Sådan virker det

Én motor. Fire trin. Jeres eget netværk.

Hver forespørgsel går gennem de samme fire trin, uanset sektor. Kun detektoren skifter.

Hvad Suvard er

Et kontrol- og bevislag, der kører i jeres eget netværk.

Det sidder på AI-trafikkens vej, mellem medarbejdere og systemer på den ene side og AI-modellerne på den anden. Ved hver AI-forespørgsel gør det fire ting.

Finder

navne, CPR-numre, adresser, kontonumre og det, der aldrig må forlade huset, også det, ingen liste kender. Detektoren er trænet til sektoren; i sundhed en dansk klinisk sprogmodel.

Maskerer

fundene med pladsholdere, før AI'en ser dem, og viser brugeren, hvad der blev fundet. Ingen ny arbejdsgang.

Stopper

det, der ikke må ske, efter jeres egne regler for, hvem der må sende hvad til hvilken model.

Forsegler

hver hændelse i en signeret kæde, hvor ændringer bagefter kan opdages, og som kan efterprøves uden at stole på os.

Hvor sidder det?

Mellem jeres folk og modellerne. Aldrig i stedet for nogen af dem.

Jeres side
Medarbejdere og fagsystemer

Chat, udkast, beslutningsstøtte, agenter. Arbejdsgangen ændres ikke; brugeren ser kun, hvad der blev maskeret.

Suvard · i jeres netværk
Kontrol- og bevislag

Finder, maskerer, stopper, forsegler. Nøglerne er jeres. Intet indhold forlader huset, og intet sendes til os.

Modellerne
Cloud-AI eller lokale modeller

ChatGPT, Claude, Gemini eller en model i jeres eget datacenter. Vi leverer aldrig selve sprogmodellen.

Et eksempel fra sundhed

Det, medarbejderen sender. Det, der forlader jeres netværk.

Samme spørgsmål til AI'en, men uden noget, der kan identificere patienten. Brugeren ser fundene og godkender pladsholderne, før noget sendes.

Det, klinikeren skriver

Skriv et udkast til epikrise for Jens Hansen, CPR 300290-1234, Vestergade 12, Aalborg, indlagt med atrieflimren, behandlet med Marevan.

Markeret: det, detektoren finder. Eksempeldata er opdigtede.
Det, der når modellen

Skriv et udkast til epikrise for [NAVN], CPR [CPR][ADRESSE], indlagt med [DIAGNOSE], behandlet med [MEDICIN].

Svaret kommer tilbage med pladsholderne på plads; indholdet sættes ind igen hos jer.

Detektoren i sundhed er en dansk klinisk sprogmodel, trænet uden en eneste patientjournal, plus kontrol af CPR-numre. I jura er det de samme fire trin med en detektor til sagsdokumenter, som er på vej. I finans, energi, forsvar, rumfart og det offentlige følger det samme mønster senere.

Beviset

Et spor, der kan efterprøves uden at stole på os.

Sådan ser et forseglet spor ud.

Hver linje binder det, AI'en leverede, det, mennesket gjorde, og et fingeraftryk af resultatet sammen i ét segl. Nøglerne er jeres. Indholdet forlader aldrig huset. Ændrer nogen en linje bagefter, passer seglet ikke længere, og det kan alle se med et lille, selvstændigt program, der ikke kræver tillid til os.

Illustration. Hændelserne er eksempler, ikke rigtige data.

Hash-kædet

Hver hændelse peger på den forrige med et fingeraftryk. Fjernes eller ændres en linje, passer kæden ikke længere, og det kan ses.

Signeret med jeres nøgler

Seglet signeres med nøgler, der ligger hos jer, ikke hos os. Det, der forsegles, er beviset for, hvad der skete, aldrig selve indholdet.

Åben verifikator

Et lille, selvstændigt program uden afhængigheder kan efterprøve seglet offline. Enhver kan køre det. Det er det, der gør uafhængigheden til andet end et løfte.

Det samme segl kan sættes på AI uden chat, fx et udkast til journalen eller beslutningsstøtte inde i fagsystemet, så det, AI'en leverede, og det, mennesket gjorde med det, bindes sammen i én hændelse. Det er bevislaget; det er bygget, men endnu ikke i drift hos en kunde.

Hvorfor nu

Loven kræver beviset. Fagfolkene siger, at infrastrukturen mangler.

AI-forordningen kræver allerede af alle, der bruger højrisiko-AI, at de kan dokumentere, hvordan den virkede og blev brugt. I sundhed lægger MDR sig oveni. Ingen af dem definerer et uafhængigt format for det, mennesket gjorde.

AI-forordningen, art. 72(2)

“…actively and systematically collect, document and analyse relevant data which may be provided by deployers … on the performance of high-risk AI systems throughout their lifetime …”

Udbyderen skal løbende samle data om, hvordan systemet virker i praksis, også fra dem, der bruger det. Hvordan det fanges, siger loven ikke.

AI-forordningen, art. 26(6)

“… keep the logs … for a period appropriate to the intended purpose of the high-risk AI system, of at least six months …”

Pligten til at gemme logs ligger hos den, der bruger systemet. Et fælles, efterprøveligt format findes ikke.

I sundhed også: MDR 2017/745, bilag XIV del B

“… proactively collect and evaluate clinical data from the use in or on humans of a device which bears the CE marking …”

Producenten af CE-mærket udstyr skal følge op på brugen i klinikken. Man kan ikke følge op på et råd, man ikke ved blev fulgt.

… clearly established in principle by active current regulations, but not enacted upon, given unclear standardization and requirements at the moment.
European Society of Radiology, konsensusanbefalinger, december 2025Eksempel fra sundhed: lægernes eget fagselskab om overvågning af AI-udstyr i drift. Kravet findes. Standarden for at efterleve det gør ikke.

Alle kræver resultatet. Ingen definerer formatet. Det er det, vi bygger: et uafhængigt segl oven på de standarder, der allerede findes.

2. december 2027

EU's krav til højrisiko-AI gælder for bilag III: fx akut triage i sundhed, kreditvurdering af personer i finans og styring af kritisk infrastruktur som energi.

2. august 2028

Kravene gælder for AI, der er en del af CE-mærkede produkter (bilag I), fx medicinsk udstyr, hvor det meste kliniske beslutningsstøtte ligger.

Datoerne kan ikke rykkes. Det, der kan rykkes, er, om der findes et format og referencer, den dag de bider. Et bevis kan ikke laves med tilbagevirkende kraft.

Citater: AI-forordningen (EU) 2024/1689; MDR (EU) 2017/745; Digital Omnibus (EU) 2026/1744 (datoer); Cuocolo m.fl., Insights into Imaging (2025). Ikke juridisk rådgivning.

Hvor er I?

To spor, samme lag.

Spørgsmålet hører hjemme, når budgettet lægges, ikke når tilsynet ringer.

AI er i brug i dag, uden kontrol?
Gatewayen
  • Kortlægning af, hvilke AI-tjenester der bruges, og hvor meget, uden persondata.
  • Dansk genkendelse af personer og følsomme oplysninger, før data når en model. I sundhed: patientidentitet med en klinisk model.
  • Guided redaction: brugeren godkender pladsholderne selv.
  • Signeret log for hvert kald, i jeres eget netværk.
Valideret i Treat Systems' tekniske miljø
Klar til kravene i 2027 og 2028?
Bevislaget
  • Et uafhængigt segl på det, jeres AI leverede, og det, mennesket gjorde med det.
  • Også for AI uden chat, fx et udkast til journalen eller sagen, eller beslutningsstøtte inde i fagsystemet.
  • Kan efterprøves offline af andre, uden at stole på os eller leverandøren.
  • Ingen persondata til Suvard. Nøglerne er jeres.
Bygget, ikke i drift endnu
Leverandøren ejerArbejdsgangen

Det, AI'en leverede, og det, mennesket gjorde, registreres i leverandørens egen flade efter en åben datamodel. Vi bygger aldrig brugerens grafiske grænseflade.

Suvard ejerSeglet

Hændelsen forsegles uafhængigt af kildesystemet: hash-kædet, kryptografisk signeret og med nøglerne i jeres varetægt. Aldrig selve indholdet - kun det uafviselige bevis på, hvad der skete.

Åben for alleVerifikatoren

Enhver kan køre den og tjekke seglet uden at spørge os. Det er det, der gør uafhængigheden efterprøvelig i stedet for et løfte.

Et bevis er kun uafhængigt, hvis den, der forsegler, ikke selv er part. Derfor sidder Suvard uden for arbejdsgangen, og derfor leverer vi aldrig selve sprogmodellen.

Reglerne bag

Det, Suvard hjælper jer med at opfylde.

GDPR

Dataminimering i praksis: personers identitet maskeres, før data når en AI-model, og brugeren ser selv, hvad der blev fundet.

NIS2

Den danske lov gælder fra 1. juli 2025 og omfatter blandt andet sundhed, energi, finans og offentlig forvaltning. Loven kræver logning og monitorering, og at logdata sikres mod manipulation. En signeret kæde, hvor ændringer kan opdages, er netop det.

AI-forordningen (og MDR i sundhed)

Logs i mindst seks måneder hos den, der bruger AI'en (art. 26), og løbende data om, hvordan AI'en virker i drift, til den, der leverer den (art. 72 og MDR's opfølgning). Bevislaget leverer begge dele i ét spor.

Spørgsmål, vi hører

Klare svar.

Er Suvard en cloud-tjeneste?

Nej. Suvard installeres i jeres eget netværk, på jeres egen infrastruktur. Intet følsomt forlader huset. Det er hele pointen.

Skal vi selv køre AI-modeller eller købe GPU'er?

Nej. Suvard sidder foran de AI-tjenester, jeres medarbejdere allerede bruger. Lokale modeller er en mulighed, aldrig et krav. Vi leverer aldrig selve sprogmodellen.

Hvilke AI-tjenester virker det med?

Suvard sidder på trafikkens vej som en proxy og er derfor uafhængig af leverandør: ChatGPT, Claude, Gemini og andre tjenester, som jeres medarbejdere bruger gennem Suvards chatvindue, eller som jeres systemer kalder gennem Suvard. Copilot i Word, Outlook og Teams og AI, der er bygget ind i et fagsystem, understøttes ikke endnu. Samme motor, samme bevis.

Hvad er i drift i dag, ærligt?

Sundhed, gennem CareProxy: motoren med dansk klinisk detektion, maskering og signeret log er valideret i Treat Systems' tekniske miljø, og vi er i dialog med en dansk region. Bevislaget (det uafhængige segl) er bygget, men endnu ikke i drift hos en kunde. Detektoren til jura er på vej; detektorer til finans, energi, forsvar, rumfart og det offentlige er ikke bygget endnu. Motoren er den samme.

Gør Suvard os compliant med GDPR og AI-forordningen?

Det kan intet værktøj love. Suvard understøtter efterlevelsen: det håndhæver jeres regler teknisk og leverer beviset. Den juridiske vurdering er fortsat jeres.

Hvilket bevis får vi, når tilsynet ringer?

En hash-kædet, signeret log over hver AI-forespørgsel og hver beslutning, som kan eksporteres og efterprøves med et lille, selvstændigt program, uden at stole på os.

Hvordan adskiller det sig fra en firewall eller klassisk DLP?

En firewall ser pakker; klassisk DLP ser mønstre. Suvard forstår, hvad der sendes til AI: maskerer det med pladsholdere, folk kan arbejde videre med, stopper det, der aldrig må forlade huset, og beviser bagefter, hvad der skete.

Hvordan kommer vi i gang?

En samtale, en kortlægning af jeres faktiske AI-brug, og så en pilot i jeres eget miljø. Skriv til matias@suvard.com.

Næste skridt

En halv time om, hvor AI allerede er i brug hos jer.

Vi starter med en kortlægning, ikke et salg. Du får et ærligt billede af, hvad der går gennem jeres net, og hvad det ville kræve at kunne vise det bagefter.