Skygge-AI i virksomheder: Risiko, governance og kontrol i 2026

Q: Hvad er konsekvenserne af at ignorere skygge-AI?

Du risikerer datasikkerhedsbrud, GDPR-bøder, compliance-overtrædelser under EU AI Act, og du mister kontrollen over vigtige forretningsprocesser. Derudover kan uvaliderede AI-outputs påvirke beslutninger negativt. Regulatorer forventer også dokumentation af AI-brug – mangel på kontrol kan resultere i alvorlige sanktioner.

Det er tirsdag morgen, og jeg sidder i møde med en dansk produktionsvirksomhed på omkring 200 medarbejdere. Deres IT-chef fortæller mig, at de har opdaget, at næsten 60 % af deres ansatte bruger ChatGPT eller lignende værktøjer uden tilladelse – og uden at dele det med nogen. En af deres ingeniører har brugt OpenAI til at analysere tekniske specifikationer. En marketingmedarbejder har sendt kampagneidéer til Claude. En finansanalytiker har brugt en AI-chatbot til at lave budgetprognose. Ingen af dem gjorde det med ondsindet forsæt. De ville bare være mere produktive. Men det her er præcis det, som eksperter kalder skygge-AI i virksomheder – risiko og governance, og det er blevet et af de største sikkerhedsproblemer, som danske virksomheder står over for i 2026.

Skygge-AI er ikke en ny fænomen, men det er blevet kritisk. Mens ledelsen diskuterer AI-strategi på bestyrelsesmøder, bruger medarbejderne allerede værktøjerne – uden godkendelse, uden dokumentation, og ofte uden at være klar over risiciene. Og det sker ikke kun i tech-virksomheder. Det sker i banker, hospitalssystemer, advokatfirmaer og produktionsvirksomheder. Problemet er, at hver gang en medarbejder sender følsomme data til en tredjeparts AI-platform uden kontrol, risikerer virksomheden datasikkerhedsbrud, GDPR-overtrædelser, og compliance-problemer under den nye EU AI Act. Men hvordan håndterer du det uden at kvæle innovation? Det er præcis det, jeg vil hjælpe dig med at forstå i denne artikel.

Hvad er skygge-AI og hvorfor er det et problem?

Lad mig starte med definitionen. Skygge-AI refererer til uautoriseret eller undokumenteret brug af kunstige intelligens-værktøjer uden IT-godkendelse eller virksomhedens viden. Det betyder, at medarbejdere bruger ChatGPT, Claude, Gemini, eller andre AI-modeller til arbejdsopgaver uden at være på en liste over godkendte systemer. De logger ind med deres private konti, eller de bruger gratis versioner af værktøjerne, og ingen ved, hvad der sker med deres data.

Hvorfor sker det? Fordi værktøjerne er nemme at bruge, ofte gratis, og de løser reelle problemer. En medarbejder, der skal skrive en rapport, kan få hjælp på få sekunder. En udvikler kan få kode-snippets. En salgsperson kan få hjælp til at skrive emails. Det virker harmløst – og det ville det være, hvis der ikke var data involveret. Men der er altid data. Og det er der, problemet opstår.

Ifølge en undersøgelse fra 2025, som jeg har set blandt danske virksomheder, bruger omkring 70 % af medarbejderne AI-værktøjer på arbejde – men kun omkring 30 % af virksomhederne har en formaliseret AI-policy. Det betyder, at der er et enormt gap mellem faktisk brug og organisatorisk kontrol. Nogle virksomheder ved ikke engang, hvor stort problemet er, fordi de ikke har nogen måde at detektere det på.

Og her er det vigtige: skygge-AI i virksomheder udgør en reel risiko for governance. Det handler ikke kun om, at medarbejderne bryder reglerne. Det handler om, at virksomheden mister kontrol over sine vigtigste aktiver – sine data og sine forretningsprocesser. Når du ikke ved, hvilke AI-systemer der bruges, kan du ikke håndtere de risici, de introducerer. Og regulatorer forventer, at du kan.

De vigtigste risici ved skygge-AI

Lad mig være helt konkret om, hvad der kan gå galt. Der er fem hovedrisici, som jeg ser igen og igen i mine projekter.

Datasikkerhed og dataleakage

Det første og vigtigste: når en medarbejder sender data til en tredjeparts AI-platform, ved virksomheden ikke, hvad der sker med dataene. OpenAI bruger data til at træne deres modeller – medmindre du har en Enterprise-aftale. Det betyder, at en medarbejders prompt – som måske indeholder kundedata, interne prisoplysninger, eller personlig information – kan ende i træningsdatasættet. Jeg har set tilfælde, hvor en virksomhed sendte en kundeliste til ChatGPT uden at tænke over det, og senere fandt ud af, at dataene potentielt kunne blive brugt til at træne en konkurrents AI-system.

Værre endnu: hvis du bruger en gratis version af ChatGPT, eller hvis du logger ind med din private Google-konto på en ukendt AI-platform, kan dataene blive lagret på servere, hvor du har ingen kontrol over, hvem der har adgang. Jeg har set virksomheder, hvor medarbejdere har brugt deres private cloud-lagerplads til at dele arbejdsfiler med AI-værktøjer – hvilket betyder, at deres IT-sikkerhed ikke engang dækker det.

Compliance-brud og regulatorisk risiko

GDPR siger, at hvis du deler persondata med en tredjepartsleverandør, skal du have en databehandleraftale på plads. Hvis du sender en kundeliste til ChatGPT uden en aftale, er det teknisk set et GDPR-brud – og det er virksomhedens ansvar, ikke medarbejderens. Den danske Datatilsynsmyndighed har allerede sendt advarsler til virksomheder, der ikke har kontrol over deres AI-brug.

Desuden træder EU AI Act i kraft i 2026, og det kræver, at virksomheder dokumenterer alle AI-systemer, som de bruger – især høj-risiko-systemer. Hvis du bruger skygge-AI til at træffe vigtige forretningsbeslutninger (som f.eks. at vurdere kreditansøgninger eller at analysere medarbejderdata), og du ikke kan dokumentere det, er det en direkte overtrædelse af loven. Og bøderne kan være betydelige – op til 6 % af den årlige omsætning.

Kvalitetsproblemer og usikre outputs

AI-modeller er ikke perfekte. De kan hallucinerere – det betyder, at de kan opfinde fakta, der ikke er sande. Jeg har set tilfælde, hvor en medarbejder brugte ChatGPT til at analysere juridiske dokumenter, og modellen gav forkerte fortolkninger. Hvis disse forkerte analyser blev brugt til at træffe vigtige forretningsbeslutninger, kunne det koste virksomheden penge.

Problemet er, at når du bruger skygge-AI, har du ingen kvalitetssikring. Du har ikke valideret modellens nøjagtighed for dine specifikke brugssituationer. Du har ikke testet den mod dine data. Du ved ikke, om den er pålidelig nok til at blive brugt til vigtige opgaver. Det betyder, at risikoen for fejlbeslutninger stiger dramatisk.

Intellektuel ejendom og forretningshemmeligheder

Hvis en medarbejder sender dine proprietære algoritmer, dine forretningsmodeller, eller dine tekniske specifikationer til ChatGPT, risikerer du, at disse bliver en del af træningsdatasættet. Det betyder, at dine konkurrenter potentielt kunne få adgang til dine forretningshemmeligheder gennem en AI-model. Jeg har set virksomheder, hvor udvikler-teams brugte ChatGPT til at hjælpe med kodning uden at indse, at de delte deres hele arkitektur.

Juridisk ansvar og virksomhedsansvar

Her er det vigtigste punkt: virksomheden er juridisk ansvarlig for, hvad medarbejderne gør. Hvis en medarbejder sender kundedata til ChatGPT uden tilladelse, og det resulterer i et dataleakage, kan virksomheden blive sagsøgt – ikke medarbejderne. Hvis det resulterer i en GDPR-overtrædelse, kan virksomheden få en bøde – ikke medarbejderne. Hvis det resulterer i en overtrædelse af EU AI Act, er det virksomhedens problem.

Det betyder, at du ikke kan sige, "Det var ikke vores skyld – det var medarbejderne, der gjorde det." Regulatorer forventer, at du har kontrol. Hvis du ikke gør det, er det din ansvar.

Hvordan opdager du skygge-AI i din virksomhed?

Så hvordan finder du ud af, hvad der sker? Du kan ikke bare spørge medarbejderne direkte – mange vil ikke være helt ærlige, fordi de ved, at det måske ikke er tilladt. Du har brug for en mere systematisk tilgang.

Netværksovervågning og trafikanalyse

Dit netværk genererer logs over hver forbindelse, som medarbejdere foretager. Hvis du analyserer disse logs, kan du se forbindelser til populære AI-platforme. Du kan se, hvem der forbinder sig til OpenAI, Anthropic, Google Cloud, eller andre AI-serviceudbydere. Det kræver nogle tekniske færdigheder – eller du kan bruge et værktøj til at automatisere det – men det er helt muligt at detektere.

Jeg har hjulpet virksomheder med at implementere denne type overvågning, og resultaterne er altid overraskende. De fleste finder ud af, at langt flere medarbejdere bruger AI-værktøjer, end de troede. Og ofte finder de også uautoriserede cloud-applikationer, som de ikke vidste om.

Brugeradfærdsmønstre og anomali-detektion

Hvis en medarbejder pludselig downloader store mængder data, eller hvis de logger ind på cloud-services uden for deres normale arbejdstider, kan det være et tegn på, at de bruger skygge-AI. Du kan kigge efter uforklaret aktivitet – f.eks. en finansanalytiker, der pludselig uploader hundredvis af regneark til en cloud-service, eller en ingeniør, der downloader kilder fra GitHub og uploader dem til en tredjepartsservice.

Moderne sikkerhedsværktøjer kan automatisere denne type detektion. De bruger machine learning til at identificere unormal adfærd og advare dig, når noget ser mistænkeligt ud.

Medarbejderspørgeskemaer og selvrapportering

Nogle gange er det nemmeste at bare spørge. Hvis du udfører en anonym undersøgelse blandt dine medarbejdere, hvor du spørger, hvilke AI-værktøjer de bruger, og til hvad, får du ofte et ret præcist billede. Folk er mere ærlige, hvis de ved, at det er anonymt, og at formålet er at forbedre sikkerheden – ikke at straffe dem.

Jeg anbefaler at spørge om konkrete værktøjer (ChatGPT, Claude, Gemini, osv.), hyppighed af brug, og hvilke typer data de bruger værktøjerne til. Det giver dig et godt udgangspunkt for at forstå omfanget af problemet.

Cloud-analyser og SaaS-forbrug

Hvis medarbejdere bruger skygge-AI, downloader de ofte værktøjer eller bruger cloud-baserede services. Du kan analysere dit cloud-forbrug – både gennem din IT-infrastruktur og gennem dine udgifter på kreditkort – for at se, hvilke services der bliver brugt. Mange virksomheder har opdaget skygge-AI ved at kigge på deres SaaS-forbrug og se ukendte subscriptioner.

Tekniske løsninger: Endpoint-detektering og DLP

Hvis du vil have en mere automatiseret tilgang, kan du implementere endpoint detection and response (EDR) værktøjer, som kan detektere, når data bliver sendt til uautoriserede destinationer. Du kan også implementere Data Loss Prevention (DLP) værktøjer, som kan blokere eller advare, når følsomme data bliver delt.

Disse værktøjer er ikke perfekte – de kan have falske positiver – men de giver dig en solid udgangspunkt for at forstå, hvad der sker på dine endpoints.

Governance-strategi: Fra forbud til kontrolleret implementering

Nu kommer det vigtige spørgsmål: hvad gør du, når du har opdaget skygge-AI? Mange virksomheder reagerer ved at forbyde det helt. "Du må ikke bruge ChatGPT. Du må ikke bruge Claude. Punkt slut." Men det virker ikke. Medarbejderne bruger værktøjerne alligevel – de bliver bare mere skjulte.

Jeg har set virksomheder, der forbyder AI helt, og så finder ud af, at medarbejderne bruger det gennem VPN'er, private enheder, eller ved at logge ind hjemmefra. Det er som at forbyde internettet – det fungerer ikke. I stedet skal du implementere en governance-strategi, der handler om kontrol, ikke forbud.

Etabler en AI-policy med klare retningslinjer

Det første skridt er at skrive en AI-policy. Denne policy skal være klar, konkret, og praktisk. Den skal forklare, hvornår medarbejdere må bruge AI, hvornår de ikke må, og hvad de skal gøre, hvis de vil bruge et nyt værktøj.

En god AI-policy skal indeholde:

Godkendte værktøjer: En liste over AI-værktøjer, som virksomheden har godkendt, og som medarbejdere må bruge.
Forbudte brugssituationer: Klare eksempler på, hvad de ikke må gøre – f.eks. "Du må ikke dele kundedata uden tilladelse" eller "Du må ikke dele personlig information".
Godkendelsesproces: Hvis en medarbejder vil bruge et nyt værktøj, hvad skal de gøre? Hvem skal de kontakte? Hvor lang tid tager det?
Konsekvenser: Hvad sker der, hvis du bryder policyen?

Opret en liste over godkendte AI-værktøjer

En godkendt liste over AI-værktøjer er det vigtigste værktøj, du har. For hver værktøj på listen, skal du dokumentere:

Sikkerhedsvurdering: Hvordan håndterer værktøjet data? Har det en databehandleraftale?
Compliance-status: Lever det op til GDPR, EU AI Act, og andre relevante regler?
Brugssituationer: Hvad må det bruges til? Hvad må det ikke bruges til?
Licensering: Hvem betaler? Hvem har adgang?

Mange danske virksomheder starter med at godkende ChatGPT Enterprise eller OpenAI API med en databehandleraftale, Microsoft Copilot integreret i Microsoft 365, og måske Claude eller Gemini, hvis der er specifikke brugssituationer, der kræver det. Pointen er, at du har kontrol – du ved, hvilke værktøjer der bliver brugt, og du har sikkerhedsvurderinger på plads.

Implementer en risiko-baseret tilgang

Ikke al AI-brug er lige risikabel. Hvis en medarbejder bruger ChatGPT til at få hjælp til at skrive et email, er det lavere risiko end hvis en finansanalytiker bruger det til at analysere følsomme finansdata. Du skal implementere en risiko-baseret tilgang, hvor du har strengere kontroller for høj-risiko-brug og mere fleksibilitet for lav-risiko-brug.

For eksempel:

Høj risiko: Analyse af kundedata, finansielle prognoser, juridiske fortolkninger, medicinske anbefalinger. Disse kræver godkendelse, validering, og dokumentation.
Mellem risiko: Hjælp til at skrive rapporter, brainstorming, kodegenerering. Disse kan bruges med retningslinjer, men kræver ikke individuel godkendelse.
Lav risiko: Hjælp til at skrive emails, oversættelse, formatering. Disse kan bruges frit med værktøjer på den godkendte liste.

Træning og kulturændring

En policy uden træning virker ikke. Medarbejdere skal forstå, hvorfor reglerne er der. De skal vide, hvad der kan gå galt, hvis de ikke følger dem. Og de skal vide, hvordan de bruger AI sikkert.

Jeg anbefaler at implementere regelmæssig træning – mindst årligt – hvor du forklarer risiciene ved skygge-AI, viser eksempler på, hvad der kan gå galt, og demonstrerer, hvordan man bruger godkendte værktøjer sikkert. Det vigtigste er at skabe en kultur, hvor medarbejdere ved, at det er okay at spørge, og hvor de føler sig trygge ved at rapportere nye værktøjer, de gerne vil bruge.

Praktiske værktøjer og teknologier til AI-governance

Hvis du vil implementere governance i praksis, har du brug for værktøjer. Lad mig gennemgå de vigtigste.

Cloud Access Security Brokers (CASB)

En CASB er et værktøj, der sidder mellem dine medarbejdere og cloud-applikationer, og som kan overvåge og kontrollere aktiviteten. Den kan se, hvem der forbinder sig til hvilke cloud-services, hvad de gør, og hvad data de downloader. Den kan også blokere forbindelser til uautoriserede services, eller den kan kræve multi-factor authentication for at få adgang.

Populære CASB-løsninger inkluderer Netskope, Zscaler, og Microsoft Cloud App Security. De kan hjælpe dig med at opdage skygge-AI og med at håndhæve dine policies.

Data Loss Prevention (DLP)

DLP-værktøjer kan detektere, når følsomme data bliver delt – enten ved at uploade til cloud-services, sende i emails, eller kopiere til usikre steder. De kan være konfigureret til at blokere deling af kundedata, finansielle oplysninger, eller personlig information. De kan også logge alle forsøg på at dele data, så du kan se, hvad der sker.

DLP kan være implementeret på endpoints (på hver computer), på netværket (centralt), eller i cloud-services (som f.eks. Microsoft 365). En kombineret tilgang er normalt mest effektiv.

AI-governance-platforme

Der er dukket flere platforme op, som specifikt er designet til at håndtere AI-governance. De kan hjælpe dig med at:

Vedligeholde en centraliseret liste over godkendte AI-værktøjer.
Spore AI-brug på tværs af organisationen.
Implementere og håndhæve policies.
Generere compliance-rapporter.
Identificere risici og anomalier.

Eksempler inkluderer Lakera, Robust Intelligence, og Humane Intelligence. Disse er relativt nye, men de bliver hurtigere populære blandt større virksomheder.

API-kontrol og netværkssegmentering

Du kan også implementere tekniske kontroller på netværksniveauet. Du kan blokere eller throttle forbindelser til kendte AI-platforme, medmindre de kommer fra autoriserede kilder. Du kan konfigurere din firewall til at kræve VPN-forbindelse før du kan få adgang til cloud-services. Du kan implementere DNS-filtrering til at blokere adgang til uautoriserede services.

Disse kontroller er ikke perfekte – medarbejdere kan omgå dem ved at bruge deres private internet-forbindelse – men de kan mindske problemet betydeligt.

Audit-logging og compliance-rapportering

Uanset hvilke værktøjer du implementerer, skal du have audit-logging på plads. Du skal kunne dokumentere, hvem der brugte hvilke AI-værktøjer, hvornår, og hvad de gjorde. Dette er kritisk for compliance med GDPR, EU AI Act, og andre regler. Det er også kritisk, hvis du skal undersøge et sikkerhedsincident eller et dataleakage.

De fleste af værktøjerne, jeg har nævnt ovenfor, har built-in audit-logging. Men du skal også konfigurere dem til at logge det rigtige niveau af detaljer, og du skal have en proces for at analysere loggene regelmæssigt.

Lad mig være helt klar: hvis du ikke håndterer skygge-AI, risikerer du alvorlige compliance-problemer. Og det er ikke en teoretisk risiko – det er en reel risiko i 2026.

EU AI Act og dokumentationskrav

EU AI Act træder i kraft i 2026, og det kræver, at virksomheder dokumenterer alle AI-systemer, som de bruger – især høj-risiko-systemer. "Dokumenterer" betyder, at du skal kunne vise regulatorer, hvilke AI-systemer du bruger, hvorfor du bruger dem, og hvordan du håndterer risiciene.

Hvis du bruger skygge-AI, kan du ikke dokumentere det. Og hvis regulatorer opdager, at du bruger AI-systemer, som du ikke kan dokumentere, er det en direkte overtrædelse af loven. Bøderne kan være op til 6 % af den årlige omsætning – for en større virksomhed kan det være millioner af kroner.

ISO 42001 og governance-rammer

ISO 42001 er den nye standard for AI-management, og mange virksomheder bliver krævet til at implementere den af deres kunder eller af regulatorer. Standarden kræver, at du har en governance-ramme, som dækker hele organisationen – inklusive al AI-brug.

Hvis du har skygge-AI, betyder det, at din governance-ramme er ufuldstændig. Du kan ikke sige, at du overholder ISO 42001, hvis du ikke har kontrol over al AI-brug.

Som jeg nævnte tidligere, hvis du deler persondata med en tredjepartsservice uden en databehandleraftale, er det et GDPR-brud. Og det er virksomhedens ansvar, ikke medarbejderens. Den danske Datatilsynsmyndighed har allerede advaret virksomheder om dette, og jeg forventer, at vi vil se flere sager i 2026.

Hvis du bruger skygge-AI, ved du ikke, om der er databehandleraftaler på plads. Det betyder, at du potentielt bryder GDPR uden at vide det.

Revisionsrisiko og regulatorisk tilsyn

Regulatorer forventer, at virksomheder har kontrol over deres AI-brug. Hvis de udfører en revision, og de opdager, at du har skygge-AI, vil de stille spørgsmål. De vil spørge, hvordan du håndterer datasikkerhed, hvordan du sikrer compliance, og hvordan du validerer AI-outputs. Hvis du ikke kan give gode svar, kan det resultere i bøder eller andre sanktioner.

Implementeringstidslinje: Handl nu

Jeg anbefaler at du starter nu. Her er en praktisk tidslinje:

April-juni 2026: Audit af nuværende AI-brug. Implementer netværksovervågning og medarbejderspørgeskemaer.
Juni-september 2026: Udvikl AI-policy og liste over godkendte værktøjer. Start træning af medarbejderne.
September-december 2026: Implementer tekniske kontroller (CASB, DLP, API-kontrol). Håndhæv policies.
Januar 2027 og fremefter: Løbende overvågning, audit, og forbedringer. Align med EU AI Act og ISO 42001.

Hvis du venter, risikerer du at være bagud, når regulatorer begynder at kigge på AI-compliance mere seriøst – og det forventer jeg, de vil gøre i løbet af 2026 og 2027.

Ofte stillede spørgsmål om skygge-AI

Er det ulovligt at bruge ChatGPT på arbejde?

Det afhænger af din virksomheds policy og hvilke data du deler. Hvis du sender følsomme oplysninger uden tilladelse, kan det være et GDPR-brud og en overtrædelse af virksomhedens sikkerhedspolitik. Mange virksomheder tillader kontrolleret brug af godkendte AI-værktøjer, men forbyder deling af fortrolig information. Pointen er, at det skal være dokumenteret og kontrolleret.

Hvordan håndterer vi skygge-AI uden at kvæle innovation?

Bedste praksis er at tillade kontrolleret innovation gennem en godkendt liste over AI-værktøjer med klare retningslinjer. Etabler en 'fast track'-proces for nye værktøjer, træn medarbejderne, og skab en kultur, hvor de ved, hvornår og hvordan de kan bruge AI sikkert. Dette fremmer innovation uden at øge risikoen. Hvis du forbyder alt, bruger medarbejderne værktøjerne alligevel – de bliver bare mere skjulte.

Hvilke AI-værktøjer bør danske virksomheder godkende?

Det afhænger af dine brugssituationer og risikoprofil. Mange virksomheder godkender ChatGPT Enterprise eller OpenAI API med databehandleraftaler, samt Microsoft Copilot integreret i Microsoft 365. Nogle godkender også Claude eller Gemini, hvis der er specifikke brugssituationer, der kræver det. Evaluer værktøjer baseret på datasikkerhed, compliance-understøttelse, og virksomhedsspecifikke behov. Husk at det vigtigste er, at du har kontrol og dokumentation.

Hvad er konsekvenserne af at ignorere skygge-AI?

Du risikerer datasikkerhedsbrud, GDPR-bøder (op til 20 millioner euro eller 4 % af omsætningen), compliance-overtrædelser under EU AI Act (op til 6 % af omsætningen), og du mister kontrollen over vigtige forretningsprocesser. Derudover kan uvaliderede AI-outputs påvirke beslutninger negativt. Regulatorer forventer også dokumentation af AI-brug – mangel på kontrol kan resultere i alvorlige sanktioner. Det er ikke værd at ignorere.

Hvordan starter jeg med at implementere AI-governance?

Start med en audit af nuværende AI-brug gennem spørgeskemaer og netværksanalyse. Udvikl derefter en AI-policy, opret en liste over godkendte værktøjer, implementer tekniske kontroller som DLP og CASB, og træn medarbejderne. Align med ISO 42001 og EU AI Act-krav for at sikre compliance fra dag ét. Du behøver ikke at have alt på plads på én gang – start med det vigtigste og byg gradvist.

Konklusion: Fra skygge-AI til kontrolleret innovation

Skygge-AI i virksomheder er ikke et problem, der forsvinder af sig selv. Det vokser, og det vokser hurtigt. Medarbejdere vil fortsætte med at bruge AI-værktøjer, fordi de er nyttige. Men uden governance og kontrol, risikerer du datasikkerhedsbrud, compliance-overtrædelser, og tab af kontrol over vigtige forretningsprocesser.

Løsningen er ikke at forbyde alt – det virker ikke. Løsningen er at implementere en governance-strategi for skygge-AI virksomheder, risiko og kontrol, der handler om at give medarbejderne mulighed for at bruge AI sikkert, mens du samtidig bevarer kontrol og sikrer compliance.

Start nu. Udfør en audit. Udvikl en policy. Implementer tekniske kontroller. Træn dine medarbejdere. Align med EU AI Act og ISO 42001. Det er ikke en engangsopgave – det er en løbende proces. Men det er værd at gøre, fordi det beskytter din virksomhed, dine data, og dine medarbejdere.

Og hvis du er usikker på, hvor du skal starte, er det første skridt altid det samme: find ud af, hvad der allerede sker. Spørg dine medarbejdere. Analyser dine netværkslogs. Undersøg dit cloud-forbrug. Når du ved, hvad du står over for, kan du træffe informerede beslutninger. Og det er altid bedre end at gætte.