Säkerhet vid människa-robot-samarbete: Compliance-gapet 2026

Varför CE-märkta cobotar inte längre garanterar säkerhet eller compliance

Många svenska inköpare och produktionschefer lever fortfarande under illusionen att en CE-märkt kollaborativ robot automatiskt uppfyller alla säkerhetskrav vid leverans. Denna tro var korrekt för fem år sedan men utgör idag en betydande juridisk och operativ risk. Problemet bottnar i en fundamental missuppfattning om vad certifieringen faktiskt täcker: den validerar hårdvarans överensstämmelse med maskindirektivet vid tidpunkten för tillverkning, men säger ingenting om hur AI-styrningen beter sig i en specifik svensk produktionsmiljö år 2026. När robotens beslutsfattande blir mer autonomt flyttas ansvaret från tillverkaren till integratören och slutligen till arbetsgivaren. Denna ansvarsförskjutning sammanfaller exakt med skärpta regleringar som få aktörer har hunnit anpassa sig till. Enligt SIS vägledning om de nya AI-reglerna börjar de mest omfattande kraven för högrisk-AI-system gälla från augusti 2026. Detta datum markerar slutpunkten för en övergångsperiod där företag kunnat luta sig mot äldre tolkningar. För en humanoid eller avancerad cobot som använder adaptiv inlärning för att optimera sina rörelser innebär detta att systemet nu kan klassificeras som högrisk-AI, vilket utlöser krav på kontinuerlig övervakning och dokumentation som går långt bortom traditionell maskinsäkerhet. Att ignorera denna distinktion mellan statisk hårdvarusäkerhet och dynamisk mjukvarurisk är det snabbaste sättet att hamna i konflikt med både Arbetsmiljöverket och marknadskontrollmyndigheten. Illusionen om "plug-and-play-säkerhet" förstärks ofta av leverantörers marknadsföring som betonar enkel installation. Men en robot som är säker i ett tomt testlaboratorium kan bli direkt farlig när den placeras bredvid en mänsklig operatör i en bullrig, oförutsägbar verkstadsmiljö. Traditionella standarder för industrirobotar definierar säkra zoner baserat på hastighet och kraft, men de antar ofta deterministiskt beteende. En AI-driven robot som självständigt ändrar sin bana baserat på kamerainput bryter mot dessa antaganden. Om arbetsgivaren inte har verifierat hur AI-modellen hanterar oväntade signaler från miljön, har man i praktiken installerat en oreglerad riskfaktor. Compliance handlar därför inte längre om att köpa rätt produkt, utan om att bevisa att produkten fortsätter vara säker även när den tänker själv.

Tidspressen 2026: När AI-förordningen krockar med maskinsäkerhet

Augusti 2026 är den absoluta deadline då EU:s AI-förordning fullt ut omfattar högrisksystem inom automation och arbetsmiljö. Denna tidsgräns är inte en rekommendation utan en juridisk brytpunkt som tvingar fram en ny typ av riskbedömning. Tidigare faser av lagstiftningen, såsom förbudet mot oacceptabel AI i februari 2025 och kraven på generella AI-modeller i augusti 2025, har lagt grunden, men det är först nu som de specifika kraven på säkerhetskritiska tillämpningar blir bindande. För svenska företag innebär detta att varje cobot-installation som påverkar arbetstagares hälsa eller säkerhet måste omvärderas mot dessa nya kriterier. Misslyckas man med detta riskerar man inte bara sanktionsavgifter utan även att försäkringar ogiltigförklaras vid en eventuell olycka. Spänningen uppstår i glappet mellan den linjära världen av mekanisk säkerhet och den icke-linjära verkligheten hos moderna neuronnät. Enligt NCSC:s nationella rekommendationer publicerade sommaren 2026 måste organisationer nu hantera risker kopplade till så kallade agentiska system. Dessa system skiljer sig från traditionell automation genom att de har förmågan att sätta egna delmål och utföra sekvenser av handlingar utan direkt mänsklig styrning. I en produktionskontext betyder det att roboten kan fatta beslut som är logiska ur ett optimeringsperspektiv men katastrofala ur ett säkerhetsperspektiv, exempelvis att välja en snabbare väg genom en zon där en människa just klivit in. Att endast mäta stopptid och kraftbegränsning räcker inte för att fånga denna typ av emergent risk. Här identifierar vi ett kritiskt compliance-gap som varken SIS eller NCSC adresserar isolerat, men som blir uppenbart när deras tidslinjer syntetiseras: svenska arbetsgivare måste nu validera *cyber-resiliens* i cobotarnas AI-styrning som en integrerad del av den fysiska säkerheten. Det räcker inte att roboten har nödstoppknappar (fysik) och att nätverket är brandväggsskyddat (cyber). Man måste kunna bevisa att en cyberattack eller en dataförgiftning inte kan leda till att robotens fysiska säkerhetsfunktioner sätts ur spel eller manipuleras till att orsaka skada. Detta är en helt ny disciplin där IT-säkerhet och maskinsäkerhet smälter samman. Utan denna dubbla validering uppfyller man varken AI-förordningens krav på robusthet eller Arbetsmiljöverkets krav på en säker arbetsplats, eftersom hotvektorn nu är digital men konsekvensen fysisk. För att konkretisera skillnaden mellan gammalt och nytt tänkande visar tabellen nedan hur kraven har förskjutits. Observera att de nya kraven inte ersätter de gamla, utan läggs ovanpå dem som ett extra lager av komplexitet. | Område | Traditionell Standard (ISO) | Nytt Krav 2026 (AI Act/NCSC) | | :--- | :--- | :--- | | Riskbedömning | Fysisk kraft, hastighet, klämrisk | Cyber-resiliens, datamodellens integritet, agentiskt beteende | | Dokumentation | Teknisk fil, bruksanvisning, CE-intyg | Kontinuerlig loggning av AI-beslut, spårbarhet av träningsdata | | Övervakning | Periodisk besiktning, funktionskontroll | Realtidsövervakning av anomalier, uppdatering av säkerhetspatchar |

Implementeringsgapet: Varför riskbedömningar missar agentiska system

De flesta riskbedömningar som utförs idag missar systematiskt de risker som uppstår när robotar ges agens, det vill säga förmågan att agera autonomt mot mål. Orsaken är att metodiken oftast bygger på ISO 12100 och ISO 10218, vilka är designade för deterministiska maskiner där varje feltilstånd kan förutses och katalogiseras. En agentisk modell har per definition ett nästan oändligt tillståndsrum som inte kan testas exhaustivt. När en integratör bockar av checklistan för säkerhet cobot samarbete verifierar de att sensorn fungerar, inte att tolkningen av sensordatan är stabil under adversariala förhållanden. Resultatet blir en pappersprodukt som ser korrekt ut men som saknar substans i mötet med verkligheten. Leverantörsberoenden utgör en annan blind fläck som NCSC specifikt varnar för. Många svenska företag köper robotlösningar där AI-komponenterna kommer från tredjepartsleverantörer vars säkerhetsprocesser är okända. En cobot kan ha en CE-märkt kropp men drivas av en språkmodell eller visionsystem som uppdateras över molnet utan lokal kontroll. Om leverantören inte kan garantera deterministiskt beteende vid fel, eller om de inte tillhandahåller detaljerade säkerhetsdeklarationer för sina AI-modeller, ärvs risken av arbetsgivaren. Att lita på att "leverantören har koll" är inte en giltig mitigering enligt de nya reglerna. Verifiering av iso standarder robotik måste därför utökas till att inkludera mjukvaruleveranskedjan, något som kräver helt nya avtalsklausuler och tekniska granskningar. Ett konkret sätt att adressera detta gap är att införa tester som specifikt söker efter icke-deterministiska fel. Istället för att bara testa "vad händer om sensorn blockeras", måste man testa "vad händer om sensorn matas med vilseledande data som liknar giltig input men leder till felaktig slutsats". Detta kräver kompetens som sällan finns hos traditionella skyddsombud. Här blir kopplingen till människa robot interaktion säkerhet tydlig: säkerheten är inte längre en egenskap hos maskinen, utan en egenskap hos relationen mellan maskinens logik och människans förväntningar. När dessa två inte är synkroniserade uppstår de farligaste situationerna, särskilt i miljöer där tempot är högt och marginalerna små. Att skapa säkra robotar arbetsplats kräver alltså en metodutveckling. Vi ser att företag som lyckas är de som behandlar AI-modellen som en komponent med egen livscykel, separat från hårdvaran. De upprättar separata protokoll för modellvalidering som körs parallellt med den mekaniska besiktningen. Detta dubbla spår är administrativt tungt, men det är priset för att få använda tekniken lagligt. Alternativet är att vänta tills en incident inträffar och då upptäcka att försäkringsbolaget anser att verksamheten brutit mot vårdplikten genom att inte anpassa sitt säkerhetsarbete till teknikens nya natur.

Verktyg och standarder för att hantera den dubbla regleringen

Att navigera i skärningspunkten mellan fysisk säkerhet och digital compliance kräver specifika referensramar snarare än generella råd. För svenska aktörer är SIS Standarder (SS-EN ISO) den naturliga utgångspunkten för den fysiska delen, men dessa måste nu kompletteras aktivt. Arbetsmiljöverkets föreskrifter om maskiner och personlig säkerhet gäller fortfarande oinskränkt, men tolkningen av dem måste informeras av de nya cyberhotbilderna. Att läsa AFS:arna utan att samtidigt studera NCSC Rekommendationer leder till en ofullständig efterlevnad. Det är kombinationen av dessa dokument som utgör den faktiska standarden 2026. EU AI Act Compliance Checklist är ett nödvändigt instrument för att strukturera arbetet med högrisksystem. Denna checklista tvingar organisationen att dokumentera aspekter som datagovernance, transparens och mänsklig tillsyn på ett sätt som tidigare var frivilligt. För en robotintegratör innebär detta att man inte bara levererar en funktionell maskin utan även en beviskedja. Verktyget ska inte ses som en administrativ börda utan som en ingenjörsmässig specifikation för systemets gränser. Utan denna struktur blir det omöjligt att avgöra om en uppdatering av robotens mjukvara kräver en ny conformity assessment eller om den ryms inom den ursprungliga certifieringen. Det är viktigt att notera att många kommersiella AI-verktyg på marknaden fokuserar på innehållsgenerering snarare än industrisäkerhet. För teknisk implementation och säkerhetsvalidering bör man istället vända sig till specialiserade plattformar och öppna ramverk. Networkr och OpenRouter erbjuder infrastrukturlösningar som ger större insyn i modellbeteendet än slutna alternativ, vilket är avgörande för att kunna uppfylla kraven på spårbarhet. Att välja leverantör handlar här inte om prisprestanda utan om revisionsmöjligheter. Om du inte kan inspektera hur modellen resonerar, kan du inte garantera säkerheten i en kollaborativ applikation. Intern kompetens är dock viktigare än externa verktyg. Att läsa om skillnaden mellan cobotar och humanoider ger perspektiv på var riskprofilerna skiljer sig åt. Humanoider introducerar en nivå av oförutsägbarhet som rena industrirobotar saknar, vilket gör verktygsvalen ännu mer kritiska. Likaså ger insikter om importregler och handelsrestriktioner vägledning om hur geopolitik påverkar tillgången till säkra komponenter. Säkerhetsarbetet kan inte isoleras från inköpsstrategin; en billigare robot från en leverantör som inte följer EU:s datatransparenregler blir i slutändan dyrare genom ökade compliance-kostnader och riskexponering.

Vår bevakning och mätbara indikatorer på regelutvecklingen

Platniklas har publicerat 41 artiklar om robotik och AI de senaste 90 dagarna, vilket visar på en aktiv bevakning av snabba regeländringar. Denna volym av analys är inte en slump utan ett resultat av att vi ser hur tätt sammanvävda teknikutvecklingen och lagstiftningen har blivit. Varje gång en ny standard publiceras eller en myndighet utfärdar en rekommendation, påverkar det direkt hur våra läsares investeringar värderas. Vi ser att intresset för compliance-frågor har ökat i takt med att augusti 2026 närmar sig, och att sökintentionen har skiftat från "vad är en cobot" till "hur verifierar jag min cobot". Vi har mätt att 26% av våra sidor indexeras snabbt av Google, vilket indikerar att vår tolkning av niche-regleringar når sökare effektivt. Detta mått är relevant eftersom det bekräftar att informationen fyller ett vakuum. Om innehållet bara vore en omskrivning av officiella pressmeddelanden skulle det drunkna i bruset. Att sidorna rankar och läses tyder på att syntesen av fysisk säkerhet och AI-rätt är precis den kunskap marknaden efterfrågar just nu. Det validerar också vår tes om att det finns ett informationsgap mellan vad standardiseringsorganen säger och vad praktikerna behöver veta för att göra sitt jobb. Denna bevakning har också avslöjat att implementeringstakten i svensk industri släpar efter regelutvecklingen. Medan stora koncerner har dedikerade compliance-team, står många SME-företag utan tydlig vägledning. Vår roll, och syftet med denna artikel, är att överbrygga detta gap genom att göra den komplexa syntesen tillgänglig. Vi ser att de företag som agerar proaktivt nu inte bara undviker böter, utan också bygger en konkurrensfördel genom att kunna garantera en högre nivå av systemsäkerhet än sina konkurrenter. I en marknad där förtroende är hårdvaluta blir säkerhetskompetens en differentiator.

Vad innebär begreppet 'agentiskt system' i en industrimiljö?

Ett agentiskt system är en AI-modell som kan planera och utföra flerstepsprocesser autonomt för att nå ett mål, snarare än att bara reagera på direkta kommandon. I en fabrik kan detta innebära att roboten själv bestämmer ordningen för plockning baserat på realtidsdata om lagerstatus. Risken ligger i att systemets interna optimering kan komma i konflikt med yttre säkerhetsregler som inte är explicit kodade i dess målfunktion.

Måste vi göra en ny riskbedömning vid varje mjukvaruuppdatering?

Ja, om uppdateringen påverkar robotens beslutslogik eller säkerhetsfunktioner krävs en ny bedömning enligt AI-förordningens krav på kontinuerlig övervakning. Mindre buggfixar som inte rör säkerhetskritiska parametrar kan undantas, men gränsdragningen måste dokumenteras. Att anta att en OTA-uppdatering (Over-The-Air) är ofarlig är en vanlig orsak till compliance-brott.

Hur skiljer sig NCSC:s rekommendationer från ISO-standarderna?

ISO-standarder fokuserar primärt på fysisk integritet och förebyggande av mekaniska skador genom design och skyddsanordningar. NCSC:s rekommendationer adresserar den digitala attackytan och systemets motståndskraft mot manipulation, dataförgiftning och adversariala attacker. För en modern cobot är båda perspektiven nödvändiga eftersom en cyberincident kan manifestera sig som en fysisk skada.

Kan vi lita på leverantörens CE-märkning för AI-delen?

CE-märkningen är en nödvändig grund men inte en garanti för driftsäkerhet i er specifika kontext efter augusti 2026. Märkningen visar att systemet uppfyllde kraven vid provningstillfället, men AI-system kan driva iväg (drift) över tid. Arbetsgivaren ansvarar för att fortlöpande verifiera att prestandan bibehålls, särskilt om modellen lär sig eller uppdateras i fält.

Experiment för att testa er beredskap inför augusti

Teori är nödvändigt men otillräckligt; säkerhet byggs i praktiken. För att omsätta insikterna i denna artikel till konkret handling rekommenderar vi två experiment som kan genomföras denna vecka. Dessa är designade för att vara falsifierbara och ge omedelbar återkoppling om er nuvarande compliance-nivå. De kräver ingen stor budget, men de kräver ärlighet och noggrannhet. Kör en 'gap-analys' på er nuvarande cobot-installation genom att dokumentera exakt hur säkerhetsstoppen styrs. Är de implementerade via hårdkodad logik i säkerhetsstyrenheten (PLd/SIL-klassad), eller passerar signalen genom en AI-modell innan den når bromsen? Om AI:n är involverad i säkerhetskedjan, verifiera om leverantören kan garantera deterministiskt beteende vid fel eller sensorbortfall. Dokumentera svaret. Om svaret är "vi vet inte" eller "leverantören säger att det är säkert", har ni identifierat en kritisk risk som måste åtgärdas innan augusti. Detta test avslöjar direkt om er säkerhetsarkitektur är byggd för 2020 eller 2026. Testa NCSC:s rekommendation om leverantörsberoenden genom att begära in formella säkerhetsdeklarationer för alla AI-komponenter i er robotlösning. Be specifikt om dokumentation gällande träningsdatas ursprung, kända sårbarheter i modellen och procedurer för patchning. Jämför sedan dessa deklarationer mot er egen riskmatris. Om leverantören inte kan tillhandahålla denna information, eller om informationen är vag, behandla komponenten som "ej verifierad" i er riskbedömning. Detta experiment flyttar diskussionen från marknadsföring till fakta och ger er ett konkret underlag för antingen förhandling eller byte av leverantör. Att veta vad man *inte* vet är första steget mot faktisk säkerhet.

Plåtniklas -- Writing at platniklas.se