Det hvite hus' AI-samarbeidsprogram bør inspirere til bredere introspeksjon av AI-forsyningskjeden

By Danny Bradbury • 3. september 2026 • 6 minutters lesetid

Det hvite hus mister ikke tid på å forberede seg på angrepet av nulldagssårbarheter som forventes å dukke opp i grenseland for AI-verktøy.

Den 2. juni signerte president Trump presidentordre 14409, som fremmer avansert kunstig intelligens, innovasjon og sikkerhet . Dette er et forsøk på å bringe sammen leverandører av kunstig intelligens og operatører av kritisk nasjonal infrastruktur (CNI) i et samarbeid for å fikse feil.

Den utøvende ordren krevde opprettelse av et AI-nettsikkerhetssenter som skulle bringe sammen AI-leverandører og CNI-aktører. Det ble formelt annonsert som «Gold Eagle» i en oppfølgingsrapport i midten av juli , og fokuserer på å bruke AI-drevet sårbarhetsskanning for å styrke CNI-organisasjoner.

Administrasjonen har handlet raskt, og finansdepartementet (som leder denne innsatsen), NSA og CISA opprettet clearinghuset innen 30 dager etter at EO ble publisert.

Initiativet er bredt nok til at et bredt spekter av mennesker kan delta. Det er ikke bare utviklere av lukkede modeller som får delta i denne ordningen. Modeller med åpen kildekode er også velkomne. På CNI-siden vil de prioritere sykehus på landsbygda, lokale banker og lokale forsyningsselskaper som kandidater til hjelp fra AI-leverandører, og finne feil for å styrke infrastrukturen sin.

Orderen fortsetter den anti-regulatoriske linjen som administrasjonen har tatt overfor AI, og frigjør offisielt utviklere av AI-modeller fra å måtte skaffe lisenser for å utgi programvaren sin eller på annen måte søke godkjenning. Dette fremmer reverseringen av Biden-æraens tilnærming til AI. Den forrige administrasjonen hadde pålagt utviklere å rapportere AI-modeller i en presidentordre som den nåværende administrasjonen opphevet.

Mangel på tredjepartsansvar

Selv om dette tiltaket på en måte er gode nyheter for CNI-organisasjoner, skaper det også en ubalanse. Dette er et frivillig program for AI-operatører, og det gjør dem i stor grad unntatt fra gransking. NSA vil gjennomføre en benchmarking-prosess for å vurdere AI-modeller for status som «dekket». Myndighetene vil få avansert tilgang til slike modeller og vil også bidra til å bestemme hvilke andre partnere som får tidlig tilgang, men benchmarking-prosessen er klassifisert.

Banker, sykehus og forsyningsselskaper står overfor strenge regler for håndheving av cybersikkerhet både innenfor sin egen infrastruktur og i hele forsyningskjedene, men det virker uklart hvordan de vil kreve det samme fra sine AI-partnere, eller om de forventes å overlate det til direktøren for NSA for godkjenning.

«Kriteriene vil ikke være underlagt den offentlige kunngjørings- og kommentardynamikken som vanligvis følger med føderal standardsetting», påpeker en analyse fra advokatfirmaet Ropes & Gray.

Behovet for gransking av forsyningskjeden for kunstig intelligens

På et overordnet nivå gir et initiativ som dette mening gitt den raske hastigheten som frontlinjemodeller for AI begynner å utvikle trusseljaktfunksjoner med. Vi har allerede sett flere nulldagers situasjoner dukke opp som et resultat av Project Glasswing, et Anthropic-prosjekt der de samarbeidet med industripartnere for å utrydde programvaresårbarheter ved hjelp av sin avanserte Mythos-modell.

Programmet fremhever imidlertid også behovet for utviklede styringspolitikker som imøtekommer et nytt lag med AI-skapte risikoer.

Disse risikoene inkluderer oppdagelse av nye trusler og utnyttelse av AI-modeller. En BCG- undersøkelse fra 2026 fant at over en tredjedel av organisasjonene hadde sett «betydelig innvirkning» fra AI-aktiverte angrep i løpet av de foregående 12 månedene.

AIs raske utvikling og adopsjon introduserer også ubevisst sikkerhetshull. Bortsett fra risikoen forbundet med intern AI-assistert programvareutvikling, påpeker BCG at AI øker en organisasjons avhengighet av tredjeparter, alt fra skyhyperskalerere til modellleverandører og verktøy som bygger inn AI-funksjoner. Den utvidede forsyningskjeden strekker angrepsflaten.

Fremveksten av autonom agentisk AI forverrer bare problemet. Den britiske regjeringens AI Security Research Institute har funnet ut at AI-agenter utfører usanksjonerte handlinger på internett, rettet mot virkelige mennesker og organisasjoner på nettet.

En oppfordring til AI-styring og leverandørsikring

Rammeverk for nettsikkerhet og kontroll er et viktig verktøy for å strukturere en respons. National Institute of Standards and Technology, NIST, lanserte nylig et konsept kalt Trustworthy AI in Critical Infrastructure for en ny profil som en del av sitt AI Risk Management Framework (RMF). Dette ville skape et offisielt vokabular for å definere hva pålitelig AI betyr. Det ville skissere hvilke risikoer som bør adresseres og hvilke bevis som bør fremlegges for risikoredusering, noe som gjør pålitelighet til et kontraktsmessig, reviderbart krav fra operatør til leverandør.

CNI-sektorer har allerede begynt å utvikle veiledninger for å motvirke tredjeparts AI-risiko og åpenhet i forsyningskjeden, for eksempel Health Sector Coordinating Councils Third-Party AI Risk and Supply Chain Transparency Guide.

ISO-standarder gir et grunnlag for samsvar med AI

Det finnes andre kontrollrammeverk som passer godt sammen med AI RMF. I en analyse av RMF da den ble annonsert, sa Jessica Newman, meddirektør for UC Berkeley AI Policy Hub, at NISTs rammeverk var kompatibelt med ISO/IEC 23894-standarden for vurdering av samsvar med Common Criteria for Information Technology Security Evaluation. Det er også i samsvar med EUs AI-lov, la hun til.

Det finnes også andre rammeverk som organisasjoner kan bruke for å håndtere risikoene i forsyningskjeden knyttet til AI, for eksempel NISTs SP 800-161-veiledning for å identifisere og redusere cyberrisikoer i forsyningskjeden.

Flere komplementære ISO-standarder kan hjelpe organisasjoner med å bli kvitt det omfattende nettet av AI-avhengigheter som nå ligger bak de fleste arbeidsmengder i bedrifter. Spesielt ISO/IEC 42001:2023 AI Management System (AIMS)-rammeverket har en bred tilnærming til AI-styring, og dekker tredjepartsmodeller og -verktøy.

ISO/IEC 5338 tilbyr en full livssyklustilnærming til styring av AI-systemer, som tar hensyn til faktorer som leverandørmodellstyring. Dette er et nyttig verktøy gitt hastigheten som leverandører oppdaterer modellene og treningsdataene sine i både åpne og lukkede modeller.

Selv om ikke alle er enige i Det hvite hus' holdning til å integrere AI-leverandører og CNI, er det et fremskritt for å bekjempe en ny æra med AI-drevne trusler. Problemstillingene det reiser rundt alt fra beskyttelse av immaterielle rettigheter til strenge forsyningskjeder, bør få organisasjoner overalt til å evaluere sin langsiktige tilnærming til å jobbe med et bredt spekter av AI- og AI-tilknyttede leverandører.

Samlet sett gir disse standardene innkjøps-, sikkerhets- og risikoteam et felles vokabular for å stille AI-leverandører de riktige spørsmålene, og en måte å integrere AI-spesifikke bekymringer i sertifiserings- og revisjonsregimene de allerede bruker.