خرد
هوش مصنوعی در حکمرانی

قرارداد خرید هوش مصنوعی؛ پنج تعهدی که باید قابل سنجش باشند

قرارداد خرید هوش مصنوعی باید روشن کند چه کیفیتی تحویل می‌گیریم، تغییرات چگونه پذیرفته می‌شوند و هنگام خطا یا پایان همکاری چه اتفاقی می‌افتد. معیار، تعهد قابل آزمون است.

قطعات شیشه‌ای سبزآبی روی برگه‌های سفید در قاب برنجی؛ یک قطعه جداشده کنار جای خالی و ابزار اندازه‌گیری قرار دارد.
تصویر مفهومی ساخته‌شده با هوش مصنوعی برای تحریریه خرد؛ تصویر قرارداد یا محصول واقعی نیست.

در یک مثال فرضی، دستیار سازمانی پس از تحویل، گزارش‌هایی با استناد نادرست تولید می‌کند. داشبورد زیرساخت همچنان سبز است: خدمت قطع نشده و زمان پاسخ‌گویی هم در محدوده توافق است. آیا فروشنده تعهدش را انجام داده است؟ پاسخ به این بستگی دارد که قرارداد، فقط دسترسی به نرم‌افزار را خریده یا کیفیت انجام یک کار مشخص را نیز تعریف کرده باشد.

این مسئله به معنای بی‌فایده‌شدن قراردادهای نرم‌افزار نیست. محرمانگی، پشتیبانی و دسترس‌پذیری همچنان مهم‌اند. همچنین همه نرم‌افزارهای متعارف در هر شرایطی خروجی ثابت ندارند و همه سامانه‌های هوش مصنوعی نیز دائماً تغییر نمی‌کنند. تفاوت عملی برای خریدار این است که کیفیت خدمت می‌تواند به مدل، داده، تنظیمات و شرایط استفاده وابسته باشد؛ تعهد قراردادی باید این وابستگی‌ها را ببیند.

از نمایش محصول تا تعهد قابل بررسی

در راهنمای عملی هوش مصنوعی دولت بریتانیا، شفافیت، حقوق مالکیت فکری، انتقال پروژه به تأمین‌کننده بعدی و رسیدگی به خطاهای سامانه از مسائل قراردادی معرفی شده‌اند. این راهنمای خرید دولتی بریتانیاست؛ شروط آن خودبه‌خود بر قرارداد سازمان ایرانی حاکم نمی‌شوند، اما پرسش‌های مفیدی برای مذاکره فراهم می‌کنند.

بسته به‌روزشده شروط قراردادی نمونه اتحادیه اروپا نیز نسخه کامل و سبک دارد. نکته مهم در راهنمای استفاده از همین بسته این است که شروط نمونه، قرارداد کامل نیستند؛ موضوعاتی مانند پذیرش، پرداخت، مالکیت فکری و مسئولیت باید در قرارداد اصلی تعیین شوند. کپی‌کردن یک پیوست خارجی، جای طراحی قرارداد متناسب با پروژه را نمی‌گیرد.

مقاله پیشین خرد درباره شواهد لازم پیش از خرید هوش مصنوعی، بر ارزیابی پیشنهاد فروشنده تمرکز داشت. اینجا یک گام جلوتر می‌رویم: نتیجه ارزیابی چگونه به تعهدی تبدیل شود که پس از تحویل هم بتوان آن را پیگیری کرد؟ پنج محور زیر، پیشنهاد تحریریه برای این گفت‌وگوی مشترک میان تیم فنی، بهره‌بردار و حقوقی است.

۱. پذیرش و کیفیت را برای یک کار مشخص تعریف کنیم

عبارت «دقت بالا» قابل تحویل‌گرفتن نیست. قرارداد باید دامنه کار، داده مجاز، کاربران و موارد خارج از استفاده را روشن کند. برای دستیار اسناد، کیفیت می‌تواند شامل تطابق اعداد با منبع، درستی استناد و رعایت دسترسی باشد. یک امتیاز کلی ممکن است خطای مهمی را پشت پاسخ‌های آسان پنهان کند.

پیوست پذیرش بهتر است مجموعه آزمون، روش انتخاب نمونه، شیوه داوری و نسخه اجزای مؤثر را ثبت کند. اگر خروجی متغیر است، تعداد تکرار آزمون و روش جمع‌بندی نیز لازم است. بخشی از نمونه‌ها می‌تواند برای آزمون مستقل کنار گذاشته شود؛ با توافق درباره حفاظت داده و شرایط منصفانه اجرا.

«پاسخ ندادن» را هم جدا از پاسخ غلط بسنجید. سامانه‌ای که به هیچ پرسش دشواری جواب نمی‌دهد ممکن است خطای کمی نشان دهد، اما کار کمی هم انجام دهد. سهم کار پذیرفته‌شده، خطای پرهزینه و ارجاع درست به انسان باید کنار هم دیده شوند. همان‌طور که در سنجش اثر واقعی پایلوت مطرح شد، زمان بازبینی و بازکاری جزئی از نتیجه‌اند؛ سرعت ساخت پیش‌نویس کافی نیست.

توافق‌نامه سطح خدمت یا SLA می‌تواند این شاخص‌ها را در کنار دسترس‌پذیری نگه دارد. باید مشخص باشد افت کدام شاخص، در چه بازه‌ای و با چه شواهدی، اصلاح، آزمون دوباره یا محدودکردن استفاده را فعال می‌کند. هر پاسخ نامطلوب لزوماً نقض قرارداد نیست؛ معیار پذیرش باید از پیش روشن باشد.

۲. تغییر مدل، مسیر پذیرش تازه داشته باشد

ثابت‌ماندن نام محصول تضمین نمی‌کند اجزای آن ثابت مانده‌اند. موضوع قرارداد فقط تعویض مدل نیست؛ تغییر منابع بازیابی، ابزارهای متصل یا تنظیمات مؤثر نیز می‌تواند کیفیت خدمت را عوض کند.

پیشنهاد عملی، تعریف «تغییر مؤثر بر کاربرد» و روال اطلاع‌رسانی آن است. چه تغییری نیازمند آزمون پیش از بهره‌برداری است؟ چه کسی نتیجه را می‌پذیرد؟ اگر نسخه قبلی دیگر قابل دسترس نباشد، راه جایگزین چیست؟ برای اصلاح امنیتی فوری نیز می‌توان روال استثنا و ثبت تصمیم داشت؛ منع مطلق هر تغییر همیشه عملی نیست.

منطق کنترل تغییر در سامانه هوش مصنوعی باید به مسئول، زمان و مدرک تحویل وصل شود. همچنین افت کیفیت الزاماً با بازآموزی مدل رفع نمی‌شود؛ منشأ آن ممکن است داده، بازیابی سند یا طراحی فرایند باشد. بهتر است تعهد، اصلاح نتیجه مورد توافق باشد و روش فنی مناسب پس از تشخیص علت انتخاب شود.

۳. حقوق داده را از شعار مالکیت جدا کنیم

جمله «داده متعلق به مشتری است» به‌تنهایی روشن نمی‌کند فروشنده با آن چه می‌تواند بکند. اسناد ورودی، پیام‌های کاربران، خروجی‌ها، سوابق استفاده و داده‌های ارزیابی را جداگانه تعریف کنید. برای هرکدام، هدف پردازش، دسترسی، محل نگهداری، مدت نگهداری و شرایط استفاده مجدد مشخص شود.

آموزش مدل عمومی، بهبود محصول مشترک و پشتیبانی همان مشتری، استفاده‌های یکسانی نیستند. قرارداد باید روشن کند کدام مجاز است و رضایت یا مجوز لازم چگونه اخذ می‌شود. همین پرسش درباره ارائه‌دهنده مدل و پیمانکاران بعدی هم مطرح است؛ تعهد فروشنده اصلی باید با زنجیره واقعی پردازش سازگار باشد.

درباره حذف نیز وعده دقیق بخواهید: حذف از محیط فعال با پایان دوره نسخه پشتیبان یکسان نیست. استثناهای نگهداری، مهلت اجرا و مدرک انجام کار باید معلوم باشند. توافق طرفین هم جای مجوز قانونی استفاده از داده شخصی یا محتوای متعلق به دیگری را نمی‌گیرد؛ این موضوع باید در بررسی حقوقی همان پروژه دیده شود.

۴. رخداد، مسئول و مسیر رسیدگی داشته باشد

نمایه هوش مصنوعی مولد NIST، در بخش GOVERN 6.2، به برنامه پاسخ به رخدادهای تأمین‌کنندگان، تعیین مسئول، اطلاع‌رسانی و پشتیبانی قراردادی توجه می‌کند. این توصیه مدیریت ریسک است، نه تعیین خودکار مسئول پرداخت خسارت.

در پیوست اجرایی، خطای عادی، خطای بحرانی و رخداد امنیتی را تفکیک کنید. برای هرکدام روشن باشد چه کسی گزارش می‌گیرد، چه کسی می‌تواند کاربرد را محدود کند، چه شواهدی حفظ می‌شوند و بازگشایی با چه آزمونی انجام می‌شود. «پاسخ به تیکت» را با «بازگرداندن خدمت قابل قبول» یکی نگیرید.

تیم حقوقی نیز باید هزینه اصلاح، سقف‌ها و استثناهای مسئولیت، همکاری در رسیدگی و اختلاف میان طرفین را بررسی کند. اعتبار جبرانی اشتراک، لزوماً پاسخ مناسبی به همه خسارت‌ها نیست. در مقابل، تعهد نامحدود و مبهم ممکن است قیمت را بالا ببرد یا تأمین‌کننده مناسب را از رقابت خارج کند. تقسیم ریسک باید با کنترل واقعی هر طرف و حساسیت کاربرد تناسب داشته باشد.

۵. خروج را به اقلام تحویل و آزمون تبدیل کنیم

بند پایان همکاری وقتی مفید است که معلوم باشد چه چیزی، در چه قالبی، با چه هزینه‌ای و طی چه مدتی تحویل می‌شود. اسناد، متادیتا، تنظیمات متعلق به مشتری، مجموعه‌های ارزیابی و مستندات اتصال می‌توانند جزو این اقلام باشند. حق دریافت آن‌ها باید با حقوق اشخاص ثالث و مجوز اجزای محصول سازگار تعریف شود.

انتقال داده به معنای انتقال همان کیفیت نیست. در سامانه بازیابی اسناد، تغییر مدلِ تبدیل متن به بردار ممکن است ساخت دوباره نمایه را ضروری کند. دسترسی به وزن مدل اختصاصی فروشنده نیز از مالکیت اسناد مشتری نتیجه نمی‌شود.

برای سنجش امکان واقعی تغییر تأمین‌کننده، یک انتقال محدود را پیش از وابستگی گسترده امتحان کنید: آیا تیم دیگری می‌تواند با بسته تحویلی یک کار مشخص را ادامه دهد؟ زمان، هزینه و افت کیفیت را ثبت کنید؛ همچنین مسئولیت قطع دسترسی فروشنده و تداوم خدمت را روشن نگه دارید.

قرارداد خوب، توان اداره خدمت را می‌خرد

لازم نیست همه پروژه‌ها پیوستی هم‌اندازه داشته باشند. دستیار تهیه پیش‌نویس داخلی با سامانه‌ای که درباره مشتری اقدام می‌کند، ریسک و هزینه نظارت یکسان ندارد. شرط‌های بیشتر زمانی ارزش دارند که قابل اجرا، متناسب و قابل سنجش باشند.

پیش از امضا، برای هر تعهد چهار خانه را پر کنید: مسئول انجام، معیار پذیرش، مدرک تحویل و پیامد انجام‌نشدن. اگر یکی مبهم است، مسئله هنوز از زبان جلسه فروش به سازوکار اداره خدمت تبدیل نشده است.

برچسب‌ها

لینک کوتاه:kherad.net/s/j73uws

نظرها

هنوز نظری برای این مطلب منتشر نشده است.

نظر شما

نظرها پس از بررسی و تأیید نمایش داده می‌شوند. نظرهای حاوی توهین، تهمت یا تبلیغ منتشر نمی‌شوند.