Resources | Cegal

Datasuverenitet handler om mer enn regelverk

Skrevet av Adam Watt | 16. nov. 2026, 11:32:54

Datasuverenitet kan høres ut som et spørsmål om å etterleve lover og regler. I praksis handler det minst like mye om den daglige driften.
Innen leting og produksjon (E&P) bygges datamiljøer sjelden fra bunnen av. De utvikler seg over tid gjennom oppkjøp, lisensavtaler, joint ventures og flere tiår med teknologisk utvikling.

Dataene kan være lagret i én jurisdiksjon, mens applikasjonen som bruker dem befinner seg i en annen. Behandlingen kan skje hos en tredjepart, og teamet som jobber med dataene kan sitte et helt annet sted.

Hver enkelt løsning kan være forsvarlig. Men samlet kan kompleksiteten gjøre det vanskelig å ha oversikt og dokumentere at du faktisk har kontroll.

Samtidig endrer rammebetingelsene seg. Eiendeler skifter eier. Lisenser utløper. Rapporteringskrav varierer mellom jurisdiksjoner. Leverandører endrer kontraktsvilkår. Og midt i dette forventes det at teamene moderniserer raskere, reduserer kostnader og gjør tekniske data klare for bruk med AI.

Da blir ett operativt spørsmål stadig viktigere:
Kan du flytte, skille ut eller begrense dataene og arbeidsflytene dine på dine egne premisser, når omstendighetene krever det?

Suverenitet handler om kontroll, ikke bare om hvor dataene er lagret

Hvor dataene befinner seg, er viktig. Men det å vite hvor de er lagret, betyr ikke nødvendigvis at organisasjonen har kontroll over dem.

Dette er særlig relevant innen geofag. Store mengder seismiske data er lisensiert, ikke eid. Rettighetene til bruk, lagring, deling og sletting kan derfor være regulert av kontrakter. Hvis organisasjonen ikke vet hvilke rettigheter som gjelder for hvilke datasett, blir det vanskelig å forvalte dataene på en trygg og pålitelig måte.

Det samme gjelder arbeidsflytene rundt dataene. Tolkning av undergrunnen er avhengig av spesialiserte applikasjoner, identitets- og tilgangstjenester, databehandling, infrastrukturleverandører og team på tvers av lokasjoner. Datasuverenitet handler derfor om mer enn selve datasettet.

I praksis bør du kunne svare på disse spørsmålene:

  • Hvilke data har vi, og hvilke kilder er autoritative?

  • Hvem har rett til å bruke dataene, og hvilke kontraktsmessige og regulatoriske vilkår gjelder?

  • Hvilke applikasjoner, infrastrukturer og leverandører er arbeidsflytene avhengige av?

  • Hvis rammebetingelsene endrer seg, hvor raskt kan vi flytte eller skille ut data og arbeidsbelastninger?

  • Hvor lagres og behandles dataene?

  • Hvor foregår trening og inferens av AI-modeller?

  • Hvem har tilgang til miljøene?

  • Kan leverandøren bruke våre data til å forbedre andre modeller?

  • Hvis en modell bygger på flere tiår med intern kunnskap, kan vi flytte den til et annet miljø?

AI gjør datasuverenitet vanskeligere å overse

AI gjør disse spørsmålene enda mer aktuelle.
Energiselskaper bygger i økende grad AI-løsninger på egne data og egen fagkompetanse, fremfor å basere seg utelukkende på generiske modeller. Det er nettopp her mye av den potensielle konkurranseverdien ligger: i flere tiår med data om undergrunnen, tolkningskompetanse og operasjonell kontekst.

Derfor blir kontroll avgjørende.
Når AI-modeller trenes eller kjøres på proprietære tekniske data, oppstår en rekke spørsmål om hvor dataene behandles, hvem som får tilgang til dem, hvordan de kan brukes og hvor enkelt både data og modeller kan flyttes.

Dette er spørsmål om suverenitet før de er spørsmål om AI.
Det samme gjelder infrastrukturen. For de fleste energiselskaper er det lite realistisk at alle arbeidsbelastninger skal kjøre i ett og samme miljø. Offentlig sky, suveren sky, privat infrastruktur, HPC og lokale miljøer vil eksistere side om side.

Målet bør derfor ikke være å samle alt på ett sted, men å beholde kontroll og valgfrihet på tvers av en hybrid infrastruktur.

Kontroll uten å bygge nye siloer

En praktisk strategi for datasuverenitet starter med å identifisere hvilke data og arbeidsflyter som er kritiske, hvilke krav som gjelder for dem, og hvilke avhengigheter organisasjonen må ha kontroll over.

Ulike arbeidsbelastninger krever ulike løsninger.
Noen egner seg godt for offentlig sky. Andre kan kreve dedikert, suveren eller lokal infrastruktur. Det avgjørende er at valgene tas bevisst, og at de kan reverseres dersom forutsetningene endrer seg.

En nyttig test er å stille ett spørsmål:
Hvis leverandøren, jurisdiksjonen, eierstrukturen eller kostnadsbildet endrer seg, kan arbeidsbelastningen flyttes uten at hele arbeidsflyten må bygges opp på nytt?
Hvis svaret er nei, har organisasjonen akseptert en avhengighet som senere kan bli både kostbar og tidkrevende å håndtere.

For Cegal betyr dette å se data, applikasjoner, infrastruktur og tilgang i sammenheng. Rollen vår er ikke å foreskrive én bestemt modell, men å hjelpe energiselskaper med å få oversikt over de tekniske dataene sine, etablere kontroll over kritiske data og arbeidsflyter og drifte dem på tvers av skybaserte, lokale og hybride miljøer i tråd med forretningsmessige, regulatoriske og suverenitetsrelaterte krav.

Cenova gir oversikt over det tekniske datalandskapet, hva som finnes, hvor det finnes og hvilke eierskaps- og bruksrettigheter som gjelder. Cenova Data Program bidrar til å etablere og opprettholde denne oversikten over tid, støttet av Cegals fageksperter. Cetegra gir et miljø for applikasjoner, tekniske data og AI-arbeidsbelastninger på tvers av skybasert, suveren og lokal infrastruktur.

Fra etterlevelse til robusthet

Konsekvensene av svak datasuverenitet handler sjelden bare om manglende etterlevelse av regelverk.
Et oppkjøp, nye regulatoriske krav, en endring i infrastrukturen eller en geopolitisk hendelse kan raskt bli et operativt problem dersom organisasjonen ikke kan identifisere, skille ut eller flytte dataene sine.

Et konkret eksempel illustrerer dette. Etter et oppkjøp av en britisk virksomhet måtte en multinasjonal operatør identifisere og fjerne seismiske data som den nye eieren ikke hadde lisens til å beholde. Hvis dataene ble liggende i miljøet, kunne det innebære både juridisk og økonomisk risiko.
Ved hjelp av Cegals teknologi ble datamiljøet kartlagt, de aktuelle filene identifisert og fjernet, og prosessen dokumentert gjennom et revisjonsspor. Kunden rapporterte en betydelig reduksjon i tiden det tok å finne og fjerne de aktuelle dataene.
Men det viktigste var ikke bare hvor raskt jobben kunne gjøres.
Det avgjørende var at organisasjonen kunne dokumentere hvilke data den hadde, og hvilke data den faktisk hadde rett til å beholde.

Det er kjernen i datasuverenitet.
Det handler ikke bare om hvor dataene befinner seg eller hvilken infrastruktur de kjører på. Det handler om hvor stor kontroll E&P-organisasjoner har over dataene, applikasjonene, infrastrukturen og AI-løsningene virksomheten er avhengig av, og hvor raskt de kan handle når rammebetingelsene endrer seg.