Knappt någon fråga kommer upp lika säkert i våra samtal med vd:ar som denna: "Måste våra AI-system köras i Sverige?" Det ärliga svaret är: det beror på. Och inte på magkänsla, utan på tre mycket konkreta saker: vilka data som behandlas, vilka skyldigheter som följer av lagar och avtal, och hur mycket beroende ni strategiskt är beredda att acceptera.
Just den åtskillnaden saknas i många diskussioner. Vissa utnämner varje amerikanskt moln till ett dataskyddsproblem rakt av; andra avfärdar platsfrågan som överdriven försiktighet. Båda leder till dåliga beslut. I den här artikeln sorterar vi ämnet så som vi gör i projekt: först tekniken, sedan skyldigheterna, sedan strategin.
Vad "var AI:n körs" betyder tekniskt
Om ert företag använder en språkmodell finns det i huvudsak fyra driftmodeller, och de skiljer sig avsevärt i var era data hamnar.
Modell-API i USA. Det enklaste fallet: ni anropar en amerikansk leverantörs API direkt. Era indata, alltså prompter, dokument, kunduppgifter, behandlas på servrar i USA. Det är tekniskt okomplicerat och ofta det mest kapabla alternativet, men datan lämnar EU.
EU-region hos en amerikansk hyperskalare. Leverantörer som Microsoft, Amazon eller Google driver datacenter i Frankfurt, Amsterdam eller Paris och erbjuder AI-modeller även där, inbegripet de kända amerikanska modellerna. Behandlingen sker då fysiskt i EU. Viktigt att förstå: operatören förblir en amerikansk koncern under amerikansk lag. Databehandlingen ligger i Europa; kontrollen över infrastrukturen gör det inte helt.
Europeisk leverantör. Det finns i dag seriösa europeiska alternativ. Franska Mistral erbjuder till exempel kapabla modeller, delvis med öppna vikter, som kan köras i europeiska moln eller på egen infrastruktur. Till det kommer europeiska moln- och hostingleverantörer där både infrastrukturen och huvudkontoret ligger i EU. Prestandagapet till de främsta amerikanska modellerna finns, men för många företagstillämpningar är det irrelevant, eftersom uppgifterna helt enkelt inte kräver det.
Egen infrastruktur och lokala modeller. Öppna modeller kan köras på egna servrar, i eget datacenter eller på hyrd hårdvara. Då lämnar datan aldrig företaget alls. Priset för det: ni behöver hårdvara, driftkompetens, och ni måste klara er med mindre modellers förmågor eller investera i större GPU-kapacitet.
Den juridiska nivån: vad som faktiskt krävs
Först det viktigaste: vi är en teknikpartner, ingen advokatbyrå. Men GDPR:s grundlogik går att förklara sakligt, och den är enklare än många tror.
GDPR gäller så snart personuppgifter behandlas: namn, e-postadresser, kundnummer, HR-data. Då behöver ni ett personuppgiftsbiträdesavtal med varje tjänsteleverantör som behandlar dessa data för er räkning. Det gäller en AI-leverantör lika mycket som er e-postleverantör. Behandlar en leverantör datan utanför EU tillkommer den så kallade tredjelandsöverföringen: ni behöver en ytterligare rättslig grund för att datan lämnar EU.
För USA finns sedan 2023 EU-US Data Privacy Framework, ett beslut om adekvat skyddsnivå från EU-kommissionen som tillåter dataöverföringar till certifierade amerikanska företag. Haken: den grunden är skakigare än man skulle vilja ha för ett arkitekturbeslut. Dess två föregångare, Safe Harbor och Privacy Shield, ogiltigförklarades av EU-domstolen. Det nuvarande ramverket överlevde en första rättslig prövning 2025 men står fortsatt under press, senast på grund av utvecklingen i USA kring oberoendet hos de tillsynsorgan beslutet vilar på. Många företag garderar sig därför och avtalar dessutom om standardavtalsklausuler. Det är rimligt, men det ändrar inte grundslutsatsen: den som bygger sin databehandling på det här ramverket bygger på en rättslig grund som redan kollapsat två gånger i liknande form.
Vid sidan av GDPR finns en andra, ofta förbisedd källa till skyldigheter: era egna avtal. Många mindre företag har kundavtal med sekretessklausuler, krav på underleverantörer eller uttryckliga bestämmelser om behandlingsplats. Den som arbetar åt fordonskoncerner, myndigheter eller vårdsektorn känner igen det. Dessa avtalsförpliktelser kan vara strängare än GDPR, och de omfattar även konstruktionsdata, kostnadskalkyler eller källkod, alltså data helt utan personanknytning.
Den viktigaste sorteringsfrågan är inte "Är amerikanskt moln tillåtet?" utan: vilka datatyper flyter in i vilket system? Personuppgifter, avtalsskyddade data och okritiska data har olika krav. Att slänga ihop dem i en gryta gör platsfrågan olöslig. Att skilja dem åt gör den besvarbar.
Den strategiska nivån: inget lagkrav, utan klok riskhantering
Även om allt är juridiskt rent kvarstår en andra fråga: hur beroende vill ni vara? Det är ingen dataskyddsfråga, utan en företagsfråga.
Tre risker hör hemma på bordet. För det första prissättningsmakten: den som bygger in sina processer djupt i en enda leverantörs tjänster förhandlar från en svag position vid nästa prishöjning. För det andra nedläggnings- och förändringsrisken: leverantörer lägger ner modeller, ändrar villkor eller beteende, och geopolitiska omvälvningar kan förändra tillgången till tjänster snabbare än avtal hinner spegla. För det tredje den rättsliga osäkerheten i själva tredjelandsöverföringen: faller Data Privacy Framework behöver arkitekturen ett svar som inte är "bygg om allt".
För oss som grundare är europeisk AI-suveränitet också en egen sak: vi tror att det är sunt för Europa att bygga egen förmåga i en nyckelteknik i stället för att importera den helt. Men vi skulle aldrig råda en kund att fatta arkitekturbeslut av övertygelse. Den goda nyheten är: ingen behöver det. De sakliga argumenten, avtalsstabilitet, rättssäkerhet, förhandlingsläge, bär saken på egen hand.
Vilken nivå för vem: en ärlig bedömning
Alla företag behöver inte egna GPU-servrar. Den som påstår annat säljer oftast några. I praktiken ser vi tre rimliga nivåer.
Nivå 1: EU-behandling med rena avtal. För de flesta mindre företag är det rätt utgångspunkt: AI-modeller som körs i EU-datacenter, med personuppgiftsbiträdesavtal, träning på era data avstängd och dokumenterade dataflöden. Det täcker GDPR-kraven för de allra flesta användningsfall och är nåbart utan större investering.
Nivå 2: europeiska leverantörer för känsliga processer. Där kundavtal, branschkrav eller den egna riskaptiten kräver mer lönar det sig att titta på leverantörer vars huvudkontor och jurisdiktion också är europeiska. Det eliminerar i stor utsträckning tredjelandsfrågan och minskar beroendet av hur hållbara transatlantiska överenskommelser är.
Nivå 3: lokala modeller för kärndata, utformat som hybrid. För verkligt känsliga data, konstruktionsunderlag, formler, klient- eller patientuppgifter, kan en lokalt driven modell vara rätt svar. Misstaget vore att köra allt lokalt för den sakens skull. En hybridarkitektur är oftast klokare: okritiska uppgifter körs på kapabla molnmodeller, medan kärndatan stannar internt. Så får varje datatyp den infrastruktur som passar den.
Platsen är ett arkitekturbeslut, ingen trosfråga
Frågan "Var ska vår AI köras?" går att besvara systematiskt. För det första: vilka datatyper är inblandade, och vilka av dem är personuppgifter eller avtalsskyddade? För det andra: vilka skyldigheter följer av det, ur GDPR, ur kundavtal, ur er bransch? För det tredje: hur mycket beroende av enskilda leverantörer och av hållbarheten i Data Privacy Framework är ni beredda att bära? Ur de tre svaren följer den lämpliga nivån nästan av sig själv, och den kan skilja sig mellan olika processer i samma företag.
Det som kommer ut av det är sällan den mest radikala lösningen. Det är nästan alltid en arkitektur som passar de faktiska data och skyldigheter som finns, snarare än en generell övertygelse. Vill ni reda ut för ert företag vilka data som får gå vart och vilken nivå som är lämplig för era processer går vi gärna igenom det tillsammans, med blick på era avtal, era system och er riskaptit.
