Läser in
AI Act · SektorNIS2 Bilaga II · viktig
- BilagaII
- TillsynLänsstyrelserna
AI-förordningen för forskning: Universitet, lärosäten och forskningsinstitut
Publicerad Senast uppdaterad
- Sprint
- 79 000 kr engång
- Högrisk-andel
- 15 procent
- Granskningsklar
- 60 dagar / pengarna tillbaka
Översikt
Vad AI-förordningen innebär för sektorn
Svenska universitet (KTH, Chalmers, Lund, Uppsala, Göteborg), högskolor och forskningsinstitut (RISE, SciLifeLab, FOI) är både deployers och ofta providers av AI. Akademisk forskning är ibland undantagen enligt Art. 2.6 (forskning innan utsläppande på marknaden) men AI som används i studentadministration eller forskningsprojekt som tillämpad praktik omfattas.
Sektorn har tung reglering: högskolelagen, högskoleförordningen, offentlighetsprincipen, god forskningssed, forskningsetisk prövning. AI-förordningen läggs på som komplement.
Klassificering
Bilaga III-punkter som gäller sektorn
| Punkt | Tillämpning i forskning |
|---|---|
| III.3 | AI i antagning, bedömning av studenter, utvärdering av läranderesultat |
| III.4 | HR-beslut (rekrytering, befordran, tjänstetilldelning) |
| III.8 | Vid kriminologisk forskning som används i rättsväsende |
AI-system
Typiska AI-system i svenska organisationer
| Användningsområde | Typiska leverantörer | Risknivå |
|---|---|---|
| Litteratursökning och research-stöd | Elicit, SciSpace, Scite.ai, Semantic Scholar | Minimal |
| Generativ dataanalys | OpenAI, Anthropic, Google DeepMind | Begränsad (forskningsundantag kan gälla) |
| Peer review-automation | Jailbird, egna system | Begränsad |
| Forskningsansökningsbedömning | Egna system vid myndigheter (Vetenskapsrådet) | Hög (III.4 plus III.5a) |
| Protein folding och strukturbiologi | AlphaFold, RoseTTAFold, Chai Discovery | Begränsad |
| Antagningsbedömning | UHR-system, egna modeller | Hög (III.3) |
| AI-detektering i studentarbeten | Turnitin AI Writing Detection, egna modeller | Hög (III.3) |
| Plagiatkontroll (klassisk) | Turnitin, Ouriginal, iThenticate | Begränsad |
| LLM för administrativ text | Microsoft Copilot, OpenAI Education | Minimal |
| Kliniska studie-analyser | SAS, egna modeller | Hög om tillämpad klinisk beslut |
Tillsyn
Myndigheter som har tillsyn
- UKÄ: sektorstillsyn för högre utbildning
- UHR: antagning
- Länsstyrelserna: sektorsmyndighet för NIS2 inom forskning
- PTS (föreslagen i SOU 2025:101): primär marknadskontroll för AI-förordningen
- Överklagandenämnden för högskolan (ÖNH): beslut om antagning
- Etikprövningsmyndigheten: forskningsetiska frågor
- NCSC vid FRA genom CERT-SE, nationell CSIRT (incidentrapporter via cyberportalen): cybersäkerhetsincidenter
Regelverk
NIS2-överlapp och Cybersäkerhetslagen
Forskning är Bilaga II. Större universitet är viktig entitet. Cybersäkerhet i akademiska nät har historiskt varit eftersatt jämfört med andra NIS2-sektorer. NIS2-arbetet för lärosäten är ofta samordnat via Sunet och SUNET CERT. AI-förordningen kräver att universiteten klassificerar även sina administrativa AI-system. Forskningsdata under GDPR Art. 9 (särskilda kategorier) kräver extra skydd.
Risk
Unika risker för AI i sektorn
- Forskningsetik vid AI-användning (patientdata, känslig forskning)
- GDPR Art. 9 vid persondata i forskningsstudier
- Forskningsintegritet och gränsdragning mot AI-assisterat plagiat
- Dual-use-bedömning vid försvars- eller säkerhetsrelaterad forskning
- Studentens rätt till mänsklig bedömning vid AI-assisterad examination
Så hjälper CyberKlar
AI-styrning för forskning
CyberKlar styr AI-användningen genom hela livscykeln, från upptäckt och klassificering till styrning, övervakning och bevis, med NIS2 som stödjande regelverk. För lärosäten: AI-systemregister med markering av forskningsundantag enligt Art. 2.6. Klassificering av bedömnings-AI (hög) mot forsknings-AI (oftast minimal). FRIA-flöde för offentliga universitet med högrisksystem i antagning. Kravspårning mot etikprövningsdokumentation per AI-system. Incidentspår som räknar fristerna enligt cybersäkerhetslagen och artikel 73 från kännedom och förbereder underlaget; inlämningen till NCSC och marknadskontrollmyndigheten och anmälan till UKÄ och IMY gör ni själva i respektive kanal.
Resultatbaserat
Vad du betalar för i forskning
Sprint-avgiften 79 000 kr exkl. moms täcker 60 dagars onboarding mot tio mätbara kriterier. Plattformen utvärderar varje natt om sektorns specifika krav är uppfyllda. På dag 60 är ni antingen granskningsklara eller får hela avgiften tillbaka via Stripe.
Sprinten är densamma oavsett sektor och storlek: en avgift, ett resultat. Efter Sprint tar ett löpande paket vid: NIS2 + AI-paketet (60 000 kr per år) samlar NIS2-samordnaren, AI-kompetensregister och AI-systemregister, och tecknas paketet inom 90 dagar från Sprint-start avräknas Sprint-avgiften mot första årsavgiften. Enskilda moduler säljs inte separat. Hela katalogen finns på prissidan.
Vanliga frågor
Frågor vi oftast får från forskning
01Är akademisk forskning undantagen från AI-förordningen?
Är akademisk forskning undantagen från AI-förordningen?
Delvis. Art. 2.6 undantar AI-system uteslutande för forskning och utveckling innan utsläppande på marknaden. Undantaget är smalt. AI som används i studentadministration, antagning, HR eller som del av en färdig forskningstjänst (exempelvis kliniskt verktyg) är inte undantagen.
02Får vi använda ChatGPT för forskningsarbete?
Får vi använda ChatGPT för forskningsarbete?
Ja. Forskarens personliga användning som stöd i forskningsarbetet är typiskt minimal risk. Art. 4 AI-kompetens gäller för personal. Art. 50 transparens om AI-genererat material publiceras. Upphovsrätt och data-policies från ChatGPT-leverantören separata frågor.
03Är AI-plagiatdetektering i studentarbeten högrisk?
Är AI-plagiatdetektering i studentarbeten högrisk?
Ja. Bilaga III.3 aktiveras eftersom systemet används för bedömning av studenter. Art. 26 plus GDPR. Mänsklig granskning innan avvisande av student krävs enligt Art. 14 och god förvaltning.
04Måste vi göra FRIA för antagningssystem?
Måste vi göra FRIA för antagningssystem?
Offentliga universitet är offentliga deployers. Art. 27 FRIA är obligatorisk för högrisk-AI i antagning. Dokumenteras hos IMY. Delar blir offentliga enligt Art. 27 punkt 5.
05Vilken rapportering gäller vid AI-orsakad felaktig antagning?
Vilken rapportering gäller vid AI-orsakad felaktig antagning?
Till UHR plus ÖNH enligt överklagandeprocess. Till marknadskontrollmyndigheten enligt Art. 73 i AI-förordningen. Intern rapport till ledningsnivå för utredning av orsak. GDPR Art. 33 om personuppgiftsincident. Förvaltningslagen för motivering till drabbad student.
06Får vi dela forskningsdata med amerikanska AI-leverantörer?
Får vi dela forskningsdata med amerikanska AI-leverantörer?
Beror på datatyp och GDPR. Personuppgifter kräver rättslig grund plus SCC eller BCR. Särskilda kategorier enligt Art. 9 kräver ytterligare grund. Säkerhetsskyddsdata kan kräva särskilt tillstånd. Samordna med universitetets DPO.
Relaterade sektorer
Andra sektorer med liknande krav
Sektorerna nedan delar tillsynsmyndighet, NIS2-bilaga eller regulatorisk profil och kan vara relevanta att läsa parallellt.
Relaterat
Fortsätt med nästa steg
Verifierad mot
- SFS 2025:1506
- EU 2024/1689
- OJ-version