- Vi ser også at veldig mange systemer er generiske og generelle. Det gjør det vanskelig å støtte lovkravet som sier at systemet skal være tilpasset virksomheten, og driften, sier Øyvind Krogenes, fagansvarlig for HR/HMS/KS og leder for fagavdelingen, Proresult. Foto: Proresult
Sist oppdatert: 05-05-2026 Norsk Byggebransje
AI-verktøy fritar ikke bedriften for HMS-ansvaret
Kunstig intelligens kan gjøre HMS- og KS-arbeid mer effektivt, men ansvaret for risikovurderinger, avvik, internkontroll og dokumentasjon ligger fortsatt hos virksomheten.
Proresult advarer mot å tro at “smarte” systemer alene kan erstatte fagkompetanse, bransjeforståelse og menneskelig vurdering.
Må ikke bli en sovepute
Markedet for digitale HMS- og KS-systemer er i rask utvikling. Flere løsninger markedsføres som smarte, automatiserte og brukervennlige, ofte med kunstig intelligens som en sentral del av salgsbudskapet.
Det kan gi store muligheter for bygg- og anleggsbransjen. Riktig brukt kan AI bidra til bedre oversikt, raskere dokumentasjonsarbeid, enklere avvikshåndtering og mer effektiv støtte i hverdagen.
Samtidig advares det nå mot at teknologien ikke må bli en sovepute.
- Grensen for det uforsvarlige går der KI tar faglige vurderinger og lederansvar, i stedet for å brukes som støtteverktøy, sier Øyvind Krogenes, fagansvarlig HR/HMS/KS i Proresult.
Han mener bransjen bør stille tydeligere krav til dokumentasjon, faglig forankring, datasikkerhet og support før nye digitale HMS/KS-løsninger vurderes.
HMS-systemet må passe virksomheten
Internkontrollforskriften stiller krav til at virksomheter arbeider systematisk med helse, miljø og sikkerhet.
Arbeidet skal blant annet omfatte kartlegging av farer, vurdering av risiko, rutiner for å avdekke og rette opp avvik, samt nødvendig dokumentasjon.
Kravene må også forstås i lys av virksomhetens art, aktiviteter, risikoforhold og størrelse. Det er nettopp her Krogenes mener at flere digitale løsninger kan bli for svake.
- Vi ser en del løsninger som blir presentert som alt-i-ett-løsninger, men som i prinsippet bare dekker deler av behovet eller kravene i regelverket, sier han.
Ifølge Krogenes finnes det også flere nisjeverktøy som løser én avgrenset oppgave, men som ikke nødvendigvis gir bedriften et helhetlig HMS/KS-system.
- Dermed kan bedriften ende opp med en rekke småsystemer, men slite med å sy sammen helheten. Det er fristende å bruke KI til akkurat dette, men da øker også risikoen, sier han.
Poenget er ikke at digitale verktøy er problemet. Tvert imot er gode systemer ofte avgjørende for å få HMS-arbeidet ut av ringpermen og inn i daglig drift. Utfordringen oppstår når verktøyet gir inntrykk av å dekke mer enn det faktisk gjør.
Generiske løsninger kan gi falsk trygghet
Bygg- og anleggsbedrifter har svært ulike risikobilder. En entreprenør med mange ansatte, underentreprenører, maskiner og skiftende byggeplasser har andre behov enn en liten håndverksbedrift med få ansatte, og relativt oversiktlige oppdrag.
Likevel opplever Krogenes at mange systemer er for generelle.
- Vi ser også at veldig mange systemer er generiske og generelle. Det gjør det vanskelig å støtte lovkravet som sier at systemet skal være tilpasset virksomheten, og driften.
Dette er et viktig punkt. Et HMS-system kan se ryddig ut på skjermen, men likevel være svakt dersom det ikke speiler reell drift, faktiske farer, konkrete arbeidsprosesser og dokumentasjonskravene bedriften står i.
Arbeidstilsynet beskriver avvik som brudd på HMS-regelverket og peker blant annet på manglende verneutstyr, feil håndtering av kjemikalier, skader, støyeksponering, og brudd på rutiner som eksempler.
I praksis betyr det at et system ikke bare må kunne “registrere avvik”. Det må også hjelpe virksomheten med å forstå, følge opp og dokumentere avvik på en måte som faktisk har verdi.
Et skjema alene er ikke HMS. En automatisk tekst alene er ikke risikovurdering og et AI-generert forslag er ikke det samme som en faglig vurdering.
- Faglig forankring må være mer enn et salgsord
Krogenes mener faglig forankring handler om mer enn at systemet er enkelt å bruke.
- Vi mener at både fagressursene og de som utvikler systemet, skal levere gode, og trygge løsninger som er lette å bruke, samtidig som de støtter lovkrav.
Løsningene må også være skalerbare i forhold til bedriftens situasjon.
Han peker på tre forhold som spesielt viktige: bransjeforståelse, regelverkskompetanse og kontroll med at systemet faktisk støtter kravene.
- Man må ha noen som kjenner bransjen, som vet hvilke lover og regler som gjelder, og som faktisk sjekker at en etterfølger kravene. Mangler ett av disse elementene, kan det fort bli kritisk.
For bygg- og anleggsbransjen er dette særlig relevant. HMS- og KS-arbeid berører alt fra risikovurdering, SJA, avvik, stoffkartotek og maskinbruk til dokumentasjon, underentreprenører, opplæring, vernerunder, byggherrekrav, og tilsyn.
Derfor kan et system som fungerer godt i én bransje, være utilstrekkelig i en annen. Et system som gir god struktur i administrasjonen, er heller ikke nødvendigvis godt nok ute på byggeplass.
KI kan støtte, men ikke overta ansvaret
Proresult er ikke mot bruk av kunstig intelligens. Krogenes sier tvert imot at de selv bruker og vurderer KI hvor det gir verdi.
- Vi applauderer bruk av KI og føler at vi er veldig langt fremme i skoen selv. KI øker arbeidskapasiteten og gir en uvurderlig støtte i hverdagen.
Samtidig understreker han at KI-generert innhold må kontrolleres.
- Vi bruker KI overalt hvor det gir verdi for kunden, men vi har samtidig tydelige kontrollpunkter hvor det KI genererte verifiseres av fagpersoner.
Det er trolig her den viktigste grensen går.
KI kan bidra til forslag, struktur, oversikter, søk, oppsummeringer og støtte i dokumentasjonsarbeidet, men vurderingene må fortsatt gjøres av mennesker med ansvar, kompetanse, og kjennskap til virksomheten.
I HMS-sammenheng er dette ikke bare et prinsipielt spørsmål. Feil vurderinger kan få konsekvenser for mennesker, økonomi, tilsyn og juridisk ansvar.
Personvern og kundedata må ikke bli en ettertanke
Når HMS/KS-systemer blir mer intelligente, øker også behovet for datasikkerhet og personvern.
Systemer som dette kan inneholde informasjon om ansatte, avvik, helse, hendelser, opplæring, roller, prosjekter, underentreprenører og interne forhold i virksomheten.
Datatilsynet anbefaler virksomheter som kjøper eller bruker systemer basert på kunstig intelligens å gjøre risikovurderinger, vurdere personvernkonsekvenser ved behov, stille krav til innebygd personvern og teste løsningene regelmessig.
Krogenes støtter at dette må være en del av vurderingen før et system kjøpes inn.
- Bedriften bør vite hvem som garanterer for fagkunnskapen bak systemet.
'- Dessuten bør de kjenne til datasikkerheten, for eksempel hvor og hvordan kundens data lagres, og hvordan krav til personvern og GDPR ivaretas.
Han mener også at support må vurderes langt mer seriøst enn mange kanskje gjør i innkjøpsfasen.
- Support er viktig. For hva gjør bedriften når de er usikre eller får tilsyn?
Dette er et undervurdert poeng. Når alt fungerer, er brukervennlighet og automatisering enkelt å selge inn, men når virksomheten står i et tilsyn, en alvorlig hendelse eller en komplisert avvikssak, er spørsmålet ikke bare om systemet er pent og raskt.
Da handler det om kvaliteten på dokumentasjonen, sporbarheten i arbeidet og om bedriften får reell faglig støtte.
KI-support har klare begrensninger
Mange leverandører har tatt i bruk KI-agenter og automatiserte supportløsninger. Det kan gjøre det enklere å få raske svar på generelle spørsmål, men Krogenes advarer mot å bruke slike løsninger ukritisk.
- De fleste tilbydere har jo nå KI-agenter som svarer på support, men slike agenter verken kan eller bør svare på konkrete forhold rundt bedriftens egne opplysninger, blant annet på grunn av GDPR.
Han mener det må skilles tydelig mellom generell veiledning og rådgivning knyttet til konkrete bedriftsforhold.
Det er en fornuftig grense.
En KI-agent kan forklare hvordan en funksjon brukes, eller gi generell informasjon om en prosess, men dersom svaret krever tilgang til interne data, vurdering av konkrete avvik, personopplysninger eller juridisk ansvar, bør virksomheten vite hvem som faktisk svarer, på hvilket grunnlag og hvordan dataene deres behandles.
Spørsmål bedriften bør stille før innkjøp
For bygg- og anleggsbedrifter som vurderer nye HMS/KS-systemer med KI-funksjoner, er ikke poenget at slike løsninger bør unngås, men de bør vurderes grundigere.
Før innkjøp bør bedriften ifølge Krogenes stille noen enkle, men krevende spørsmål:
- Hvem har faglig ansvar for innholdet i systemet?
- Hvordan er løsningen tilpasset bygg, anlegg eller den konkrete virksomheten? 3. Hvilke deler av internkontrollen dekker systemet faktisk?
- Hvilke deler må bedriften fortsatt håndtere selv?
- Hvor lagres dataene og hvem har tilgang?
- Hvordan ivaretas personvern og GDPR?
- Hva skjer dersom bedriften får tilsyn?
- Er det mennesker med HMS/KS-kompetanse tilgjengelig, eller kun teknisk support og KI-agent?
- Hvordan kontrolleres innhold som genereres av KI?
- Kan systemet dokumentere endringer, vurderinger og oppfølging over tid?
Svarene på disse spørsmålene sier ofte mer enn salgsargumentene.
Digitalisering krever mer kompetanse, ikke mindre
Bygg- og anleggsbransjen trenger uten tvil bedre digitale verktøy. Mange virksomheter har fortsatt for mye HMS- og KS-arbeid spredt i mapper, regneark, e-poster, gamle maler og enkeltpersoners erfaring. Det er verken effektivt eller trygt nok.
Samtidig må ikke digitalisering selges som en snarvei rundt ansvar.
God teknologi kan gjøre fagkompetanse mer tilgjengelig. Den kan hjelpe ledere, HMS-ansvarlige, prosjektledere og ansatte med å jobbe mer systematisk.
Den kan redusere dobbeltarbeid og gjøre dokumentasjonen mer levende, men den kan ikke alene forstå virksomheten, vurdere risikoen på byggeplassen eller ta ansvaret dersom noe går galt.
Det ansvaret ligger fortsatt hos mennesker.
Vil du ha nyheter fra bygg, VVS og AI rett i feeden din? Følg oss på LinkedIn eller Facebook:
Kunstig intelligens kan bli et viktig hjelpemiddel i HMS/KS-arbeidet, men bør brukes som støtte, ikke erstatning for fagkompetanse. Bygg- og anleggsbedrifter bør stille tydelige krav til faglig forankring, datasikkerhet, personvern, support, og dokumentasjon før de tar i bruk AI-baserte HMS-systemer.