Europeiske selskaper sprer AI-risikoen

Reuters setter ord på et skifte som treffer rett inn i styrerommet: store europeiske virksomheter vil ikke lenger bygge AI-strategien på én modellfamilie, én jurisdiksjon eller én leverandør.

Saken er enkel, men tung. Reuters skriver at begrensninger på tilgang til enkelte amerikanske AI-tjenester får europeiske selskaper til å spre risiko raskere. Siemens, Renault, Orange og ChapsVision sier at de allerede bruker en miks av amerikanske, kinesiske og europeiske modeller. Målet er ikke å lage en ideologisk ren europeisk AI-stack. Målet er å unngå at drift, produktutvikling og agentprosesser stopper fordi én ekstern leverandør eller myndighet endrer tilgangsvilkår.

Bakgrunnen er blant annet amerikanske restriksjoner knyttet til Anthropics Fable 5 og Mythos 5. Reuters skriver at amerikanske myndigheter har pålagt Anthropic å stoppe tilgang for utenlandske statsborgere, med henvisning til nasjonal sikkerhet. For virksomheter som bruker proprietære modeller levert som fjernstyrte tjenester, er dette en brutal påminnelse: tilgang er en kontraktsrett, ikke en naturrett.

For norske ledere er poenget større enn Anthropic. AI-sourcing er blitt kontinuitetsstyring.

Suverenitet betyr valgmulighet

Reuters peker på en viktig nyanse. Europeisk AI-suverenitet handler ikke bare om å bygge alt selv. Cedrik Neike, som leder Digital Industries i Siemens, sier til Reuters at virksomheter trenger fleksibilitet, og at suverenitet ofte blandes sammen med autarki. Det siste er ikke veien å gå.

Det er en fornuftig ledertolkning. Norske virksomheter kommer ikke til å bytte ut hele AI-økosystemet med lokale alternativer. De vil bruke amerikanske modeller, europeiske modeller, åpne vekter, spesialiserte modeller og skybaserte tjenester side om side. Spørsmålet blir hvem som eier rutingen, policyen og risikoen.

Siemens oppgir til Reuters at selskapet bruker kinesiske modeller som DeepSeek og Alibabas Qwen, NVIDIAs Nemotron og andre amerikanske og europeiske modeller. Renault, Orange og ChapsVision peker i samme retning. De vil ha alternativer. De vil ha beredskap. De vil kunne flytte en arbeidsflyt når pris, lovverk, tilgang eller risikobilde endrer seg.

Det er en annen modenhetsfase enn den mange AI-programmer startet med. Først handlet det om å få ansatte i gang. Så handlet det om å få data inn i trygge rammer. Nå handler det om porteføljestyring av modeller.

Proprietære modeller gir fjernstyrt risiko

Reuters beskriver markedet som delt mellom åpne modeller, som virksomheter kan kjøre selv, og proprietære modeller som brukes via eksterne tjenester. Den tekniske forskjellen blir fort en styringsforskjell.

Hvis modellen kjøres i egen infrastruktur eller hos en kontrollert partner, kan virksomheten i større grad styre versjon, tilgang, logging og beredskap. Hvis modellen bare finnes som en fjernstyrt tjeneste hos leverandøren, kan tilgang stenges, begrenses eller endres raskt. Det kan være legitimt. Det kan også være nødvendig. Men risikoen ligger hos kunden hvis arbeidsflytene ikke har alternativer.

Dette treffer særlig agentiske systemer. En chatbot som mister tilgang er irriterende. En agent som henter data, klassifiserer saker, prioriterer hendelser, skriver kode eller støtter kundebehandling, kan bli en driftsavhengighet. Da må modellen behandles som kritisk leverandør, ikke som et produktivitetsverktøy.

Det betyr konkrete krav i innkjøp og arkitektur:

• modellruting og fallback må være designet før krisen
• godkjente modeller må knyttes til dataklasser og jurisdiksjoner
• logging og evalueringsdata må være portable
• kontrakter må beskrive varsel, endringsrett og avvikling
• kost per token og kost per arbeidsflyt må følges som FinOps, ikke som lisensadministrasjon

Reuters peker også på tokenkost som en ny pressfaktor. Når agentbruk skalerer, blir variabel pris en ledelsesrisiko. En modell kan være teknisk best i pilot, men for dyr, for låst eller for sårbar i produksjon.

Europa mangler fortsatt bred modellkapasitet

Det finnes en ubehagelig realitet i Reuters-saken. Europa vil ha mer teknologisk autonomi, men har få generelle modellleverandører i toppsjiktet. Mistral trekkes frem som det tydeligste navnet. DeepL har en sterk posisjon på oversettelse, men er smalere.

OVHcloud-sjef Octave Klaba sier til Reuters at europeiske åpne modeller ikke imponerer når man sammenligner bredt, og at mange sterke åpne alternativer nå kommer fra Kina. Det gjør valget mer komplisert. En europeisk virksomhet som vil bort fra amerikansk konsentrasjon, kan ende med å øke avhengigheten av kinesiske modeller eller av amerikansk infrastruktur rundt åpne vekter.

Dette er ikke et argument mot åpne modeller. Det er et argument mot enkle svar. Modellstrategi må koble ytelse, pris, datakrav, eksportkontroll, leverandørrisiko og forretningskritikalitet. Det er klassisk CIO-arbeid, men med høyere fart.

Hva norske styrer bør be om nå

Styrer trenger ikke detaljstyre modellvalg. De bør derimot be ledelsen dokumentere tre ting.

For det første: hvor er virksomheten allerede modellavhengig? Ikke bare i offisielle AI-prosjekter, men i utviklerverktøy, kundeservice, analyse, sikkerhetsoperasjoner, HR og leverandørportaler.

For det andre: hvilke arbeidsflyter tåler ikke plutselig tilgangstap eller prisendring? Det er her AI går fra innovasjon til kontinuitet.

For det tredje: finnes det en praktisk exit-plan? Ikke en PowerPoint om multicloud, men testet evne til å flytte en oppgave fra én modell til en annen med akseptabel kvalitet, kost og sporbarhet.

Reuters-saken viser at de mest modne europeiske virksomhetene ikke venter på et perfekt europeisk alternativ. De bygger valgfrihet. Det er trolig den mest realistiske formen for AI-suverenitet de neste årene.

Kilder og medier

Primærkilde: Reuters, "US curbs on AI spur European firms to spread the risk". Source_url: https://www.reuters.com/legal/litigation/us-curbs-ai-spur-european-firms-spread-risk-2026-06-22/

Kildekreditering: Reuters / Leo Marchandon.

Thumbnail: OpenAI Image 2 / hogby.ai