AI აგენტები

რატომ ვერ შეცვლის AI ადამიანურ განსჯას?

მთავარი BTU-ს მკვლევრების შეფასებით, AI-სთვის ანალიზის გადაცემა არ აუქმებს ადამიანის პასუხისმგებლობას განსაზღვროს, თუ რა მიზანს ემსახურება გადაწყვეტილება და რომელი

რატომ ვერ შეცვლის AI ადამიანურ განსჯას?

მთავარი

BTU-ს მკვლევრების შეფასებით, AI-სთვის ანალიზის გადაცემა არ აუქმებს ადამიანის პასუხისმგებლობას განსაზღვროს, თუ რა მიზანს ემსახურება გადაწყვეტილება და რომელი შედეგია მისაღები. საქართველოსთვის მნიშვნელოვანი საზღვარი გადის სისტემის მიერ ინფორმაციის დამუშავებასა და ისეთი არჩევანის გაკეთების უფლებამოსილებას შორის, რომელიც მომხმარებლის ინტერესს, ორგანიზაციის ვალდებულებას ან ადამიანის უფლებას ეხება.

ძირითადი მიგნებები

  • BTU-ს წყაროების შედარება განასხვავებს სამ საკითხს: მიზნის განსაზღვრას, გადაწყვეტილებაზე პასუხისმგებლობასა და კონკრეტულ შემთხვევაში ადამიანის ჩართვას.
  • მომსახურების ექვს პირობით შემთხვევაზე აგებულ გამოთვლით მაგალითში მონაცემები უცვლელია, მაგრამ მიზნის შეცვლისას სხვადასხვა საქმე შეირჩევა. თუ დრო საკმარისია, განსხვავება ქრება. მაგალითი AI მოდელის შესაძლებლობებს არ ამოწმებს. 
  •  „პერსონალურ მონაცემთა დაცვის შესახებ“ საქართველოს კანონის მე-19 მუხლი ეხება მხოლოდ ავტომატიზებულად მიღებულ გადაწყვეტილებებს, რომლებსაც სამართლებრივი ან სხვა არსებითი შედეგი აქვს. მუხლი გამონაკლისებსაც ითვალისწინებს და ხელოვნური ინტელექტის ყველა პასუხზე არ ვრცელდება.

მენეჯერს შეუძლია AI-ს სთხოვოს ათობით დოკუმენტის წაკითხვა, წინააღმდეგობრივი მონაცემების მოძებნა და რამდენიმე ვარიანტის შედარება. ამ სამუშაოს შემდეგ მას უფრო მეტი ინფორმაცია ექნება, მაგრამ შეიძლება მთავარი კითხვა ისევ დარჩეს: ვის ინტერესს უნდა მიენიჭოს უპირატესობა? ყველაზე სწრაფი პასუხი, ყველაზე დაბალი ხარჯი და ყველაზე სამართლიანი დამოკიდებულება ყოველთვის ერთ შედეგს არ იძლევა. უკეთესი ანალიზი ამ წინააღმდეგობის დანახვაში გვეხმარება, თუმცა მას ვერ აღმოფხვრის.

ამიტომ სათაური არ გულისხმობს ვარაუდს, თითქოს AI ვერასოდეს შეასრულებს ადამიანის რომელიმე ინტელექტუალურ ამოცანას. ეს კვლევა ასეთი მტკიცების საფუძველს არ იძლევა. საუბარია უფრო კონკრეტულ განსხვავებაზე: სისტემას შეიძლება შეეძლოს ვარიანტების შეფასება, შედეგების ახსნა და რეკომენდაციის მომზადება, მაგრამ ეს უნარი თავისთავად არ ანიჭებს მას უფლებას, ორგანიზაციის სახელით განსაზღვროს მისაღები ზიანი ან შეცვალოს ადამიანის მიმართ აღებული ვალდებულება.

ადამიანური განსჯა აქ გულისხმობს ფაქტების, მიზნების, გარემოებებისა და პასუხისმგებლობის ერთად გააზრებას. იგი არც მხოლოდ ინტუიციაა და არც ადამიანის უპირატესობის გარანტია. ადამიანს შეუძლია შეცდეს, საკუთარი გამოცდილება ზედმეტად განაზოგადოს ან კარგად დაწერილ პასუხს დაუფიქრებლად დაეთანხმოს. საკითხი ისაა, როგორ ავაწყოთ პროცესი, რომელშიც AI-ის ძლიერი მხარეების გამოყენებასთან ერთად შესაძლებელი იქნება არჩევანის საფუძვლის შემოწმება და გადაწყვეტილების გასაჩივრება.

ზუსტი პასუხი ჯერ კიდევ არ განსაზღვრავს მიზანს

პროგნოზი პასუხობს კითხვას, რა შეიძლება მოხდეს. შეფასება კი მოიცავს კითხვას, რა უნდა გავაკეთოთ ამ ინფორმაციის საფუძველზე. მაგალითად, სისტემამ შეიძლება სწორად იპოვოს ყველაზე იაფი შეთავაზება. მყიდველმა მაინც უნდა გადაწყვიტოს, მისაღებია თუ არა უფრო გვიანი მიწოდება, უფრო შეზღუდული გარანტია ან უცნობ მომწოდებელზე დამოკიდებულება. ზოგჯერ ეს პირობები წინასწარ არის შეთანხმებული და არჩევანიც ამ წესით კეთდება. ზოგჯერ სწორედ წესია დასაზუსტებელი.

AI-ს შეუძლია ამ მეორე ეტაპზეც დახმარება: ჩამოთვალოს შესაძლო მიზნები, აჩვენოს, რა შედეგი შეიძლება მოჰყვეს თითოეულს, აღმოაჩინოს წინააღმდეგობა და მოამზადოს დასაბუთება. თუმცა ორგანიზაციის გადაწყვეტილება არ ხდება ნეიტრალური მხოლოდ იმიტომ, რომ ის ცხრილს ან მოდელს ეფუძნება. თუ კომპანიამ წარმატებად მხოლოდ სწრაფად დახურული საქმეები მიიჩნია, სისტემა შეიძლება ამ მაჩვენებელს აუმჯობესებდეს მაშინაც, როცა რთული საქმეები რიგში რჩება. პრობლემა შესაძლოა გამოთვლის სიზუსტეში კი არა, წარმატების არასრულ განმარტებაში იყოს.

აქ ორი სახის გაურკვევლობაც უნდა განვასხვაოთ. პირველ შემთხვევაში ფაქტი გვაკლია: მაგალითად, არ ვიცით, რა ვადას დაჰპირდნენ მომხმარებელს. დამატებითი დოკუმენტი ასეთ გაურკვევლობას ამცირებს. მეორე შემთხვევაში ყველა მნიშვნელოვანი ფაქტი ვიცით, მაგრამ მიზნებს შორის არჩევანია გასაკეთებელი. მხოლოდ მეტი მონაცემის დამატება ვერ გვეტყვის, რომელი ვალდებულების დარღვევაა მისაღები. ამისთვის საჭიროა უფლებამოსილება, დასაბუთება და ზოგჯერ თავად წესის შეცვლა.

რატომ არ კმარა ადამიანის ფორმალური თანხმობა?

პასუხისმგებლობის შენარჩუნება ყველა მოქმედების ხელით შესრულებას არ ნიშნავს. თუ წესები მკაფიოა, შედეგი შემოწმებადია და შეცდომა ადვილად სწორდება, ავტომატიზაცია შეიძლება გამართლებული იყოს. „NIST“-ის AI რისკების მართვის ჩარჩო პირდაპირ განასხვავებს ადამიანის მონაწილეობის სხვადასხვა ფორმას და აღნიშნავს, რომ ზოგიერთ სისტემას, მაგალითად, ვიდეოს შეკუმშვის გაუმჯობესების მოდელს, ადამიანის ზედამხედველობა შეიძლება საერთოდ არ სჭირდებოდეს.

სხვა შემთხვევაში ადამიანი პროცესში ფორმალურად მონაწილეობს, მაგრამ რეალური განსჯის შესაძლებლობა არ აქვს. თუ თანამშრომელი მხოლოდ რეკომენდაციას ხედავს, არ იცის მისი წყარო და გადაწყვეტილების შესაცვლელად დრო ან უფლება არ აქვს, თანხმობის ღილაკი ხარისხის სანდო გარანტია ვერ იქნება. „NIST“ ასევე აღნიშნავს, რომ ადამიანისა და AI-ის ერთობლივი მუშაობის შედეგები პირობების მიხედვით განსხვავდება: ზოგ პირობებში მიკერძოება შეიძლება გაძლიერდეს, სწორად მოწყობილ პროცესში კი მათი შესაძლებლობები ერთმანეთს ავსებდეს.

BTU-ს ანალიტიკური შეფასებით, ეფექტიანი ადამიანური მონაწილეობა უნდა მოიცავდეს კითხვის დასმის, ალტერნატივის განხილვისა და საჭიროებისას შედეგის შეცვლის შესაძლებლობას. თანამშრომელმა უნდა იცოდეს, რა იყო სისტემის მიზანი და რომელი ინფორმაცია არ იყო ხელმისაწვდომი. მისი მოვალეობა არ არის ყოველ ჯერზე მთელი ანალიზის თავიდან გამეორება. მისი მოვალეობაა გადაწყვეტილების მნიშვნელოვანი საფუძვლების შემოწმება და ისეთი გარემოების შემჩნევა, რომელსაც ავტომატური წესი ვერ ითვალისწინებს.

პასუხისმგებლობაც მხოლოდ ოპერატორზე ვერ გადავა. თუ ორგანიზაციამ არასწორი მიზანი შეარჩია ან გამონაკლისის გასაჩივრება შეუძლებელი გახადა, საბოლოო ეტაპზე თანამშრომლის ხელმოწერა პრობლემას ვერ მოაგვარებს. „UNESCO“-ს ეთიკური რეკომენდაცია საბოლოო პასუხისმგებლობას ადამიანებსა და არსებულ იურიდიულ პირებს უკავშირებს. ეს ნორმატიული პრინციპია და არა ექსპერიმენტული დასკვნა ადამიანის ან მანქანის ინტელექტის საზღვრებზე.

საქართველოსთვის ამ გამიჯვნას პრაქტიკული მნიშვნელობა აქვს

ქართული კომპანიისთვის ეს საკითხი ერთდროულად ენას, მომსახურების წესსა და სამართლებრივ პასუხისმგებლობას ეხება. მომხმარებლის ქართულენოვან წერილში შეიძლება მთავარი მოთხოვნა პირდაპირ არ იყოს ნათქვამი: მომხმარებელმა შესაძლოა მხოლოდ ახსენოს წინა დაპირება, განსაკუთრებული გარემოება, ან ის, რომ ჩვეულებრივი პასუხი მის პრობლემას არ აგვარებს. ასეთი მნიშვნელობის სწორად ამოცნობა კონკრეტული სამუშაოს მაგალითებით უნდა შემოწმდეს. უცხოურ დემონსტრაციაში წარმატება ქართულ გარემოში იმავე შედეგს ვერ ადასტურებს.

ეს არ ნიშნავს, რომ ქართული ენა აუცილებლად უარეს შედეგს იძლევა. ადგილობრივი შემოწმება საჭიროა იმიტომ, რომ მომსახურების პირობებს განსაზღვრავს რეალური პროდუქტი, ხელშეკრულება, კომპანიის წესი და მომხმარებლის კონტექსტი. სწორი თარგმანი შეიძლება აუცილებელი იყოს, მაგრამ საკმარისი არ აღმოჩნდეს: უცხოური პრაქტიკა ვერ შეცვლის საქართველოში მოქმედი მოთხოვნის შემოწმებას. 

 „პერსონალურ მონაცემთა დაცვის შესახებ“ საქართველოს კანონის მე-19 მუხლი იცავს პირს მხოლოდ ავტომატიზებულად, მათ შორის, პროფაილინგით მიღებული ისეთი გადაწყვეტილებისგან, რომელსაც სამართლებრივი ან სხვა არსებითი შედეგი აქვს. პროფაილინგის საფუძველზე მიღებული გადაწყვეტილებისთვის მუხლი განსაზღვრავს გამონაკლისებსაც: აშკარად გამოხატულ თანხმობას, ხელშეკრულებისთვის აუცილებლობასა და კანონით ან შესაბამისი კანონქვემდებარე აქტით გათვალისწინებულ შემთხვევებს. შესაბამისად, ეს არც ყველა ავტომატიზაციის აკრძალვაა და არც ყველა AI რჩევისთვის ერთნაირი მოთხოვნა.

მონაცემთა სუბიექტის შესაბამისი მოთხოვნისას მუხლი ითვალისწინებს დაცვის ზომებს, აზრის გამოთქმისა და გადაწყვეტილების გასაჩივრების შესაძლებლობას; ადამიანის ჩართვის მოთხოვნიდან გამონაკლისია პირველი პუნქტის „გ“ ქვეპუნქტით გათვალისწინებული შემთხვევა. სისტემის კონკრეტულ შემთხვევაში დანერგვისას საჭიროა სრული კანონის, სხვა მოქმედი წესებისა და ფაქტობრივი პროცესის იურიდიული შეფასება. ამ სტატიის გამარტივებული მომსახურების მაგალითი თავისთავად არ არის საკმარისი იმის დასადგენად, ვრცელდება თუ არა ასეთ შემთხვევაზე აღნიშნული მუხლი.

ამგვარად, ქართული ბიზნესისთვის გამოსადეგი კითხვაა: როდის არის საკმარისი უკვე დამტკიცებული წესის შესრულება და როდის არის საჭირო ახალი პრიორიტეტის განსაზღვრა ან გამონაკლისის დაშვება? აგენტს შეუძლია პირველ შემთხვევაში წესი სწრაფად შეასრულოს, ხოლო მეორე შემთხვევაში გადაწყვეტილებისთვის საჭირო ინფორმაცია მოამზადოს. უფლებამოსილების ფარგლები კი კომპანიამ უნდა განსაზღვროს მანამდე, სანამ რეკომენდაცია მომხმარებლისთვის რეალურ გადაწყვეტილებად იქცევა.

BTUAI-ს წყაროთა შედარება და გამოთვლითი მაგალითი

სამი წყარო სამ განსხვავებულ კითხვას პასუხობს

2026 წლის 6 ნოემბერს ჩატარებულ დოკუმენტურ ანალიზში შევადარეთ „NIST“-ის „AI RMF 1.0“-ის შესაბამისი თავები, „UNESCO“-ს ეთიკური რეკომენდაციის შესაბამისი პუნქტები და საქართველოს კანონის მე-19 მუხლის მოქმედი ქართული ტექსტი. თითოეული წყარო ერთი და იმავე კითხვების მიხედვით განვიხილეთ: რას ეხება მოთხოვნა, ვის ეკისრება პასუხისმგებლობა, როდის არის ადამიანის ჩართვა საჭირო და რა გამონაკლისი ან შეზღუდვა ჩანს თავად ტექსტში.

ეს მიზნობრივად შერჩეული წყაროების შედარებაა და არა ყველა არსებული დოკუმენტის მიმოხილვა. „NIST AI RMF 1.0“ რისკების მართვის ნებაყოფლობითი ჩარჩოა, „UNESCO“-ს ტექსტი ეთიკური რეკომენდაციაა, საქართველოს კანონი კი თავის მოქმედების სფეროში სამართლებრივ წესს ადგენს. მათი ერთ ცხრილში მოთავსება არ ნიშნავს თანაბარ იურიდიულ ძალას.

წყარო: სტატუსი: ძირითადი განსხვავება:
„NIST AI RMF 1.0“ ნებაყოფლობითი ჩარჩო მიზნისა და საზომის შერჩევა კონტექსტს მოითხოვს; ყველა სისტემას ერთნაირი ზედამხედველობა არ სჭირდება.
„UNESCO“, 2021 ეთიკური რეკომენდაცია შეზღუდული დელეგირება დასაშვებია. საბოლოო პასუხისმგებლობა ადამიანებსა და იურიდიულ პირებს უკავშირდება.
საქართველოს კანონი, მუხლი 19 კანონი თავის მოქმედების სფეროში მხოლოდ ავტომატიზებული გადაწყვეტილებები არსებითი შედეგით; განსაზღვრული გამონაკლისები და დაცვის ზომები.

 

წყარო: შესაბამისი პირველწყაროების შედარება, 2026 წლის 6 ნოემბერი. ცხრილში მოცემულ წყაროებს განსხვავებული იურიდიული ძალა აქვს.

BTU-ს მკვლევრების შეფასებით, შედარების მთავარი შედეგია სამი საკითხის ერთმანეთისგან გამიჯვნა. ჯერ უნდა განისაზღვროს მისაღები მიზანი და საზომი, შემდეგ პასუხისმგებელი ორგანიზაცია და გასაჩივრების გზა, ბოლოს კი კონკრეტული მოქმედებისას ადამიანის ჩართვის ფორმა. წყაროები არ ამყარებს დასკვნას, რომ ყველა AI მოქმედებას ადამიანის ხელით დამტკიცება სჭირდება. არც იმას ამტკიცებს, რომ ადამიანის დასწრება ავტომატურად უკეთეს შედეგს იძლევა.

რას ცვლის მიზანი უცვლელ მონაცემებში?

ამ განსხვავების საჩვენებლად შევადგინეთ ექვსი არაგადაუდებელი მომსახურების საქმე და „Python“-ით შევადარეთ ორი წინასწარ განსაზღვრული მიზანი. შემთხვევები გამოგონილია: არც რეალური მომხმარებლების რიგია და არც AI-ის პასუხების ტესტი. პირველი წესი არსებული დროის ფარგლებში საქმეთა იმ ნაკრებს ირჩევს, რომელიც ყველაზე მეტი საქმის დასრულების საშუალებას იძლევა. მეორე წესი არჩევს საქმეებს, რომელთა ლოდინის უკვე გასული დღეების ჯამიც ყველაზე დიდია. ეს ჯამი მხოლოდ მაგალითის პრიორიტეტია და არ ზომავს დაზოგილ დროს, ადამიანის ზიანს ან სამართლიანობას.

საქმე: სამუშაო დრო, წუთი: ლოდინის უკვე გასული დღეები:
A 10 1
B 15 2
C 20 3
D 30 12
E 40 15
F 50 18

 

წყარო: BTUAI-ს ავტორისეული გამოთვლითი მაგალითი, 2026 წლის 6 ნოემბერი; ყველა მონაცემი პირობითია.

გამოთვლამ ექვსი საქმის ყველა 64 შესაძლო ნაკრები შეამოწმა დროის ოთხი პირობითი ზღვრისთვის. ძირითადი მაჩვენებლის თანაბარი შედეგის შემთხვევაში არჩევანი ჯერ მეორე მიზნის მიხედვით კეთდებოდა, შემდეგ კი უპირატესობა ნაკლებ სამუშაო დროს ენიჭებოდა. ამ წესების გამოყენების შემდეგ თანაბარი შედეგის მქონე ვარიანტებს შორის არჩევანი ყველა შემთხვევაში გაკეთდა. საქმეები სრულდება მთლიანად, პარალელური მუშაობა და ახალი მოთხოვნების შემოსვლა დაშვებული არ არის; ამდენად, მაგალითი რეალური რიგის სრულ მოდელს არ წარმოადგენს.

60 წუთის პირობებში რაოდენობაზე ორიენტირებული წესი ირჩევს A, C და D საქმეებს: შერჩეული სამი საქმის შესრულებას 60 წუთი სჭირდება, ლოდინის დღეების ჯამი კი 16 დღეა. მეორე წესი ირჩევს A-სა და F-ს: ორ საქმეს, რომლებსაც ასევე 60 წუთი სჭირდება და რომელთა ლოდინის დღეების ჯამი 19-ია. ორივე პასუხი თავისი მიზნის მიხედვით სწორია. სხვაობას მიზნის ცვლილება განაპირობებს. მონაცემები უცვლელია.

ხელმისაწვდომი დრო, წუთი: საქმეთა მაქსიმალური რაოდენობა: ლოდინის დღეების მაქსიმალური ჯამი:
60 A, C, D (3) A, F (2)
90 A, B, C, E (4) E, F (2)
120 A, B, C, D, E (5) D, E, F (3)
165 A, B, C, D, E, F (6) A, B, C, D, E, F (6)

 

ფრჩხილებში: შერჩეული საქმეების რაოდენობა. წყარო: BTU-ს მკვლევრების გამოთვლა ავტორისეული მონაცემებით; რეალური მომსახურების შედეგები არ არის.

90 და 120 წუთის პირობებშიც არჩევანი განსხვავდება. 165 წუთისას კი ორივე წესი ექვსივე საქმეს ირჩევს და განსხვავება ქრება: მოცემულ მაგალითში დრო ყველა საქმის დასასრულებლად საკმარისია. ეს თანხვედრაც შედეგის ნაწილია. ამ გამოთვლით ვერ დავასკვნით, რომ მიზნები ყოველთვის ერთმანეთს ეწინააღმდეგება. კვლევაში არ გაზომილა, რამდენად ხშირად განსხვავდება არჩევანი რეალურ კომპანიებში.

ეს მცირე მაგალითი არ ამოწმებს, შეუძლია თუ არა სისტემას მიზნების შერჩევა. AI-ს შეუძლია ორივე წესის შეთავაზება და შედარებაც. მაგალითი გვაჩვენებს, რატომ არ არის „ოპტიმალური“ პასუხი სრულყოფილი განმარტება: უნდა ვიცოდეთ, რისთვის არის ის ოპტიმალური. რეალურ ორგანიზაციაში აქ გამოყენებული ორივე მიზანი შეიძლება არასაკმარისი იყოს, თუ არსებობს დაპირებული ვადა, მოწყვლადი მომხმარებელი ან სავალდებულო წესი.

დასკვნა

AI-ის განვითარებას შეუძლია ადამიანის განსჯის ბევრი კომპონენტი გააძლიეროს და ზოგი სამუშაოს სრულად ავტომატიზების საშუალებაც მოგვცეს. მაგრამ უკეთესი გამოთვლა თავისთავად არ გვაძლევს უფლებამოსილებას, გადავწყვიტოთ, რომელი ინტერესი დავიცვათ, რა გამონაკლისი დავუშვათ და ვის მოვთხოვოთ პასუხი. სწორედ ამ მნიშვნელობით ვერ ჩაანაცვლებს AI ადამიანურ განსჯას: ორგანიზაციას ვერ გაათავისუფლებს არჩევანის დასაბუთებისა და შედეგზე პასუხისმგებლობისგან.

საქართველოსთვის პრაქტიკული შესაძლებლობა გადაწყვეტილების უკეთ მომზადებაა: AI-მ წარმოაჩინოს ფაქტები, ალტერნატივები და მათთან დაკავშირებული ხარჯები, ხოლო პასუხისმგებელმა ადამიანებმა და ინსტიტუტებმა განსაზღვრონ მისაღები მიზანი და უზრუნველყონ გადაწყვეტილების გადახედვა. ასეთი თანამშრომლობა გაცილებით კონკრეტული ამოცანაა, ვიდრე ადამიანის ან მანქანის აბსოლუტურ უპირატესობაზე დავა.

კითხვები და პასუხები

ადამიანმა ყველა პასუხი ხელით უნდა დაამტკიცოს?

არა. კონტროლის ფორმა უნდა შეესაბამებოდეს ამოცანას, რისკსა და მოქმედ სამართლებრივ მოთხოვნებს. პასუხისმგებლობა და ყოველ მოქმედებაზე თანხმობა ერთი რამ არ არის.

AI-ს შეუძლია თავადაც შემოგვთავაზოს მიზანი?

დიახ. სისტემას შეუძლია აღწეროს ალტერნატიული მიზნები და მათი შესაძლო შედეგები. ორგანიზაციის სახელით მიზნის დამტკიცებას ცალკე უფლებამოსილება სჭირდება.

კვლევამ ადამიანის უპირატესობა გაზომა?

არა. კვლევაში შედარდა წყაროები და გამოთვლები ავტორის მიერ შედგენილ მაგალითზე შესრულდა. ადამიანებისა და AI მოდელების შედეგები ერთმანეთს არ შედარებია.

165 წუთისას მიღებული თანხვედრა რას ნიშნავს?

ამ კონკრეტულ მაგალითში რესურსი ექვსივე საქმისთვის საკმარისია და ორივე მიზნის შემთხვევაში ერთი და იგივე საქმეები შეირჩევა. ეს ყველა შესაძლო მიზნის თანხვედრას არ ამტკიცებს.

კვლევის საფუძველი

კვლევის კითხვა: რა განსხვავებაა AI-სთვის ანალიზის გადაცემას, მიზნის განსაზღვრასა და გადაწყვეტილებაზე პასუხისმგებლობას შორის და როგორ ცვლის მიზანი არჩევანს უცვლელ მონაცემებში?

მეთოდი: BTUAI-მ 2026 წლის 6 ნოემბერს სამი მიზნობრივად შერჩეული წყაროს შესაბამისი მონაკვეთები ოთხი კითხვით შეადარა: მოქმედების სფერო, პასუხისმგებლობა, ადამიანის ჩართვა და გამონაკლისები. შემდეგ ექვსი პირობითი მომსახურების საქმის ყველა 64 ნაკრები ორი მიზნის მიხედვით შეაფასა: დასრულებული საქმეების რაოდენობისა და შერჩეული საქმეების უკვე გასული ლოდინის დღეების ჯამის მაქსიმიზაცია. თანაბარი შედეგის შემთხვევაში არჩევანი ჯერ მეორე მიზნის, შემდეგ კი ნაკლები სამუშაო დროის მიხედვით კეთდებოდა.

მონაცემები და პერიოდი: გამოყენებულია „NIST AI RMF 1.0“-ის 2023 წლის ტექსტი, „UNESCO“-ს 2021 წლის რეკომენდაცია და საქართველოს კანონი, რომელიც გადამოწმებულია 6 ნოემბერს. A–F საქმეების ავტორისეული სამუშაო დროა 10, 15, 20, 30, 40 და 50 წუთი; ლოდინის შესაბამისი ხანგრძლივობაა 1, 2, 3, 12, 15 და 18 დღე. დროის ზღვრებია 60, 90, 120 და 165 წუთი.

ძირითადი შედეგი და ერთეულები: წყაროთა შედარება აჩვენებს, რომ მიზანი, პასუხისმგებლობა და ადამიანის ჩართვის ფორმა ცალ-ცალკე უნდა განისაზღვროს. გამოთვლით მაგალითში 60 წუთის პირობებში საქმეთა რაოდენობაზე ორიენტირებული წესი ირჩევს A, C, D-ს (3 საქმე; ლოდინის ჯამი 16 დღე), ლოდინის დღეების ჯამზე ორიენტირებული წესი კი A, F-ს (2 საქმე; 19 დღე). არჩევანი განსხვავდება 90 და 120 წუთზეც, ხოლო 165 წუთზე ორივე ექვსივე საქმეს მოიცავს. ლოდინის ჯამი არ არის დაზოგილი დრო ან სამართლიანობის საზომი.

შეზღუდვები: წყაროებს განსხვავებული სამართლებრივი სტატუსი აქვს; შერჩევა არ არის სისტემატური მიმოხილვა. რიცხვები გამოგონილია და არ აღწერს რეალურ მომხმარებლებს. მოდელი გამორიცხავს გადაუდებლობას, ახალ მოთხოვნებს, პარალელურ მუშაობასა და ხანგრძლივობის გაურკვევლობას. ეს არ არის AI ექსპერიმენტი, ადამიანის უპირატესობის ტესტი ან ბიზნესის შედეგის შეფასება. კონკრეტულ დანერგვას სამართლებრივი და დარგობრივი შეფასება სჭირდება.

პირველწყაროები:

NIST AI RMF 1.0, Section 3 (2023): https://airc.nist.gov/airmf-resources/airmf/3-sec-characteristics/

NIST AI RMF 1.0, Appendix C (2023): https://airc.nist.gov/airmf-resources/airmf/appendices/app-c-ai-risk-management-and-human-ai-interaction/

UNESCO (2021), paragraphs 35–43: https://www.unesco.org/en/legal-affairs/recommendation-ethics-artificial-intelligence

Matsne, Articles 19 and 90: https://matsne.gov.ge/ka/document/view/5827307