CHECKLISTA: AI I FOU
Säkerställ att AI används ansvarsfullt i forsknings- och utvecklingsprojekt.
Exempel för FoU-team
Använd checklistan när ett FoU-team strukturerar öppna teknikkällor utan att dela egna testresultat. Bocka av dataklass, ansvar och kontroll innan materialet lämnar arbetsgruppen. Om någon punkt inte går att svara på ska AI-stödet stanna som utkast.
Checklista
- Är AI-verktyget godkänt för forskningsdata?
- Finns det risk för att opublicerade resultat läcker?
- Har vi dokumenterat eventuella etiska risker?
- Behöver vi rådgöra med patent- eller juridikavdelning?
- Har vi informerat alla i teamet om AI-användningen?
Informationsklassning och syfte
- Är uppgiften definierad som idégenerering, textstöd, dataanalys eller beslutsunderlag?
- Innehåller underlaget affärshemlighet, ej publicerat resultat, personuppgift, kundmaterial eller säkerhetskänslig teknik?
- Är verktygets lagring, träning på indata, åtkomstkontroll och avtalsvillkor godkända för dataklassen?
- Har teamet utsett en person som ansvarar för att kontrollera resultatet?
Om du inte kan svara på dataklass eller verktygsvillkor ska du använda en anonymiserad eller offentlig testversion, inte originalmaterialet.
Spårbarhet och teknisk kontroll
- Spara prompt, modell/version, datum, dataklass och eventuell inställning för datalagring.
- Markera vilka delar av svaret som är hypoteser, sammanfattningar eller genererad kod.
- Verifiera påståenden mot originalpublikation, experiment, simuleringsresultat eller sakkunnig.
- Testa kod och analys på kända exempel samt dokumentera avvikande utfall.
En snygg sammanfattning är inte evidens. Om AI:s output påverkar experimentplan, materialval, säkerhetsbedömning eller kundkrav behöver verifieringssteget vara granskningsbart i efterhand.
Juridik, IP och ansvar
- Har patentansvarig bedömt om materialet avslöjar uppfinning eller påverkar kommande ansökan?
- Har avtal med kund, partner eller finansiär kontrollerats för krav på AI-användning och sekretess?
- Är mänskligt bidrag och beslutsansvar tydligt dokumenterat?
- Är det tydligt i rapport eller leverans var AI har använts när mottagaren kräver transparens?
Stanna publicering eller leverans om källor, rättigheter eller validering är oklara. Tidsvinsten från AI är inte värd ett röjt patentläge eller ett tekniskt beslut utan underlag.
Gör checklistan återanvändbar
Bestäm en enkel loggmall och gå igenom den vid projektets vanliga beslutspunkter: idéval, experimentstart, designfrysning och extern leverans. Samla exempel på godkända datanivåer och misslyckade AI-svar. Då blir checklistan ett lärande arbetssätt, inte en engångsbarriär som teamet försöker passera snabbt.
När processen ska pausas
Pausa AI-användningen och eskalera om någon har matat in material som kan röja en uppfinning, om personuppgifter förekommer i en otillåten tjänst eller om ett genererat påstående redan hunnit påverka ett beslut utan verifiering. Detsamma gäller om modellen rekommenderar en säkerhetskritisk ändring som teamet saknar testunderlag för.
Dokumentera vad som hände, vilka data som berörs, vilka mottagare eller system som kan ha exponerats och vilken korrigerande åtgärd som beslutas. Stoppkriterier gör att snabb experimentering kan fortsätta inom kontrollerade ramar.
Utse också en kontaktväg som alla i teamet känner till. En checklista fungerar först när det är enkelt att få hjälp innan ett riskfyllt steg tas.
Gå igenom stoppkriterierna vid projektstart och efter varje större ändring av modell, verktyg eller datakälla, så att kontrollen följer projektets verkliga riskbild.
Notera beslutet i projektloggen.
Ansvar ligger kvar hos verksamheten
Checklistan är framtagen av redaktionen för AI på svenska och kontrollerad senast 2026-05-24. Rådgör med juridik, informationssäkerhet och patentansvarig vid känsligt material.