Virksomheder, der anvender eller udvikler AI-systemer med høj risiko, står i 2026 over for et dobbelt regulatorisk pres: EU AI Act (forordning EU 2024/1689) stiller specifikke krav om nøjagtighed, robusthed og cybersikkerhed for AI-systemer i Annex III-kategorier, mens NIS2-direktivet (direktiv 2022/2555/EU) pålægger kritisk infrastruktur og vigtige sektorer langtrækkende forpligtelser om netværks- og informationssikkerhed. For mange danske virksomheder gælder begge regelsæt — og samspillet er mere komplekst end blot at sætte kryds i to separate skemaer.
Denne artikel gennemgår, hvad de to forordninger kræver på IT-sikkerhedsområdet, hvordan de overlapper og komplementerer hinanden, og giver et praktisk implementeringsroadmap for virksomheder, der skal opfylde begge regelsæt.
1. AI og cybersikkerhed: to forordningers sammenfald
AI-systemer er i dag tæt integreret i kritisk forretningslogik: de scorer kreditansøgninger, analyserer medarbejderperformance, screener jobansøgere og styrer energiforsyning. Netop denne dybe integration gør dem til attraktive angrebsmål.
Et succesfuldt angreb mod et AI-system kan have konsekvenser, der rækker langt ud over traditionelle IT-brud. Hvis en angriber kompromitterer en rekrutteringsalgoritmes træningsdata, kan systemet begynde at diskriminere på en måde, der er ulovlig under både EU AI Act og ligebehandlingsdirektiverne. Hvis et AI-system til kreditvurdering manipuleres til at godkende lån, det ikke burde, kan det udløse systemiske finansielle risici.
EU AI Act (forordning EU 2024/1689) trådte i kraft 1. august 2024. Forbudte AI-praksisser (Art. 5) var gældende fra 2. februar 2025. Reglerne for høj-risiko AI-systemer under Annex III er fuldt gældende fra 2. december 2027 (forordning (EU) 2026/1744, i kraft 27. juli 2026). Parallelt hermed har NIS2-direktivet (2022/2555/EU), der afløste det oprindelige NIS-direktiv, skullet implementeres i national lovgivning senest 17. oktober 2024.
For virksomheder i sektorer som energi, transport, sundhed, finansiel infrastruktur, digital infrastruktur og offentlig forvaltning — sektorer, der netop kendetegnes ved brug af Annex III AI-systemer — gælder begge regelsæt typisk simultant.
2. EU AI Act Art. 15: nøjagtighed, robusthed og cybersikkerhed for høj-risiko AI
Artikel 15 i EU AI Act (forordning EU 2024/1689, Art. 15) stiller tre kernekrav til høj-risiko AI-systemer:
Nøjagtighed (accuracy): Høj-risiko AI-systemer skal opnå et tilstrækkeligt nøjagtighedsniveau i overensstemmelse med deres tilsigtede formål. Udbyderen skal specificere præcisionsmetrikker og -niveauer i den tekniske dokumentation (Annex IV). Bemærk, at nøjagtighed ikke er en absolut størrelse — den måles mod systemets formål og de relevante benchmarks i det specifikke anvendelsesdomæne.
Robusthed (robustness): Høj-risiko AI-systemer skal være tilstrækkeligt robuste til at modstå fejl, fejlbetjening og forsøg på manipulation. Art. 15, stk. 3 specificerer, at systemer skal kunne håndtere fejl og inkonsekvenser, der kan opstå i komponenterne eller i omgivelserne. Redundans, failover-mekanismer og graceful degradation er centrale tekniske implementeringsmetoder.
Cybersikkerhed (cybersecurity): Art. 15, stk. 4 anfører eksplicit, at høj-risiko AI-systemer skal være robuste mod forsøg på uautoriseret tredjepartsadgang eller -manipulation af data, herunder under systemets drift. Kravene gælder specifikt for AI-systemers modstandsdygtighed over for adversarial attacks — angreb, der er designet til at narre AI-systemet til fejlklassificeringer eller uønskede outputs.
Disse krav er ikke bløde målsætninger. Overtrædelse af Art. 15-kravene kan medføre bøder på op til 15 millioner euro eller 3 % af global årsomsætning, alt efter hvad der er størst (Art. 99, stk. 4, forordning EU 2024/1689).
3. Angrebsscenarier mod AI-systemer: adversarial attacks, model poisoning og dataskrabning
AI-systemer er sårbare over for angrebstyper, der adskiller sig fundamentalt fra traditionelle IT-sikkerhedstrusler. Adversarial attacks er angreb hvor en modstander tilføjer omhyggeligt beregnede perturbationer til inputdata — eksempelvis en ansøgning eller et transaktionsmønster — der er usynlige for mennesker men systematisk narrer AI-systemet til at producere et forkert output. En rekrutteringsalgoritme kan dermed narres til at give en ellers afvisningsværdig ansøger en høj score. Et kreditscoringsystem kan manipuleres til at godkende et lån, det burde afvise.
Model poisoning er en mere invasiv angrebstype, hvor en modstander kompromitterer træningsdata eller træningsprocessen for at indlejre en bagdør i AI-modellen. Effekten er, at systemet fungerer korrekt under normale omstændigheder, men producerer fejlbehæftede outputs, når bestemte triggerinput præsenteres. For virksomheder der anvender tredjepartsleverandørers AI-modeller, er model poisoning særligt bekymrende, fordi det kan være ekstremt vanskeligt at opdage uden adgang til modeltræningstransparens. EU AI Act Art. 15's cybersikkerhedskrav og NIS2's krav om leverandørsikkerhed adresserer begge dette scenarie — men fra forskellige vinkler og med forskellige tekniske konsekvenser.
4. NIS2 og AI: Sektorkrav og overlappende forpligtelser
NIS2-direktivet (2022/2555/EU) kategoriserer enheder i to grupper: væsentlige enheder og vigtige enheder, med strengere krav til de første. Sektorer som energi, sundhed, transport, digital infrastruktur og finansielle markeder er typisk "væsentlige enheder". For disse virksomheder gælder der parallelt med EU AI Act's Art. 15 krav om: risikovurderingsforanstaltninger, hændelseshåndteringsprocedurer, forsyningskædesikkerhed, kryptografi og adgangsstyring samt løbende sårbarhedsvurdering. Mange af disse krav overlapper direkte med EU AI Act's robusthedskrav for høj-risiko AI-systemer.
Den strategisk kloge tilgang for virksomheder under begge regelsæt er at etablere én integreret AI-sikkerhedsramme, der opfylder kravene i begge forordninger simultant. Separat compliance-sporing fordobler bureaukratiet uden at levere bedre sikkerhed. En fælles risikomodel, der mapper AI-systemers angrebsflader mod både EU AI Act Art. 15 og NIS2's sikkerhedskrav, er mere effektiv og mere forsvarlig over for tilsynsmyndigheder end to parallelle, ikke-koordinerede compliance-sporere.
5. Konklusion: Integreret AI-sikkerhed som konkurrencefordel
Virksomheder der investerer i integreret EU AI Act og NIS2-compliance nu, opnår ikke blot lovlighed — de opbygger en sikkerhedskultur og et dokumentationsgrundlag der er værdifuldt i sig selv. Kunder, partnere og investorer spørger i stigende grad til AI-governance og cybersikkerhedscertificeringer som del af due diligence-processer. At kunne dokumentere systematisk compliance med begge regelsæt er en differentiator på markeder hvor tillid til AI-systemer er et konkurrenceparameter.