Hver dag genererer Claude Code, GitHub Copilot og Cursor millioner af linjer kode i danske virksomheder. Men spørgsmålet om hvem der ejer den kode har ikke et klart svar. Og konsekvensen af at antage forkert kan koste langt mere end den tid AI sparede.
Ophavsret kræver et menneske
I marts 2026 afviste den amerikanske Supreme Court at høre appellen i Thaler v. Perlmutter. Dermed står den hidtidige linje fast: rent AI-genereret indhold kan ikke ophavsretbeskyttes. AI kan ikke være ophavsmand. Samme måned vedtog EU-Parlamentet en resolution der fastslår at indhold skabt udelukkende af AI ikke bør beskyttes af ophavsret.
Dansk ret følger samme spor. Ophavsretsloven kræver originalitet med menneskelig kreativ indsats. Det er ikke nok at specificere et mål - "generer en REST API til brugeradministration" - og acceptere outputtet. Der skal være reelle kreative valg: arkitekturbeslutninger, omstrukturering, forkastning af alternativer.
Konsekvensen er ubehagelig. Kode genereret af et AI-værktøj og accepteret uden væsentlig bearbejdning kan mangle ophavsretsbeskyttelse. Den ender reelt i public domain - uden at udvikleren vidste det. Virksomheden tror den ejer IP. Det gør den muligvis ikke.
Ansættelseskontrakter og sideprojekter
De fleste danske ansættelseskontrakter indeholder IP-klausuler der tilskriver arbejdsgiveren rettighederne til alt skabt med virksomhedens værktøjer. Det er standard og uproblematisk - indtil AI blander sig.
Hvis en virksomhed licenserer Claude Code eller Copilot til sine udviklere, kan brede IP-klausuler strække sig til personlige projekter bygget med de samme værktøjer. Det er ikke en teoretisk risiko. Formuleringen "software skabt med virksomhedens licenserede værktøjer" dækker teknisk set også den app en udvikler bygger søndag aften.
I dansk ret tilhører ophavsret til kode skabt af ansatte som udgangspunkt arbejdsgiveren. Men freelancere og konsulenter beholder rettighederne medmindre kontrakten eksplicit siger andet. Det gælder også for AI-assisteret kode, og her er mange kontrakter stadig skrevet til en verden uden AI-kodningsværktøjer.
For udviklere med sideprojekter er anbefalingen enkel: brug personlige konti, egne maskiner og selvfinansierede værktøjer. Det er den eneste måde at holde IP-grænsen klar.
Open source-licenser og smitterisiko
AI-modeller er trænet på offentligt tilgængelig kode. Det inkluderer millioner af repositories med GPL- og LGPL-licenser. Når en model genererer kode der ligner eller reproducerer licensbelagt materiale, følger licensvilkårene med - men provenancen forsvinder.
Det er det eksperter kalder copyright laundering. AI fjerner forbindelsen mellem output og den licenserede kildekode det stammer fra. Et konkret eksempel fra tidligt 2026: en udvikler brugte Claude til at omskrive chardet-biblioteket og frigav det under MIT-licens med henvisning til clean room-metoden. Juridisk konsensus er at argumentet ikke holder - hvis modellens træningsdata indeholdt GPL-kode og output afspejler mønstrene, følger copyleft-forpligtelsen med.
Black Duck OSSRA-rapporten fra 2026 viser at 68% af auditerede kodebaser indeholder open source-licenskonflikter. Doe v. GitHub Copilot-sagen, der stadig kører i Ninth Circuit, vil sandsynligvis sætte en branchestandard for hvordan AI-genereret kode og licensforpligtelser hænger sammen.
"Jeg vidste det ikke" er intet forsvar mod copyleft-overtrædelser. Licensscanning med værktøjer som FOSSA, Snyk eller Black Duck bør være en fast del af ethvert build der indeholder AI-genereret kode.
Sådan dokumenterer du menneskelig indsats
Når ophavsretsbeskyttelse afhænger af menneskelig kreativ indsats, bliver dokumentation af den indsats afgørende. Det handler ikke om bureaukrati. Det handler om at bevise at der er truffet reelle beslutninger.
Commit messages der beskriver arkitekturvalg og begrundelser er langt mere værd end generiske beskeder. "Omstrukturerede modularkitektur til event-driven pattern, forkastede initial state management-approach pga. skalerbarhed" dokumenterer kreativitet. "Tilføj rate limiting modul" gør det ikke.
Prompt-logs der viser iterative kreative beslutninger har værdi. Design-dokumenter der eksisterer forud for den genererede kode viser at mennesket drev processen, ikke maskinen. Det er den slags spor en domstol eller en auditor vil lede efter.
Anthropics erhvervsplaner inkluderer IP-indemnificering for autoriseret brug. Forbrugerplaner gør det ikke. Forskellen er væsentlig for virksomheder der bygger kommercielle produkter med AI-kodningsværktøjer der arbejder autonomt.
Hvad det betyder for danske virksomheder
Fra august 2026 gælder nye EU-regler om mærkning af AI-genereret indhold. Det er en del af AI Act-implementeringen, og det rammer bredere end de fleste forventer. Kode der distribueres som SaaS, open source eller i kommercielle produkter falder potentielt ind under mærkningskravene.
Governance-rammer for AI-genereret kode bør formuleres nu, ikke efter den første retssag. Det handler om tre ting: en klar politik for hvilke AI-værktøjer der er godkendt og under hvilke vilkår, licensscanning som fast del af CI-pipeline, og dokumentationspraksis der sikrer at menneskelig kreativ indsats er sporbar. Det er præcis den slags procesoptimering der koster lidt nu og sparer meget senere.
Ingen af disse tiltag er dyre. Licensscanning kan automatiseres. Dokumentationspraksis kræver disciplin, ikke budget. Og en politik for AI-kodningsværktøjer kan formuleres på en eftermiddag. Den reelle risiko ligger ikke i omkostningen ved at gøre det rigtigt. Den ligger i at antage at eksisterende kontrakter, licenser og processer stadig dækker en verden hvor halvdelen af koden er skrevet af en maskine.
