Amikor 2026-ban mesterséges intelligencia (MI) használatával találkozunk munkahelyi környezetben, nem feltétlenül kérdőjelezzük meg annak legitimitását. A mesterségesintelligencia-eszközök valóságosan behálózták a mindennapjainkat, alig találunk olyan területet, ahol ne alkalmaznánk ezeket valamilyen formában. A cikkben a szerző arra hívja fel a figyelmet, hogy nagyon is fontos kérdés a mesterségesintelligencia-eszköz legitimitása egy adott környezetben: a munkaviszony tartós, bizalmi jellegénél fogva a felek kölcsönös átláthatóságra alapozzák a magatartásukat, de megalapozott-e a bizalom, amikor az egyik fél olyan innovációt von be, amely nem volt előzetes egyeztetés tárgya a felek között? Az innováció, amely a mesterségesintelligencia-eszközökben rejlik, esély mind a munkáltatónak, mind a munkavállalónak, de fontos, hogy kidolgozott stratégiával, közösen építsék be a munkafolyamatokba, ezzel nem sértve sem a bizalmi viszonyt, sem az újításban rejlő potenciált.
Az elmúlt évek egyik leginkább "felforgató" jelensége kétségtelenül a mesterséges intelligencia, nehéz feladat lenne a megjelenéséhez fogható hasonlót megnevezni. Rendkívül rövid idő alatt sajátos utat járt be; a tudományos fikcióból eljutott a mindennapokba. Törvényszerű, hogy egy ilyen korszakalkotó eszköz a munkakörnyezetbe is utat tör magának, viszont korántsem közömbös, hogy ezt milyen módon teszi. Amint azt a mérföldkőnek tekinthető európai uniós szabályozásban, az MI-rendelet preambulumában olvashatjuk, az MI-rendszerekkel kapcsolatos kockázatok keletkezhetnek egyrészt az ilyen rendszerek kialakításának módjából, másrészt származhatnak abból is, ahogyan az MI-rendszereket használják.[1] A tanulmány az úgynevezett Shadow AI, vagyis azon jelenség lehetőségeinek és kockázatainak feltérképezését tűzi ki célul, amikor is a munkavállalók munkáltatói felügyelet mellőzésével alkalmazzák a mesterséges intelligenciát. Mindezt a munkajog, valamint az MI-rendelet kontextusában vizsgálja.
1. A mesterséges intelligencia és a Shadow AI jelenségének meghatározása
1.1. A mesterséges intelligencia fogalma
1.2. A Shadow AI fogalma és munkahelyi megjelenése
1.3. A Shadow AI mögötti emberi tényezők
2. A Shadow AI jogi megítélése
2.1. Az MI-rendelet kontextusában
2.2. A szabálytalan MI-használat munkajogi összefüggései
3. Megfelelőség a gyakorlatban
3.1. Szabályozott (adott esetben saját) MI bevezetése
3.2. Hálózati szintű átláthatóság
3.3. MI-adatforgalom proxy szerver bevezetése
3.4. Osztályzás
3.5. Kidolgozott incidensreakció
4. Összegzés
A vizsgált témakör tekintetében - kiváltképp annak újszerűsége okán - a fogalomalkotás elengedhetetlen, de az egyben komoly kihívást is jelent. A témával összefüggő jelenségek több oldalról is értelmezhetők, a különböző szempontok és tudományterületek szintetizálása viszont nélkülözhetetlen a koherens elemzés érdekében. Mint jelenkori vívmány, számos definíció metszetéből alkothatunk egy valamelyest körültekintő fogalmat a mesterséges intelligencia számára, arra azonban fel kell hívni a figyelmet, hogy a terület rohamos fejlődése nehezen lekövethető statikus meghatározásokkal. Ahhoz, hogy megérthessük, milyen típusú mesterséges intelligenciákkal dolgozunk napi szinten, mindenekelőtt néhány számítástechnikai fogalmat kell megismernünk, hogy végül megtaláljuk a munkakörnyezetben alkalmazott jellemző Shadow AI mesterségesintelligencia-típusokat.
Az első és legtágabb a gépi tanulás (Machine Learning, ML) fogalma, amely egy gyűjtőfogalom, és olyan algoritmusok széles körét jelöli, amelyek egy adott adathalmaz alapján képesek intelligens előrejelzéseket készíteni.[2] Az algoritmus a szá-
- 36/37 -
munkra értelmezhető szavakhoz matematikai (számítási) elemeket rendel, amelyek valószínűségét kiszámítva prediktálja a következő elemet. Érthetjük úgy, hogy betűnként próbálja kiszámítani a legvalószínűbb mondatot válaszul kérdéseinkre. Ezen belül a mélytanulás (Deep Learning, DL) olyan sokrétegű neurális hálózatokra utal, amelyekben több rétegben képes dolgozni, ezáltal jelentősen mélyebb algoritmustréninget tesz lehetségessé. Ezáltal lehetővé válik, hogy nagy mennyiségű adatból önállóan kinyerje a hasznos mintákat.[3] Elterjedését három központi faktorra lehet visszavezetni: egyrészt a hardver megfelelő szintű fejlesztésen ment keresztül a nagy teljesítményű processzorok elterjedése által, másrészt hatalmas mennyiségű rendelkezésre álló adat szolgálja ki a mélytanuló algoritmusokat, harmadrészt pedig az ilyen szintű algoritmus, neurális hálózat kreativitás szimulálására is alkalmas. A neurális hálózat a következő rétege a fogalomsornak, amely "mesterséges neuronjai" - egyszerű számítási elemei - párhuzamosan képesek dolgozni és közben tanulni a környezetükből, a megszerzett tudást pedig a közöttük lévő kapcsolatokban tárolják.[4] Ez közeli hasonlóságot mutat az emberi agy működéséhez, de hangsúlyozandó, hogy az úgynevezett tudás ez esetben tárolt adat, nem a valódi megértése annak. A sort zárja a transzformer fogalma, amely 2017-ben forradalmasította a mesterségesintelligencia-kutatás területét, és végső soron ez vezetett a napjainkban tapasztalható MI-áttöréshez. Ez az új hálózat kizárólag az úgynevezett "figyelem mechanizmusra" épül. Ez egy olyan módszer, mely megadja, hogy egy adott szó feldolgozásakor mely más szavakra kell figyelemmel lenni, mivel áll jellemzően kapcsolatban, és mennyire fontosak azok az adott kontextusban. Amikor egy transzformer modell kérdést kap, minden szóhoz kiszámolja, hogy mely más szavak kapcsolódnak hozzá, azok fontosságát (valószínűségét), és ezen adatok összegzése alapján szolgál egy válasszal.[5] Ez a mechanizmus először chatformátumban az OpenAI ChatGPT nagy nyelvi modelljeként (large language modul, LLM) került piacra, és ez működteti a legelterjedtebb MI-rendszereinket. Ilyenek a Gemini, a Copilot, illetve a Claude vagy a képfeldolgozó és képgeneráló modellek [korábban Convolutional Neural Networks (CNN)] között, de ma már fragmentált a piac, és jellemzőek egyéb képgeneráló MI-modellek is [Diffusion Model (DM), mint az Imagen és a Vision Transformer], valamint a fent említett elv alapján működnek a hangfeldolgozó modellek is (Speech Processing, SP), mint például a Whisper.
Az ilyen modelleket gyakran generatív MI vagy GenAI néven emlegetik, és funkciójukat tekintve olyan modellek, amelyek képesek kérésre, illetve kérdésre válaszul olyan új tartalom készítésére, amelyet nem lehet megkülönböztetni az ember által készített tartalomtól - legyen az text, audio vagy vizuális tartalom.[6]
Összegezve: a mesterséges intelligencia - legalábbis ahogyan azt a munkakörnyezetben legelterjedtebb formájában chatbotként alkalmazzuk - figyelem mechanizmusra épülő transzformer modelleket jelent, amelyek arra hivatottak, hogy kiszámítsák a legvalószínűbb választ az általunk betáplált kérdésekre, mégpedig jelentős mértékű betanító adatmennyiség ismerete alapján.
A Jogkódex-előfizetéséhez tartozó felhasználónévvel és jelszóval is be tud jelentkezni.
Az ORAC Kiadó előfizetéses folyóiratainak „valós idejű” (a nyomtatott lapszámok megjelenésével egyidejű) eléréséhez kérjen ajánlatot a Szakcikk Adatbázis Plusz-ra!
Visszaugrás
