AI i skilsmisse og familieret kan i fremtiden bruges til at strukturere dokumenter, opsummere sagsmateriale og støtte beslutningsprocesser, men ikke til at erstatte myndigheder, domstole eller faglig vurdering. De mest realistiske anvendelser ligger i forberedelse, triage, forklaring og kvalitetssikring under klare databeskyttelses- og tilsynskrav.
AI i skilsmisse og familieret kan især støtte strukturering, sagsforberedelse og risikovurdering, mens afgørelser fortsat kræver menneskelig vurdering og klare retlige rammer. Overblikket dækker realistiske anvendelser, databeskyttelse, EU-regler, fejltyper og kontrolpunkter før teknologien bruges i følsomme familieretlige processer.
Hvad kan AI realistisk bruges til i skilsmissesager?
Den mest realistiske brug af AI i skilsmissesager er ikke en robotdommer, men værktøjer der kan gøre store mængder tekst, dokumenter og kommunikation lettere at overskue. En AI-model kan eksempelvis sortere bilag efter emne, lave udkast til neutrale tidslinjer, opsummere gentagne spørgsmål og pege på uklare oplysninger, som et menneske skal kontrollere.
Det passer især til forberedende arbejde. I en sag med økonomi, bolig, børn, aftaler, beskeder og tidligere afgørelser kan et system hjælpe med at skabe overblik. Det kan spare tid, men det ændrer ikke på, at selve vurderingen af rettigheder, beviser, barnets forhold og proportionalitet kræver menneskelig dømmekraft.
AI kan også bruges til at gøre komplekst sprog mere forståeligt. Hvis en part får et langt brev, kan en model forklare strukturen og markere, hvilke punkter der kræver svar. Den funktion er beslægtet med natural language processing, hvor systemer analyserer og behandler menneskeligt sprog.
Hvilke opgaver bør AI ikke overtage?
AI bør ikke afgøre, hvem der skal have forældremyndighed, bopæl, samvær, bidrag eller andre centrale familieretlige spørgsmål. De beslutninger berører privatliv, børn, økonomi og rettigheder, og de kræver en begrundet menneskelig vurdering af konkrete forhold. En model kan støtte analysen, men den bør ikke være den skjulte beslutningstager.
Den grænse gælder også, når systemet kun kaldes beslutningsstøtte. Hvis en anbefaling i praksis får afgørende vægt, kan systemet påvirke udfaldet. Derfor skal brugen beskrives ærligt: Hvilket input får modellen, hvilken type output giver den, og hvem har ansvar for at kontrollere resultatet?
Tre opgaver bør som udgangspunkt holdes uden for automatisering:
- Endelige vurderinger af troværdighed, omsorgsevne og barnets tarv.
- Automatisk rangering af parter, børn eller familier efter risiko uden tydelig faglig ramme.
- Beslutninger, der alene bygger på mønstergenkendelse i kommunikation, sociale data eller historiske sagsmønstre.
Hvordan kan AI støtte parter, advokater og myndigheder?
For parter kan AI især fungere som et forklarings- og strukturværktøj. Det kan hjælpe med at samle spørgsmål, oversætte juridisk eller administrativt sprog til mere almindeligt dansk og foreslå en tjekliste over dokumenter, der kan være relevante. Det skal formuleres som hjælp til overblik, ikke som et svar på, hvad en person bør gøre i en konkret sag.
For advokater, rådgivere og sagsbehandlere kan AI støtte rutineprægede dele af arbejdet. Den kan finde inkonsistenser i datoer, udpege manglende bilag, sammenligne versioner af aftaletekster eller lave en neutral oversigt over påstande og dokumenter. Den menneskelige fagperson skal stadig kontrollere kilden og vurdere betydningen.
For myndigheder kan AI på længere sigt bruges til kapacitetsstyring, anonymiseret statistik, mønstergenkendelse i ventetider og bedre borgerkommunikation. Den mere følsomme brug opstår, hvis systemet vurderer risiko, prioritet eller sagens sandsynlige udfald. Der bevæger teknologien sig fra administration til påvirkning af rettigheder.
Hvilke data gør familieret særligt følsomt?
Familieretlige sager kan indeholde oplysninger om børn, helbred, økonomi, relationer, konflikter, beskeder, boligforhold, misbrug, vold, skolegang og psykisk trivsel. Selv når alle oplysninger ikke er særlige kategorier efter GDPR, er de ofte meget private og vanskelige at anonymisere i praksis.
Det betyder, at dataminimering bliver et centralt princip. Et AI-system bør kun få de oplysninger, der er nødvendige for den afgrænsede opgave. En model, der skal lave en neutral dokumentoversigt, behøver ikke nødvendigvis fulde CPR-numre, private kontaktoplysninger eller bilag, der ikke indgår i opgaven.
Risikoen vokser, hvis data sendes til eksterne tjenester, bruges til træning, lagres uden klar slettefrist eller kombineres med andre kilder. Artikler om sikkerhed og privatliv i ChatGPT viser samme grundproblem: brugeren skal kende dataflowet, før følsomme oplysninger behandles i et AI-værktøj.
Hvordan passer AI ind i EU AI Act?
EU AI Act gør risikoniveauet afhængigt af systemets formål og anvendelseskontekst. AI, der blot hjælper en privatperson med at forstå en tekst, er noget andet end AI, der bruges af eller på vegne af en myndighed til at støtte retlig analyse. Jo tættere systemet kommer på afgørelser om rettigheder, desto strengere bør kravene være.
I forordningens højrisikoliste indgår AI-systemer, der bruges af en retslig myndighed eller på dens vegne til at assistere med at undersøge og fortolke fakta og ret eller anvende retten på konkrete fakta. Listen nævner også tilsvarende brug i alternativ konfliktløsning. Det er relevant for fremtidige systemer, der ikke bare administrerer en sag, men påvirker juridisk vurdering.
For familieret betyder det, at klassifikationen ikke kan afgøres ud fra ordet AI alene. Spørgsmålet er, om systemet bruges til tekstbehandling, oversættelse, sagsstyring, risikovurdering, anbefaling eller retlig beslutningsstøtte. Den samme tekniske model kan have lavere eller højere risiko afhængigt af brugen.
Hvad betyder GDPR for automatiske vurderinger?
GDPR er central, fordi familieretlige sager næsten altid handler om identificerbare personer. Reglerne kræver blandt andet lovligt behandlingsgrundlag, formålsbegrænsning, dataminimering, sikkerhed og gennemsigtighed. I praksis betyder det, at et AI-værktøj ikke kan vurderes isoleret fra den konkrete behandling af personoplysninger.
GDPR indeholder også en særlig regel om afgørelser, der alene bygger på automatisk behandling, herunder profilering, når afgørelsen har retsvirkning eller tilsvarende betydelig påvirkning. Det er ikke alle AI-anbefalinger, der rammes direkte af den bestemmelse, men den viser en grundlæggende retlig bekymring: mennesker skal ikke miste væsentlige rettigheder på grund af uigennemsigtige automatiske vurderinger.
Derfor bør et familieretligt AI-setup kunne forklare formål, datakilder, adgang, opbevaring, slettefrister, ansvarlig aktør og mulighed for indsigelse. En teknisk god model er ikke nok, hvis datahåndteringen er uklar.
Hvordan kan menneskeligt tilsyn fungere i praksis?
Menneskeligt tilsyn er mere end en person, der trykker godkend. Tilsynet skal have kompetence, tid og reel mulighed for at afvise eller korrigere systemets output. Hvis alle i arbejdsgangen forventer, at AI-anbefalingen er rigtig, bliver tilsynet let symbolsk.
Et brugbart tilsyn kan bygges op omkring faste kontrolpunkter. Den person, der bruger systemet, skal kunne se, hvilke oplysninger modellen har brugt, om noget er usikkert, og om outputtet er en opsummering, en vurdering eller et forslag til handling. Det bør også fremgå, hvilke dele der ikke er kontrolleret.
En enkel arbejdsgang kan se sådan ud:
- Afgræns opgaven, før data indlæses.
- Fjern oplysninger, som ikke er nødvendige for opgaven.
- Lad AI lave et struktureret output med kilder eller bilagshenvisninger.
- Kontrollér output mod originalmaterialet.
- Gem en log over, hvem der brugte værktøjet og til hvilket formål.
- Marker tydeligt, hvilke konklusioner der er menneskelige vurderinger.
Hvilke fejltyper er særligt relevante i familieret?
Generativ AI kan producere tekst, der lyder sikker, selv når den er forkert. Den fejltype kaldes ofte AI-hallucination, men NIST bruger også betegnelsen confabulation. I familieret kan selv små fejl i datoer, relationer, aftaler eller citater ændre forståelsen af en sag.
Bias er en anden risiko. Hvis en model er trænet eller justeret på historiske mønstre, kan den gentage skæve antagelser om køn, økonomi, kultur, sprog, handicap eller familietyper. Det er ikke nok at sige, at modellen kun giver forslag, hvis forslagene rutinemæssigt påvirker vurderinger.
En tredje fejltype er automation bias, hvor mennesker får for stor tillid til et system, fordi outputtet fremstår struktureret og neutralt. I familieret er det særligt følsomt, fordi sager ofte indeholder konflikt, ufuldstændige oplysninger og følelsesmæssigt ladede beskrivelser. Et pænt resume kan stadig skjule afgørende nuancer.
Hvordan kan en sikker arbejdsgang se ud?
En sikker arbejdsgang begynder med et snævert formål. AI bør ikke få en åben opgave som at vurdere en skilsmissesag. Den bør i stedet få en kontrollerbar opgave, eksempelvis at sortere bilag efter dato, lave en liste over uafklarede spørgsmål eller sammenfatte et dokument uden at tilføje nye konklusioner.
Dernæst bør systemets output have sporbarhed. Hvis modellen skriver, at en aftale blev indgået en bestemt dato, skal det være muligt at se, hvilket bilag eller hvilken tekst passagen bygger på. Uden sporbarhed bliver outputtet svært at kontrollere og mindre egnet til følsomme processer.
| Opgavetype | Lavere risiko | Højere risiko |
|---|---|---|
| Dokumenter | Sortering efter dato og emne | Automatisk vurdering af bevisværdi |
| Kommunikation | Sprogforenkling og neutral opsummering | Profilering af konfliktadfærd |
| Sagsstyring | Påmindelser om manglende oplysninger | Automatisk prioritering efter risikoscore |
| Beslutningsstøtte | Tjekliste til menneskelig gennemgang | Anbefaling af konkret udfald |
Den praktiske grænse går ofte ved, om AI hjælper med at finde og strukturere oplysninger, eller om den begynder at vægte personer og rettigheder. Første type kan være nyttig med passende kontrol. Den anden type kræver langt stærkere dokumentation, tilsyn og retlig afklaring.
Hvad ændrer generativ AI sammenlignet med ældre juridiske værktøjer?
Ældre juridiske værktøjer var ofte regelbaserede. De kunne vise en blanket, stille faste spørgsmål eller beregne et simpelt resultat ud fra tydelige regler. Generativ AI er anderledes, fordi den kan producere ny tekst, sammenfatte åbne dokumenter og føre en dialog om uklare spørgsmål.
Det gør teknologien mere fleksibel, men også sværere at kontrollere. En regelbaseret formular kan testes mod kendte scenarier. En generativ model kan give forskellige svar afhængigt af formulering, kontekst, modelversion og de dokumenter, den får adgang til. Derfor bliver kvalitetssikring en løbende proces.
Begrebet kunstig intelligens dækker mange teknologier, og familieretlig brug bør ikke skære dem over én kam. Et søgeværktøj, en sprogmodel, et risikoscoringssystem og en sagsstyringsalgoritme har forskellige risici, selv om de alle kan markedsføres som AI.
Hvilke danske og europæiske forhold får betydning?
I Danmark vil fremtidig brug af AI i familieret sandsynligvis blive formet af en kombination af EU-regler, national forvaltningspraksis, domstolsprocesser, databeskyttelse og tillid til offentlige systemer. Teknologien kan ikke vurderes alene ud fra effektivitet, fordi sagerne ofte handler om børn, familieliv og adgang til at forstå og anfægte en proces.
For organisationer i Danmark er et centralt spørgsmål, om AI bruges internt til administration, over for borgere eller som del af en beslutningsproces. Jo mere borgeren møder systemets output, desto større krav bør der være til forklaring, klageadgang og dokumentation.
Europæisk regulering peger samtidig mod en mere moden AI-governance. Det handler ikke kun om at vælge et værktøj, men om at kunne beskrive formål, data, risiko, test, tilsyn, ansvar og rettigheder. Den type risikoanalyse med generativ AI bliver særlig relevant, når systemer bruges i processer med høj menneskelig betydning.
Hvilke spørgsmål bør afklares før AI bruges i en sag?
Før AI bruges i en familieretlig sammenhæng, bør formålet være så klart, at både brugeren og den berørte person kan forstå det. En vag formulering som effektivisering er ikke nok. Der bør stå, om systemet sorterer, opsummerer, oversætter, foreslår spørgsmål, vurderer risiko eller anbefaler handling.
Disse spørgsmål kan bruges som praktisk kontrol:
- Hvilken konkret opgave løser systemet, og hvilke opgaver må det ikke løse?
- Hvilke personoplysninger behandles, hvor lagres de, og slettes de igen?
- Kan outputtet spores til kilder, bilag eller brugerinput?
- Hvem kontrollerer fejl, bias og manglende oplysninger?
- Kan en berørt person forstå, anfægte eller få rettet brugen af systemet?
- Er systemet testet på det sprog, de dokumenttyper og de arbejdsgange, det faktisk skal bruges til?
Når svarene er uklare, bør AI holdes på afstand af selve vurderingen. Teknologien kan stadig bruges til lavere risikofyldte opgaver, men familieretlige beslutninger kræver en arbejdsgang, hvor menneskelig vurdering, dokumentation og ansvar kan efterprøves.
Hvilke kilder ligger til grund?
Artiklen bygger især på fire autoritative kilder: Regulation (EU) 2024/1689 om kunstig intelligens, GDPR-forordningen, NISTs generative AI-profil til AI Risk Management Framework og Europarådets Framework Convention on Artificial Intelligence.