Gå til indhold
atlas

Dataetik

Også kendt som: ansvarlig dataanvendelse

At spørge ikke kun, om en brug af data er lovlig, men om den er fair, åben og i tråd med, hvad folk kan forvente.

Kladde - dette opslag er endnu ikke gennemgået.

Formelt

De værdier, der styrer, hvordan en organisation indsamler, sammenstiller og bruger data, også via AI, ud over hvad loven kræver - retfærdighed, åbenhed, respekt for folks valg og at undgå skade. Store danske virksomheder skal redegøre for deres dataetiske politik i årsrapporten eller forklare, hvorfor de ikke har en.

Forklaret enkelt

Loven er fartgrænsen; etik er at sætte farten ned ud for en skole, når børnene får fri, selv om skiltet stadig siger 50.

I praksis

En dansk bank kunne lovligt bruge kortdata til at finde kunder i økonomiske vanskeligheder og tilbyde dem dyre lån; dens dataetiske udvalg siger nej og bruger i stedet signalet til at tilbyde gratis budgetrådgivning.

Hvorfor det betyder noget

Tillid brydes hurtigere, end love ændres - en brug af data, der er lovlig, men føles grænseoverskridende, kan jage kunder væk og give offentlig kritik, længe før nogen regel er brudt.

Teknisk uddybning

Danmark er et af de få lande, der har gjort dataetik til et rapporteringskrav i selskabsretten. Årsregnskabslovens § 99 d kræver, at store virksomheder i regnskabsklasse C og virksomheder i regnskabsklasse D (børsnoterede og statslige aktieselskaber) i ledelsesberetningen redegør for deres politik for dataetik for regnskabsår, der begynder 1. januar 2021 eller senere. Det er et følg-eller-forklar-krav: en virksomhed uden politik skal forklare hvorfor, og en koncern kan rapportere samlet. Loven foreskriver ikke politikkens indhold, og Erhvervsstyrelsens vejledning fortolker "politik" bredt som interne retningslinjer, mål eller andre beskrivelser af, hvordan virksomheden arbejder med dataetik. Bestemmelsen udsprang af regeringens ekspertgruppe om dataetik, hvis anbefalinger fra 2018 også førte til Dataetisk Råd og indgik i D-mærkets kriterier.

Indholdsmæssigt handler dataetik om rummet mellem lovlighed og legitimitet. GDPR sætter bundgrænser (behandlingsgrundlag, formålsbegrænsning, dataminimering, gennemsigtighed), men mange omstridte anvendelser er lovlige: sammenstilling af datasæt, der hver for sig er harmløse, profilering på grundlag af legitime interesser, brug af ikke-personhenførbare eller aggregerede data, der stadig påvirker grupper, eller modeller, hvis fejl fordeler sig skævt. Helen Nissenbaums begreb kontekstuel integritet rammer kerneintuitionen: en informationsstrøm er problematisk, når den bryder normerne i den sammenhæng, oplysningerne blev delt i, selv om modtageren har ret til dem. Gladsaxe-modellen, et kommunalt forslag fra 2018 om at samkøre registerdata for at finde udsatte børn, nævnes ofte som eksempel på en anvendelse, der mødte stærk etisk kritik og blev lagt i skuffen.

For algoritmiske systemer er referencepunkterne EU's ekspertgruppes etiske retningslinjer for troværdig AI (2019) med syv krav, bl.a. menneskelig handlekraft og tilsyn, gennemsigtighed, mangfoldighed, ikke-diskrimination og retfærdighed samt ansvarlighed, og OECD's AI-principper (2019). EU's AI-forordning (forordning (EU) 2024/1689) har siden gjort en del af dette til lov, idet forbuddene mod bestemte praksisser har gældt siden 2. februar 2025, så noget af det, der var etik, nu er compliance. Retfærdighed er også teknisk omstridt: kendte resultater viser, at almindelige mål som kalibrering og lige fejlrater på tværs af grupper generelt ikke kan opfyldes samtidig, når basisraterne er forskellige, så valget af mål er i sig selv en etisk beslutning, der bør dokumenteres.

I praksis udmøntes dataetik gennem en skriftlig politik godkendt af bestyrelsen, et vurderingstrin i projektstyringen (ofte kombineret med konsekvensanalysen, men med fokus på skader ud over databeskyttelse, fx manipulation, udelukkelse eller samfundsmæssige virkninger), et etisk udvalg til grænsetilfælde og gennemsigtighed om formål i et klart sprog. En hyppig fejl er at behandle politikken som en rapporteringsøvelse uden nogen beslutning, den reelt kan stoppe; revisorer og journalister kigger efter eksempler, hvor politikken ændrede eller standsede et projekt.

Hvad du bør lære først

Alt det, dette bygger på - grundlaget først.

  1. Personoplysninger
  2. →Dataetik

Relationer

Forudsætter
Personoplysninger
Forveksl ikke med
GDPR
Afbøder
Bias i AI
Bruges sammen med
D-mærket

Kilder og videre læsning

Kursusmateriale

  • Cyber Security Fast Track - Kursuskompendium, Modul 8

Hvor dataene kommer fra

Dette opslag er skrevet af en AI ud fra kilderne ovenfor og er endnu ikke gennemgået af et menneske. Brug det som udgangspunkt, og tjek alt vigtigt mod kilderne.

Se gennemgangskøenForeslå en rettelse på GitHubDette begreb som JSON

Test dig selv

Indlæser…

Atlas er i beta.