OpenAI meddelte 11. juni 2026, at virksomheden støtter EU’s kodeks for transparens om AI-genereret indhold. Nyheden handler ikke om en ny model, men om hvordan AI-genereret materiale skal markeres, kunne opdages og forklares, når det cirkulerer online. Det gør historien relevant langt ud over OpenAI selv, fordi spørgsmålet om mærkning nu bevæger sig fra produktvalg til fælles regler, tekniske standarder og praktisk ansvar.
OpenAIs udmelding knytter sig til en europæisk kodeks, der skal støtte efterlevelsen af artikel 50 i AI Act. I praksis handler det om, at leverandører og brugere af generative systemer i stigende grad skal kunne vise, når indhold er kunstigt skabt eller manipuleret. For danske redaktioner, kommunikationsafdelinger, undervisere og virksomheder er pointen derfor ikke kun, hvad OpenAI lover, men hvordan mærkning af AI-indhold kan blive en normal del af arbejdsgange, kontrol og dokumentation.
Hvad er den konkrete nyhed?
Den konkrete nyhed er, at OpenAI har erklæret støtte til EU’s Code of Practice on Transparency of AI-Generated Content. Samtidig beskriver OpenAI, hvilke tekniske spor virksomheden allerede bruger for billeder, blandt andet C2PA-metadata, SynthID-vandmærker og et offentligt verificeringsværktøj.
I OpenAIs egen kildeartikel, Supporting Europe’s work in ensuring a trustworthy AI ecosystem, står der også, at virksomheden ser kodeksen som et praktisk skridt i implementeringen af AI Act. Udmeldingen betyder ikke, at hele problemet er løst, men den viser, at en stor modelleverandør forsøger at tilpasse sine produkter til et fælles europæisk transparensspor.
Hvad er EU-kodeksen om transparens?
Kodeksen er en frivillig praksisramme, som skal hjælpe leverandører og deployers med at efterleve de gennemsigtighedskrav, der følger af AI Act. EU-Kommissionen beskriver kodeksen som støtte til regler om markering, detektion og labeling af AI-genereret eller AI-manipuleret indhold. Det gælder blandt andet deepfakes og visse tekstpublikationer, der informerer offentligheden om forhold af offentlig interesse.
Det afgørende er, at frivillig tilslutning til kodeksen ikke gør selve lovkravene frivillige. Kommissionen skriver, at transparensforpligtelserne i artikel 50 er juridiske krav, og at de bliver gældende fra 2. august 2026. Kodeksen er derfor mest af alt en fælles vej til at dokumentere efterlevelse på en mere ensartet måde på tværs af medlemsstater.
| Lag | Funktion | Praktisk betydning |
|---|---|---|
| AI Act artikel 50 | Fastlægger de juridiske transparenskrav | Organisationer skal kunne håndtere mærkning og oplysning som et compliance-spørgsmål |
| EU-kodeksen | Beskriver en fælles praksis for markering og labeling | Kan give mere forudsigelig dokumentation og lavere administrativ byrde |
| Leverandørernes teknik | Metadata, vandmærker og verificering | Gør det muligt at kontrollere konkrete filer og arbejdsgange |
Hvordan vil OpenAI mærke AI-genererede billeder?
OpenAI beskriver en flerlaget tilgang til provenance, altså sporbarhed om hvor indhold kommer fra og hvordan det er blevet skabt eller redigeret. For billeder nævner virksomheden C2PA Content Credentials, som kan indlejre oplysninger om oprindelse og redigering. OpenAI skriver også, at billeder genereret med ChatGPT, Codex og OpenAI API både indeholder C2PA-metadata og SynthID-vandmærker.
Derudover peger OpenAI på værktøjet `openai.com/verify`, som kan bruges til at undersøge, om understøttede billeder indeholder provenance-signaler forbundet med OpenAI-genereret billedindhold. Det er en vigtig præcisering, fordi OpenAI her taler om billeder og ikke om alt AI-indhold generelt. Nyheden skal derfor ikke læses som et løfte om, at enhver tekst, lydfil eller video fra OpenAI nu automatisk er let at kontrollere i enhver kontekst. Den mere praktiske artikel om sikkerhed og privatliv i ChatGPT giver et nyttigt supplement til, hvordan sådanne signaler indgår i almindelig brug.
Hvorfor er mærkning ikke det samme som fuld sikkerhed?
OpenAI understreger selv, at provenance stadig er et umodent område. Metadata kan gå tabt, når filer uploades igen, konverteres, beskæres eller deles som skærmbilleder. Vandmærker kan også blive svagere eller forsvinde under transformationer. Derfor kan mærkning forbedre gennemsigtighed uden at give en garanti mod misinformation, svindel eller misbrug.
Det er en vigtig skelnen for danske arbejdspladser. Et mærke eller et verificeringssignal kan være nyttigt som en del af en kontrolkæde, men det kan ikke stå alene. Hvis en organisation allerede arbejder med kontrol af AI-modeller mod misbrug eller forebyggelse af datalækager i AI-applikationer, vil nyheden mest realistisk være et ekstra spor for dokumentation, ikke en erstatning for interne politikker, menneskelig kontrol eller almindelig kildekritik.
- Mærkning kan hjælpe med at vise oprindelse, men ikke bevise at alt indhold uden mærke er menneskeskabt.
- Verificering virker kun, når platforme, filer og arbejdsgange bevarer de relevante signaler.
- Organisationer skal stadig have procedurer for godkendelse, arkivering og manuel vurdering af følsomt indhold.
Hvad betyder ændringen for personer, der møder AI-indhold i hverdagen?
For personer, der læser nyheder, ser kampagnemateriale eller bruger generative værktøjer i studier og arbejde, gør udviklingen det lettere at forstå, at AI-indhold bliver et spørgsmål om dokumentation og ikke kun om tillid. Når store leverandører begynder at knytte konkrete mærkningsteknikker til deres produkter, bliver det mere realistisk, at redaktører, undervisere og platforme kan indarbejde kontrolspørgsmål i deres rutiner.
Det ændrer også forventningen til brugen af generativ AI. Hvis du anvender billeder i præsentationer, undervisningsmateriale eller offentlig kommunikation, kan du i stigende grad blive mødt med krav om at kunne redegøre for, om materialet er genereret, redigeret eller verificeret. På den måde minder udviklingen om den bredere bevægelse i generativ AI som en del af forretningsstrategi, hvor teknologien ikke kun skal virke, men også kunne forklares over for ledelse, kunder og myndigheder.
Hvad betyder det for danske virksomheder og offentlige arbejdspladser?
For danske virksomheder betyder nyheden især, at dokumentation om AI-indhold kan blive en mere fast del af kommunikation, marketing, produktarbejde og intern videndeling. Hvis en virksomhed bruger genererede billeder i annoncer, præsentationer, intranet eller kundeportaler, kan det blive relevant at registrere, hvilke værktøjer der er brugt, og om filerne bevarer mærkningsdata gennem hele arbejdsgangen.
På offentlige arbejdspladser og i uddannelsesmiljøer er vinklen lidt anderledes. Her handler det ikke kun om markedsføring, men også om troværdighed, journalisering, sagsgange og ansvar for information til borgere, elever og studerende. Når EU eksplicit kobler reglerne til labeling af deepfakes og visse AI-genererede tekstpublikationer, peger det mod, at institutioner skal kunne skelne mellem eksperimentel AI-brug og materiale, der indgår i formel kommunikation.
Det er også en udvikling, der kan påvirke indkøb. Hvis en dansk organisation anskaffer generative værktøjer, kan det blive mere relevant at spørge leverandøren, hvordan mærkning, logning, eksport og verificering fungerer i praksis, på samme måde som man allerede spørger til adgangskontrol, dataplacering og integrationsmuligheder.
Hvilke danske forhold kan få betydning?
Den mest direkte danske vinkel er, at AI Act gælder i EU, og at kodeksen forsøger at gøre kravene mere praktiske. For danske organisationer betyder det, at spørgsmålet om AI-indhold ikke kun handler om etik eller kommunikationsstil, men også om proces. Når indhold bruges i en sammenhæng, hvor offentligheden skal kunne stole på materialet, bliver mærkning, labeling og intern dokumentation mere relevante styringsopgaver.
Databeskyttelse spiller også ind, men her skal man skelne mellem flere ting. Nyheden dokumenterer transparens om AI-genereret indhold, ikke fuld GDPR-efterlevelse. Hvis AI-værktøjer bruges på billeder eller tekster med personoplysninger, kan der stadig opstå selvstændige spørgsmål om behandlingsgrundlag, deling, opbevaring og adgang. Derfor er AI Mentors artikel om AI og GDPR-overholdelse mere relevant som praktisk supplement end som direkte bevis for, at denne kodeks løser databeskyttelsesspørgsmål.
- EU-reglerne retter sig mod gennemsigtighed om indholdets oprindelse og manipulation.
- Danske organisationer skal stadig vurdere databeskyttelse, informationssikkerhed og arkivkrav separat.
- Lokal betydning afhænger af, om værktøjerne faktisk bruges i kommunikation, undervisning eller offentlige arbejdsgange.
Hvad er de vigtigste begrænsninger?
Den største begrænsning er, at transparenssignaler ikke nødvendigvis overlever hele den digitale kæde. En fil kan miste metadata på vej mellem værktøjer, platforme og formater. Samtidig kræver verificering, at modtageren faktisk har adgang til en arbejdsgang, hvor signalerne kan aflæses og forstås. Mærkning hjælper derfor mest i miljøer, hvor organisationen allerede har en moden proces omkring indholdsproduktion og kontrol.
Der er også en grænse for, hvor bredt nyheden kan tolkes. OpenAI beskriver konkrete løsninger for billeder og taler mere generelt om samarbejde, standarder og fortsat udvikling. Det dokumenterer en retning, men ikke at hele markedet nu arbejder ens, eller at alle platforme vil vise disse signaler tydeligt for slutbrugeren. Nyheden siger heller ikke, at danske organisationer automatisk får nye pligter fra den ene dag til den anden uden behov for lokale afklaringer.
Hvad sker der nu?
Næste skridt er, at kodeksen skal vurderes af Kommissionen og AI Board, mens de juridiske transparenskrav i artikel 50 nærmer sig anvendelse fra 2. august 2026. Hvis kodeksen får en positiv vurdering, kan signatarer bruge dens foranstaltninger som dokumentation for, at deres praksis lever op til lovens krav. Det vil gøre spørgsmålet om AI-mærkning mere operationelt og mindre abstrakt.
For danske virksomheder, redaktioner, skoler og offentlige enheder er den mest realistiske konklusion derfor ikke, at alt AI-indhold snart bliver let at gennemskue. Den mere jordnære konklusion er, at mærkning, verificering og dokumentation bliver en del af den professionelle drift omkring generativ AI. Jo tidligere de arbejdsgange bliver beskrevet internt, desto lettere bliver det at bruge generative værktøjer uden at blande teknisk eksperimentering sammen med ansvarlig publicering.