AI i norsk forsvarsindustri fra logistikk til beslutningsstøtte

AI i norsk forsvarsindustri — fra logistikk til beslutningsstøtte

Norsk forsvarsindustri vokser raskt. Ordrebøkene til aktører som Kongsberg Defence & Aerospace og Nammo er fulle som aldri før, og rekrutteringsbehovet er stort. I den situasjonen begynner AI å spille en konkret rolle — ikke i selve våpensystemene, men i produksjonsplanlegging, dokumenthåndtering og teknisk støtte.

Hva AI brukes til i dag

Det mest utbredte bruksområdet er tolkning av tekniske kravdokumenter. NATO-spesifikasjoner, STANAG-standarder og kundekrav fra flere land er omfangsrike og skrives på fagspråk. AI-assisterte verktøy kan i dag hjelpe ingeniører med å søke på tvers av slike dokumenter, identifisere konflikter mellom krav og flagge endringer fra tidligere versjoner.

Prediksjon av komponentfeil — såkalt prediktivt vedlikehold — er et annet felt. Forsvarsindustrien opererer med svært lange produktlevetider: et missil eller en ammunisjonstype kan være i aktiv bruk i 20–30 år. Historiske data om komponentavvik, temperaturprofiler og testresultater er en godt egnet datakilde for maskinlæringsmodeller som kan varsle om mulig svikt.

Tilbudsarbeid er ressurskrevende i forsvarssektoren. Anbudsdokumenter er lange, og feil i kravtolkning kan bli kostbare. Flere leverandører bruker nå språkmodeller som interne hjelpemidler for å systematisere tilbudsprosessen — uten at modellen selv tar beslutninger om pris eller strategi.

Sikkerhetsklassifisering setter grenser

Forsvarssektoren skiller seg fra sivil industri ved at store deler av dokumentasjonen er gradert. Dette setter strenge grenser for hvilke AI-verktøy som kan brukes og hvor data kan behandles. Bruk av skybaserte modeller som sender data til servere utenfor Norge er i mange tilfeller ikke tillatt for gradert materiale.

Det betyr at norske forsvarsleverandører i praksis er avhengige av enten godkjente nasjonale skyløsninger eller lokalt kjørte modeller. Nasjonal sikkerhetsmyndighet (NSM) har publisert veiledere om anskaffelse og bruk av AI-løsninger i kritisk sektor, men detaljerte godkjenningsordninger for spesifikke AI-produkter er fortsatt under utvikling.

«Interessen er der, men etterlevelse av sikkerhetsregelverket tar tid. Vi ser flest pilotprosjekter i ugradert logistikk og HR.» — Beskrivelse av situasjonen fra bransjehold, gjengitt anonymt

Kompetansegap og rekruttering

Et gjennomgående problem er at norsk forsvarsindustri mangler ingeniører med kombinert fagkompetanse og AI-erfaring. Forsvarssektoren konkurrerer med sivil teknologiindustri om de samme talentene, og lønnsstrukturer og sikkerhetskrav gjør rekruttering krevende.

Noen aktører samarbeider med NTNU og andre universiteter om prosjekter der studenter analyserer produksjonsdata under veiledning — som et ledd i å bygge fagmiljøer og rekruttere kompetanse.

Hva det betyr for leverandørkjeden

Norsk forsvarsindustri består ikke bare av de store aktørene. Det finnes et betydelig antall SMB-er som leverer komponenter, elektronikk og tjenester til primærleverandørene. For disse er AI-adopsjon langsommere, men presset øker: primærleverandørene forventer i stadig større grad at leverandørene kan kommunisere digitalt, dele produksjonsdata og dokumentere kvalitet på strukturerte formater.

Bedrifter som leverer til forsvarssektoren, bør følge med på krav til digital dokumentasjon og kvalitetssystemer — dette er et område der AI-støttede løsninger for datainnsamling og rapportering raskt kan bli nødvendige.