Etiske overvejelser ved AI i film

Etiske overvejelser ved AI i film handler især om samtykke, ophavsret, transparens, arbejdsforhold og ansvar, når algoritmer bruges til manuskript, billeder, stemmer, ansigter eller klipning. AI kan støtte filmproduktion, men den bør styres med klare aftaler, dokumenteret databrug og tydelig information til publikum.

Hvad handler etiske overvejelser ved AI i film om?

AI i film er ikke kun et spørgsmål om nye værktøjer. Det er også et spørgsmål om, hvem der har kontrol over en persons ansigt, stemme, præstation, manuskriptbidrag og kreative udtryk, når maskinlæring indgår i produktionen.

De centrale etiske valg opstår typisk, når AI bruges til at generere eller ændre materiale, som publikum kan opfatte som menneskeskabt, dokumentarisk eller knyttet til en bestemt person. Det gælder både store spillefilm, mindre reklameproduktioner, kortfilm, undervisningsvideoer og sociale medier.

En forsvarlig brug kræver derfor mere end teknisk kvalitet. Produktionens beslutninger bør kunne forklares: Hvilke dele er skabt eller ændret med AI, hvem har godkendt brugen, hvilke data ligger bag, og hvem bærer ansvaret, hvis resultatet skader en person, en gruppe eller publikums tillid?

Hvor kan AI ændre filmarbejdet?

AI kan indgå i næsten alle faser af filmarbejdet. I udviklingsfasen kan modeller bruges til research, idévariationer, dialogforslag og strukturudkast. I optagelse og postproduktion kan AI hjælpe med billedforbedring, oversættelse, dubbing, farvearbejde, lydrensning, effekter og generering af visuelle elementer.

Den praktiske nytte er størst, når værktøjet har en afgrænset rolle. En model, der hjælper med at sortere materiale eller lave alternative klippeforslag, er et andet etisk problem end en model, der genererer en afdød skuespillers ansigt eller en levende persons stemme uden tydelig tilladelse.

Teknologien bør derfor vurderes efter funktion, ikke kun efter navnet på værktøjet. En produktion kan have lav etisk risiko ved AI-assisteret støjreduktion, men høj risiko ved fotorealistiske syntetiske personer, utydelig dokumentarisk manipulation eller automatiserede beslutninger om casting og markedsføring.

For en teknisk baggrund er det relevant at skelne mellem almindelige filmværktøjer og tekst-til-video-modeller, som kan skabe nye levende billeder ud fra sproglige beskrivelser eller andre input.

Hvornår kræver digitale skuespillere særskilt samtykke?

Digitale skuespillere, stemmekloner og syntetiske rekonstruktioner kræver særskilt etisk kontrol, fordi de kan udvide en persons præstation ud over den situation, personen oprindeligt deltog i. Det gælder både kendte skuespillere, statister, stuntpersoner, speakere og personer, der indgår i trænings- eller referenceoptagelser.

Samtykke bør være konkret. Det bør angive, om optagelser må bruges til retouchering, dubbing, yngre eller ældre versioner af personen, digital erstatning i nye scener, markedsføring, fremtidige efterfølgere eller træning af interne modeller. Et generelt ja til optagelse er ikke nødvendigvis et etisk ja til ubegrænset syntetisk brug.

Der bør også være en tydelig grænse for varighed, territorium, honorering og mulighed for at sige nej til nye anvendelser. Hvis en produktion bruger AI til at genskabe en afdød skuespiller, bør rettigheder, familiehensyn, publikumsforventning og kunstnerisk nødvendighed vurderes særskilt.

Et nyttigt kontrolspørgsmål er, om personen ville kunne genkende og acceptere den konkrete brug, hvis den blev vist før offentliggørelse. Hvis svaret er uklart, bør produktionen behandle brugen som højrisiko, selv når værktøjet teknisk set gør opgaven let.

Hvordan påvirker AI manuskript og kreativ kontrol?

AI kan give hurtige variationer af scener, dialog og synopsis, men kreativ kontrol bliver uklar, hvis ingen kan forklare, hvad der er menneskeligt valg, og hvad der er maskinelt forslag. Det kan påvirke kreditering, arbejdsdeling og vurderingen af et værks originale udtryk.

I praksis bør manuskriptarbejde med AI dokumentere, hvem der traf de kreative beslutninger. Hvis en model foreslår ti slutninger, og en forfatter vælger, omskriver og integrerer én af dem, ligger den kreative kontrol et andet sted end ved automatisk generering uden reel redaktionel bearbejdning.

For filmhold betyder det, at AI bør behandles som et værktøj med sporbar brug, ikke som en usynlig medforfatter. Det gør det lettere at afklare kreditering, ansvar og eventuelle krav fra producenter, platforme, fonde eller samarbejdspartnere.

Læsere, der arbejder med udvikling af fortællinger, kan sammenholde denne etiske afgrænsning med praktiske overvejelser om brug af AI til manuskriptskrivning.

Hvad betyder ophavsret for AI-skabt filmindhold?

Ophavsret er et af de mest usikre områder ved AI i film, fordi flere led kan være berørt på samme tid: træningsdata, inputmateriale, output, manuskript, musik, billedstil, stemmer, klip og markedsføringsmateriale. Etikken bør derfor ikke reduceres til spørgsmålet om, hvorvidt noget teknisk kan genereres.

En produktion bør skelne mellem tre spørgsmål. For det første: Har man ret til at bruge de data, billeder, manuskripter eller referencer, der indgår? For det andet: Er outputtet tilstrækkeligt menneskeligt bearbejdet til at indgå som et kreativt værk? For det tredje: Ligner outputtet eksisterende værker, personer eller stilarter så meget, at der opstår en konflikt?

U.S. Copyright Office har i 2025 fastholdt, at menneskelig forfatterskab er centralt i amerikansk copyright, og at generering alene ikke automatisk giver samme status som menneskeligt skabte værker. Det er ikke dansk retsrådgivning, men det viser, hvorfor filmproducenter bør dokumentere menneskelige valg og kreative bidrag.

En praktisk tilgang er at føre en rettighedslog for væsentligt AI-skabt materiale: værktøj, inputtype, menneskelig bearbejdning, licensvilkår, godkendende person og planlagt anvendelse. Det kan mindske risikoen for, at filmen senere får distributions- eller forsikringsproblemer.

Hvordan bør filmhold håndtere data fra skuespillere og medarbejdere?

Filmproduktioner kan indsamle meget følsomme data: ansigtsscanninger, stemmeoptagelser, bevægelsesdata, prøver, råoptagelser, castingvideoer og klip, der aldrig var tænkt til offentlig brug. Når sådanne data bruges i AI-systemer, ændres risikoen, fordi materialet kan genbruges, kombineres og efterligne personer på nye måder.

Etisk databrug kræver klare formål og begrænset adgang. Optagelser til én scene bør ikke automatisk kunne bruges til modeltræning, reklamer, internationale versioner eller fremtidige produktioner. Jo mere identificerbart materialet er, desto mere præcist bør formålet beskrives.

Filmhold bør også overveje, hvor data behandles, hvor længe de gemmes, og om eksterne værktøjer kan bruge materialet til egne modeller. Hvis et cloudbaseret værktøj får adgang til råoptagelser, bør produktionen kende vilkårene for datalagring, træning, sletning og adgangskontrol.

Den etiske test er enkel: Hvis materialet kan bruges til at skabe en ny version af en person, bør det behandles som mere end almindeligt produktionsmateriale. Det kræver højere dokumentation, snævrere tilladelser og tydeligere intern kontrol.

Hvornår skal publikum kunne se, at noget er AI-genereret?

Publikum behøver ikke nødvendigvis en teknisk forklaring på hvert enkelt effektlag, men de bør ikke vildledes om materiale, der fremstår som virkelige personer, dokumentariske hændelser eller autentiske optagelser. Grænsen afhænger af genre, kontekst og risiko for misforståelse.

I fiktion kan AI-effekter være en del af den kunstneriske illusion. I dokumentar, nyheder, biografisk film og politisk satire er kravet til tydelighed højere, fordi publikum kan lægge virkelighedsværdi i billederne. En AI-genereret rekonstruktion af en historisk scene bør derfor behandles anderledes end et tydeligt stiliseret fantasybillede.

EU’s AI Act indeholder transparenskrav for visse deepfakes og AI-genereret eller manipuleret indhold. Den fulde anvendelse af centrale transparensregler er knyttet til forordningens tidsplan, blandt andet 2. august 2026 for flere bestemmelser. Filmproduktioner med europæisk publikum bør derfor allerede planlægge klare oplysninger, selv hvor den konkrete juridiske vurdering kræver særskilt analyse.

Transparens kan placeres i rulletekster, pressemateriale, distributionsmetadata eller synlige markeringer, afhængigt af indholdets karakter. En god løsning informerer uden at ødelægge oplevelsen og uden at skjule væsentlige manipulationer.

Hvordan kan AI forstærke bias i filmproduktion?

AI-systemer lærer mønstre fra data. Hvis dataene afspejler skæve repræsentationer af køn, alder, hudfarve, sprog, kropstyper, kultur eller sociale roller, kan værktøjet foreslå billeder, karakterer og historier, der gentager de samme mønstre. Det kan ske uden bevidst intention hos filmholdet.

Bias kan optræde i visuelle forslag, castinganalyse, publikumssegmentering, undertekstning, dubbing og automatiseret klipning. Et værktøj kan eksempelvis gøre bestemte ansigter mere “filmisk” efter normer fra træningsdata, eller foreslå stereotypiske kostumer og miljøer, når en karakter beskrives med geografisk eller social baggrund.

Kontrollen bør derfor ligge i den redaktionelle proces. Filmhold bør teste output med forskellige beskrivelser, lade mennesker med relevant kulturel og faglig viden vurdere materialet og notere, når AI-forslag fravælges på grund af stereotypi eller manglende autenticitet.

UNESCOs AI-anbefaling fremhæver blandt andet fairness, ikke-diskrimination, menneskelig kontrol og transparens. I film kan de principper omsættes til praktiske spørgsmål: Hvem bliver synliggjort, hvem bliver karikeret, og hvem får mulighed for at korrigere repræsentationen?

Hvilke arbejdsroller bliver mest berørt?

AI påvirker ikke kun skuespillere og manuskriptforfattere. Klippere, storyboardtegnere, konceptkunstnere, VFX-medarbejdere, oversættere, speakere, castingfolk, lydfolk, marketingteams og produktionsassistenter kan også få ændrede opgaver. Nogle rutineopgaver kan blive hurtigere, mens andre faglige vurderinger bliver vigtigere.

Den etiske udfordring er, om AI bruges til at styrke fagligheden eller til at skjule ubetalt arbejde, svække kreditering og erstatte specialiserede bidrag uden åben proces. En produktion kan godt effektivisere uden at gøre menneskeligt arbejde usynligt.

Roller bør derfor beskrives ærligt i budget, tidsplan og kreditering. Hvis AI erstatter en opgave, bør det være klart, hvem der kvalitetssikrer resultatet. Hvis AI kun giver udkast eller variationer, bør det også fremgå, hvem der tog de endelige kreative og tekniske beslutninger.

Et bæredygtigt arbejdsmiljø kræver tid til efterkontrol. AI kan reducere nogle timer, men den kan også skabe nye opgaver: rettighedsgennemgang, outputkontrol, fejlfinding, dokumentation, versionering og dialog med medvirkende.

Hvordan kan deepfakes ændre tilliden til film og video?

Deepfakes er særligt relevante i film, fordi teknologien kan få ansigter, stemmer og kropsbevægelser til at fremstå autentiske. I kunstnerisk fiktion kan det være en legitim effekt, men uden tydelig kontekst kan det skade en persons omdømme eller få publikum til at tro på en begivenhed, der ikke fandt sted.

Risikoen er størst, når AI-genereret video ligner dokumentation. Det kan være politiske udsagn, intime situationer, nyhedslignende klip, uautoriserede reklamer eller falske udtalelser fra skuespillere. I sådanne tilfælde er etikken tæt knyttet til skade, ikke kun til filmens genre.

Filmfolk bør skelne mellem transformation, parodi, rekonstruktion og vildledning. En tydeligt fiktionaliseret scene kan være etisk forsvarlig, mens en fotorealistisk video af en virkelig person kan kræve eksplicit samtykke, mærkning og begrænsning i distributionen.

Begrebet er bredere end sociale medier. En mere detaljeret teknisk forklaring findes i AI Mentors ordbog om hvad deepfakes er.

Hvordan kan provenance og vandmærkning hjælpe?

Provenance, indholdsoplysninger og vandmærkning kan gøre det lettere at dokumentere, hvordan et medie er skabt eller ændret. Det kan styrke tilliden til filmens produktionsproces, især når generativ AI bruges i markedsføring, dokumentariske rekonstruktioner eller international distribution.

Der er dog en væsentlig begrænsning. Metadata kan fjernes, mistes ved eksport eller mangle på platforme, der ikke understøtter standarderne. Vandmærker kan være synlige eller usynlige, men de er ikke i sig selv et bevis på, at indholdet er sandt, lovligt eller etisk forsvarligt.

C2PA-specifikationen er et eksempel på en teknisk ramme for indholdsprovenance. Den kan registrere oplysninger om oprindelse og ændringer, men værdien afhænger af, om kameraer, software, platforme og distributionsled bevarer og viser informationerne.

I praksis bør provenance kombineres med menneskelig dokumentation: produktionsnoter, tilladelser, rettighedslog og klare krediteringer. AI Mentors forklaring af AI-vandmærkning og SynthID viser, hvorfor tekniske mærker bør ses som ét kontrolpunkt blandt flere.

Hvordan kan en produktion bruge AI uden at miste ansvar?

Ansvar forsvinder ikke, fordi et værktøj foreslår eller genererer materialet. Producent, instruktør, klipper, VFX-lead, manuskriptansvarlig og distributør kan have forskellige roller, men nogen skal kunne forklare, hvorfor AI blev brugt, og hvordan resultatet blev vurderet.

En enkel ansvarsmodel kan opdeles i fire niveauer. Først besluttes formålet: hvorfor AI er nødvendig eller nyttig. Derefter afklares rettigheder og samtykke. Tredje trin er faglig og etisk kvalitetskontrol. Fjerde trin er dokumentation, så senere spørgsmål kan besvares uden at genskabe hele processen.

Denne model gør AI til en styret produktionsbeslutning frem for en uformel genvej. Den passer både til større filmhold og mindre produktioner, fordi hvert punkt kan skaleres efter risiko og budget.

Hvilke kontrolpunkter bør indgå før AI bruges i en filmproduktion?

Før et filmhold bruger AI, bør beslutningen gennem en kort, skriftlig kontrol. Det behøver ikke være tung administration, men det bør være konkret nok til at beskytte personer, rettigheder og publikums tillid.

• Definér formålet med AI-brugen, og fravælg værktøjet, hvis samme resultat kan opnås mere ansvarligt med almindelig redigering.
• Afklar samtykke for stemmer, ansigter, præstationer, statister, arkivmateriale og referenceoptagelser.
• Tjek licensvilkår for værktøjer, inputmateriale og planlagt distribution.
• Dokumentér menneskelig kreativ kontrol, især ved manuskript, karakterdesign og syntetiske scener.
• Vurder om publikum skal informeres gennem rulletekst, metadata, platformtekst eller tydelig mærkning.
• Test output for fejl, stereotype mønstre, forveksling med virkelige personer og utilsigtet vildledning.

Hvis ét punkt ikke kan besvares, bør produktionen enten ændre brugen, indhente mere dokumentation eller lade være med at bruge materialet. Det er ofte billigere end at rette en rettigheds- eller tillidskrise efter offentliggørelse.

Den brede produktionsmæssige sammenhæng kan ses i artiklen om AI i filmproduktion, hvor tekniske anvendelser og arbejdsgange beskrives mere generelt.

Hvilke kilder ligger til grund?

Artiklen bygger især på UNESCOs anbefaling om AI-etik, EU’s AI Act, U.S. Copyright Offices rapport om AI og copyrightability, U.S. Copyright Offices rapport om generativ AI-træning og C2PA’s tekniske specifikation for indholdsprovenance.