Ładowanie…
Skuteczne szkolenie AI składa się z dwóch warstw: wspólnej podstawy dla całej firmy (co nie może trafić do modelu, jak rozpoznać zmyśloną odpowiedź, kiedy potrzebna jest weryfikacja przez człowieka) oraz modułów zależnych od roli i poziomu ryzyka. Jednolity webinar dla wszystkich jest łatwiejszy do zorganizowania, ale trudniejszy do obrony pod art. 4 AI Act, gdzie kryterium jest adekwatność do kontekstu użycia i roli danej osoby.
Osoba używająca AI do wstępnej selekcji CV podejmuje decyzje dotyczące ludzi spoza firmy. Osoba generująca opisy produktów nie. Ryzyko, rodzaj błędu i konsekwencje pomyłki są w tych przypadkach zupełnie inne, więc ten sam zakres szkolenia będzie dla jednej grupy niewystarczający, a dla drugiej nadmiarowy. Kryterium adekwatności z art. 4 odnosi się właśnie do kontekstu użycia i roli, a nie do liczby przeszkolonych osób.
Przeszkoliliśmy całą firmę z ChatGPT na godzinnym webinarze.
Wspólna podstawa (2 godziny, cała firma): jakie dane nie mogą trafić do modelu, jak rozpoznać odpowiedź zmyśloną, kiedy wymagana jest weryfikacja przez człowieka, jak zgłaszać incydenty. Do tego moduł dla HR o decyzjach dotyczących kandydatów, moduł dla marketingu o prawach do treści i oznaczaniu materiałów generowanych, moduł dla zespołu technicznego o danych wprowadzanych do narzędzi wspierających kodowanie.
Dlaczego: Kryterium z art. 4 jest adekwatność do kontekstu użycia i roli, a nie liczba przeszkolonych osób. Jednolity webinar jest łatwiejszy do zorganizowania, ale trudniejszy do obrony, bo nie odpowiada na pytanie, czy konkretna osoba potrafi bezpiecznie użyć narzędzia w swojej pracy.
Rekrutacja, ocena pracownicza, przyznawanie świadczeń — tam, gdzie AI wspiera decyzje dotyczące konkretnych osób, ryzyko jest najwyższe, a część takich zastosowań może kwalifikować się jako systemy wysokiego ryzyka w rozumieniu załącznika III. Moduł powinien obejmować: świadomość stronniczości modelu, obowiązek zachowania nadzoru człowieka nad decyzją, zakaz opierania rozstrzygnięcia wyłącznie na wyniku modelu, dokumentowanie przesłanek decyzji oraz obowiązki informacyjne wobec osoby, której decyzja dotyczy.
Tu dominują ryzyka innego typu: prawa do materiałów generowanych i do materiałów wprowadzanych jako inspiracja, wymogi przejrzystości przy publikowaniu treści generowanych, ryzyko zmyślonych faktów i liczb w materiałach handlowych oraz obietnice, których firma nie może dotrzymać. Praktyczne minimum to zasada, że każda liczba i nazwa w materiale publikowanym musi mieć źródło po stronie firmy, a nie po stronie modelu.
Zespoły używające narzędzi wspierających kodowanie mają najwyższą częstotliwość kontaktu z AI i najczęściej wprowadzają do nich kod produkcyjny. Zakres powinien obejmować: co wolno wkleić do narzędzia zewnętrznego (klucze, dane klientów, kod objęty umową), weryfikację wygenerowanego kodu przed wdrożeniem, ryzyko podatności w kodzie sugerowanym oraz kontrolę kosztów przy narzędziach rozliczanych za zużycie.
Wiedzę o tym, czego nie wolno wysłać do modelu, można przekazać slajdem i sprawdzić testem. Umiejętności sformułowania polecenia, które daje użyteczny wynik, nie da się — bo to praca na własnym tekście, z informacją zwrotną. Ta różnica ma znaczenie także dokumentacyjnie: test wiedzy dowodzi znajomości zasad, a zadanie praktyczne z oceną dowodzi kompetencji, o której mówi przepis. Program bez części praktycznej zostawia lukę dokładnie w tym miejscu, na które patrzy art. 4.
Najprostsza miara nie wymaga narzędzi: policz, ile podejść zajmuje zespołowi typowe zadanie z AI przed programem i po nim. Jeśli nic się nie zmieniło, program przekazał wiedzę, ale nie zmienił praktyki. Miara bardziej formalna to wynik zadania praktycznego przed i po, per osoba — ten sam zapis, który stanowi później najmocniejszą część rejestru AI literacy.
Ten materiał ma charakter informacyjny i nie stanowi porady prawnej. Podział na moduły jest propozycją organizacyjną, a nie wymogiem rozporządzenia — AI Act nie narzuca programu ani formy szkolenia. Ocena, czy zakres działań spełnia obowiązek w Waszym przypadku, wymaga analizy prawnej. Podstawą jest rozporządzenie (UE) 2024/1689.
Wspólną podstawę dla wszystkich (jakie dane nie mogą trafić do modelu, jak rozpoznać zmyśloną odpowiedź, kiedy potrzebna jest weryfikacja przez człowieka, jak zgłaszać incydenty) oraz moduły zależne od roli i ryzyka — inne dla HR, inne dla marketingu, inne dla zespołów technicznych.
Rozporządzenie nie określa liczby godzin — kryterium jest odpowiedni poziom kompetencji, a nie czas trwania. W praktyce liczy się to, czy po programie osoba potrafi bezpiecznie wykonać swoje zadanie z użyciem narzędzia, co lepiej sprawdza zadanie praktyczne niż licznik godzin.
Nie. Art. 4 nie wskazuje dostawcy ani formy — szkolenie może być wewnętrzne, zewnętrzne albo mieszane. Znaczenie ma zakres dopasowany do kontekstu użycia i możliwość wykazania poziomu kompetencji, a nie to, kto materiał przygotował.
Obowiązek dotyczy osób zajmujących się obsługą i wykorzystywaniem systemów AI na rzecz podmiotu, więc nie obejmuje osób, które z takimi systemami nie mają styczności. Warto jednak zweryfikować rzeczywiste użycie, bo narzędzia AI bywają wbudowane w oprogramowanie, którego zespół nie kojarzy jako AI.
Rozporządzenie nie podaje cyklu. Praktyczną przesłanką jest zmiana kontekstu: nowe narzędzie, nowe zastosowanie albo istotna zmiana funkcji istniejącego narzędzia uzasadniają aktualizację, bo kompetencje mają być odpowiednie do bieżącego, a nie historycznego sposobu użycia.
Test wiedzy dowodzi znajomości zasad, na przykład tego, jakich danych nie wolno wprowadzać. Zadanie praktyczne z oceną dowodzi umiejętności użycia narzędzia, czyli tego, o czym mówi przepis. Program zawierający obie części jest łatwiejszy do udokumentowania i do obrony.
Jak oceniamy prompty — metodologia · Autor: zespół AI Saver Quest wersja dla zespołów