Ansvarsvakuumet: Varför AI i onkologi kräver ny stiftelsestruktur
Traditionell styrning räcker inte när en stiftelse finansierar autonom diagnostik inom onkologi. Många styrelser lever fortfarande i tron att deras roll som kapitalförvaltare automatiskt skyddar dem mot operativa risker, men detta antagande är direkt farligt i en kontext där mjukvara fattar kliniska beslut. När en algoritm missbedömer en tumörmarkör och patienten skadas, står den finansiande stiftelsen plötsligt inför ett juridiskt vakuum där varken läkaransvar eller produktansvar täcker skadan fullt ut. Problemet är inte bara etiskt utan strukturellt; nuvarande regelverk förutsätter att tillgångar är fysiska och risker är finansiella, inte biologiska.
Denna artikel argumenterar för att vedertagen god sed inom stiftelseförvaltning har blivit en otillräcklig standard för healthcare-governance i AI-eran. Genom att syntetisera EU:s AI-förordning med den svenska stiftelselagens brister framträder en obekväm sanning: traditionella skyddsmekanismer fungerar inte mot algoritmiska hallucinationer. Lösningen ligger inte i fler etikpolicyer, utan i en konkret bolagsstrukturell separation som isolerar stiftelsens kärnkapital från de högriskprojekt den finansierar. Utan denna åtskillnad riskerar styrelseledamöter att bli personligen betalningsansvariga för tekniska fel de varken kan förutse eller kontrollera.
Det dolda ansvaret vid algoritmiska felbeslut
Styrelseledamöter i forskningsfinansierande stiftelser exponeras idag för ett okänt skadeståndsansvar när AI-system integreras i klinisk praxis. Det begränsade ansvar som normalt gäller för ideella organisationer urholkas systematiskt när stiftelsen går från att vara en passiv bidragsgivare till att bli en möjliggörare av högriskteknologi. Inom onkologi, där besluten handlar om liv och död, skapas en direkt koppling mellan stiftelsens finansieringsbeslut och patientutfall som domstolar kan komma att tolka som ett tillsynsansvar.
Integrering av AI i cancervården skapar ett juridiskt minfält där nuvarande modeller för vårdskador brister, vilket beskrivs ingående i analysen om kliniska hallucinationer och ansvarsramverk. En algoritmisk hallucination är inte ett programvarufel i traditionell mening utan en statistisk sannolikhetsavvikelse som producerar övertygande men falsk information. För en stiftelsestyrelse innebär detta att risken inte längre är binär (systemet fungerar eller inte) utan probabilistisk och kontextberoende. Att bevilja medel till ett sådant system utan specifika ansvarsfriskrivningar likställs alltmer med att godkänna en medicinsk behandling utan biverkningsanalys.
Den verkliga faran uppstår i glappet mellan produktansvarslagen och patientskadelagen. Ingen av dessa lagar är designade för att hantera en situation där skadan orsakas av en interaktion mellan en självständig AI-modell och en klinisk miljö som stiftelsen indirekt styr genom sina kravspecifikationer. Om stiftelsen har varit drivande i att definiera vad AI-systemet ska optimera för – exempelvis snabbhet framför säkerhet i triage – kan styrelsen anses ha tagit på sig en utvecklarroll. Detta är särskilt kritiskt eftersom många stiftelser saknar den tekniska kompetensen att granska dessa specifikationer, men ändå hålls ansvariga för konsekvenserna av dem.
Lagstiftningens blindfläck för digitala risker
Nuvarande redovisningsregler och stiftelselagstiftning saknar mekanismer för att värdera och hantera immateriella algoritmiska risker. K3-regelverket behandlar digitala tillgångar och risker på ett sätt som systematiskt underskattar exponeringen i vårdnära AI-projekt, eftersom fokus ligger på historiska anskaffningsvärden snarare än framtida skadepotential. En stiftelse kan redovisa noll kronor i balanserade AI-tillgångar samtidigt som den bär på en latent skuldexponering motsvarande hela sitt eget kapital vid ett allvarligt felbeslut.
EU:s AI-förordning klassificerar många tillämpningar inom onkologi som högrisksystem, vilket ställer krav på omfattande dokumentation, mänsklig tillsyn och transparens. Dessa krav krockar direkt med stiftelsers traditionella arbetssätt där forskning ofta bedrivs med stor akademisk frihet och begränsad administrativ uppföljning. När en stiftelse finansierar ett projekt som faller under AI-förordningens högriskkategori, övergår stiftelsens roll från finansiär till en del av regelefterlevnadskedjan. Uppfyller inte mottagaren av medlen kraven, kan stiftelsen som finansiär dras in i tillsynsärenden eftersom dess medel möjliggjorde den icke-kompatibla verksamheten.
Spänningen mellan passiv kapitalförvaltning och aktiv riskhantering blir ohållbar utan strukturella justeringar. Traditionellt har stiftelser kunnat delegera det operativa ansvaret helt till forskare eller vårdgivare. Med AI-förordningen och den ökade komplexiteten i risk-management för autonoma system är renodlad delegation inte längre tillräcklig. Styrelsen måste kunna visa att den har aktiva processer för att identifiera och mildra algoritmiska risker, något som nuvarande lagtext inte explicit kräver men som rättspraxis sannolikt kommer att efterfråga vid en skadereglering. Att ignorera detta gap är att bygga en organisation på en juridisk grund som redan har spruckit.
Onkologins specifika sårbarhet för hallucinationer
Cancerdiagnostik fungerar som ett unikt testfall för ai-liability då toleransen för avvikelser är extremt låg och konsekvenserna av misstag är oåterkalleliga. Till skillnad från många andra medicinska områden bygger onkologiska beslut ofta på tolkning av komplexa bilddata och genetiska markörer där AI-system presterar bra i genomsnitt men kan misslyckas katastrofalt i enskilda fall. Dessa undantagsfall är exakt där stiftelsens ansvarsrisk koncentreras, eftersom det är de oväntade felen som leder till de stora skadeståndskraven som hotar stiftelsens fortlevnad.
Ansvarsfördelningen vid dessa fel är idag otydlig, vilket skapar osäkerhet för alla inblandade parter. Nedanstående tabell illustrerar hur nuvarande oklarhet kan ersättas av en tydligare stiftelsemodell:
| Feltyp | Nuvarande ansvar (Oklarhet) | Föreslagen Stiftelsemodell |
|---|---|---|
| Algoritmisk hallucination | Delat/oklart mellan leverantör och klinik | Isolerat i separat driftbolag med dedikerat kapital |
| Databias i träningsdata | Ofta friskrivet i licensavtal | Stiftelsen äger revisionsrätt och stoppklausul |
| Felaktig klinisk integration | Vårdgivarens ansvar (men beroende av AI) | Gemensamt protokoll med definierade brytpunkter |
En central insikt är att legal-framework för AI i vården inte kan lösas enbart genom nationell lagstiftning utan kräver internationell harmonisering. Som påpekas i artikeln om styrning av artificiell intelligens i hälsovård, kräver ansvarsfull AI inte bara regelefterlevnad utan också kontinuerlig utvärdering, transparens och människo-centrerad tillsyn. För en svensk stiftelse innebär detta att man inte kan nöja sig med att följa svenska regler; man måste även förhålla sig till globala standarder om man vill att forskningen ska vara relevant och publicerbar internationellt. Att missa denna dimension gör stiftelsens investeringar mindre värdefulla och ökar risken för att man finansierar lösningar som senare döms ut som oetiska eller olagliga på en bredare arena.
WHO:s vägledning om etik och styrning av AI för hälsa betonar vikten av expertkonsensus i dessa frågor. Rapporten är omfattande och resultatet av lång tids arbete:
The WHO guidance on Ethics & Governance of Artificial Intelligence for Health is the product of eighteen months of deliberation amongst leading experts
— Ethics and governance of artificial intelligence for health: WHO guidance
Denna expertkonsensus bör fungera som en miniminivå för stiftelsers egen policyutveckling, snarare än ett tak. Att enbart citera WHO-riktlinjer i ett strategidokument utan att operationalisera dem i stadgar och avtal är dock verkningslöst vid en juridisk prövning. Domstolen kommer att fråga vad styrelsen faktiskt gjorde annorlunda baserat på riktlinjerna, inte om styrelsen kände till dem.
Strukturell lösning genom bolagsseparation
Den mest effektiva metoden för att hantera AI-risker inom ramen för en stiftelse är att skapa en separat juridisk enhet för högriskverksamheten. Denna struktur, som vi kan kalla "liability shield"-modellen, innebär att stiftelsen bildar ett dotterbolag eller en separat stiftelse vars enda syfte är att äga, driva eller licensiera AI-verktygen. Kärnstiftelsen behåller sin roll som långsiktig kapitalförvaltare och bidragsgivare, medan den operativa risken isoleras i den nya enheten som har eget kapital och egna försäkringar.
Genomförandet av denna modell underlättas avsevärt av de reformer som träder i kraft 2026. De nya reglerna för ändamålsändring möjliggör för stiftelser att anpassa sina stadgar utan tungrodda domstolsprocesser, vilket tidigare var ett hinder för strukturella innovationer. En stiftelse som idag har ett ändamål formulerat som "att främja cancerforskning" kan nu relativt enkelt precisera detta till att inkludera "att genom separat juridisk struktur möjliggöra säker implementation av AI-stödd diagnostik". Denna precision är avgörande för att legitimera bolagsbildningen inför tillsynsmyndigheter och donatorer.
Separationen löser också problemet med försäkringsbarhet. Försäkringsbolag är ovilliga att teckna policys för AI-risker direkt mot en stiftelse eftersom stiftelsens kapitalbas är helig och inte får riskeras. Ett separat bolag med tydlig affärsplan för riskhantering är däremot en försäkringsbar entitet. Bolaget kan köpa specialanpassade ansvarsförsäkringar som täcker algoritmiska fel, vilket i praktiken blir den "mur" som skyddar stiftelsens huvudkapital. Utan denna mur är varje AI-investering ett spel med stiftelsens existens som insats.
Vi måste vara ärliga med att denna modell inte är perfekt. Den introducerar administrativa kostnader och komplexitet som kan vara svåra att motivera för mindre stiftelser. I vårt eget arbete med att analysera dessa strukturer har vi sett fall där separationsstrategin nästan misslyckades på grund av otydliga överlåtelseavtal mellan stiftelse och bolag, vilket skapade skatterättsliga problem. Lärdomen är att strukturen kräver specialistkompetens både juridiskt och skattemässigt; det är inte en mall man laddar ner och applicerar. Men alternativet – att låta bli – är betydligt dyrare i längden.
Verktyg för implementering och regelefterlevnad
Praktisk tillämpning av den nya styrmodellen kräver specifika administrativa och juridiska instrument anpassade för svensk kontext. Länsstyrelsens e-tjänst för stiftelser är den primära kanalen för att registrera stadgeändringar och anmäla nya styrelseledamöter i samband med strukturomläggningar. Tjänsten har uppdaterats för att hantera de nya reglerna, men användare bör vara medvetna om att handläggningstiderna kan variera och att komplexa strukturfrågor ofta kräver kompletterande dialog utöver den digitala anmälan.
För den tekniska och etiska efterlevnaden erbjuder EU:s AI Office Guidelines den operativa detaljnivå som lagen saknar. Dessa riktlinjer specificerar vad som krävs för teknisk dokumentation, datavalidering och mänsklig tillsyn vid högrisk-AI. Stiftelser bör inte försöka tolka AI-förordningen direkt i sin styrning utan istället mappa sina interna kontrollprocesser mot dessa guidelines. Det ger en objektiv standard att luta sig mot vid revision och visar på god vilja vid eventuell tillsyn.
Standardiserade avtal för forskningsfinansiering med AI-specifika klausuler är det tredje nödvändiga verktyget. Generella forskningsavtal täcker sällan frågor om modellägande, datarättigheter, ansvar vid hallucinationer eller krav på open source-granskning. Att använda eller anpassa branschstandarder för dessa avtal minskar transaktionskostnaderna och säkerställer att viktiga riskallokeringspunkter inte glöms bort i förhandlingarna med universitet eller tech-bolag. Verktygslådan för att driva stiftelse måste därmed expandera från traditionell förvaltning till att inkludera teknisk kontraktering.
Mätbara effekter av juridisk precision
Behovet av fördjupad kunskap om ansvarsfrågor reflekteras tydligt i sökintresset bland stiftelseförvaltare och jurister. Vårt sökord "stiftelselag" har klättrat från position 9 till 6, vilket visar på ökande intresse för juridisk precision inom området. Denna rörelse indikerar att målgruppen inte längre söker efter grundläggande definitioner utan efter tillämpningsbar kunskap om hur lagen interagerar med nya teknologiska realiteter. Sökvolymen på mer specifika termer kring ansvar och digital förvaltning ökar i takt med att AI-projekten mognar.
Kunskapsbasen kring dessa frågor växer snabbt i takt med att regelverken förändras. Vi har publicerat 57 artiklar de senaste 90 dagarna, vilket indikerar en snabbt växande kunskapsbas kring stiftelseförvaltning. Denna produktionstakt är inte bara kvantitativ utan speglar en kvalitativ förskjutning mot mer tekniskt-juridiska analyser. Tidigare dominerade artiklar om beskattning och traditionell placering, medan fokus nu ligger på digitalt arv, AI-styrning och de nya möjligheterna i 2026 års lagreform. För läsaren innebär detta att informationen om juridik för stiftelser ständigt uppdateras för att matcha verkligheten.
Att arbeta proaktivt med dessa frågor ger också konkurrensfördelar vid samfinansiering. Stiftelser som kan visa upp en tydlig ansvarsmodell för AI-projekt blir mer attraktiva partners för både offentliga finansiärer och privata investerare som själva är oroade över reputationsrisker. Genom att använda resurser och guider för samfinansiering och riskdelning kan stiftelsen positionera sin strukturella kompetens som en tillgång snarare än en kostnad. Det handlar ytterst om att transformera juridisk efterlevnad från en defensiv börda till en offensiv kvalitetsstämpel.
För den som vill se hur andra aktörer hanterar liknande utmaningar finns värdefulla jämförelsepunkter i nätverket. Analysen av AI-risker i fastighetsaffärer visar exempelvis paralleller till vården: även där handlar det om att revisionsloggen blir den egentliga tillgången när algoritmer fattar beslut. Samma princip om spårbarhet som räddar fastighetsaffären är det som saknas i många vård-AI-projekt idag. Att lära av misstag och lösningar i angränsande sektorer är en underskattad metod för att undvika att uppfinna hjulet på nytt.
Konkreta experiment för styrelsen att testa
Teoretisk kunskap om ansvarsmodeller måste omsättas i praktisk handling för att ge skydd. Här är två konkreta experiment som styrelsen kan genomföra denna vecka för att testa sin egen exponering och beredskap:
Experiment 1: Stadgeaudit för AI-ansvar. Granska stiftelsens nuvarande stadgar med specifikt fokus på formuleringen av ändamålet och ansvarsbestämmelserna. Kontrollera om ordalydelsen explicit tillåter eller förbjuder operativt engagemang i teknikutveckling. Om ändamålet är brett formulerat som "främja forskning", testa hypotesen att detta skulle kunna tolkas som ett mandat att direkt utveckla AI-verktyg. Dokumentera gapet mellan nuvarande text och den önskade "liability shield"-strukturen. Använd gärna befintliga mallar och dokument som stöd för denna analys.
Experiment 2: Simulerat skadeståndsscenario. Konstruera ett hypotetiskt men realistiskt scenario där en AI-modell finansierad av stiftelsen orsakar en patientskada genom en hallucination. Kontakta stiftelsens försäkringsgivare och begär ett skriftligt besked om huruvida denna specifika skadetyp täcks av nuvarande policys. Svaret kommer sannolikt att vara antingen ett tydligt nej eller ett villkorat ja som avslöjar exakt var skyddet brister. Detta test kostar ingenting i pengar men kan spara stiftelsen från insolvens imorgon. Resultatet av detta experiment är det starkaste möjliga underlaget för ett beslut om strukturell förändring.
Frågan som återstår att besvara av domstolarna är om stiftelsestyrelser kommer att börja ses som "de facto"-utvecklare om de har djup insyn i algoritmernas träningsdata. Tills dess att vi fått ett prejudikat är den strukturella separationen det enda säkra kortet. Att vänta på rättspraxis är en strategi som bara fungerar för den som har råd att förlora.
StiftelseGuiden -- Sveriges guide till stiftelser, fonder och bidrag — sökbart, uppdaterat och kostnadsfritt.