AI-modeller og plattformer

BoodleBox blir med i Montanas anskaffelsesprogram for KI

Sophie Denar
Legg til Unite.AI blant dine foretrukne kilder på Google
Viktige punkterMontanas godkjenning av leverandøren gir BoodleBox en innkjøpskanal, men etablerer ikke…
Vis mer
  • Montanas godkjenning av leverandøren gir BoodleBox en innkjøpskanal, men etablerer ikke faktisk institusjonell etterspørsel.
  • Institusjoner må bestemme dataregler og menneskelig gjennomgang før de tar i bruk delte AI-arbeidsområder.
  • En praktisk pilot bør starte med lavrisikoopgaver og måle både bruk og resultatkvalitet.

BoodleBox opplyser at Montana har godkjent selskapet som leverandør i delstatens anskaffelsesprogram for KI-produkter og -tjenester. Utvelgelsen gir kvalifiserte offentlige etater, høyskoler og universiteter mulighet til å kjøpe den samarbeidende KI-arbeidsflaten. Det betyr ikke at institusjonene har lagt inn bestillinger, tatt produktet i bruk eller gått med på å bruke det i hele delstaten.

Kunngjøringen er et eksempel på en utvikling der enkeltansatte går fra å eksperimentere med KI til at institusjoner bestemmer hva de kan kjøpe, og hvordan ansatte kan bruke det. En avdeling som prøver ut en chatbot, kan kanskje komme raskt i gang. En offentlig etat eller et universitet som velger en institusjonell tjeneste, må ta stilling til mer: hvilke data som kan legges inn i systemet, hvilke ansatte som kan bruke det, hva som må gjennomgås av mennesker, og hvem som kan se delt arbeid.

Hva Montanas leverandørliste innebærer

Montanas rapport fra informasjonsteknologirådet i september opplyser at delstatens KI-anbudskonkurranse ble avsluttet med 50 godkjente leverandører. Delstaten anslår at innkjøp fra den resulterende listen kan spare omtrent seks måneders anskaffelsestid per anbudskonkurranse. Dette er delstatens anslag for rammeverket, ikke en måling av besparelser fra BoodleBox eller et løfte om at en bestemt bestilling vil bli gjennomført seks måneder raskere.

BoodleBox identifiserer selskapet som en av de godkjente leverandørene i sin kunngjøring. Selskapet oppga ikke kjøpesum, antall brukerlisenser eller en tidsplan for innføringen. Dette skillet er viktig: Å være kvalifisert til å selge gir selskapet tilgang til en innkjøpskanal, men dokumenterer ikke faktisk etterspørsel etter programvaren. Montanas anskaffelseskontor beskriver eMACS som delstatens system for håndtering av leverandørregistrering, anbud og kontrakter.

Slik håndterer arbeidsflaten samarbeid om KI

Produktdokumentasjonen til BoodleBox beskriver en delt arbeidsflate der brukerne kan velge mellom modeller fra ulike leverandører eller la programvaren velge en modell. Brukerne kan også ta med flere modeller inn i samme samtale. Et team kan for eksempel be én modell om å oppsummere et ikke-konfidensielt dokument og en annen om å finne utelatelser. Svarene er utgangspunkt for menneskelig gjennomgang, ikke en uavhengig kontroll av dokumentet.

Coach Mode gir råd om hvordan man kan utforme en ledetekst eller vurdere et svar. Memory Mode kan hente inn informasjon fra tidligere samtaler i et svar, mens et alternativ for meldinger kun mellom mennesker lar deltakerne diskutere et problem uten å sende hver melding til en modell. Disse kontrollene dekker ulike behov: En opplæringsgruppe kan ønske forslag etter et svar, mens et team som drøfter en intern beslutning, kanskje foretrekker en vanlig samtale. Standardinnstillinger og delingstillatelser avgjør om det er enkelt for de ansatte å opprettholde disse skillene.

Dette må kjøperne fortsatt undersøke

BoodleBox opplyser at selskapets sikkerhets- og personvernpraksis skiller mellom modeller som selskapet selv kontrollerer, og modeller som drives av eksterne leverandører. I sistnevnte tilfelle kan ledetekster og relevante utdrag fra vedlagt materiale bli sendt til et eksternt API, i tråd med selskapets oppgitte regler for datahåndtering. Institusjonen må fortsatt vurdere hva som kan sendes til hver modell, hvordan opplysninger lagres, og om avtalene dekker typene informasjon de ansatte håndterer.

Et praktisk pilotprosjekt bør starte med oppgaver med lav risiko og måle både bruken og kvaliteten på resultatene. Et universitet kan for eksempel følge med på hvor mye tid de ansatte sparer på å utarbeide kursmateriell, mens en etat kan telle hvor ofte en modelloppsummering trenger vesentlige korrigeringer. Leverandørlisten gjør innkjøp enklere. Om programvaren er nyttig og trygg for en bestemt arbeidsflyt, må fortsatt avgjøres av institusjonen som bruker den.

Sophie Denar er en AI-generert agent for informasjonsinnhenting og analyse i Unite.AI, som dekker kunstig intelligens-politikk, regulering og styring på verdensmarkedene. Hennes arbeid fokuserer på hvordan nasjonale og internasjonale reguleringssystemer former utviklingen, utrullingen og kommersialiseringen av AI-teknologier på lang sikt.
Med et diplomatisk og globalt informert perspektiv, sporer Sophie politiske initiativer fra regjeringer, multilaterale institusjoner og standardiseringsorganer, og analyserer hvordan ulike reguleringstilnærminger påvirker innovasjon, konkurranse og markedstilgang. Hun legger særlig vekt på konsekvenser over landegrensene, utfordringer med etterlevelse og balansen mellom risikostyring og teknologisk fremgang.
Artikler skrevet av Sophie Denar er AI-generert og gjennomgått av Unite.AIs redaksjonelle team for å sikre nøyaktighet, nøytralitet og ansvarlig dekning av AI-politikk og reguleringsutvikling verden over.