EU-ის AI Act: მზად არიან კომპანიები თანამშრომლების ტრენინგის ვალდებულებებისთვის?

ევროკავშირის ხელოვნური ინტელექტის აქტი (AI Act) უახლოვდება იმ ეტაპს, როცა მისი წესები კომპანიების ყოველდღიურ საქმიანობას პრაქტიკულად განსაზღვრავს. Dev.to-ზე გამოქვეყნებულ სტატიაში BusinessDigital.fr-ის წარმომადგენელი Franck Parienti წერს, რომ რეგულაციის მთავარი შედეგები 2026 წლიდან იგრძნობა და მრავალი ორგანიზაციისთვის ყველაზე რთული ნაწილი ტექნიკური დოკუმენტაცია კი არა, გუნდის კომპეტენცია იქნება.

რისკზე დაფუძნებული ოთხდონიანი სისტემა

აქტის მიზანია, ხელოვნური ინტელექტი იყოს უსაფრთხო, გამჭვირვალე, თვალყურის დევნადი, არადისკრიმინაციული და გარემოს მიმართ პასუხისმგებელი. მთავარი მექანიზმი რისკის შეფასებაა: სისტემები ოთხ კატეგორიად იყოფა — მიუღებელი რისკი, მაღალი რისკი, შეზღუდული რისკი და მინიმალური რისკი. ყველაზე მკაცრი ვალდებულებები მაღალი რისკის სისტემებს ეხება, როგორც ბაზარზე გატანის, ისე ექსპლუატაციის დროს.

სწორედ ეს კლასიფიკაცია რთავს თანამშრომლებს შესაბამისობის პროცესში: კომპანიამ უნდა აჩვენოს არა მხოლოდ ტექნიკური შესაბამისობა, არამედ ის, რომ სისტემების შემქმნელებსა და მომხმარებლებს რისკები ესმით.

რას მოიცავს ტრენინგის ვალდებულება

სტატიის მიხედვით, პერსონალის მომზადება სამ ფენად იყოფა. ზოგადი ინფორმირება გულისხმობს იმის გაგებას, რა არის ხელოვნური ინტელექტი, რა შეუძლია და სად ცდება. სპეციფიკური ტრენინგი მაღალი რისკის სისტემებზე მომუშავე გუნდებისთვისაა და AI Act-ის მოთხოვნებს უფრო დეტალურად განიხილავს. უნარების განახლება კი იმას აღიარებს, რომ ტექნოლოგია სწრაფად იცვლება — ტრენინგი ერთჯერადი სესია ვერ იქნება.

რატომ მნიშვნელოვანია ვადამდე მოქმედება

ავტორი ადრეულ მომზადებას სტრატეგიულ უპირატესობად მიიჩნევს და არა ხარჯად: ვინც ახლა ამზადებს გუნდს, უფრო ადვილად მიაღწევს შესაბამისობას და მოგვიანებით ხელოვნური ინტელექტის ინსტრუმენტებს შეფერხების გარეშე დანერგავს. ვალდებულებების ამოქმედებამდე ლოდინი სერიოზულ სტრატეგიულ შეცდომად არის დასახელებული.

მომზადების ნაკლებობის რისკებს შორის სტატია ასახელებს ფინანსურ სანქციებს და გარკვეული AI პროდუქტების ან სერვისების ბაზარზე გატანის აკრძალვას, ცუდად გაგებული სისტემების მიერ გამოწვეულ მიკერძოებასა და დისკრიმინაციას, მომხმარებლებისა და პარტნიორების ნდობის დაკარგვას და ინოვაციის შენელებას.

პრინციპებიდან პრაქტიკულ უნარებამდე

სტატია ორ კონკრეტულ სასწავლო მიმართულებას გამოყოფს. ერთი ეხება დიდი ენობრივი მოდელების (LLM) ეთიკურ გამოყენებას: ზუსტი მოთხოვნების ფორმულირებას, გენერირებულ ტექსტში მიკერძოების ამოცნობასა და გასწორებას, იმის გარკვევას, რომელი კომპანიისა და კლიენტის მონაცემები არასდროს უნდა გაუზიარდეს ამ ინსტრუმენტებს, და მოდელის მიერ მოწოდებული ფაქტების გადამოწმებას. მეორე ეხება ავტომატიზაციის პლატფორმებს, მაგალითად n8n-ს: CRM სისტემების, მონაცემთა ბაზების, კომუნიკაციის ინსტრუმენტებისა და AI API-ების დაკავშირებას, AI აგენტების ჩაშენებას სამუშაო პროცესებში და აწყობილი სქემების საიმედოობის მონიტორინგს.

ავტორი ხაზს უსვამს, რომ AI Act-ისთვის მომზადება მარათონია და არა სპრინტი, და აღნიშნავს, რომ ტექსტი მხოლოდ ზოგად საკითხებს ეხება: ზუსტი იურიდიული ვალდებულებებისთვის ოფიციალური დოკუმენტები და სპეციალიზებული იურიდიული კონსულტაციაა საჭირო.