Meta bremser AI-sporing av ansatte

Meta justerer et internt AI-tiltak som gikk rett inn i kjernen av moderne arbeidsliv: hvor langt en arbeidsgiver kan gå i å hente inn ansattdata for å trene AI-agenter.

Reuters melder at Meta nå gir ansatte mulighet til å pause datainnsamlingen i opptil 30 minutter om gangen og søke om fritak. Endringen kommer etter flere uker med intern motstand mot programvare som samler inn musebevegelser, klikk, tastetrykk og andre handlinger fra ansattes arbeidsmaskiner. Dataene skal brukes til å trene AI-modeller og agenter som kan utføre arbeidsoppgaver mer autonomt.

Saken er ikke bare en personvernsak hos Meta. Den er et tidlig varsel om hva som skjer når virksomheter prøver å bygge AI-agenter på toppen av faktiske arbeidsprosesser. For å lære hvordan ansatte jobber, må systemene ofte se hva ansatte gjør. Da flytter diskusjonen seg fra «kan vi automatisere?» til «hvilke arbeidsdata har vi lov til å samle inn, og hvem tar ansvaret hvis det går galt?».

Hva Meta endrer

Ifølge Reuters er endringene beskrevet i et internt notat fra Stephane Kasriel, en leder i Metas AI-modelbygging. Ansatte får nye kontroller for å pause innsamling og be om unntak. Meta skal også ha gjort tekniske endringer for å redusere belastning på batteri og databruk, etter klager om at programvaren brukte så mye data at hjemmenett og maskiner ble påvirket.

Kasriel skriver i notatet at selskapet fortsatt mener personverntiltakene ved lansering var solide og hadde vært gjennom flere risikovurderinger. Samtidig erkjenner notatet at ansatte har reist bekymringer om personlige data på arbeidsenheter, batteribruk og behov for mer kontroll over når innsamlingen skjer. Meta nektet å kommentere overfor Reuters.

Tiltaket ble først rullet ut til USA-baserte ansatte. Reuters knytter det til Metas bredere satsing på AI-agenter som kan utføre arbeidsoppgaver på egen hånd. Den praktiske logikken er lett å forstå: Skal en agent lære kontorarbeid, kundebehandling, analyse eller intern utviklingsflyt, trenger den trening på reelle sekvenser av handlinger. Men den samme logikken gjør tiltaket risikabelt. Tastetrykk, klikk og musebevegelser er ikke nøytral telemetri når de kobles til mennesker, arbeidsoppgaver og maskiner.

Hvorfor dette treffer norske ledere

Mange virksomheter kommer til å stå i samme spagat som Meta, bare i mindre skala og med mindre juridisk apparat. De vil effektivisere kontorarbeid med agenter. De vil hente treningsdata fra interne systemer. De vil måle hvordan arbeidsflyt faktisk skjer. Og de vil oppdage at datagrunnlaget fort blir mer sensitivt enn prosjektgruppen først trodde.

For en norsk CIO betyr dette at AI-agentprogrammer ikke kan behandles som vanlige produktivitetsverktøy. Når systemene observerer arbeid for å lære, må arkitektur, logging, dataminimering og tilgangsstyring avklares før pilotene går bredt. For CISO blir spørsmålet hvilke signaler som fanges opp og hvor de sendes. Tastetrykk og arbeidssekvenser kan inneholde passord, kundeinformasjon, interne vurderinger, kildekode, saksmapper og andre data som aldri var ment som treningsmateriale.

For DPO og HR er saken enda skarpere. Dette ligner kontrolltiltak i arbeidsforhold. Da holder det ikke å si at formålet er innovasjon eller AI-forbedring. Virksomheten må kunne forklare formål, rettslig grunnlag, proporsjonalitet, lagringstid, innsyn, reservasjon og sikkerhet. Hvis innsamlingen skjer på hjemmekontorutstyr eller påvirker hjemmenett, blir gråsonene raskt bredere.

EU-risikoen ligger i metoden

Reuters peker på at tiltaket kan forsterke Metas regulatoriske utfordringer i EU, der teknologiselskaper allerede møter hardere krav til hvordan data samles inn og brukes. Det poenget bør leses bredt. EU-risikoen ligger ikke bare i hvem Meta er. Den ligger i metoden: løpende observasjon av ansattes digitale arbeid for å trene modeller.

Under GDPR vil en slik løsning raskt utløse spørsmål om dataminimering, formålsbegrensning og behandlingsgrunnlag. Under AI Act kan virksomheter i tillegg måtte dokumentere styring, risikokontroll og menneskelig oppfølging for systemer som påvirker arbeid og organisering. Selv der et prosjekt ikke faller inn under de strengeste kategoriene, vil styret forvente at ledelsen har vurdert risikoen.

Det er også en tillitssak. Intern AI-satsing feiler ofte ikke fordi modellen er svak, men fordi ansatte ikke stoler på prosessen. Hvis arbeidstakere opplever at AI-programmet starter med skjult eller tungvint overvåking, blir neste agentpilot vanskeligere å få gjennom.

Hva virksomheter bør gjøre nå

Før AI-agenter trenes på arbeidssignaler, bør ledelsen kreve en konkret datakartlegging. Hvilke handlinger fanges opp? Hvilke systemer er involvert? Kan tastetrykk eller skjermsekvenser inneholde sensitive data? Blir data brukt til modelltrening, evaluering, produktforbedring eller ledelsesrapportering? Hvem kan se rådata? Hvor lenge lagres de?

Deretter må virksomheten skille mellom observasjon for drift og observasjon for trening. Det første kan være nødvendig for sikkerhet, feilsøking eller ytelse. Det andre er et annet inngrep. Trening av AI på ansattatferd bør ha strengere terskel, tydeligere samtykke- eller reservasjonsmodell der det er mulig, og bedre tekniske sperrer mot å samle inn mer enn nødvendig.

En god modell er å starte med syntetiske eller aggregerte arbeidsflyter, og bare bruke rå ansattdata der gevinsten er dokumentert og risikoen håndterbar. Pauseknapper og fritak er nyttige, men de er ikke nok hvis grunnarkitekturen samler inn for bredt.

Meta-saken viser at agentkappløpet nå møter arbeidslivets harde friksjon. Bedriftene vil ha AI som kan se, lære og handle. Ansatte og regulatorer vil vite hva den ser, hvorfor den ser det, og hvem som kan stoppe den. Det spørsmålet kommer ikke til å bli mindre når agentene får mer tilgang.

Kilder og medier

Primærkilde/top-tier kilde: Reuters, «Exclusive: Meta scales back plan for internal mouse-tracking tech, citing staff concerns», publisert 2. juni 2026.

source_url: https://www.reuters.com/world/meta-scales-back-ai-mouse-clicks-tool-citing-employee-concerns-2026-06-02/

Kildekreditering: Reuters / Katie Paul.

Thumbnail: OpenAI Image 2 / hogby.ai