„A mesterséges intelligencia (MI) gyors, ágazatokon átívelő terjedése jelentős előnyökkel jár, ugyanakkor számottevő kockázatokat is hordoz, így például az elfogultságot, a diszkriminációt és az átláthatóság hiányát. E kockázatok mérsékléséhez olyan MI-irányítási (governance) keretrendszerekre van szükség, amelyek biztosítják az etikus és felelős alkalmazást. Bár a meglévő kutatások stratégiákat és etikai iránymutatásokat ismertetnek, az újonnan megjelenő felelős MI (Responsible AI, RAI) keretrendszerek, szabványok és szabályozások összehasonlító elemzése továbbra is korlátozott. E tanulmány ezt a hiányt kívánja pótolni: gyors áttekintő (rapid review) módszertan alkalmazásával 17 felelős MI-keretrendszert, -szabványt és -szabályozást vizsgál, amelyeket a kutatás során összefoglalóan MI-politikáknak neveztünk, különböző régiókból – többek között Szingapúrból, az Egyesült Államokból, az Egyesült Királyságból, Kanadából, Hirosimából és Ausztráliából –, valamint globális szervezetektől, így például a Gazdasági Együttműködési és Fejlesztési Szervezettől (OECD) és a Nemzetközi Szabványügyi Szervezettől (ISO). A kutatás négy fő kérdésre összpontosított: (1) a globális és helyi MI-politikák azonosítására, (2) kulcsjellemzőik azonosítására és elemzésére, (3) a megvalósítási kihívások értékelésére, valamint (4) egy integrált MI-irányítási keretrendszer tervezéséhez szükséges alapvető összetevők meghatározására. Tizenegy kulcsjellemzőt azonosítottunk, többek között: RAI-alapelvek, érintettek, szakaszok (az MI-szoftverfejlesztési életciklus), célközönségek, skálázhatóság, kikényszeríthetőség/érvényesíthetőség, erőforrás-igényesség, régió, technológia, MI-irányítási gyakorlatok (előfeltételek, kimenetek, megvalósítási eszközök vagy útmutatók), valamint az MI-irányítás területe. Az összehasonlító elemzés rámutatott, hogy bár az MI-politikák részletes megvalósítási útmutatást nyújtanak, eltérnek megközelítéseikben, kötelező jellegükben, skálázhatóságukban és erőforrásigényükben. Ezek a különbségek meghatározóak azon szervezetek számára, amelyek a politikákat hatékonyan kívánják alkalmazni. A sikeres átvétel jelentős akadályaként az erőforrás-igényességgel, a skálázhatósággal, az irányítási gyakorlatokkal és a nem egyértelműen meghatározott célközönségekkel kapcsolatos kihívások jelentek meg. Az elemzés alapján javaslatot tettünk egy RAI-keretrendszer kulcsösszetevőire, amelyeket három csoportba soroltunk: minőségek (skálázható, bővíthető, adaptív, hatékony), dimenziók (hatókör, kontextus, megvalósítási gyakorlatok), valamint irányítási gyakorlatok (előfeltételek/kimenetek, erőforrások, irányítási lépések). E komponensek célja, hogy iránymutatást adjanak a szervezeteknek MI-irányítási keretrendszereik kialakításához.”
Forrás:
The anatomy of AI policies: a systematic comparative analysis of AI policies across the globe; AI & Ethics; Volume 6, article number 55, (2026); DOI: 10.1007/s43681-025-00886-3; 2025. december 10.
