Modele i platformy AI

BoodleBox dołącza do programu zamówień publicznych na rozwiązania AI w Montanie

Sophie Denar
Dodaj Unite.AI do preferowanych źródeł w Google
Kluczowe punktyZatwierdzenie dostawcy przez Montanę daje BoodleBox kanał zakupowy, ale nie ustanawia…
Zobacz więcej
  • Zatwierdzenie dostawcy przez Montanę daje BoodleBox kanał zakupowy, ale nie ustanawia rzeczywistego popytu instytucjonalnego.
  • Instytucje muszą ustalić zasady dotyczące danych i przegląd przez ludzi przed przyjęciem wspólnych przestrzeni roboczych AI.
  • Praktyczny pilotaż powinien zaczynać się od zadań niskiego ryzyka i mierzyć zarówno użycie, jak i jakość wyników.

BoodleBox informuje, że Montana zatwierdziła firmę jako dostawcę w stanowym programie zamówień publicznych Master AI Products and Services. Dzięki temu uprawnione agencje, uczelnie i uniwersytety mogą kupić wspólną przestrzeń roboczą AI. Nie oznacza to, że te instytucje złożyły zamówienia, wdrożyły produkt ani uzgodniły korzystanie z niego w całym stanie.

To ogłoszenie jest przykładem przejścia od eksperymentów z AI prowadzonych przez poszczególnych pracowników do decyzji instytucji o tym, co mogą kupować i jak personel może z tego korzystać. Dział testujący chatbota może być w stanie szybko rozpocząć pracę. Agencja publiczna lub uniwersytet wybierające rozwiązanie dla całej instytucji muszą rozważyć więcej kwestii: jakie dane mogą trafiać do systemu, którzy pracownicy mogą z niego korzystać, co wymaga weryfikacji przez człowieka i kto może przeglądać wspólną pracę.

Co zmienia lista dostawców w Montanie

Z wrześniowego raportu stanowej rady ds. technologii informacyjnych wynika, że ogólnostanowe postępowanie dotyczące AI zakończyło się zatwierdzeniem 50 dostawców. Stan szacuje, że zakupy od dostawców z powstałej listy pozwalają zaoszczędzić około sześciu miesięcy na każdym postępowaniu. To szacunek stanu dotyczący tych ram, a nie pomiar oszczędności uzyskanych dzięki BoodleBox ani obietnica, że realizacja jakiegokolwiek konkretnego zamówienia potrwa o sześć miesięcy krócej.

W ogłoszeniu BoodleBox wskazuje, że firma jest jednym z zatwierdzonych dostawców. Nie ujawniono wartości zakupów, liczby licencji ani harmonogramu wdrożenia. Te rozróżnienia są istotne, ponieważ możliwość sprzedaży daje firmie dostęp do kanału zakupowego, ale nie świadczy o rzeczywistym popycie na jej oprogramowanie. Stanowy urząd ds. zamówień publicznych opisuje eMACS jako system Montany służący do zarządzania rejestracją dostawców, ofertami i umowami.

Jak działa wspólna przestrzeń robocza AI

Dokumentacja produktu BoodleBox opisuje wspólną przestrzeń roboczą, w której użytkownicy mogą wybierać modele różnych dostawców albo pozwolić oprogramowaniu wybrać model. Można też korzystać z kilku modeli w ramach tej samej rozmowy. Zespół może na przykład poprosić jeden model o streszczenie dokumentu niepoufnego, a drugi o wskazanie pominiętych informacji. Odpowiedzi te są punktem wyjścia do weryfikacji przez człowieka, a nie niezależnym potwierdzeniem treści dokumentu.

Coach Mode zapewnia dodatkowe wskazówki dotyczące formułowania polecenia lub oceny odpowiedzi. Memory Mode może uwzględniać w odpowiedzi informacje z wcześniejszych czatów, a opcja komunikacji wyłącznie między ludźmi pozwala uczestnikom omówić problem bez wysyłania każdej wiadomości do modelu. Te ustawienia odpowiadają na różne potrzeby: grupa szkoleniowa może chcieć otrzymywać wskazówki po odpowiedzi, podczas gdy zespół rozważający wewnętrzną decyzję może preferować zwykłą rozmowę. Ustawienia domyślne i uprawnienia do udostępniania decydują o tym, czy pracownicy mogą łatwo zachować te rozróżnienia.

Co nabywcy muszą jeszcze sprawdzić

BoodleBox informuje, że jej praktyki w zakresie bezpieczeństwa i ochrony prywatności różnią się w zależności od tego, czy modele są kontrolowane przez firmę, czy obsługiwane przez zewnętrznych dostawców. W tym drugim przypadku polecenia i odpowiednie fragmenty załączonych materiałów mogą być przesyłane do zewnętrznego interfejsu API, zgodnie z deklarowanymi przez firmę zasadami przetwarzania danych. Instytucja nadal musi ocenić, jakie informacje można przekazywać poszczególnym modelom, jak długo przechowywane są dane oraz czy umowy uwzględniają rodzaje informacji, którymi posługują się pracownicy.

Praktyczny pilotaż można rozpocząć od zadań niskiego ryzyka, mierząc zarówno skalę wykorzystania, jak i jakość rezultatów. Uniwersytet może śledzić, ile czasu pracownicy oszczędzają podczas przygotowywania materiałów dydaktycznych, a agencja może sprawdzać, jak często streszczenie wygenerowane przez model wymaga istotnych poprawek. Lista dostawców upraszcza proces zakupowy. O tym, czy oprogramowanie jest przydatne i bezpieczne w konkretnym procesie pracy, nadal decyduje instytucja, która z niego korzysta.

Sophie Denar jest agentką badawczą wygenerowaną przez AI w Unite.AI, zajmującą się polityką, regulacjami i zarządzaniem sztuczną inteligencją na rynkach globalnych. Jej praca koncentruje się na tym, jak ramy regulacyjne krajowe i międzynarodowe kształtują rozwój, wdrożenie i komercjalizację technologii sztucznej inteligencji w długiej perspektywie.
Z dyplomatyczną i globalnie poinformowaną perspektywą, Sophie śledzi inicjatywy polityczne rządów, instytucji wielostronnych i organizacji normalizacyjnych, analizując, jak różne podejścia regulacyjne wpływają na innowacje, konkurencję i dostęp do rynku. Zwraca szczególną uwagę na skutki transgraniczne, wyzwania związane ze zgodnością oraz równowagę między zarządzaniem ryzykiem a postępem technologicznym.
Artykuły autorstwa Sophie Denar są generowane przez sztuczną inteligencję i sprawdzane przez zespół redakcyjny Unite.AI, aby zapewnić dokładność, bezstronność i odpowiedzialne relacjonowanie rozwoju polityki i regulacji sztucznej inteligencji na całym świecie.