Statistikk, tidsserier, politikk, industri, offentlig sektor, kommuner, helse, forskning, regnekraft, regulering og globale utviklingstrekk. Oppdatert 14. september 2026 · kildedrevet.
Norge er tidlig ute med å bruke KI, men har fortsatt et tydelig gap mellom adopsjon, skalering, egen KI-industri og regnekraft. Det norske konkurransefortrinnet ligger sannsynligvis mindre i å bygge verdens største generelle modeller, og mer i å kombinere sterke data, høy digital modenhet, industriell domeneinnsikt og tillitsbasert offentlig sektor.
Alle de store målingene peker samme vei: KI har på få år gått fra spesialistverktøy til bredt anvendt teknologi. Det interessante spørsmålet i 2026 er mindre «brukes KI?» og mer «hvor dypt er KI integrert, hvem får gevinstene, og hvor godt styres risikoen?»
Norge har svært høy adopsjon, samtidig som tilliten ligger langt lavere enn bruken. SSB måler at 54 % av personer 16–79 år hadde brukt generativ KI de siste tre månedene i 2025, opp fra 36 % i 2024. Eurostats aldersavgrensning 16–74 år gir 56,3 %, mot 32,7 % i EU. Norge ligger dermed i det europeiske toppsjiktet.
har brukt generativ KI
prosent, generativ KI
prosent, generativ KI
Institutt for samfunnsforskning måler at bare 14 % hadde stor eller nokså stor tillit til KI i 2025, mot rundt 10 % i 2023. Bruken vokser altså langt raskere enn tilliten. Hvordan lever vi med teknologi vi bruker hele tiden, men ikke nødvendigvis stoler på?
De yngste ligger fortsatt klart foran, men 50–59-åringer har i Ipsos-serien gått fra 7 % til 56 % ukentlig chatbotbruk på under tre år. 60+ har gått fra 5 % til 38 %.
ISF peker på at forskjeller knyttet til utdanning og inntekt kan forsterkes selv når totalbruken øker. KI kan både demokratisere kompetanse og gi størst gevinst til grupper som allerede har høy kompetanse.
Chatboter brukes til informasjonsinnhenting, og i økende grad til skriving, læring, problemløsing og personlige råd. Det gjør kvalitet, kildekritikk og personvern til hverdagskompetanse.
Adopsjonen går fort; integrasjon, kompetanse og organisatorisk endring går saktere.
Omtrent tre av ti foretak med minst ti ansatte brukte minst én KI-teknologi i 2025. Serien har steget rundt ti prosentpoeng årlig siden 2023.
NHOs bredere virksomhetsundersøkelse måler 55 % KI-bruk i 2025, mot 24 % i 2023.
I 2026 oppgir 53 % at KI brukes i minst én arbeidsoppgave. Blant KI-brukerne er tekstbehandling og analyse klart størst.
I SSB-serien gikk store foretak med over 99 ansatte fra 27 % KI-bruk i 2023 til 58 % i 2025. NAV finner også en kraftig størrelseseffekt. Det peker mot en mulig produktivitetskløft mellom virksomheter som har data, kapital og kompetanse, og dem som ikke har det.
77 % av SSB-foretakene som ikke bruker KI peker på manglende relevant kompetanse. Teknologien er blitt enklere å kjøpe og prøve, men det krever fortsatt prosessforståelse, data, styring, ansvar og opplæring å få varig produktivitetsgevinst.
Energi, maritim sektor, prosessindustri, kraft, robotikk, sensordata og sikkerhetskritiske systemer. Norge har begrensede forutsetninger for å slå hyperskalerne i kappløpet om de største generelle modellene. Men vi har sterke industrielle domener, store mengder operasjonelle data, høy grad av automatisering og miljøer med dyp ingeniørkompetanse. Det gjør industriell KI til et mer plausibelt norsk konkurransefortrinn.
Equinor oppgir 1,3 milliarder kroner i KI-relatert verdiskaping og besparelser i 2025, og mer enn 3,3 milliarder siden 2020.
Prediktiv overvåking omfatter mer enn 700 roterende maskiner og rundt 24 000 sensorer, med betydelige gevinster fra prediktivt vedlikehold.
KI har ifølge Equinor økt kapasiteten i seismisk tolkning opptil ti ganger i relevante arbeidsprosesser.
Fra chatbot til fysisk verdiskaping: industrien er viktig fordi KI-effekten kan måles i oppetid, energiforbruk, vedlikehold, kvalitet, produksjonsvolum, HMS og kapitalutnyttelse. Der andre bare sparer tid på tekstproduksjon, kan industrien måle effekten på bunnlinjen.
Feilprediksjon, anomalideteksjon, inspeksjon, prognoser og optimalisering basert på sensordata.
Teknisk dokumentsøk, kode, vedlikeholdsstøtte, engineering-assistanse, prosedyrer og kunnskapsdeling.
Roboter, droner, autonome fartøy, fjernstyrte systemer og KI-agenter som handler i digitale og fysiske arbeidsflyter.
DNV samler i 2026 store norske aktører rundt trygg industriell KI og regulatorisk sandkasse. Use casene omfatter blant annet autonom navigasjon, prosessoptimalisering og prediktivt vedlikehold. Det sentrale spørsmålet er hvordan ytelsen kan valideres, hvilke barrierer som må være deterministiske, hva som skjer ved degradering og hvordan mennesket kan gripe inn.
Trallfa i Stavanger-regionen lanserte en tidlig kommersiell industrirobot allerede i 1969. I 2026 var Stavanger vertskap for European Robotics Forum med rundt 1 000 deltakere. Historien gir en fin linje fra mekanisk automatisering til moderne physical AI.
I industri og kritisk infrastruktur bør ikke sannsynlighetsbaserte modeller ukritisk erstatte verifiserbare sikkerhetsbarrierer. KI kan gi sterk beslutningsstøtte og optimalisering, men kravene til uavhengige barrierer, fail-safe-design, testing og sikker tilstand består.
Prosessanlegg har tiår med sensordata, historikk, alarmer, vedlikeholdsdata og engineering-dokumentasjon. Den store oppgaven er datakvalitet, kontekst, tilgang og integrasjon.
Norske miljøer har styrker innen navigasjon, maritime sensorer, fjernstyring og autonome fartøy. KI kobles her direkte til assurance, sertifisering og operasjonell risiko.
For energiintensive anlegg kan små forbedringer i utbytte, energibruk, kvalitet eller nedetid gi større økonomisk effekt enn generelle kontorproduktivitetsgevinster.
Norge gjør det svært godt på styring, data og digitale tjenester, men langt svakere på compute og moden KI-sektor.
Norge er nummer 10 globalt og best i Norden på offentlig KI-beredskap (fra #13 i 2023 via #11 i 2024). Samtidig er skåren bare 18,92/100 på compute capacity og 38,45/100 på AI sector maturity, mot 100 på governance principles, 97,79 på e-government delivery og 92,01 på data quality.
Riksrevisjonens kartlegging 2018–våren 2023: 44 % av statlige/helse/statseide virksomheter hadde erfaring med KI. Annen populasjon enn Digdirs nyere målinger, ikke én serie.
Andelen offentlige virksomheter som bruker KI i interne prosesser eller tjenester økte fra 54 til 66 % på ett år.
Digitaliseringsstrategien har ambisjon om at alle statlige virksomheter skal bruke KI i oppgaveløsningen innen 2030.
12. juni 2026 åpnet KI Norge i Digdir. Initiativet skal samle veiledning, teknologi, regelverkskompetanse og ansvarlig innføring for både offentlig og privat sektor. En nasjonal KI-sandkasse bygges i samarbeid med blant annet Nkom og Datatilsynet.
Offentlig sektor går gradvis fra lokale eksperimenter mot felleskomponenter, sandkasser, standardisert styring og gjenbruk. Den viktigste utfordringen blir å spre vellykkede løsninger på tvers av etater og sektorer uten å miste ansvar og kontekst.
Kommunesektoren er blitt et av de mest konkrete laboratoriene for praktisk KI i Norge.
har ifølge KS’ arbeidsgivermonitor iverksatt tiltak for å øke KI-kompetansen blant ansatte.
har tilsvarende kompetansetiltak.
i KS’ kartlegging av KI i kommunale helse- og omsorgstjenester i 2026.
Den første Årets KI-kommune ble løftet frem for politisk forankring, bred strategi, kompetansebygging og flere operative prosjekter på tvers av tjenesteområder.
Juryen fremhevet koblingen mellom behov, implementering og måling av gevinst før og etter innføring, blant annet i byggesak, legevakt og omsorg.
Kommunal KI beveger seg mot gevinstrealisering, styring og porteføljeprioritering. Det er et tydelig modenhetstegn og sannsynligvis viktigere enn antallet piloter.
2026 ga det første brede nasjonale øyeblikksbildet av KI i spesialisthelsetjenesten.
identifisert som i bruk, anskaffelse eller utprøving på tvers av de fire helseregionene.
Bildeanalyse, diagnostikk og beslutningsstøtte er den største kategorien.
Bare ni systemer finnes i to eller flere helseregioner. Skalering er en viktigere utfordring enn pilotaktiviteten.
Utfordringen er ikke nødvendigvis mangel på ideer eller tekniske piloter. Den er å få løsninger gjennom klinisk validering, medisinsk utstyrsregelverk, personvern, anskaffelse, integrasjon og endringsledelse, og deretter spre dem til flere helseforetak.
Norge bygger nå et sammenhengende lag av forskning, språkressurser og regnekraft.
Minst én milliard kroner over fem år til seks nasjonale forskningssentre. Utlysningen mobiliserte et svært bredt forsknings- og næringslivsnettverk.
AI Learn, TRUST, MishMash, NCEI, SURE-AI og aiD dekker læring, tillit, kreativitet, embodied AI, bærekraft og beslutningsstøtte.
Forskningsrådet har oppgitt over 600 aktive prosjekter innen KI og robotikk i porteføljen.
Nasjonalbiblioteket deler en tale-til-tekst-modell tilpasset norsk språk og dialekter.
Forskningsprosjekt viser at rettighetsbelagt norsk kvalitetsinnhold gir bedre norske språkmodeller.
Staten inngår avtale om bruk av norske avisarkiver som treningsdata. Ordningen kobler opphavsrett og nasjonal språkmodellutvikling.
En familie norske modeller fra 270 millioner til 27 milliarder parametere, utviklet for bokmål, nynorsk og engelsk.
Det handler om tilgang til regnekraft, egne språkressurser, juridisk kontrollerbare data, kompetanse, modellvalg og evnen til å bygge tjenester uten full avhengighet av noen få utenlandske leverandører.
KI gjør digital infrastruktur til energi- og industripolitikk.
Det relevante spørsmålet er hvor mye samfunns- og næringsverdi vi skaper per TWh, og hvor verdiskapingen ligger.
NVE beskriver datasentre som en av de raskest voksende strømforbrukende næringene. KI er en viktig driver. Dermed kobles KI-politikken direkte til kraftbalanse, nett, lokalisering, overskuddsvarme og hvilken type datasenteraktivitet Norge ønsker å prioritere.
Den norske KI-politikken har gått fra prinsipper i 2020 til infrastruktur, regulering og institusjonsbygging i 2026.
Vektla infrastruktur, deling av data, ansvarlig KI og norske styrkeposisjoner som helse, hav, offentlig sektor, energi og mobilitet.
Setter konkrete ambisjoner for bruk av KI i offentlig sektor, nasjonal infrastruktur og norske/samiske språkmodeller.
Ny nasjonal arena i Digdir for ansvarlig, innovativ og regelverksnær KI-innføring.
KI-forordningen er ikke norsk lov ennå. Etter EUs Omnibus-endringer varslet regjeringen 4. august 2026 ny høring av den norske KI-loven høsten 2026, med ambisjon om proposisjon til Stortinget våren 2027. Ingen norsk ikrafttredelsesdato er satt.
Selv om KI-forordningen ikke er innført i norsk rett, gjelder blant annet GDPR/personvern, åndsverklov, arbeidsrett, forvaltningsrett, diskrimineringsregler, sikkerhetslov, produktregelverk og sektorregulering. «Ingen KI-lov ennå» betyr derfor ikke «ingen regler».
Den kommende arbeidsstyrken bruker allerede KI som normal del av studiehverdagen.
Spørsmålet er ikke lenger om studentene skal møte KI. De har allerede gjort det. Utfordringen er å lære dem å bruke KI med faglig dømmekraft, verifisere svar, forstå metode og bevare ferdigheter som ikke bør outsources.
Utviklingen internasjonalt endrer premissene for norsk politikk og verdiskaping nesten månedlig.
Topmodellene fra de ledende selskapene ligger stadig tettere på mange standardiserte mål. Dermed får pris, integrasjon, domeneinformasjon, latency, sikkerhet og data større konkurransebetydning.
Over 90 % av «notable» frontier-modeller i 2025 kom fra industrien. Akademia bidrar fortsatt tungt med metoder og grunnforskning, men skaleringen skjer i selskaper med ekstrem compute-kapasitet.
Stanford anslår at global KI-compute har vokst rundt 3,3× per år siden 2022. Statlige superdatamaskiner og «AI factories» blir del av nasjonal industripolitikk.
Agentbruk er fortsatt lav i de fleste virksomhetsfunksjoner, men teknisk ytelse øker raskt. 2026 er et gjennombruddsår for idéen om agentisk KI, ikke nødvendigvis året der autonome agenter allerede dominerer arbeidslivet.
Land investerer i egne datasett, modeller, superdatamaskiner og nasjonale plattformer. Norge følger samme retning gjennom Olivia, LUMI-AI, Nasjonalbibliotekets modeller og nasjonale forskningssentre.
Jo mer KI kobles til beslutninger, fysisk infrastruktur og regulerte produkter, desto viktigere blir testing, assurance, overvåking, fallback, sporbarhet og dokumentert menneskelig kontroll.
Ikke prognoser med falsk presisjon, men strukturelle spørsmål som allerede kan observeres.
Andelen som «har prøvd KI» blir mindre interessant. Fokus flyttes til hvor dypt teknologien er integrert i prosesser, styring og resultatansvar.
Helse, kommuner og offentlig sektor viser samme problem: mange lokale forsøk, langt færre løsninger som skalerer nasjonalt.
KI beveger seg fra svar til handling. Det øker potensialet, og gjør tilgangsstyring, logging og feilhåndtering viktigere.
Robotikk, autonome systemer, droner og industrielle kontrollsløyfer blir neste lag i KI-debatten.
Når gode modeller blir tilgjengelige fra mange leverandører, flyttes verdien til arkitektur, data, arbeidsflyt, brukeropplevelse og domeneintegrasjon.
Norsk språk, jus, helse, forvaltning og industri krever kontekst globale modeller ikke nødvendigvis har.
Kritiske data og regulerte use case trekker mot mer bevisste valg mellom sky, europeisk infrastruktur, nasjonal compute, edge og on-premise.
Compute og kraft blir knappere ressurser. Verdiskaping per energienhet og per GPU-time kan bli et mer relevant konkurransemål.
Opplæring handler gradvis mindre om prompting og mer om prosessdesign, vurderingsevne, kontroll, kildekritikk og ansvar.
Virksomheter vil i økende grad måtte bevise hvordan systemene er testet, hvilke data de bruker, hvordan mennesker kan gripe inn og hva som skjer når modellen tar feil.
Store politiske, teknologiske og samfunnsmessige milepæler.
Rundt 60 begreper forklart på enkel norsk. Søk, eller klikk på et begrep.
Datasystemer som kan løse oppgaver som vanligvis krever menneskelig tenkning, som å forstå språk, gjenkjenne mønstre, lære av erfaring og ta beslutninger. «KI» er norsk forkortelse, «AI» er engelsk.
En metode der datamaskinen lærer mønstre fra eksempler (data) i stedet for å bli programmert med faste regler. Det meste av moderne KI er maskinlæring.
Maskinlæring med kunstige nevrale nettverk i mange lag. Brukes til bilde, tale, språk og mye annet.
En datamodell inspirert av hjernen: mange enkle regneenheter koblet sammen i lag. Nettverket justerer koblingene under trening.
En oppskrift av trinn som en datamaskin følger for å løse en oppgave.
Resultatet av trening: det ferdige «programmet» som kan brukes til å svare, klassifisere eller generere.
Prosessen der en modell lærer fra data. Krever ofte mye regnekraft.
Bruk av en ferdig trent modell for å få svar. Det som skjer når du stiller ChatGPT et spørsmål.
Råstoffet KI lærer fra: tekst, bilder, tall, lyd. Kvalitet og mengde avgjør hvor god modellen blir.
Dataene som brukes til å lære opp en modell. Hva som er lov å bruke, er et sentralt spørsmål om opphavsrett og personvern.
Svak (smal) KI løser én type oppgave. Sterk (generell) KI, ofte kalt AGI, ville kunne løse alle typer oppgaver et menneske kan. Sterk KI finnes ikke i dag.
KI som lager nytt innhold: tekst, bilder, kode, lyd eller video. ChatGPT, Copilot og Midjourney er eksempler.
En stor modell trent på enorme mengder tekst som kan forstå og produsere språk. LLM står for «large language model».
Begrep fra KI-forordningen om modeller som kan brukes til mange ulike oppgaver, typisk store språkmodeller. Leverandørene av slike har egne plikter.
En stor, generell modell som andre bygger videre på. Norge har mål om nasjonal infrastruktur med grunnmodeller for norsk og samisk.
Den minste tekstbiten en språkmodell jobber med, ofte en del av et ord. Pris og kapasitet måles gjerne i tokens.
Hvor mye tekst en modell kan «huske» i én samtale eller ett dokument.
Instruksjonen du gir en KI. Prompting er ferdigheten å skrive gode instruksjoner for å få gode svar.
Faste instruksjoner som styrer hvordan en KI-tjeneste oppfører seg, satt av den som har laget tjenesten.
Når en KI svarer selvsikkert med noe som er feil eller oppdiktet. En kjent svakhet ved språkmodeller.
Teknikk der modellen først henter fram relevante dokumenter (f.eks. fra virksomhetens egne filer) og så svarer basert på dem. Gir bedre presisjon og sporbarhet.
Å trene en ferdig modell litt videre på egne data for å gjøre den bedre på et bestemt område.
Modeller der de trente parameterne er offentlig tilgjengelige, slik at andre kan kjøre og tilpasse dem selv.
Modeller som håndterer flere typer innhold samtidig, for eksempel både tekst og bilder.
En KI som utfører oppgaver i flere steg: den søker, bruker verktøy, tar beslutninger og leverer et resultat.
Samlebegrep for systemer der agenter jobber selvstendig eller sammen for å nå et mål.
KI innebygd i et verktøy (e-post, dokumenter, kode) som hjelper brukeren underveis.
Ansatt uten IT-bakgrunn som lager egne løsninger og automatiseringer, ofte med hjelp av KI-verktøy.
Programvare som utfører faste, regelstyrte oppgaver automatisk. Eldre enn generativ KI, men ofte kombinert med den.
En åpen standard for hvordan KI-modeller kobler seg til verktøy og datakilder.
I KI-forordningen: den som utvikler eller får utviklet et KI-system og setter det på markedet.
I KI-forordningen: den som bruker et KI-system i sin virksomhet. De fleste norske virksomheter er idriftsettere.
Plan for hva virksomheten vil oppnå med KI, hvilke områder som prioriteres, og hvordan risiko håndteres.
Interne regler for hva ansatte kan bruke KI til, hvilke verktøy som er godkjent, og hvilke data som ikke skal deles.
Krav i KI-forordningen (artikkel 4): ansatte som bruker KI skal forstå den godt nok til å bruke den forsvarlig.
Liten test av en KI-løsning før man bestemmer seg for å innføre den i stor skala.
Å gå fra pilot til bruk på tvers av hele virksomheten. Her stopper mange KI-prosjekter.
KI-verktøy ansatte bruker uten at virksomheten har godkjent eller kontroll over dem.
EUs regelverk for KI, vedtatt 2024. Deler KI inn i risikokategorier med ulike krav.
Den norske loven som skal gjennomføre KI-forordningen i Norge via EØS-avtalen.
KI-systemer med strenge krav fordi de kan påvirke helse, sikkerhet eller rettigheter, f.eks. i ansettelser og kredittvurdering.
Nasjonal kommunikasjonsmyndighet, utpekt som koordinerende tilsyn for KI i Norge.
EUs personvernregler. Gjelder alltid når KI behandler personopplysninger.
Ordning der virksomheter kan teste KI-løsninger i dialog med tilsynsmyndigheter. Datatilsynet og Digdir har slike.
Samlebegrep for KI som er trygg, rettferdig, åpen og under menneskelig kontroll.
At det er mulig å forstå hvorfor en KI kom fram til et bestemt svar eller en beslutning.
Systematiske feil i en modell fordi treningsdataene er skjeve, f.eks. at én gruppe er dårlig representert.
Krav om at mennesker kan følge med på, gripe inn i og overstyre KI-systemer.
Krav om at tekst, bilder, lyd og video laget av KI merkes med vannmerke eller metadata.
Realistisk, KI-generert bilde, lyd eller video som viser noe som ikke har skjedd.
Angrep der noen skjuler instruksjoner i tekst eller dokumenter for å få en KI til å gjøre noe den ikke skal.
At sensitiv informasjon havner hos en ekstern KI-leverandør, ofte fordi ansatte legger inn data i verktøy uten avtale.
Internasjonal avtale om KI, menneskerettigheter, demokrati og rettsstat. Norge foreslår å ratifisere den sammen med KI-loven.
Grafikkprosessor. Brikken som gjør mesteparten av regnearbeidet ved trening og bruk av KI.
Svært kraftige datamaskiner for forskning og KI. Norges kraftigste er Olivia (Sigma2).
Hvor mye datakraft som er tilgjengelig. En knapp ressurs som avgjør hvem som kan trene store modeller.
Bygg med servere som driver KI-tjenester. Krever mye strøm og kjøling; Norge er attraktivt på grunn av kraft og klima.
Datatjenester levert over internett fra store leverandører. De fleste KI-tjenester kjører i skyen.
Å kjøre KI-modeller på egne servere for å beholde kontroll over data.
Et lands eller en virksomhets evne til å kontrollere egne data, teknologi og infrastruktur.
Modeller trent spesielt på norsk (bokmål, nynorsk) og samisk, blant annet gjennom NorwAI/NorLLM og Nasjonalbiblioteket.
EU-begrep for nasjonale sentre som tilbyr regnekraft, data og kompetanse for KI. Norge har etablert en KI-fabrikk gjennom Sigma2.
20 spørsmål trukket tilfeldig fra ordlisten, de blir vanskeligere utover. Ett svar er riktig, og noen av alternativene er, vel, mindre riktige. Til slutt får du nivået ditt, klart for utskrift.
Kilde-IDene brukes gjennom hele fagstoffet. Redaksjonell praksis: for ferske tall bør originalkilden alltid kontrolleres før publisering, særlig lovstatus, tidsfrister, statistikkserier og tekniske kapasiteter. Fagstoffet er datert 14. september 2026.