Artikel 6(3)(d) förklarad — undantaget för förberedande uppgifter
EU AI Act:s artikel 6(3)(d) låter vissa AI-system undvika högrisk-klassificering genom en förberedande uppgift. Så fungerar det för svenska SaaS.
Artikel 6.3 i EU:s AI-förordning är en av de mest konsekventa klausulerna för svenska SaaS-startups som levererar AI-funktioner. Den låter ett system som skulle vara högrisk under bilaga III undgå klassificeringen — och de fullständiga kapitel III-leverantörsskyldigheterna — om det inte utgör en betydande risk för skada. Väg (d) av de fyra undantagen är den som de flesta SaaS-produkter hamnar under.
Att misstolka denna klausul kostar dyrt i båda riktningarna. Läs den för generöst och ni underklassificerar ett system som borde bära den fullständiga artikel 9–15-bördan. Läs den för konservativt och ni spenderar två kvartal på att uppfylla krav som inte gäller er.
Vad artikel 6.3 säger — de fyra vägarna
Artikel 6.3 lyder (lätt parafraserat): ett AI-system som avses i bilaga III ska inte anses vara högrisk när det inte utgör en betydande risk för skada på fysiska personers hälsa, säkerhet eller grundläggande rättigheter, inklusive genom att inte materiellt påverka utfallet av beslutsfattande. Specifikt:
- (a) AI-systemet är avsett att utföra en smal procedurell uppgift
- (b) AI-systemet är avsett att förbättra resultatet av en tidigare utförd mänsklig aktivitet
- (c) AI-systemet är avsett att upptäcka beslutsmönster eller avvikelser från tidigare beslutsmönster och är inte avsett att ersätta eller påverka den tidigare utförda mänskliga bedömningen, utan ordentlig mänsklig granskning
- (d) AI-systemet är avsett att utföra en förberedande uppgift inför en bedömning som är relevant för användningsfallen i bilaga III
Om något av dessa är sant faller systemet ut från högrisk — förutsatt att det ytterligare villkoret nedan uppfylls.
Den hårda spärren — profilering av personer
Punkt 3 i artikel 6 innehåller en skarp begränsning:
Undantagen som avses i första stycket ska inte gälla där AI-systemet utför profilering av fysiska personer.
Detta är linjen som diskvalificerar de flesta B2B HR-verktyg, kreditbeslutsmodeller och utbildningsbedömningssystem från att använda undantaget. Om ert system producerar en profil av en individ — poängsätter, rangordnar, kategoriserar dem — räddar artikel 6.3 er inte.
När väg (d) gäller — testet för förberedande uppgift
Vägen för “förberedande uppgift” är avsedd för AI-system som förbereder information som en människa sedan använder för att fatta det materiella bilaga III-beslutet. Recital 53 ger exemplet på ett verktyg som gör filhantering, dokumentutformning eller översättning som stödjer en mänsklig bedömning.
Nyckelelementen i ett giltigt (d)-anspråk:
- Bilaga III-beslutet fattas av en namngiven människa, inte AI:n
- AI:ns resultat är ett utkast, rekommendation eller sammanfattning — inte det slutliga svaret
- Människans granskning är materiell, inte stämpelpåförande
- Systemet profilerar inte individer
Det här är exakt den arkitektoniska hållningen Maditon själv antar: AI:n utformar en riskklassificering, en namngiven människa i kundens organisation accepterar den uttryckligen med en tidsstämpel. Den accepterande människan står på den; AI:n förberedde.
Konkreta exempel
| System | Artikel 6(3)(d) gäller? | Varför | |---|---|---| | Ett SaaS som utformar EU AI Act-riskklassificeringar för en människa att granska och acceptera | Ja | Förberedande; namngiven människa accepterar slutlig klassificering; ingen profilering av fysiska personer | | Ett SaaS som utformar intervjusammanfattningar från kandidatsamtal, för en rekryterare att läsa | Ja — sannolikt | Förberedande; sammanfattning stödjer mänskligt beslut; ingen profilering (ingen poängsättning) | | Ett SaaS som rangordnar jobbsökanden efter förutspådd lämplighet | Nej | Profilerar fysiska personer; rangordning är det materiella resultatet | | En copilot som utformar låneskälsmotivering för en kreditansvarig | Gränsfall | Om utkastet innehåller en poäng eller rekommendation måste kreditansvariges granskning vara materiell nog att faktiskt nå ett annat resultat — och systemet bör inte profilera sökanden | | En dokumenthanterings-AI som taggar HR-filer | Ja | Smal procedurell uppgift (a) och förberedande (d) gäller båda; ingen påverkan på anställningsresultat |
Vad ni måste dokumentera om ni använder (d)
Förordningen förväntar sig att leverantörer som förlitar sig på artikel 6.3-undantagen dokumenterar bedömningen och registrerar den (artikel 6.4) — de måste hålla dokumentationen tillgänglig för tillsynsmyndigheter i 10 år.
För er skriftliga motivering, fånga upp:
- Systemets avsedda användning (konkret, specifik)
- Vilken bilaga III-kategori det annars skulle falla under
- Vilken av (a)–(d) som gäller
- Varför systemet inte profilerar fysiska personer
- Mänsklig godkännande-designen — vem granskar, vad de ser, hur godkännande registreras
- Granskningsanteckningsmekanismen — hur mänskligt omdöme fångas upp och lagras
Det här är ert försvar om en tillsynsmyndighet senare ifrågasätter klassificeringen.
Vad Maditon gör specifikt
Maditon är i sig ett AI-baserat verktyg. Vi förlitar oss på artikel 6.3(d). Tjänsten utformar utkast till riskklassificeringar. Klassificeringen är bunden till en namngiven användare i er organisation som uttryckligen accepterar varje utkast inne i Tjänsten. Godkännande registreras med en tidsstämpel. Vi profilerar inte era anställda, era kunder eller någon annan fysisk person. Det materiella ställningstagandet är ert — Tjänsten stödjer det men gör det inte.
Detta är också arkitekturen vi rekommenderar för varje SaaS-produkt vars AI-yta berör en bilaga III-användning. “Utkast som människor accepterar” är den renaste vägen att hålla sig utanför högriskkapitlet och hålla revisionsspåret försvarbart.