Klar til AI · metode
Kilder og metode
Her står, hvordan point og niveauer er regnet, hvilke kilder vi har brugt, og hvad en enkel selvvurdering ikke kan. Kilderne er kontrolleret 23. oktober 2026.
Vejledning, ikke rådgivning. Dette er en enkel selvvurdering fra ai-cases.dk. Det er ikke en officiel eller målt score, ikke en certificering, ikke juridisk rådgivning og ikke en vurdering af, om I overholder GDPR, AI-forordningen eller andre regler. Der er ingen garanti for et bestemt resultat. Svarene gemmes ikke og sendes ikke nogen steder.
Hvad selvtesten er, og hvad den ikke er
- Det er en enkel selvvurdering, lavet af ai-cases.dk. Spørgsmålene er vores egne. Vi har set på andres tests for at finde ud af, hvad der allerede findes, men har ikke kopieret spørgsmål.
- Det er ikke en officiel eller målt score, ikke en certificering og ikke en vurdering af, om I overholder GDPR, AI-forordningen eller andre regler.
- Det er ikke juridisk rådgivning. Spørg jeres databeskyttelsesansvarlige eller en jurist, hvis I er i tvivl om reglerne.
- Der er intet benchmark. Vi sammenligner ikke med andre virksomheder og skriver aldrig, at nogen er "bedre end" en procentdel.
- Svarene gemmes ikke. Beregningen sker i din browser. Svarene sendes ikke nogen steder, står ikke i adressen, og selvtesten bruger ingen cookies og ingen lagring i browseren.
- ai-cases.dk tjener ikke penge på selvtesten eller dataoversigten. Der er ingen sponsorer og ingen salgsknapper.
Pointmodellen
Svarskala
Alle 20 spørgsmål har samme skala. "Ved ikke" tæller som 0, og der er ingen "ikke relevant".
| Point | Svar |
|---|---|
| 0 | Nej, eller vi ved det ikke |
| 1 | Delvist: enkelte ved det, men intet er skrevet ned |
| 2 | I hovedtræk: det gøres de fleste steder, men ikke fast eller dokumenteret |
| 3 | Ja: skrevet ned, med en ejer, og gennemgået inden for de seneste 12 måneder |
Point i alt og pr. område
Point i alt er summen af de 20 svar: 0 til 60. De er fordelt på fem områder med fire spørgsmål hver. Hvert område giver 0 til 12 point og vises som en søjle.
| Område | Spørgsmål |
|---|---|
| A. Dataoverblik | 1, 2, 3, 4 |
| B. Mærkning og klassifikation | 5, 6, 7, 8 |
| C. Adgange | 9, 10, 11, 12 |
| D. Regler for AI-brug | 13, 14, 15, 16 |
| E. Ejerskab og logning | 17, 18, 19, 20 |
Fire niveauer
Niveauerne er 4 lige store kvarte dele af skalaen. Grænserne er vores egne og ikke valideret mod data fra virksomheder eller mod et benchmark. De skal læses som en grov tommelfingerregel for samtalen, ikke som en måling.
| Niveau | Point |
|---|---|
| 1. Ikke i gang | 0 til 14 |
| 2. Grundlaget mangler | 15 til 29 |
| 3. På vej | 30 til 44 |
| 4. Grundlag for en afgrænset pilot | 45 til 60 |
Niveau 4 betyder ikke "klar til AI" og er ikke en godkendelse. Det betyder, at jeres egne svar peger på, at grundlaget er skrevet ned og har ejere, så I kan overveje en pilot med to afgrænsede opgaver og data i de laveste niveauer. Vi lover ikke, at et bestemt niveau eller en bestemt score giver et bestemt resultat.
Grundpunkter
Spørgsmål 2, 11, 13, 14 er grundpunkter: personoplysninger (2), åbne delinger (11), godkendte værktøjer (13) og regler for datatyper (14). Er ét af dem 0, vises niveauet som højst 2, og resultatet nævner, hvilke grundpunkter der skal løses først. Mange point andre steder kan ikke veje op for, at der fx ikke er styr på åbne delinger.
Spørgsmålene og deres grundlag
Spørgsmålene er vores egne formuleringer. Kolonnen til højre viser de kilder, der ligger til grund for, at spørgsmålet er med, eller for hvad det spørger til.
| Nr. | Spørgsmål | Kilder |
|---|---|---|
| 1 | Vi ved, hvilke systemer og steder (fx SharePoint/Teams, delte drev, e-mail, CRM, økonomisystem, filserver) der indeholder virksomhedens vigtigste data. | [K13][K3] |
| 2 (grundpunkt) | Vi ved, hvor der ligger personoplysninger om kunder, ansatte og leverandørkontakter, også i regneark, e-mail og delte mapper. | [K13] |
| 3 | Hver vigtig datakilde har en navngiven ejer (en rolle), der kan svare på, hvad data bruges til, og hvem der må se dem. | [K1][K5] |
| 4 | Vi ved, hvilke data der er forældede, dobbelte eller modstridende (fx flere versioner af samme prisliste), og hvem der retter dem. | [K15][K3][K5] |
| 5 | Vi har en simpel inddeling af data efter følsomhed (højst fem niveauer) med eksempler i ord, ikke kun farver. | [K6][K16] |
| 6 | Medarbejderne kan give et eksempel på et dokument for hvert niveau. | [K6] |
| 7 | Dokumenter og mapper bliver mærket i de systemer, AI-værktøjet kan se, manuelt eller med værktøjets mærkater, og vi tjekker stikprøver. | [K6][K10] |
| 8 | Vi har en regel for, hvilket niveau AI-svar og udkast får, når de bygger på mærkede data (udgangspunkt: samme niveau som input). | [K16] |
| 9 | Adgang til data er begrænset til arbejdsbetinget behov, ikke "alle kan se alt" som udgangspunkt. | [K11] |
| 10 | Vi har inden for de seneste 12 måneder gennemgået, hvem der har adgang til de vigtigste områder, inklusive gæster, eksterne og tidligere ansatte. | [K12][K9] |
| 11 (grundpunkt) | Vi ved, hvilke delte områder (SharePoint, Teams, OneDrive, Google Drive) der er åbne for hele organisationen eller for "alle med linket", og har lukket dem, hvor det ikke er nødvendigt. | [K7][K8] |
| 12 | Når nogen stopper eller skifter rolle, ændres eller lukkes adgange efter en fast procedure. | [K12] |
| 13 (grundpunkt) | Vi har en liste over godkendte AI-værktøjer og konti (arbejdskonto), og medarbejderne kender den. | [K14][K15] |
| 14 (grundpunkt) | Vi har skrevet ned, hvilke datatyper og niveauer der må bruges i hvilke AI-værktøjer, inklusive personoplysninger og fortroligt. | [K14][K15] |
| 15 | Vi har besluttet, hvem der må koble AI-værktøjer, agenter, plugins eller skills til virksomhedens data, og hvem der godkender det. | [K7] |
| 16 | Medarbejderne har fået kort vejledning i reglerne og ved, hvad de gør, hvis de har indsat noget forkert. | [K14][K15][K17] |
| 17 | Én navngiven rolle har ansvaret for AI og data, og ledelsen har godkendt reglerne. | [K15][K1][K2] |
| 18 | Vi har en procedure for, hvem der får besked, når data er delt eller indsat forkert. | [K14] |
| 19 | Vi ved, hvad der logges om brug af AI-værktøjer og adgange (hvad, hvor længe, hvem kan se det), og har taget stilling til, om det er nok. | [K7]Vestland |
| 20 | Vi har en fast dato og en ejer for næste gennemgang af overblik, mærkning og adgange (fx hver sjette måned). | [K1][K2] |
Hvad testen ikke kan
- Den måler ikke, hvad der faktisk er sat op. Den spørger, hvad I mener og ved. To personer i samme virksomhed kan svare forskelligt.
- Den kontrollerer ikke jeres systemer, jeres delinger eller jeres adgange. Brug værktøjerne i jeres egne systemer til det, fx Microsofts rapporter i SharePoint.[K8]
- Den siger intet om jura. En høj score er ikke et bevis for, at I overholder databeskyttelsesreglerne, og en lav score er ikke et bevis for det modsatte.
- Den forudsiger ikke, om en pilot lykkes, eller hvad AI vil give jer.
- Den dækker kun data og adgange, regler for AI-brug og ejerskab. Den siger ikke noget om, hvilke opgaver der er værd at løse med AI.
- NIST understreger selv, at handlingerne i rammeværket ikke er en tjekliste.[K1] Vores spørgsmål er heller ikke en tjekliste, der kan "bestås".
Forbehold om licenser og regler
- Microsofts adgangsgennemgange (Entra access reviews) kræver Microsoft Entra ID Governance eller Entra Suite, og nogle dele kan virke med Entra ID P2.[K9] Tjek hos Microsoft og jeres IT-partner, hvilke licenser de øvrige funktioner kræver, fx i SharePoint Advanced Management.[K8]
- Automatisk mærkning og forebyggelse af datatab (DLP) i Google Workspace kræver en udgave med DLP.[K10]
- AI-færdigheder i AI-forordningens artikel 4 er ændret med virkning fra 27. juli 2026. Vi gengiver ingen forpligtelser her. Kommissionens egne spørgsmål og svar bruger vi kun som henvisning til vejledning til medarbejdere.[K17] Læs også modul 2, AI-forordningen i klart sprog.
- NIST oplyser, at rammeværket er under revision.[K1] ISO/IEC 42001 er en betalingsstandard, og vi har kun læst overblikssiden.[K2]
Kilder
Alle kilder er åbnet og læst 23. oktober 2026. Hvor vi kun har læst en del, står det ved kilden. Ingen kilde står som "ikke verificeret" i denne udgave. Sider hos leverandørerne ændrer sig. Er en henvisning blevet forkert, så er det kilden, der gælder.
- K1
NIST, AI Risk Management Framework 1.0 (NIST AI 100-1), Core: Govern, Map, Measure, Manage
Ramme for ejerskab, dokumenterede roller og periodisk gennemgang. NIST skriver selv, at handlingerne ikke er en tjekliste.
- K2
ISO/IEC 42001:2023, AI management systems
Henvisning til tanken om et ledelsessystem (plan, gør, tjek, handl). Standarden er en betalingsstandard.
- K3
Microsoft, Cloud Adoption Framework: Plan for AI adoption
Gør en opgørelse over dataaktiver og vurdér deres kvalitet, før I vælger AI-opgaver.
- K4
Microsoft, AI Readiness Assessment (syv søjler, bl.a. Data Foundations og AI Governance & Security)
Et eksempel på en eksisterende, længere selvtest. Vores spørgsmål er egne og er ikke kopieret herfra.
- K5
Google Cloud, Organizational readiness for AI adoption and scale (5. juni 2025)
Data foundations: fælles forståelse af dataejerskab og brug af data.
- K6
Microsoft Learn, Learn about sensitivity labels
Hvad følsomhedsmærkater er, og Microsofts råd om at holde antallet nede (effekten falder mærkbart ved mere end fem hovedmærkater).
- K7
Microsoft Learn, Configure a secure and governed foundation for Microsoft Copilot
Find overdelte, ejerløse og inaktive websteder og ret adgange. Siden er opdateret 7. oktober 2026.
- K8
Microsoft Learn, Get ready for Microsoft Copilot with SharePoint Advanced Management
Copilot respekterer eksisterende adgange. Content Management Assessment, politikker for ejerløse og inaktive websteder og standarder for deling.
- K9
Microsoft Entra, What are access reviews?
Periodisk gennemgang af gruppemedlemmer og gæster. Funktionen kræver Microsoft Entra ID Governance eller Entra Suite, nogle dele kan virke med Entra ID P2.
- K10
Google Workspace Help, Create classification labels for your organization
Klassifikationsmærkater i Google Workspace. Automatisk mærkning og DLP kræver udgaver med DLP.
- K11
Datatilsynet, Adgangsrettigheder efter behov
Adgang bør ikke være bredere end det arbejdsbetingede behov. Begræns fx læse-, skrive- og sletteadgang hver for sig.
- K12
Datatilsynet, Periodisk kontrol af adgangsrettigheders aktualitet
Kontrol af, om adgange stadig er nødvendige, og om konti ikke længere bruges ("ghost accounts"), fx efter fratrædelse.
- K13
Datatilsynet, Trin 1: Skab overblik (GDPR-univers for små virksomheder)
Overblik over, hvor og hvilke personoplysninger I har. Siden har en egen vejledning og skabelon til fortegnelse.
- K14
Datatilsynet, Forhold dig til AI-værktøjer (22. marts 2024)
Arbejdspladsen bør fastsætte rammer for brug af generativ AI. Datatilsynet ser flere brud, hvor medarbejdere har brugt personoplysninger i prompts.
- K15
Ledelsesansvar, positivliste over godkendte værktøjer, hvilke datatyper der må bruges, og at et forældet datagrundlag kan være en faldgrube.
- K16
Punkt 5, "Classify data and use access controls": AI-output klassificeres som udgangspunkt på samme niveau som input.
- K17
Europa-Kommissionen, AI Literacy Questions & Answers
Kun som henvisning til vejledning til medarbejdere. Vi gengiver ingen forpligtelser; AI-forordningen behandles i et andet modul.
- Case
Vestland fylkeskommune, Sluttrapport KI (8. april 2025), omtalt i casen på ai-cases.dk
Eksempel på en pilot, hvor adgangsstyring og oprydning i filer var blandt det, der ikke virkede. Casen på ai-cases.dk har egne forbehold og kilde: slutrapporten.
Vil du tage selvtesten? Gå til AI readiness-score → Vil du have overblik over data? Hent dataoversigten →