: bygg et testsett på ditt eget norske fagspråk før du velger modell. Tjue reelle kundehenvendelser med fasit sier mer om hva som vil fungere hos deg enn hvilken som helst internasjonal benchmark.

Fordelen vi ofte overser

Samtidig har Norge noe de fleste markeder mangler: infrastruktur en agent faktisk kan handle i.

BankID gir sterk autentisering nesten alle har. Altinn gir maskinporten og et etablert API-lag mot det offentlige. Vipps dekker betaling på tvers av befolkningen. Folkeregisteret og Brønnøysundregistrene er strukturerte og tilgjengelige. Digital modenhet i befolkningen er høy nok til at få brukere trenger å overtales til å bruke en digital kanal.

Dette senker terskelen for å bygge agenter som gjør noe, ikke bare svarer på noe. Men det er samme egenskap som gjør feil dyrere: en agent med skrivetilgang mot reelle registre og betalingsløsninger har kortere vei fra feilvurdering til konsekvens enn en agent som bare kan foreslå tekst.

Derfor er skillet mellom lesende og skrivende operasjoner den enkleste og mest undervurderte sikkerhetsmekanismen du har. La agenten lese fritt. Krev godkjenning for alt som sender, betaler, sletter eller endrer data utenfor systemet.

Økonomien er annerledes her

Amerikanske råd om agentisk KI er skrevet for et marked med svært store volumer og relativt lavere lønnskostnader i de rollene som automatiseres. Norsk kontekst snur begge deler.

Lønnsnivået gjør at selv beskjeden tidsbesparelse på rutinearbeid regner seg hjem raskere enn i de fleste andre land. Samtidig er volumene mindre. En norsk mellomstor bedrift har kanskje to hundre henvendelser i uka, ikke to hundre tusen. Det betyr at løsninger som krever store investeringer før første nytteverdi sjelden forsvarer seg — og at ferdige modeller via API nesten alltid slår egentrening.

Det betyr også at menneskelig gjennomgang er rimeligere enn folk tror. Ved to hundre saker i uka er utkast-og-godkjenn en helt reell sluttilstand, ikke et kompromiss på veien mot full autonomi.

Start der feilen er billig

Det vanligste feilgrepet er å begynne med den mest imponerende oppgaven. Velg heller noe der en feil koster lite og oppdages raskt.

Gode førstekandidater har tre kjennetegn. Oppgaven gjentas ofte nok til at automatisering lønner seg. Resultatet er lett å verifisere. Og et menneske ser utfallet før det får konsekvenser.

I drift feiler agenter dessuten ikke som vanlig programvare. De krasjer sjelden — de gjør noe plausibelt som er feil, og gjør det med selvtillit. Oppetid og responstid fanger ikke opp det. Du trenger sporing av hvert steg agenten tok, hvilke verktøy den kalte og med hvilke argumenter, og en måte å spole tilbake en samtale som gikk galt.

Den loggen er ikke bare feilsøking. Det er også nøyaktig den dokumentasjonen både AI Act og et kravskjema fra en offentlig innkjøper kommer til å be om. Å bygge den nå er det billigste svaret på et spørsmål som uansett kommer.

Oppsummert

Teknologien er moden nok til reelle arbeidsflyter på avgrensede områder med tydelige grenser. Den er ikke moden nok til å slippes løs på et helt domene uten tilsyn.

Det norske etterslepet i regelverket gir et pusterom, men ikke en unntakstilstand. De som bruker pusterommet til å bygge loggføring, tydelige grenser og norskspråklige testsett, møter KI-loven som en formalitet. De som bruker det til å utsette, møter den som et prosjekt.