AI, megfelelőség és biztonság — érthetően

Olyan szoftver, amely emberi gondolkodást igénylő feladatokat lát el: szöveget értelmez, képet ismer fel vagy döntést javasol. Nem gondolkodik vagy „érez” — mintázatokat tanul meg rengeteg példából, és azok alapján dolgozik.

Az a módszer, amellyel a program példákból tanul, ahelyett hogy minden szabályt kézzel beleírnánk. Minél több jó példát lát, annál pontosabb lesz — körülbelül úgy, ahogy egy gyerek sok kép alapján tanulja meg, mi a kutya és mi a macska.

A ChatGPT-hez hasonló rendszerek motorja. Hatalmas mennyiségű szövegből tanulta meg a nyelv mintázatait, és ebből „jósolja meg” a következő szavakat, így folyékony válaszokat ír. Tud nyelvet, de nem ellenőrzi, hogy igazat mond-e.

Olyan AI, amely új tartalmat hoz létre: szöveget, képet, hangot vagy kódot. A korábbi rendszerek inkább osztályoztak vagy előrejeleztek; a generatív AI alkot.

Az utasítás vagy kérdés, amit az AI-nak adsz. Minél világosabb és részletesebb, annál jobb a válasz — olyan ez, mint pontos briefet adni egy munkatársnak.

Az a szövegdarab (nagyjából egy szó vagy szórészlet), amellyel az AI dolgozik. A legtöbb szolgáltatás tokenben méri a feldolgozott szöveg mennyiségét, és gyakran ez alapján számláz.

Amikor az AI magabiztosan állít valami valótlant — például kitalál egy forrást vagy adatot. Mivel a modell a „valószínű” szöveget írja, nem az igazságot ellenőrzi, ezért a fontos kimeneteket érdemes ellenőrizni.

Egy technika, amellyel az AI először kikeresi a saját dokumentumaidból a releváns részeket, és csak utána válaszol. Így a válasz a te adataidra épül, hivatkozható és sokkal megbízhatóbb. (Angolul: retrieval-augmented generation.)

Egy kész modell „ráhangolása” egy konkrét feladatra vagy szakterületre további példákkal. Olyan, mint egy tapasztalt munkatársat betanítani a cég saját folyamataira.

Az Európai Unió mesterséges intelligenciára vonatkozó rendelete. A rendszereket kockázat szerint sorolja be, és minél nagyobb a kockázat, annál szigorúbb szabályoknak kell megfelelni.

Az AI Act négy szintet különböztet meg: tiltott, magas, korlátozott és minimális kockázat. A besorolás dönti el, milyen kötelezettségek vonatkoznak a rendszeredre.

Olyan felhasználások, ahol a hiba komolyan érintheti az embereket — például egészségügy, toborzás vagy hiteldöntés. Ezekhez szigorú dokumentáció, kockázatkezelés és emberi felügyelet szükséges.

Az EU adatvédelmi rendelete, amely azt szabályozza, hogyan szabad személyes adatot kezelni. Jogokat ad az embereknek (például hozzáférés, törlés), és kötelezettségeket ró a cégekre.

Bármilyen információ, amely egy konkrét emberhez köthető: név, e-mail, telefonszám, de akár egy online azonosító is. Ha valakit beazonosíthatóvá tesz, akkor személyes adatról van szó.

Az az indok, ami miatt jogszerűen kezelhetsz egy adatot — például a felhasználó hozzájárulása, egy szerződés teljesítése vagy jogszabályi kötelezettség. Jogalap nélkül nem szabad adatot kezelni.

Az adatkezelő dönti el, miért és hogyan kezelnek adatot (például a megrendelő cég); az adatfeldolgozó pedig a megbízásából végzi ezt (például egy szoftverszolgáltató). A felelősségük eltérő.

Egy előzetes elemzés arról, hogy egy adatkezelés milyen kockázatokkal jár az érintettekre nézve, és hogyan csökkenthetők ezek. Magas kockázatú esetekben kötelező.

Az a szerződés, amely rögzíti, hogyan kezelheti az adatfeldolgozó a rábízott személyes adatokat. A GDPR előírja, ha más cég kezel helyetted adatot.

A rendszerek, adatok és felhasználók védelme a digitális támadásokkal és visszaélésekkel szemben. Célja, hogy az adat ne kerüljön illetéktelen kézbe, és a szolgáltatás működőképes maradjon.

Egy uniós irányelv, amely sok cég és intézmény számára emeli a kiberbiztonsági elvárásokat — például kockázatkezelést és incidensbejelentést ír elő. Egyre több közepes és nagy szervezetre vonatkozik.

A rendszer egy gyenge pontja, amelyet a támadók kihasználhatnak — például egy elavult szoftver vagy egy rosszul beállított jogosultság. A cél a sérülékenységek időben való megtalálása és javítása.

Egy ellenőrzött „támadás”, amelyben szakértők szándékosan próbálják feltörni a rendszert, hogy a valódi támadók előtt találják meg a hibákat.

Az adat olvashatatlanná tétele azok számára, akiknek nincs hozzá kulcsuk. Így ha az adat illetéktelen kézbe kerül, akkor sem értelmezhető.

Olyan esemény, amikor adat illetéktelenhez kerül vagy a rendszer sérül. A GDPR és a NIS2 szerint bizonyos eseteket be is kell jelenteni, gyakran szűk határidőn belül.

Az a szemlélet, amikor a biztonságot már a tervezéstől beépítik a rendszerbe, nem utólag „ráaggatják”. Sokkal olcsóbb és megbízhatóbb, mint utólag foltozni.

Annak szabályozása, hogy ki mit láthat és tehet a rendszerben. Az alapelv: mindenki csak ahhoz férjen hozzá, amire a munkájához tényleg szüksége van.

Egy konkrét helyzet, ahol az AI segít — például „szerződések automatikus összefoglalása”. A jó use-case-nek világos üzleti haszna van.

Egy kis, gyors kísérlet annak bizonyítására, hogy egy ötlet technikailag működik — mielőtt nagyobb pénzt és időt fektetnél bele.

A termék legkisebb olyan változata, amely már valódi értéket ad a felhasználónak. Korán piacra vihető, és a visszajelzések alapján fejleszthető tovább.

Azt mutatja meg, mennyi haszon származik egy befektetésből a ráfordításhoz képest. Segít eldönteni, megéri-e belevágni egy projektbe.

Az a döntés, hogy egyedi megoldást fejlesztesz-e (build), vagy kész terméket veszel és testreszabsz (buy). Mindkettőnek megvan a maga előnye költségben, időben és rugalmasságban.

A felhőben (cloud) külső szolgáltató szerverein fut a rendszer, on-premise esetén a saját infrastruktúrádon. A választás befolyásolja a költséget, a rugalmasságot és az adatkezelést.

Egy „csatlakozó”, amelyen keresztül a szoftverek adatot és funkciókat osztanak meg egymással. Ez teszi lehetővé, hogy a rendszerek (például egy ERP és egy AI-szolgáltatás) együtt működjenek.

Ütemezett terv arról, mit, milyen sorrendben és mikorra valósítasz meg. Segít, hogy a fejlesztés ne ad hoc, hanem kiszámítható módon haladjon.