supportgate
Veiledning

EU AI Act artikkel 10: hva den betyr for treningsdataene dine

Publisert 12. oktober 2026

På denne siden

Hvem artikkel 10 gjelder for

Artikkel 10 stiller krav til data og datastyring for høyrisiko-AI-systemer, kategoriene som er definert i KI-forordningen. Pliktene ligger hovedsakelig hos leverandøren, altså virksomheten som utvikler systemet eller får det utviklet og bringer det på markedet eller tar det i bruk under eget navn eller varemerke. Er systemet ditt ikke høyrisiko, gjelder ikke artikkel 10 direkte, men samme praksis gjør modellene mer pålitelige. Sjekk gjeldende datoer og status for EØS hos Europakommisjonens AI Act Service Desk og hos norske myndigheter.

Hva den krever

Trenings-, validerings- og testdatasett skal være underlagt datastyring og praksis for datahåndtering som passer til formålet. Artikkel 10 nr. 2 lister opp hva praksisen gjelder, blant annet designvalg, innsamling og opprinnelse, klargjøring som annotering, merking og rensing, antakelser om hva dataene representerer, vurdering av tilgjengelighet, mengde og egnethet, undersøkelse av mulige skjevheter og tiltak mot dem, og identifisering av hull i dataene.

Artikkel 10 nr. 3 sier i tillegg at datasettene skal være relevante, tilstrekkelig representative og så langt som mulig feilfrie og fullstendige sett i lys av formålet (vår oversettelse).

Den endrede teksten som vises hos AI Act Service Desk (sjekket 12. oktober 2026), inneholder ikke lenger nr. 5 om behandling av særlige kategorier personopplysninger for å oppdage skjevheter; artikkelen viser nå til artikkel 4a nr. 1. Les gjeldende tekst der før du stoler på et sammendrag, også dette.

En praktisk sjekkliste

  • Formål: skriv ned hva systemet skal brukes til og hva dataene må representere.
  • Opprinnelse: noter hvor hvert datasett kommer fra, og for personopplysninger hvorfor de opprinnelig ble samlet inn.
  • Klargjøring: logg hvert rense-, merke- og filtreringssteg med reglene du brukte.
  • Feil: sjekk for ødelagte filer, duplikater på tvers av oppdelingen, uskarphet, frosset video og andre feil, og noter hva du fant og bestemte.
  • Representativitet og skjevhet: sammenlign dataene med menneskene og situasjonene systemet skal brukes på, og noter hullene.
  • Personopplysninger: finn dem, avklar behandlingsgrunnlag og minimer.
  • Dokumentasjon: lagre oversikten sammen med modellversjonen.

Hva verktøy kan og ikke kan gjøre

Automatiske kontroller hjelper med feil, duplikater og personopplysninger og lager en oversikt over hva som ble sjekket. De avgjør ikke om dataene er representative for formålet ditt, og de gjør ikke et system i samsvar med regelverket. Denne veiledningen er generell informasjon, ikke juridisk rådgivning.