Tehisintellekti turvaline kasutamine ettevõttes

„Tehisintellekti turvaline kasutamine ettevõttes“ on otsing, mille taga on täpselt õige mure: keegi juhtkonnast on kuulnud, et AI võiks aidata, aga keegi teine on küsinud, kuhu ettevõtte andmed sellisel juhul lähevad. Mõlemad on õiged mureks — aga vastus ei ole „ära kasuta AI-d“, vaid „tea, millist tüüpi AI-lahendust kasutad ja mida see su andmetega teeb“.

Kaks erinevat asja, mida sageli aetakse segi

Mudeli treenimine tähendab, et sinu andmed muudavad mudeli enda käitumist tulevikus — teiste kasutajate päringute vastuseid mõjutab see, mida sina sisestasid. See on murekoht, mida enamik ettevõtteid põhjendatult kardab: konfidentsiaalne dokument, mis sisestatakse vale seadistusega tööriista, võib teoreetiliselt mõjutada, mida mudel kellelegi teisele kunagi vastab.

Mudeli kasutamine API kaudu on midagi muud: sa saadad päringu, mudel vastab, ja see üksik vahetus ei jää mudeli „mällu“ ega mõjuta kedagi teist. Enamik suuremaid API-pakkujaid pakuvad ärikliendile lepingutingimusi, mis välistavad treenimise sisestatud andmetega — see tingimus tuleb konkreetselt kontrollida ja lepingusse kirja panna, mitte eeldada.

See vahe on kogu artikli kõige olulisem lause: ei kasuta kunagi kliendi andmeid mudelite treenimiseks — kas valime API-pakkujad, kelle lepingutingimused seda otseselt välistavad, või kasutame EL-is majutatud mudeleid, kus andmed ei lahku EL-i õigusruumist üldse.

Kus andmed reaalselt lähevad

	API kolmanda osapoole mudelile (no-training tingimustega)	EL-is majutatud mudel
Andmed lahkuvad EL-ist	Sõltub pakkujast — kontrolli lepingut	Ei
Kasutatakse mudeli treenimiseks	Ei, kui leping seda välistab	Ei
Sobib kõige paremini	Üldotstarbelised ülesanded, kus lepingutingimus on selge	Tundlikud andmed, ranged nõuded andmete asukohale
Peamine kontrollpunkt	Lepingu no-training klausel	Füüsiline serveri asukoht

Kumbki tee pole automaatselt „turvalisem“ — küsimus on, kas su valdkonna ja andmete tundlikkuse juures piisab lepingulisest garantiist, või on vaja, et andmed ei lahkuks kunagi EL-ist füüsiliselt.

Mis on RAG ja miks see on tavaliselt õige vastus

Enamik ettevõtteid, kes küsivad AI kohta, ei vaja mudelit, mis on „treenitud“ nende andmetel — nad vajavad mudelit, mis oskab otsida vastust nende dokumentidest ja vastata nende põhjal, ilma neid mudelisse jäädavalt sisse ehitamata. Seda tehnikat kutsutakse RAG-iks (retrieval-augmented generation): kasutaja küsimuse peale otsib süsteem kõigepealt õiged dokumendid või andmed välja, seejärel annab need koos küsimusega mudelile konteksti, ja mudel vastab selle konteksti põhjal. Andmed ei muuda mudelit — need lihtsalt lisatakse iga päringu juurde vajaduse korral. See on kergem hallata, kergem kontrollida, mida mudel „teab“, ja lihtsam eemaldada mõni dokument hiljem, kui see peaks aeguma.

Väike pilootprojekt, mitte suur hüpe

Suurim viga, mida ettevõtted AI-ga teevad, on hüpata kohe suurde projekti, ilma teadmata, kas mudel üldse suudab nende konkreetset ülesannet piisavalt hästi lahendada. Mõistlikum tee on fikseeritud lühike pilootprojekt — tavaliselt kolm kuni viis nädalat —, mis lõpeb töötava prototüübiga ja mõõdetud numbritega: kui tihti mudel vastab õigesti, kui palju aega see reaalselt kokku hoiab, kus see ikka veel eksib. Pärast pilooti on otsus faktipõhine, mitte lubadusepõhine — kas laiendada, kohandada või loobuda, olenevalt sellest, mida numbrid näitasid, mitte sellest, mida keegi lootis näha.

Kus automatiseerimine tegelikult tasub end ära

AI ja automatiseerimine on kaks erinevat asja, mida sageli koos müüakse. Automatiseerimine — töövoog, mis liigutab andmeid ja käivitab tegevusi ilma inimese käsitsi sekkumiseta — tasub end ära seal, kus praegune protsess on korduv, reeglipõhine ja aeganõudev: uue tellimuse andmete kontrollimine ja edastamine, kirjade sortimine ja suunamine õigele inimesele, aruannete kokkupanek mitmest allikast. Tehisintellekt lisandub sinna, kus otsus vajab keelemõistmist, mida lihtne reegel ei kata — teksti klassifitseerimine, kokkuvõtte tegemine, esimese mustandi kirjutamine, mida inimene üle vaatab. Enamik reaalseid võite tuleb pigem automatiseerimisest kui AI-st endast; AI on sageli see osa, mis lisab töövoole keelelise mõistmise, mida varasem lihtne skript ei suutnud.

Andmete asukoht on eraldi otsus infrastruktuurist

AI-lahenduse andmekaitse ei lõpe mudelivalikuga — see süsteem, mis mudelit ümbritseb (dokumendid, otsinguindeks, logid, kasutajaandmed), peab ise elama kuskil, ja see „kuskil“ on omaette otsus. EL-only majutuse ja andmete lokaliseerimise valikud on sama küsimus, mida küsime iga taristuprojekti juures, mitte ainult AI puhul — kas serverid, andmebaas ja varukoopiad peavad füüsiliselt jääma EL-i piiridesse, või piisab lepingulisest garantiist. See otsus tehakse taristu tasemel, mitte mudeli tasemel, ja seda tasub arutada koos, mitte kahes eraldi vestluses. Kes tahab näha, kuidas me taristuotsuseid üldiselt teeme — millal Cloudflare, millal AWS, millal on andmete asukoht disainipiirang, mitte lisand —, leiab selle pilve ja DevOpsi teenuse lehelt.

Kes vastutab pärast pilooti

Piloot, mis töötab demol, ei ole sama, mis süsteem, mis töötab kuue kuu pärast, kui mudeli pakkuja on API-t muutnud või dokumendid, millest otsitakse, on aegunud. Töötava AI-lahenduse juurde käib sama küsimus, mis iga muu tarkvara juurde: kes jälgib, kas vastused on ikka õiged, kes uuendab dokumente, millest otsitakse, ja kes vastutab, kui mudel hakkab vastama valesti millegi peale, mis varem töötas. See vastutus ei kao kuskile pärast piloodi õnnestumist — see lihtsalt muutub püsivaks tööks, mida tuleb algusest planeerida, mitte lisada siis, kui esimene viga on juba kliendini jõudnud.

Kuidas me seda ehitame

Töötame LLM-ide API-de, RAG-i, töövoo-automatiseerimise, Pythoni, Cloudflare Workers AI ja vektorotsingu peal. See tähendab, et pilootprojekti tulemus ei ole slaidiesitlus, vaid töötav süsteem, mida saab kohe kasutama hakata või mõõdetud otsuse põhjal kõrvale jätta. Meie tehisintellekti ja automatiseerimise teenuse lehel on kirjas täpsemalt, milliste tööriistadega töötame ja kuidas piloot praktikas käib; kui sul on konkreetne käsitsi protsess, mille juures kahtled, kas AI aitaks, on lihtsaim viis edasi minna see meiega läbi rääkida.

Reegel, mida kasutame

Ei ühtegi kliendi andmefaili ei lähe mudeli treenimisse — ainult otsingusse ja kontekstina üksikpäringu juurde. See reegel ei ole turunduslik lubadus, vaid tehniline valik, mis tehakse enne esimest API-kõnet, mitte pärast esimest küsimust andmekaitse kohta.