Policy för AI-modeller: vem bestämmer vilka som är tillåtna
5 minuters läsning
De flesta konsultbolag har aldrig bestämt vilka AI-modeller medarbetarna får använda i kundarbete. I praktiken avgjordes det av den som först skaffade ett verktyg. Så gör ni det till ett beslut med en ansvarig.
En policy för AI-modeller är en kort lista över de modeller som bolaget tillåter i kundarbete, med en namngiven person som håller den aktuell och ett datum då den ses över. Den får plats på en sida. De flesta konsultbolag har ingen, och det beror sällan på att de har bestämt sig emot. Frågan kom aldrig upp, så svaret blev de verktyg som folk råkade skaffa konton i.
Det här är en annan fråga än att välja rätt modell för varje uppgift. Det inlägget handlar om vilken modell som passar ett visst arbete. Det här handlar om vem som bestämmer vad som står på menyn från början.
Därför blir fritt modellval ett problem
Fritt modellval blir ett problem eftersom ingen kan redovisa det i efterhand. När varje konsult väljer sin egen modell kan bolaget inte säga vilka modeller som har hanterat en kunds material, eller på vilka villkor. En kund kan fråga precis det i ett säkerhetsformulär eller en avtalsbilaga, och ”det beror på vem som gjorde jobbet” är ett dåligt svar.
Det kostar också i kvalitet. Samma återkommande uppgift körs med olika modeller beroende på vem som gör den, så resultatet varierar av skäl som inte har med arbetet att göra. Granskarna får kompensera för en skillnad de inte kan se.
En lista över tillåtna modeller löser båda problemen, och ingen behöver bli modellexpert. Folk väljer från en kort meny, och bolaget vet vad som står på den.
Vem som ska äga listan
En namngiven person ska äga listan, och det bör vara någon nära leveransen. I ett konsultbolag är det oftast en operativ chef, en affärsområdeschef eller en partner som bryr sig om hur arbetet blir gjort. Det behöver inte vara ett IT-projekt, och i ett bolag utan IT-avdelning kan det inte vara det.
Ägaren behöver inte följa nya modellsläpp i detalj. Uppgiften är att se till att frågorna nedan har ställts om varje modell på listan och att någon ställer dem igen på översynsdatumet. En kommitté brukar sköta det sämre än en enskild person, eftersom varje ledamot tror att någon annan redan har gjort uppdateringen.
Det här ska vara avgjort innan en modell kommer upp på listan
Ställ samma fem frågor om varje modell innan den tillåts.
| Fråga | Varför det spelar roll |
|---|---|
| Används kunddata för att träna modellen? | Kundmaterial får inte hamna i en modell som andra bolag använder |
| Var behandlas och lagras data? | Vissa kunder anger en region i avtalet |
| Vilken typ av arbete är den tillräckligt bra för? | Avgör vilka team och uppgifter modellen tillåts för |
| Finns det en billigare modell som gör jobbet lika bra? | Den starkaste modellen sparas till det arbete som kräver den |
| Vem bad om den, och till vad? | En modell som ingen kan ange ett användningsområde för ska inte stå på listan |
Skriv ned svaren bredvid modellen. När en kund frågar hur bolaget använder AI är listan och de svaren större delen av svaret.
Begränsa listan per team där arbetet skiljer sig
En gemensam lista för hela bolaget är rätt utgångspunkt. Begränsa den per team bara där arbetet skiljer sig så mycket att det är motiverat. Ett analysteam som gör långa sammanställningar av kunddokument kan behöva den starkaste modellen på listan. Ett team som skriver rutinmässiga statusrapporter behöver den inte, och när den tas bort från deras meny slipper de ett beslut varje gång de börjar på en uppgift.
Begränsningen ska alltid gå åt ett håll. Ett teams lista är en delmängd av bolagets lista, aldrig ett tillägg till den. Behöver ett team en modell som bolaget inte har godkänt ska modellen gå igenom de fem frågorna och läggas till för alla som bör ha den. Tillåter ni en särlösning för ett team är ni tillbaka vid fritt val.
Gör listan till den enda vägen
Står policyn i ett dokument medan verktyget tillåter vad som helst är den bara ett råd. Listan fungerar först när det inte går att använda modeller utanför den där arbetet faktiskt görs. Annars hänger policyn på att alla kommer ihåg den under tidspress, och den glöms bort redan första stressiga veckan.
Det är också skillnaden mellan en policy och ett förbud. Får folk en bra och kort lista brukar de använda den. Får de höra att de inte får använda AI i kundarbete, utan att något annat erbjuds, brukar de använda det ändå via ett privat konto.
Se över listan på ett fast datum
Gå igenom listan varje kvartal och när en leverantör ändrar sina villkor för data. Ett kvartal är tillräckligt långt för att översynen inte ska bli ett ständigt måste, och tillräckligt kort för att listan inte ska hamna långt efter det som finns på marknaden.
Själva översynen går fort. Kontrollera för varje modell på listan att de fem svaren fortfarande gäller och att modellen används. Med användningen per team ser ni vilka modeller folk faktiskt använder och vilka som lades till för ett projekt som avslutades för flera månader sedan. Ta bort det som inte används, eftersom varje modell som står kvar på listan är ännu en som bolaget måste kunna svara för.
Så ser det ut i Hebno
I Hebno väljer en administratör vilka modeller bolaget kan använda och kan begränsa listan för varje team. Modeller utanför listan går inte att välja, så policyn gäller där arbetet görs och ingen behöver komma ihåg den. Användningen syns per team, medlem och kundprojekt, och det är den informationen ni behöver för kvartalsöversynen. På funktionssidan för Styrning ser du inställningarna.
Mer om modellval finns i Rätt AI-modell till en kostnad ni styr, där vi går igenom hur listan och användningsvyn hänger ihop.
