AI og OSINT: Fremtiden for efterretningsindsamling
Fremtidens OSINT bygger på AI, men det er stadig analytikerne, der skal styre arbejdet
AI er ikke længere bare en teknologisk tendens inden for efterretningsarbejde. Teknologien er i færd med at ændre, hvordan information fra åbne kilder indsamles, behandles og analyseres.
For fagfolk, der arbejder med OSINT, betyder det hurtigere værktøjer, adgang til flere datakilder og nye måder at håndtere store informationsmængder på. Men selvom AI kan gøre arbejdet mere effektivt, er der stadig brug for fagligt kvalificerede analytikere, grundig kildekritik og professionel dømmekraft.
Et OSINT-landskab i forandring
OSINT har altid handlet om at kunne finde, vurdere og fortolke information fra offentligt tilgængelige kilder. Det nye er mængden af information, hvor hurtigt den spredes, og hvor mange forskellige former den findes i.
Relevant information findes i dag på tværs af sociale medier, nyhedssider, i offentlige registre, virksomhedsindberetninger, fora, billeder, videoer, kortplatforme og arkiverede websider. Det kan også forekomme på forskellige sprog, i forskellige formater og med varierende grad af pålidelighed. Dette giver analytikerne mulighed for at danne sig et mere nuanceret billede, men gør samtidig arbejdet mere komplekst.
Udfordringen er ikke længere blot, om information kan findes. I mange tilfælde er det svære at afgøre, hvilke oplysninger der er relevante og troværdige, og hvilke der bør prioriteres. Mere information skaber ikke automatisk bedre efterretninger. Uden en klar metode kan store datamængder forsinke beslutningstagning frem for at understøtte den.
Der er her, AI kan gøre en reel forskel. Når AI bruges rigtigt, kan teknologien sortere, gruppere og sammenfatte information fra åbne kilder, mindske det manuelle arbejde og give analytikerne mere tid til at fokusere på det væsentlige. AI er dog ikke en erstatning for verificering, kontekstforståelse eller dømmekraft. AI kan styrke OSINT-arbejdet, men teknologien kan ikke erstatte analytikernes faglige metoder og erfaring.
Hvad AI tilfører OSINT
AI kan bruges til mange forskellige opgaver. Inden for OSINT kan teknologien bruges i flere faser af efterretningsarbejdet – eksempelvis til at behandle store tekstmængder og finde mønstre i forskellige datasæt.
Ved hjælp af naturlig sprogbehandling (NLP) kan AI gennemgå store tekstmængder, sammenfatte dokumenter, sammenligne kilder, finde gennemgående temaer og udtrække vigtige oplysninger som navne, organisationer, lokationer, datoer og begivenheder. Dette er særligt nyttigt, når analytikere arbejder med store mængder open source-materiale, som ville være tidskrævende at gennemgå manuelt.
AI kan også hjælpe med oversættelse og informationssøgning på tværs af sprog. Relevant information kan findes i lokale nyhedsmedier, offentlige dokumenter, online diskussioner eller i opslag på sociale medier på andre sprog. Med AI-baseret oversættelse kan analytikere hurtigere finde relevant materiale, selvom det er vigtigt stadig at kontrollere væsentlige fund i forhold til nøjagtighed, kontekst og eventuelle nuancer.
Inden for visuel OSINT, kan AI også hjælpe analytikere med at gennemgå og sortere billeder og videoer. Teknologien kan identificere synlig tekst, logoer, genstande, køretøjer, lokationer og andre karakteristika i store samlinger af billedmateriale. Optical Character Recognition (OCR) kan desuden konvertere tekst fra billeder, scanninger og skærmbilleder til søgbart materiale. Dette kan spare tid og hjælpe analytikere med at identificere information, der ellers kunne være overset. Billedkvalitet, optagevinkel, komprimering og den sammenhæng, billederne indgår i, kan dog påvirke pålideligheden. Så AI’s billedanalyse skal stadig kontrolleres grundigt.
AI kan også bruges til analyse af sammenhænge og til at identificere afvigende mønstre. Teknologien kan finde mulige forbindelser mellem personer, organisationer, lokationer, begivenheder og digitale identifikatorer, ligesom den kan identificere usædvanlige mønstre, uoverensstemmelser og ændringer i forskellige datasæt. Dette kan være nyttigt ved undersøgelser, due diligence, trusselsvurderinger og andre former for efterretningsarbejde. En mulig forbindelse er dog ikke det samme som en bekræftet sammenhæng. En fælles adresse, enslydende navne eller en gentagende formulering, kan være relevant. Men det kan også være tilfældigt, forældet eller misvisende.
Generativ AI åbner for endnu flere muligheder. Teknologien kan organisere researchnoter, udarbejde udkast til sammenfatninger, hjælpe med at strukturere efterretningsanalyser og rapporter og identificere mangler i analyser. Brugt rigtigt, kan teknologien gøre rapporteringen mere effektiv og hjælpe analytikere med at formidle komplekse oplysninger mere klart.
Det centrale er, at AI tilfører hastighed, skalerbarhed og struktur til OSINT arbejdet. Teknologien kan hjælpe analytikerne med at skabe overblik over store mængder ubearbejdet information. Men det er ikke AI, der kan foretage en endelig vurdering. Det ansvar ligger fortsat hos analytikeren.
Sådan ser det ud i praksis
En stor organisation kan have behov for at forstå, om en opstået problemstilling udgør en omdømme-, sikkerheds- eller operationel risiko. Den relevante information kan være fordelt på nyhedsartikler, offentlige registre, kommentarer på sociale medier, virksomhedsoplysninger, billeder og arkiveret materiale på nettet.
I sådanne situationer kan AI hjælpe med det indledende analysearbejde ved at gruppere materiale, opsummere store tekstmængder, identificere tilbagevendende temaer og fremhæve mulige forbindelser. Dette kan gøre researchprocessen hurtigere og mere overskuelig.
Værdien af dette efterretningsarbejde, kommer dog ikke alene fra de AI-genererede resultater. Den opstår gennem analytikerens kontrol af de oprindelige kilder, vurdering af pålidelighed, overvejelse af alternative forklaringer og vurdering af, hvad fundene faktisk betyder. AI kan hjælpe med at indsnævre fokusområdet, men det er analytikeren, der omsætter information til efterretning.
Hvorfor AI ikke erstatter efterretningsfagligt håndværk
At finde information er kun én del af efterretningsarbejdet. Det afgørende er at vide, hvor oplysningerne stammer fra, hvor troværdige de er, hvordan de skal forstås i sammenhængen, og hvor sikkert et grundlag de giver for en vurdering.
Materiale fra åbne kilder kan være ufuldstændigt, forældet, duplikeret, misvisende, eller bevidst manipuleret. AI kan identificere og sammenfatte en kilde. Men analytikere skal fortsat vurdere kildens troværdighed, relevans, oprindelse og potentielle bias.
Bekræftelse gennem flere kilder, er mindst lige så vigtigt. Et enkelt opslag, billede, registerudtræk eller rapport er sjældent dokumentation nok i sig selv. Analytikere skal sammenholde oplysninger fra forskellige kilder, undersøge, om påstande kan bekræftes flere steder, og identificere tilfælde, hvor beviserne er svage eller modstridende.
Kontekst er også afgørende. Et navn, en adresse, et billede, en formulering eller en forbindelse kan umiddelbart virke betydningsfuld, men få en helt anden betydning, når den placeres i den rette kulturelle, organisatoriske, geografiske eller tidsmæssige sammenhæng. Uden den rette kontekstforståelse, risikerer AI-baseret analyse at overvurdere et fund eller overse en mere sandsynligforklaring.
Godt efterretningsarbejde kræver også, at man er åben om usikkerheder. Analytikere arbejder ofte med ufuldstændige oplysninger, som kan fortolkes på flere måder. AI-genererede resultater kan fremstå mere entydige, end den underliggende dokumentation giver grundlag for. Derfor bør afrapporteringen tydeligt skelne mellem dokumenterede forhold, analytikernes vurderinger, og hvad der fortsat er usikkert.
At processen automatiseres, fjerner heller ikke nødvendigheden af at tage stilling til juridiske og etiske forhold. Godt nok kan OSINT involvere offentligt tilgængelig information, men det betyder ikke, at enhver metode til indsamling eller anvendelse af data er passende. Organisationer skal stadig forholde sig til lovlighed, nødvendighed, proportionalitet, privatliv, databeskyttelse og interne retningslinjer.
AI kan accelerere arbejdet, men kan ikke holdes ansvarlig for konklusionen. Det ansvar ligger hos analytikeren og den organisation, der anvender efterretningerne.
Risici ved brug af AI i OSINT arbejde
Brugen af AI i OSINT giver en række fordele, men medfører også nye risici. Problemet er ikke kun, at AI kan tage fejl, men også at teknologien kan præsentere usikre eller fejlagtige oplysninger så klart og overbevisende, at de umiddelbart virker troværdige.
En af de største risici er såkaldte AI-hallucinationer. Generativ AI kan producere unøjagtige, udokumenterede eller opdigtede oplysninger. I efterretningsarbejde kan selv en enkelt fejl i et navn, en dato, et link, en kildehenvisning eller en sammenfatning føre en analyse i den forkerte retning. AI-genererede resultater bør derfor betragtes som input til videre kontrol, ikke som dokumentation i sig selv.
Bias er en anden udfordring. AI-systemer kan være blevet præget af bias i både det træningsmateriale de er baseret på, i kildematerialet eller i måden de behandler information på. Analytikere skal derfor være opmærksomme på risikoen for, at AI forstærker eksisterende antagelser frem for at udfordre dem.
Privatliv og databeskyttelse er ligeledes vigtigt. AI gør det lettere at indsamle, sammenstille og behandle store mængder af information. Derfor bliver klare retningslinjer og kontrol med brugen af teknologien kun vigtigere, snarere end det modsatte. Selv offentligt tilgængelige oplysninger skal behandles lovligt, med respekt for proportionalitetsprincippet og med et klart formål.
Andre væsentlige risici er fejlagtige sammenhænge, manglende sporbarhed og en tendens til at stole for meget på automatiserede vurderinger. I efterretningsarbejde er et sammenfald mellem to forhold ikke i sig selv et bevis for en reel forbindelse. Beslutningstagere bør kunne forstå, hvilke oplysninger der er anvendt, hvor de stammer fra, og hvordan de er blevet vurderet. Analytikere bør også undgå at sætte for stor lid til automatiserede resultater, blot fordi de fremstår hurtige, velformulerede eller selvsikre.
AI bør understøtte kritisk tænkning, ikke erstatte den.
På længere sigt er der også en risiko for, at analytikernes faglige kompetencer svækkes. Hvis analytikere bliver for afhængige af AI til research, vurdering og rapportering, kan de gradvist miste nogle af de kernekompetencer, der ligger til grund for godt efterretningsarbejde. Evnen til at vurdere kilder kritisk, afprøve hypoteser, sammenholde oplysninger fra flere kilder og udarbejde velfunderede analyser udvikles gennem erfaring og øvelse. Hvis disse opgaver rutinemæssigt overlades til AI, er der en risiko for, at analytikere accepterer resultater uden at forstå, hvordan man er nået frem til konklusionerne, eller om de er berettigede.
Resultatet er ikke bedre efterretninger, men hurtigere produktion af utilstrækkeligt efterprøvede vurderinger. AI bør derfor ses som et redskab, der styrker det efterretningsfaglige håndværk, ikke som en erstatning for det. Analytikere skal fortsat spille en aktiv rolle og anvende AI til at understøtte deres dømmekraft frem for at erstatte den.
Fremtidens OSINT: Understøttet af AI, styret af analytikere
AI vil sandsynligvis få en stadig større rolle i OSINT, men det bør fortsat være analytikerne, der leder arbejdet og står for de faglige vurderinger. AI kan hjælpe organisationer med at arbejde hurtigere, håndtere større mængder af information og identificere materiale, der bør undersøges nærmere. Kvaliteten af efterretningsarbejdet vil dog stadig afhænge af de mennesker, metoder og faglige standarder, der ligger bag teknologien.
Derfor skal organisationer ikke kun investere i teknologi, men også i medarbejdernes faglige kompetencer. Analytikere skal forstå, hvordan AI kan understøtte deres arbejde, men også hvor teknologien kan fejle. De skal kunne vurdere kilder, teste antagelser, identificere usikkerheder, følge juridiske krav og etiske principper samt formidle deres resultater på en klar måde.
Hvor nyttig AI er, afhænger også i høj grad af kvaliteten af de oplysninger og instruktioner, systemet modtager. Fejlbehæftede kilder, ufuldstændige datasæt og bias i informationen vil uundgåeligt føre til upålidelige resultater, uanset hvor avanceret AI-modellen er.
Det samme gælder prompting. Upræcise spørgsmål genererer ofte upræcise svar. Jo tydeligere man beskriver opgaven, formålet og rammerne, desto større er chancen for at få et brugbart resultat. At bruge AI effektivt er derfor ved at blive en vigtig faglig kompetence i sig selv. Analytikere skal ikke kun kunne vurdere oplysninger kritisk. De skal også lære at stille præcise spørgsmål til AI, forbedre deres prompts og forholde sig kritisk til de svar, de får.
I praksis bruger mange analytikere allerede store sprogmodeller (LLM) til at forbedre deres prompting teknikker. Ved løbende at justere spørgsmålene på baggrund af de svar, de får, kan de forbedre kvaliteten af AI resultaterne.
Klare processer er lige så vigtige. AI bør indgå i en fast ramme for efterretningsarbejdet, hvor man opstiller klare krav, indsamler oplysninger i nødvendigt og rimeligt omfang, vurderer kilderne, kontrollerer oplysningerne og gennemfører analyse, rapportering og efterfølgende evaluering. Uden klare rammer risikerer AI blot at udføre mangelfuldt researcharbejde hurtigere.
Dertil er tydelige retningslinjer afgørende. Organisationer bør have klare retningslinjer for, hvordan AI-værktøjer må anvendes, hvilke oplysninger der kan behandles, hvordan resultater skal kontrolleres, og hvilken dokumentation der skal gemmes. Det er særligt vigtigt, når efterretningerne danner grundlag for beslutninger om eksempelvis risikohåndtering, sikkerhed, undersøgelser, due diligence eller omdømme.
Når AI anvendes ansvarligt, kan det styrke OSINT arbejdet, idet analytikerne kan bruge mindre tid på at sortere oplysninger og mere tid på at vurdere relevansen af det, de finder.
Konklusion
AI vil blive ved med at ændre, hvordan information fra åbne kilder indsamles, behandles, organiseres og præsenteres. Teknologien vil hjælpe analytikere med at håndtere store informationsmængder, finde mønstre, analysere visuelt indhold, understøtte oversættelser og strukturere rapporting.
AI ændrer dog ikke det grundlæggende formål med efterretningsarbejde. Formålet med OSINT er ikke blot at indsamle så mange oplysninger som muligt. Det handler om at analysere og vurdere oplysninger fra åbne kilder, så de kan danne grundlag for troværdige og brugbare efterretninger.
De organisationer, der får størst udbytte, vil være dem, der bruger teknologien som en integreret del af et grundigt og systematisk efterretningsarbejde – ikke som en genvej. Når AI bruges rigtigt, kan organisationer behandle større informationsmængder på kortere tid, men de skal passe på ikke at overlade det analytiske arbejde og de faglige vurderinger til teknologien.
Målet bør ikke være at udarbejde efterretninger hurtigere på bekostning af kvaliteten, men at udnytte AI’s effektivitet uden at gå på kompromis med den grundighed, faglige ekspertise og dømmekraft, som erfarne analytikere bidrager med.
AI kommer til at præge fremtidens OSINT, men behovet for efterretningsfaglige specialister forsvinder ikke. De organisationer, der står stærkest i fremtidens efterretningsarbejde, bliver dem, der formår at arbejde hurtigt uden at gå på kompromis med grundigheden, udnytte automatisering uden at give afkald på ansvarlighed og kombinere ny teknologi med solide efterretningsfaglige metoder.
Udforsk Munintels kommende OSINT-kurser for at lære mere om, hvordan man kan bruge AI.
Hvis du har spørgsmål, så send meget gerne en besked her så vender vi tilbage til dig.