Spørgsmålet om, hvorvidt en tekst er skrevet med kunstig intelligens, dukker op i flere typer civile sager. En kunde mener, at en konsulentrapport er genereret i stedet for udarbejdet. En arbejdsgiver mener, at en medarbejder har afleveret AI-tekst som eget arbejde i strid med en instruks. En forfatter eller et bureau strides om, hvem der har skabt et indhold. Ofte fremlægges et resultat fra en såkaldt AI-detektor som bevis. Denne artikel forklarer, hvad sådanne resultater kan bære, og hvilke spor der i praksis siger mere.
Hvorvidt brugen af AI i sig selv er et aftalebrud eller en misligholdelse, er et juridisk spørgsmål. Her handler det om, hvad der teknisk kan dokumenteres.
Hvordan en AI-detektor arbejder
En detektor analyserer teksten og vurderer, hvor meget den ligner tekst, som sprogmodeller typisk producerer. Den ser blandt andet på, hvor forudsigelige ordvalgene er, og hvor ensartede sætningerne er. Resultatet er en sandsynlighed eller en score, fx at teksten “sandsynligvis er AI-genereret”.
Det er en statistisk vurdering af teksten alene. Detektoren ved intet om, hvem der skrev, hvornår eller med hvilke værktøjer.
Hvorfor resultatet er svagt som bevis
Der findes ingen pålidelig teknisk metode til at fastslå, om en tekst er skrevet af et menneske eller af en AI. Det er også beskrevet i AI-manipulerede beviser i retssager. For advokaten er det vigtigt at kende de konkrete svagheder:
- Fejlagtige positive resultater. Tekst skrevet af mennesker kan blive markeret som AI. Det gælder især kort tekst, standardiseret fagsprog og tekst skrevet af personer, der ikke skriver på deres modersmål.
- Fejlagtige negative resultater. AI-tekst, der er redigeret eller omskrevet, kan passere som menneskeskrevet.
- Blandingsformer. Meget tekst er hverken det ene eller det andet. Et menneske skriver et udkast, og et værktøj retter sproget, eller omvendt.
- Uens resultater. Forskellige detektorer kan give forskellige resultater for samme tekst, og samme detektor kan ændre sig mellem versioner.
- Ingen kendt fejlrate for den konkrete tekst. Producentens oplyste træfsikkerhed er målt på bestemte testdata, ikke på en dansk kontrakt eller rapport.
En detektorscore kan derfor højst være et udgangspunkt for at spørge videre. Den kan ikke stå alene.
Det samme gælder sammenligninger af skrivestil. At en tekst afviger fra personens øvrige mails eller rapporter, kan have mange forklaringer: en kollega har hjulpet, teksten er genbrugt fra en skabelon, eller personen har skrevet mere omhyggeligt end normalt. Stilforskelle er en grund til at undersøge processen, ikke et svar.
Spor, der siger mere end teksten
Det mest brugbare spørgsmål er ikke, hvordan teksten ser ud, men hvordan den er blevet til. Det efterlader ofte spor.
Versionshistorik
Dokumenter i Microsoft 365, Google Workspace og lignende tjenester gemmer versioner. Historikken kan vise, om teksten er skrevet gradvist over timer og dage, eller om store afsnit er indsat på én gang. Indsættelse af færdig tekst er ikke bevis for AI, men det tyder på, at teksten er kommet et andet sted fra. → Versionshistorik: hvem ændrede kontraktudkastet?
Historik i AI-tjenester
Har en person brugt en AI-tjeneste, kan samtalehistorikken i tjenesten vise, hvad der blev bedt om, og hvad der blev svaret. I en organisationskonto kan der også være logs hos virksomheden. Det er det nærmeste, man kommer et direkte bevis. → Edition af modpartens ChatGPT- og Copilot-historik
Filmetadata og redigeringstid
Mange dokumentformater gemmer oplysninger om oprettelse, sidste ændring og samlet redigeringstid. Oplysningerne kan være upræcise og kan ændres, men de kan sammenholdes med andre spor.
Udkast, noter og kilder
Mails med udkast, interne noter, kildelister og mødereferater kan vise en arbejdsproces. Mangler de helt, er det heller ikke i sig selv bevis for noget, men det kan indgå i den samlede vurdering.
Vandmærker og mærkning
Nogle AI-tjenester indlejrer tekniske markeringer i genereret indhold, især i billeder og lyd. For tekst er sådanne markeringer sjældne og forsvinder typisk ved redigering. Fravær af en markering viser derfor ikke, at teksten er menneskeskrevet.
Når modparten fremlægger en detektorrapport
Spørgsmål, der kan stilles til en detektorrapport:
- Hvilket værktøj og hvilken version er brugt, og hvornår?
- Hvilken tekst er analyseret: hele dokumentet eller udvalgte afsnit?
- Er resultatet gentaget med andre værktøjer, og hvad viste de?
- Hvad oplyser producenten om fejlrater, og på hvilke data er de målt?
- Er der andre spor end selve teksten, der støtter konklusionen?
- Hvem har udført analysen, og har vedkommende forudsætninger for at vurdere resultatet?
En rapport, der hviler på ét værktøj og ingen andre spor, er let at angribe. → Modpartens IT-sagkyndige
Når klientens tekst beskyldes for at være AI
Står klienten anklaget, er det mest effektive forsvar ofte at dokumentere processen:
- Sikr versionshistorik i det system, hvor teksten blev skrevet, før den overskrives.
- Find udkast, mails og noter fra arbejdet.
- Afklar ærligt med klienten, om og hvordan AI-værktøjer er brugt, fx til sprogrettelser.
- Sikr klientens egen AI-historik, hvis der er brugt værktøjer, så omfanget kan dokumenteres.
- Overvej, om aftalen eller en instruks overhovedet forbød brugen, og hvordan “brug af AI” i så fald var defineret. Grænsen mellem stavekontrol, sprogforslag og egentlig tekstgenerering er flydende, og mange kontorprogrammer har i dag AI-funktioner indbygget.
Det sidste punkt om AI-historik kan virke kontraintuitivt. Men en dokumenteret, begrænset brug står ofte stærkere end en benægtelse, som modparten senere kan modbevise.
Hvad retten kan konkludere
I en civil sag bedømmes beviserne frit. En detektorscore kan indgå, men dens vægt afhænger af, hvad den understøttes af. → Fri bevisbedømmelse og digitale beviser
Fra IT-siden er de forsvarlige konklusioner typisk af denne art:
- “Teksten er indsat i dokumentet i store blokke på to tidspunkter.”
- “Personens AI-historik indeholder samtaler om emnet på de pågældende dage.”
- “Detektorværktøjer giver uens resultater, og ingen af dem kan fastslå oprindelsen.”
En konklusion som “teksten er skrevet af AI” kan sjældent forsvares på grundlag af teksten alene.
Typiske fejl
- At fremlægge en detektorscore som om, den var et bevis.
- At teste kun et udsnit af teksten og generalisere til hele dokumentet.
- At glemme versionshistorik og AI-historik, som forsvinder med tiden.
- At overse, at menneskelig redigering gør teksten til en blandingsform.
Tjekliste
- ☐ Påstanden om AI er formuleret præcist: hvilken tekst, hvilken brug
- ☐ Versionshistorik og filmetadata er sikret
- ☐ AI-historik er identificeret og bevaret
- ☐ En eventuel detektorrapport er vurderet kritisk
- ☐ Konklusionen bygger på spor om processen, ikke kun på teksten
→ Send en sag · Tlf. 70 13 63 23 · IT-sagkyndig bistand til advokater hos Nielco IT
