Zanim przejdziesz do tej części, upewnij się, że przeczytałeś artykuł „Jak organizacje społeczeństwa obywatelskiego mogą przewodzić w dziedzinie odpowiedzialnego używania AI”, Wprowadzenie do niniejszego praktycznego przewodnika, Część 1: PATRZ - Przygotowanie gruntu, Część 2: TWÓRZ – Zidentyfikowanie i zdefiniowanie zasad, Część 3: Zastosowanie w praktyce oraz Część 4: TWÓRZ – Zdefiniowanie własności zarządzania AI w organizacjach społeczeństwa obywatelskiego
Są organizacje, w których wdrażanie polityki dotyczącej AI zaczyna się od wykonania „testu sygnalizacji świetlnej”, który każdemu członkowi zespołu zajmie nie więcej niż 60 sekund. W innych, polityka AI zawiera zasadę „Nie kieruje mną maszyna”, której tytuł pochodzi bezpośrednio od jednego z członków zespołu, który wypowiedział to wyrażenie podczas warsztatów. Ludzie nieustannie do niej nawiązują, nie dlatego, że tak im kazano, ale dlatego, że odnajdują w tym siebie.
Porównajmy te dwa przykłady z częściej spotykaną sytuacją: ktoś otrzymuje polecenie, by „opracować wytyczne”, a trzy miesiące później na wspólnym dysku zalega 20-stronicowy dokument, którego nikt nie otwiera.
Jaka jest różnica? W dwóch pierwszych przypadkach zasady przygotowano razem z ludźmi. W trzecim, napisano je o nich.
W niniejszym artykule, trzecim z serii „Mapa drogowa odpowiedzialnego AI dla NGOsów”, omówiono, w jaki sposób organizacje społeczeństwa obywatelskiego mogą tworzyć zasady dotyczące sztucznej inteligencji, z których zespoły faktycznie będą korzystać. Nie dokumenty dotyczące zgodności, które tylko zbierają kurz, ale żywe zapisy wspólnych ustaleń.
Czym właściwie jest polityka AI (a czym nie jest)
Polityka AI nie jest dokumentem prawnym narzuconym z góry. To pisemna wersja wspólnych ustaleń, które organizacja wypracowała na wcześniejszych etapach realizacji tej mapy drogowej.
Tok pracy jest naturalny: W artykule nr 1napięcia stały się zasadami, wartościami, na których opiera się każda decyzja dotycząca sztucznej inteligencji. W artykule nr 2 zasady te znalazły swoje miejsce w organie zarządzającym (Drzewie), czyli wśród osób, które nadzorują toczącą się rozmowę. Teraz głównym zadaniem Drzewa jest udokumentowanie ustaleń kierujących codziennym użyciem AI. Polityka to po prostu spisanie tych ustaleń językiem, który pozwoli działać całemu zespołowi.
A co jeśli dana organizacja nie przeszła jeszcze przez wcześniejsze etapy? Rozpoczęcie od rozmowy o polityce nadal ma sens. W praktyce w naturalny sposób ujawnia to zasady i kwestie związane z zarządzaniem, którymi należy się zająć, tyle że w innej kolejności.
W metodologii PATRZ → TWÓRZ → BUDUJ opisanej w artykule nr 1, opracowanie polityki stanowi ostatni etap fazy TWORZ, w którym ustalenia są spisywane przed przejściem do fazy BUDUJ, gdzie dzięki ocenie ryzyka zostają one wdrożone.
Warto zwrócić uwagę na następujące rozróżnienie:
Zasady oznaczają to, w co wierzymy.
Zarządzanie oznacza, kto prowadzi rozmowę.
Polityka oznacza, na co się zgodziliśmy.
Takie ujęcie jest ważne, ponieważ zmienia emocjonalny ciężar „pisania polityki”. Nie chodzi o to, żeby wymyślać reguły. Chodzi o to, by udokumentować decyzje, które zespół już wspólnie podjął.
Ważna uwaga dotycząca zakresu: Większość organizacji rozpoczyna opracowywanie polityki AI skupiając się na wykorzystaniu generatywnej AI oraz praktycznych wytycznych dotyczących takich narzędzi jak ChatGPT, serwisy tłumaczeniowe czy generatory obrazów. To słuszny i rozsądny punkt wyjścia. W miarę jak organizacja dojrzewa i zaczyna przeprowadzać oceny ryzyka (o czym mowa w artykule nr 4), ich wyniki w naturalny sposób znajdują odzwierciedlenie w polityce, przekształcając ją w bardziej kompleksowy dokument zarządczy. Rozpoczęcie od wykorzystania GenAI nie oznacza, że „robi się to źle”. Oznacza to po prostu, że robi się to we właściwej kolejności.
Dlaczego ma to teraz znaczenie?
Dwa czynniki sprawiają, że zadanie to staje się dla organizacji społeczeństwa obywatelskiego sprawą pilną.
1. Problem sztucznej inteligencji działającej w cieniu. Bez jasnych i zrozumiałych ustaleń ludzie podejmują decyzje w izolacji, dokładnie tak jak w scenariuszu przedstawionym na początku artykułu nr 2 z tej serii. W organizacjach, które przeszły proces diagnozy, jednym z najczęstszych odkryć jest fakt, że w zespole wykorzystywane są narzędzia AI, o których nigdy wcześniej nie rozmawiano w sposób formalny. To nie jest porażka poszczególnych osób tylko brak jasności. Polityka sprawia, że to, co niewidzialne, staje się widoczne, nie po to, by karać, ale by stworzyć wspólną płaszczyznę działania.
Ryzyko jest realne: wolontariusz wprowadza dane beneficjentów do bezpłatnego narzędzia AI, nie zdając sobie sprawy, że mogą one zostać wykorzystane do trenowania modelu; raport z realizacji dotacji trafia do odbiorców z danymi statystycznymi będącymi halucynacjami AI, których nikt nie zweryfikował; w dokumencie prawnym przetłumaczonym przez AI pojawia się błąd dotyczący kluczowego szczegółu. Nie są to scenariusze hipotetyczne. Organizacje społeczeństwa obywatelskiego już teraz mają z takimi sytuacjami do czynienia.
2. Problem zaufania. Organizacje społeczeństwa obywatelskiego dysponują wyjątkowo wrażliwymi informacjami: historiami beneficjentów i szczegółami spraw, a także relacjami z darczyńcami oraz zaufaniem społeczności budowanym przez lata. Ochroną tego zaufania jest właśnie polityka, którą cały zespół rozumie i za którą czuje się odpowiedzialny. Nie jest to statyczny dokument schowany w szufladzie, lecz żywy punkt odniesienia, z którego ludzie korzystają, gdy natrafiają na niejasną sytuację.
Kto tworzy politykę (i w jaki sposób)?
Procesem kieruje organ zarządzający (Drzewo), ale polityka powinna nosić ślady tych, którzy będą z nią mieli do czynienia na co dzień. W małym zespole rozmowa o polityce może zgromadzić w jednym pomieszczeniu całą organizację, co tak naprawdę stanowi zaletę. Mniejsza liczba szczebli oznacza szybsze dostrojenie i silniejsze poczucie odpowiedzialności.
W praktyce sprawdzają się zazwyczaj dwa podejścia.
1) Podejście „od manifestu do polityki” sprawdza się gdy organizacja sformułowała już swoje zasady w dokumencie przeznaczonym dla opinii publicznej. Organ zarządzający przekłada te zasady na praktyczne wytyczne do stosowania na co dzień, system sygnalizacji świetlnej, przepisy ruchu drogowego oraz kanały zgłaszania zdarzeń, a cały zespół analizuje i dopracowuje ten projekt. Polityka „Mindful AI” organizacji ChangemakerXchange stanowi doskonały przykład tego podejścia
2) Podejście oparte na wspomaganym współtworzeniu sprawdza się w sytuacjach, gdy politykę trzeba opracować od podstaw. Proces ten zazwyczaj obejmuje sesję diagnostyczną mającą na celu przedstawienie obecnego wykorzystania AI oraz otoczenia regulacyjnego, warsztaty poświęcone zasadom, podczas których niewielka grupa reprezentująca różne role omawia oczekiwania, obawy i kwestie niepodlegające negocjacjom, a także warsztaty współtworzenia, których celem jest wspólne zatwierdzenie projektu.
Wspólnym elementem obydwu podejść jest kluczowa decyzja projektowa: wykorzystanie w ostatecznej wersji dokumentu języka używanego przez samych uczestników. Kiedy użyte przez kogoś wyrażenie staje się nazwą zasady lub reguły, polityka przestaje być „dokumentem kierownictwa” i staje się czymś, co należy do zespołu. Ludzie przestrzegają ustaleń, w których tworzeniu brali udział.
Kilka zaangażowanych osób może stworzyć solidną pierwszą wersję, ale na tym nie powinno się poprzestać. Szerokie udostępnienie projektu w celu uzyskania opinii oraz wykorzystanie szkoleń jako kolejnej okazji do zgłaszania pytań i wskazywania luk jest rozmyślnym poszerzeniem grona osób zaangażowanych przed ostatecznym zatwierdzeniem polityki. Im bardziej zróżnicowany wkład w tworzenie polityki, tym mniej luk w ostatecznej wersji dokumentu.
Takie postępowanie obowiązuje niezależnie od rozmiaru organizacji: Ujawnijcie to, co naprawdę ma znaczenie. Wypracujcie wspólne ustalenia. Zapiszcie je w języku zrozumiałym dla całego zespołu. Chociaż procesem tym ten kieruje organ zarządzający (Drzewo), to w dokumencie powinny znaleźć się opinie całego zespołu.
Co składa się na treść polityki? Najważniejsze elementy
Zamiast podania listy kilkunastu punktów, najlepiej przemyśleć treść polityki przez pryzmat trzech pytań, które zada każdy członek zespołu.
1) „Czy mogę tego użyć?": Struktura sygnalizacji świetlnej
Organizacje, które zbudowały skuteczną politykę AI zazwyczaj do jej realizacji wykorzystują system oparty na zasadzie sygnalizacji świetlnej. To rozwiązanie sprawdza się, ponieważ zastępuje paraliżujące poczucie niepewności prostym i praktycznym testem:
🔴 Czerwone światło (stop): Nieprzekraczalne granice wynikające bezpośrednio z zasad.
Na przykład: Dane poufne nigdy nie trafiają do publicznie dostępnych modeli AI. Sztuczna inteligencja nigdy nie podejmuje istotnych decyzji dotyczących ludzi bez weryfikacji przez człowieka. Wrażliwe osobiste relacje (np. osób ubiegających się o azyl, osób, które przeżyły traumatyczne wydarzenia, lub osób znajdujących się w sytuacji kryzysowej) nigdy nie są przetwarzane za pomocą narzędzi publicznych. Są to bezwzględne granice, których organizacja nie może nigdy przekroczyć.
🟡 Żółte światło (zatrzymaj się i zapytaj): To właśnie tutaj faktycznie realizowane jest zarządzanie.
Na przykład: Sytuacje zastrzeżone dla decyzji o wysokiej stawce, nowych narzędzi, które nie zostały jeszcze zweryfikowane, a także danych wrażliwych w każdym kontekście związanym ze sztuczną inteligencją. Takie przypadki wymagają konsultacji z organem zarządzającym przed podjęciem dalszych działań. Kolor żółty nie oznacza „nie”, tylko „sprawdźmy to razem”.
🟢 Zielone światło (działaj): Zatwierdzone zastosowania zgodne z ustalonymi wytycznymi, które dają pracownikom pewność, że mogą działać bez konieczności uzyskiwania zgody w przypadku rutynowych zadań.
Na przykład: wykorzystanie zatwierdzonego narzędzia AI do przygotowania wstępnej wersji biuletynu informacyjnego przeznaczonego do upublicznienia lub stworzenie listy pytań do dyskusji na warsztaty społecznościowe przy użyciu wyłącznie informacji ogólnodostępnych, które nie zawierają danych wrażliwych. Wszystko będzie oczywiście zależeń od wewnętrznych ustaleń.
Istotny niuans: System sygnalizacji świetlnej odnosi się do kombinacji narzędzie + przypadek użycia + wrażliwość danych, a nie do samego narzędzia. To samo narzędzie może mieć zielone światło dla przygotowania publicznego wpisu na blogu, ale czerwone dla sporządzenia podsumowania poufnych notatek dotyczących sprawy. Wszystkie te szczegóły zależą od konkretnej organizacji!
2) „Jakie są przepisy ruchu drogowego?”: Wytyczne dotyczące codziennego użytkowania
Każda polityka może zawierać podstawowe ustalenia, które mają zastosowanie do całości użycia AI, nawet przypadków, dla których jest zielone światło. To są punkty wyjścia. Każda organizacja wypracowuje zasady odzwierciedlające jej własne wartości i sposób działania.
Wszystko sprawdzaj pod kątem zgodności z faktami. Treści generowane przez AI mogą być obarczone błędem lub całkowicie zmyślone. Każdy wynik traktuj jako pierwszy szkic, a nie ostateczną wersję.
Chroń dane. Traktuj informacje wprowadzane do zewnętrznych narzędzi AI tak, jakby miały zostać upublicznione. Usuwaj dane wrażliwe.
Zachowaj autentyczność. Dopilnuj, aby treści tworzone przy pomocy AI odzwierciedlały głos twojej organizacji. CXC nazywa to zabezpieczeniem przed „niechlujstwem AI”.
Utrzymuj transparentność. Ujawniaj fakt użycia AI, jeżeli miała ona istotny wpływ na kształt treści, zwłaszcza w komunikacji zewnętrznej lub w ocenach.
Zachowaj umiar. Nie każda wiadomość e-mail wymaga wstępnego przygotowania przez AI. Zastanów się, czy dana czynność uzasadnia użycie tego narzędzia.
3) „A co, jeśli coś pójdzie nie tak?”: Proces uczenia się
Polityka nie jest kompletna bez jasnego planu postępowania na wypadek niepomyślnego obrotu spraw. Można to ująć wyrażeniem „zgłaszaj, nie ukrywaj”. Wyznaczona osoba lub kanał, za pośrednictwem którego można zgłaszać sprawy, jasne wskazówki dotyczące tego, jakie informacje są przydatne, a także nastawienie na naukę, a nie na karanie. Niezależnie od tego, co najlepiej pasuje do kultury organizacji, czy to wątek na czacie, e-mail pisany pod pseudonimem, czy też wyznaczona osoba odpowiedzialna, najważniejsze jest to, żeby takie rozwiązanie istniało i żeby wszyscy o nim wiedzieli.
Elementy strukturalne
Te trzy kluczowe pytania stanowią rdzeń wokół którego kilka elementów strukturalnych spaja całość polityki. Są to: jasno określony zasięg (kogo dotyczy polityka), zarządzanie (kto jest jest właścicielem polityki), rejestr AI (aktualizowana lista narzędzi z artykułu nr 1) oraz zobowiązanie do przeglądu (kiedy i w jaki sposób wprowadzane są aktualizacje).
Jest jeszcze jeden element, który łatwo przeoczyć: szkolenia. Polityka, której nikt nie miał okazji przećwiczyć, nie będzie realizowana. Nie wymaga to skomplikowanych programów. Wystarczy 30-minutowe spotkanie zespołu przeznaczone na wyjaśnienie zasad działania systemu sygnalizacji świetlnej, analizę rzeczywistych sytuacji oraz odpowiedzi na pytania. Szkolenie takie może zostać przeprowadzone np. przez członka zespołu pracującego na pierwszej linii, który dobrze rozumie realia codziennej pracy. Forma powinna być dostosowana do kultury organizacji. Może to być spotkanie zespołu, krótki film, jednostronicowa karta informacyjna lub instrukcje oparte na konkretnych sytuacjach. Chodzi o to, żeby każdy znał granice, rozumiał zasady sygnalizacji świetlnej i wiedział, do kogo się zwrócić z pytaniami.
Polityka, która się rozwija: Od pierwszej wersji do funkcjonującego systemu
Najważniejsze w pierwszej wersji jest to, że w ogóle istnieje.
Organizacje, które traktują swoją polityką AI jako dokument podlegający ciągłym zmianom, dbają o osadzenie w niej konkretnych mechanizmów ewolucyjnych, np. planowanych przeglądów co sześć miesięcy, mechanizmów uruchamianych w momencie wdrożenia nowego narzędzia lub wystąpienia poważnego incydentu, a także pętli informacji zwrotnej, w ramach których konsultacje w ramach procedury „żółtego światła” oraz rozmowy szkoleniowe nieustannie wskazują, co wymaga doprecyzowania.
Ścieżka rozwoju jest naturalna. Wersja pierwsza skupia się na wykorzystaniu generatywnej AI. W miarę jak organizacja przystępuje do przeprowadzania ocen ryzyka (artykuł nr 4), wyniki tych ocen są uwzględniane w dalszych działaniach, scenariusze z „żółtym światłem” są analizowane w ramach oceny skutków, opracowywane są strategie ograniczania ryzyka i wprowadzane są nowe zabezpieczenia. Dokument rozrasta się, ponieważ zespół coraz lepiej rozumie temat, a nie dlatego, że ktoś postanowił go wydłużyć.
Zaproszenie do rozpoczęcia
Zasady zostały zdefiniowane. Drzewo zostało nazwane. Polityka to po prostu spisanie istniejących uzgodnień i zapewnieniu klarowności, dzięki której zespół może pewnie działać.
Zacznij od czerwonych linii. Zbuduj wokół nich sygnalizację świetlną. Pierwsza wersja nie musi być wyczerpująca, ale powinna być szczera, oparta na współpracy i użyteczna. Reszta się rozwinie.
Materiał towarzyszący: „Praktyczny przewodnik po tworzeniu polityki AI” zawiera kompletny szablon: pytania przewodnie dla każdej sekcji, przykładowy tekst do dostosowania oraz proces pracy zespołowej nad nim.
Następny artykuł tej serii: Przewidziane w polityce scenariusze „żółtego światła” stanowią punkt wyjścia do oceny ryzyka. W kolejnym artykule omówimy, jak dokładniej analizować takie przypadki, oceniać potencjalne szkody oraz tworzyć zabezpieczenia, które zostaną uwzględnione w przyszłych wersjach polityki.
Twoja opinia ma znaczenie
Co sądzisz o tym tekście? Poświęć 30 sekund, aby podzielić się swoją opinią i pomóc nam tworzyć wartościowe treści dla społeczeństwa obywatelskiego!
Oświadczenia
Niniejszy artykuł należy do serii „Mapa drogowa odpowiedzialnego AI dla NGOsów” opracowanej przy okazji projektu AI for Social Change realizowanego przez TechSoup w ramach programu Digital Activism Program przy wsparciu Google.org. Wszystkie materiały są udostępniane na licencji Creative Commons Attribution 4.0 International.
Niniejszy materiał powstał przy okazji projektu AI for Social Change realizowanego przez TechSoup w ramach programu Digital Activism Program przy wsparciu Google.org.
Do stworzenia treści autor wykorzystał sztuczną inteligencję. Jednak cały artykuł został stworzony oraz poddany weryfikacji i przeglądowi przez autora i zespół TechSoup.
Narzędzia AI szybko się rozwijają i choć dokładamy wszelkich starań, aby zapewnić rzetelność udostępnianych przez nas treści, czasami niektóre informacje mogą być nieaktualne. Jeżeli zauważysz, że jakaś informacja jest nieaktualna, daj nam o tym znać pod adresem contact@hive-mind.community
O autorce
Ayşegül Güzel jest architektem odpowiedzialnego zarządzania sztuczną inteligencją, który pomaga organizacjom realizującym misję przekształcić lęk przed sztuczną inteligencją w godne zaufania systemy. Jej kariera łączy kierownicze przywództwo społeczne, w tym założenie Zumbara, największej na świecie sieci banków czasu, z prowadzeniem technicznej praktyki AI jako certyfikowany audytor AI i były analityk danych. Prowadzi organizacje przez cały proces transformacji zarządzania AI i przeprowadza techniczne audyty AI. Wykłada na uczelni ELISAVA i prowadzi międzynarodowe odczyty poświęcone podejściu do technologii zorientowanemu na człowieka. Dowiedz się więcej na stronie https://aysegulguzel.info lub zasubskrybuj jej biuletyn AI of Your Choice na stronie https://aysegulguzel.substack.com.