Yapay zeka yönetişiminin ilk dalgası doğru şeyleri söylemekle ilgiliydi: ilkeler, kabul edilebilir kullanım politikaları, yönlendirme komiteleri ve risk beyanları. Bunlar faydalıdır ancak modelleri yönetmezler. Modeller kararlara göre yönetilir: bir kullanım senaryosunu kimin onaylayabileceği, hangi kanıtın gerekli olduğu, hangi verilere izin verildiği, nelerin izlendiği ve saptığında sistemi durdurma yetkisinin kimin olduğu.

NIST'in Yapay Zeka Risk Yönetimi Çerçevesi ve üretken yapay zeka profili, konuşmayı doğru yöne itti: yönetin, haritalayın, ölçün ve yönetin. Asıl soru, bu fiillerin, yanında duran bir belge yerine nasıl uygulamanın bir parçası haline getirileceğidir.

Politika yeterli değil

Yalnızca politikaya dayalı yönetişimin başarısız olmasının nedeni yapısaldır. AI sistemleri lansmandan sonra değişir. Bilgi istemleri değişir. Veri değişiklikleri. Kullanıcılar geçici çözümler bulur. Satıcılar modelleri günceller. Yalnızca lansmanı onaylayan bir yönetişim modeli, asıl önemli olan şeyi gözden kaçırır: yaşam döngüsü.

Sergi 1
Yapay zeka kontrol yığını
Üretimde kullanımdan önce bulunması gereken kontroller
Kullanım senaryosu onayı
Kapı
Veri hakları ve köken
Kontrol
Model değerlendirmesi
Kanıt
İnsan geçersiz kılma
Güvenlik
Lansman sonrası izleme
Yaşam Döngüsü
Kaynak: NIST AI RMF, NIST GenAI Profili ve OECD AI yönetişim çalışmalarının Kaya Development sentezi

Yaşam döngüsü yönetim birimidir

Ciddi bir işletim modeli, yapımdan önce, pilot uygulamadan önce, üretimden önce ve lansmandan sonra kapılar oluşturur. Her kapı farklı bir soru sorar. Erken kapı, kullanım senaryosunun yapılmaya değer olup olmadığını sorar. Üretim kapısı, sisteme bağlamda güvenilip güvenilemeyeceğini sorar. İzleme kapısı sistemin hala çalışmayı hak edip etmediğini sorar.

Sergi 2
Model yaşam döngüsü kapısı haritası
Her kontrol noktasının neye karar vermesi gerektiği
Kullanım senaryosu alımıİş değeri, kullanıcı etkisi, risk katmanı
Keşfetmeyi onayla
Veriler ve satıcı incelemesiHaklar, gizlilik, güvenlik, bağımlılıklar
Oluşturmayı onayla
Değerlendirme ve kırmızı takımDoğruluk, önyargı, sağlamlık, yanlış kullanım
Pilotluğu onayla
Üretim hazırlığıSahip, SLA, izleme, geri dönüş
Başlatmayı onayla
Canlı izlemeDrift, olaylar, kullanıcı davranışı
Tut, değiştir, durdur
Kaynak: Kaya Development AI işletim-kontrol çerçevesi

Sahiplik, yönetimin gerçeğe dönüştüğü yerdir

Her yapay zeka sisteminin üç sahibine ihtiyacı vardır: karardan sorumlu bir işletme sahibi, sistemden sorumlu bir teknik sahip ve kanıtlara itiraz edebilecek bir risk sahibi. Üçünden herhangi biri eksik olursa yönetim törensel hale gelir.

Sergi 3
Yapay zeka risk sahipliği matrisi
Sorumluluğun nerede olması gerektiği
Risk odaklı blokYüksek inceleme, düşük işletme sahipliği. Kararlar duruyor.
Dengeli kontrolİşletme değerin sahibidir; risk ve teknolojinin kendi zorlukları ve kanıtları.
Gölge Yapay ZekasıAçık bir sahibi yok. Görünürlük olmadan kullanım artıyor.
uygulama önyargısıGüçlü iş çekme, zayıf bağımsız meydan okuma. Olaylar birikir.
İşletme sahipliği →
Bağımsız meydan okuma →
Kaynak: Kaya Development AI yönetim teşhisi

Liderlerin bundan sonra ne yapması gerekiyor?

Canlı ve canlıya yakın yapay zeka sistemlerinin envanterini çıkararak başlayın. Yeni bir komiteyle başlamayın. Gerçek kararların yapay zeka tarafından veya yapay zeka yardımıyla alınmasıyla başlayın. Daha sonra sahipleri atayın, kapıları ayarlayın ve her sistemin çalışmaya devam etmesi için ihtiyaç duyduğu kanıtları tanımlayın.

Uygulanabilir minimum yapay zeka yönetişimi
  1. Risk katmanlarına sahip bir kullanım senaryosu kaydı.
  2. Her üretim sistemi için belirlenmiş iş, teknik ve risk sahipleri.
  3. Bir sistemi başlatıldıktan sonra durdurabilen veya değiştirebilen yaşam döngüsü kapıları.