Egy AI-rendszer kock\u00e1zata sokszor nem mag\u00e1ban a modellben kezd\u0151dik, hanem abban az adatfolyamban, amelyb\u0151l a rendszer tanul, amelyre m\u0171k\u00f6d\u00e9s k\u00f6zben t\u00e1maszkodik, \u00e9s amelyet k\u00e9s\u0151bb napl\u00f3k\u00e9nt, visszajelz\u00e9sk\u00e9nt vagy bizony\u00edt\u00e9kk\u00e9nt meg\u0151riz. Ha nem vil\u00e1gos, honnan sz\u00e1rmazik az adat, mire haszn\u00e1lhat\u00f3, ki f\u00e9rhet hozz\u00e1, meddig \u0151rizhet\u0151 meg, \u00e9s milyen min\u0151s\u00e9gi korl\u00e1tai vannak, akkor az AI-ir\u00e1ny\u00edt\u00e1s m\u00e1r az alapokn\u00e1l bizonytalann\u00e1 v\u00e1lik.<\/p>\n\n\n\n
Az AI-adatkezel\u00e9s ez\u00e9rt nem puszt\u00e1n adatv\u00e9delmi vagy informatikai r\u00e9szfeladat. A felel\u0151s AI ir\u00e1ny\u00edt\u00e1si rendszerben az adatkezel\u00e9s a teljes \u00e9letcikluson v\u00e9gigk\u00eds\u00e9ri a rendszert: az adatgy\u0171jt\u00e9st\u0151l a tiszt\u00edt\u00e1son, c\u00edmk\u00e9z\u00e9sen, tan\u00edt\u00e1son, valid\u00e1l\u00e1son \u00e9s \u00e9les haszn\u00e1laton \u00e1t eg\u00e9szen a napl\u00f3z\u00e1sig, meg\u0151rz\u00e9sig \u00e9s t\u00f6rl\u00e9sig. A c\u00e9l az, hogy az AI-rendszer ne haszn\u00e1ljon ellen\u0151rizetlen, jogszer\u0171tlen, pontatlan, t\u00falzott vagy nem megfelel\u0151en v\u00e9dett adatot.<\/p>\n\n\n\n
Az AI-rendszerek adatkezel\u00e9se az\u00e9rt ig\u00e9nyel k\u00fcl\u00f6n ir\u00e1ny\u00edt\u00e1si figyelmet, mert az adat nem egyszeri bemenet. Egy szervezet gyakran \u00fagy gondol az adatra, mint valamire, amit a fejleszt\u00e9s elej\u00e9n \u00f6sszegy\u0171jtenek, megtiszt\u00edtanak, majd \u00e1tadnak a modellnek. A gyakorlatban azonban az adat az AI-rendszer m\u0171k\u00f6d\u00e9si k\u00f6rnyezete<\/strong>, nem csup\u00e1n indul\u00f3 nyersanyaga. Az adat megjelenik a tan\u00edt\u00e1sban, a valid\u00e1l\u00e1sban, az \u00e9les k\u00f6vetkeztet\u00e9sben, a felhaszn\u00e1l\u00f3i visszajelz\u00e9sekben, a napl\u00f3z\u00e1sban \u00e9s a k\u00e9s\u0151bbi \u00fajratan\u00edt\u00e1sban is.<\/p>\n\n\n\n Az ISO\/IEC 42001 szeml\u00e9lete szerint az AI ir\u00e1ny\u00edt\u00e1si rendszernek nemcsak szab\u00e1lyokat kell l\u00e9trehoznia, hanem m\u0171k\u00f6dtetnie, fenntartania \u00e9s folyamatosan jav\u00edtania is kell az AI-hoz kapcsol\u00f3d\u00f3 ir\u00e1ny\u00edt\u00e1si folyamatokat (International Organization for Standardization, 2023). Ez az adatkezel\u00e9sre is igaz: nem elegend\u0151 egy egyszeri adatv\u00e9delmi ellen\u0151rz\u00e9s, ha az AI-rendszer k\u00e9s\u0151bb \u00faj adatforr\u00e1sokat, \u00faj felhaszn\u00e1l\u00f3i k\u00f6r\u00f6ket vagy \u00faj d\u00f6nt\u00e9si c\u00e9lokat kap. Ilyenkor a j\u00f3v\u00e1hagyott adatkezel\u00e9s id\u0151vel elavulhat<\/strong>, ha a szervezet nem \u00e9p\u00edt be rendszeres fel\u00fclvizsg\u00e1latot.<\/p>\n\n\n\n Az AI-adatkezel\u00e9si \u00e9letciklus legal\u00e1bb nyolc egym\u00e1shoz kapcsol\u00f3d\u00f3 l\u00e9p\u00e9sb\u0151l \u00e1ll:<\/p>\n\n\n\n adatforr\u00e1sok azonos\u00edt\u00e1sa;<\/p>\n\n\n\n adatgy\u0171jt\u00e9si vagy adat\u00e1tv\u00e9teli felt\u00e9telek tiszt\u00e1z\u00e1sa;<\/p>\n\n\n\n adattiszt\u00edt\u00e1s \u00e9s el\u0151k\u00e9sz\u00edt\u00e9s;<\/p>\n\n\n\n c\u00edmk\u00e9z\u00e9s vagy kategoriz\u00e1l\u00e1s;<\/p>\n\n\n\n tan\u00edt\u00e1s, valid\u00e1l\u00e1s \u00e9s tesztel\u00e9s;<\/p>\n\n\n\n \u00e9les m\u0171k\u00f6d\u00e9shez sz\u00fcks\u00e9ges adathaszn\u00e1lat;<\/p>\n\n\n\n napl\u00f3z\u00e1s, monitoring \u00e9s visszacsatol\u00e1s;<\/p>\n\n\n\n meg\u0151rz\u00e9s, archiv\u00e1l\u00e1s vagy t\u00f6rl\u00e9s.<\/p>\n\n\n\n Ez a felsorol\u00e1s nem technikai fejleszt\u00e9si recept, hanem ir\u00e1ny\u00edt\u00e1si t\u00e9rk\u00e9p. Minden l\u00e9p\u00e9sn\u00e9l meg kell hat\u00e1rozni, milyen adat ker\u00fcl a rendszerbe, milyen c\u00e9lra, milyen jogosults\u00e1ggal, milyen min\u0151s\u00e9gi elv\u00e1r\u00e1ssal, milyen hozz\u00e1f\u00e9r\u00e9si rendben \u00e9s milyen meg\u0151rz\u00e9si szab\u00e1llyal. Egy \u00e9rett AIMS-ben minden adatmozg\u00e1snak ir\u00e1ny\u00edt\u00e1si jelent\u0151s\u00e9ge van<\/strong>, mert az adatokon kereszt\u00fcl a rendszer kock\u00e1zatai is v\u00e1ltozhatnak.<\/p>\n\n\n\n A NIST AI Risk Management Framework a kock\u00e1zatkezel\u00e9st az AI-rendszer teljes kontextus\u00e1hoz k\u00f6ti: az \u00e9rintettekhez, a c\u00e9lhoz, az adatokhoz, a m\u00e9r\u00e9shez \u00e9s a m\u0171k\u00f6d\u00e9s k\u00f6zbeni kezel\u00e9shez (National Institute of Standards and Technology, 2023). Az adatkezel\u00e9s ebb\u0151l a n\u00e9z\u0151pontb\u00f3l nem elszigetelt kontrollter\u00fclet, hanem a rendszer megb\u00edzhat\u00f3s\u00e1g\u00e1nak, \u00e1tl\u00e1that\u00f3s\u00e1g\u00e1nak \u00e9s elsz\u00e1moltathat\u00f3s\u00e1g\u00e1nak alapja. Ha egy szervezet nem tudja megmondani, milyen adatb\u00f3l dolgozik a modell, akkor a modell kimenete sem \u00e9rtelmezhet\u0151 felel\u0151sen<\/strong>, m\u00e9g akkor sem, ha technikailag gyors vagy pontosnak t\u0171nik.<\/p>\n\n\n\n Az adatkezel\u00e9si \u00e9letciklus egyik f\u0151 kih\u00edv\u00e1sa, hogy az adatok jelent\u00e9se a felhaszn\u00e1l\u00e1si helyzett\u0151l f\u00fcgg. Ugyanaz az adat alacsony kock\u00e1zat\u00fa lehet statisztikai elemz\u00e9sben, de magasabb kock\u00e1zat\u00fav\u00e1 v\u00e1lhat, ha szem\u00e9lyre szabott d\u00f6nt\u00e9st\u00e1mogat\u00e1sban, munkav\u00e1llal\u00f3i \u00e9rt\u00e9kel\u00e9sben vagy \u00fcgyf\u00e9lkommunik\u00e1ci\u00f3ban haszn\u00e1lj\u00e1k. Ez\u00e9rt az adat c\u00e9lja legal\u00e1bb olyan fontos, mint az eredete<\/strong>, mert a c\u00e9l hat\u00e1rozza meg, milyen jogszer\u0171s\u00e9gi, min\u0151s\u00e9gi \u00e9s hozz\u00e1f\u00e9r\u00e9si kontrollokra van sz\u00fcks\u00e9g.<\/p>\n\n\n\n Az AI-adatkezel\u00e9s ir\u00e1ny\u00edt\u00e1sa akkor m\u0171k\u00f6dik j\u00f3l, ha nem csup\u00e1n adatv\u00e9delmi minimumokat r\u00f6gz\u00edt. Az adatoknak alkalmasnak kell lenni\u00fck a tervezett AI-haszn\u00e1latra, dokument\u00e1lni kell a korl\u00e1taikat, \u00e9s ellen\u0151rizni kell, hogy nem vezetnek-e f\u00e9lre\u00e9rtelmezhet\u0151, torz vagy nem kell\u0151en megalapozott kimenetekhez. A \u201edatasheets for datasets\u201d megk\u00f6zel\u00edt\u00e9s is abb\u00f3l indul ki, hogy az adatk\u00e9szletek motiv\u00e1ci\u00f3j\u00e1t, \u00f6sszet\u00e9tel\u00e9t, gy\u0171jt\u00e9si m\u00f3dj\u00e1t, aj\u00e1nlott haszn\u00e1lat\u00e1t \u00e9s korl\u00e1tait dokument\u00e1lni kell (Gebru et al., 2021). Ebben a logik\u00e1ban az adatk\u00e9szletnek saj\u00e1t igazol\u00e1si csomagja van<\/strong>, nem csak technikai f\u00e1jlneve vagy t\u00e1rhelye.<\/p>\n\n\n\n Az adatkezel\u00e9si \u00e9letciklus az\u00e9rt is fontos, mert az AI-rendszer k\u00e9s\u0151bb \u00faj adatokat termelhet. Ilyenek lehetnek a felhaszn\u00e1l\u00f3i interakci\u00f3k, hibajelz\u00e9sek, d\u00f6nt\u00e9si napl\u00f3k, modellkimenetek, emberi fel\u00fclvizsg\u00e1latok eredm\u00e9nyei vagy visszacsatol\u00e1si adatok. Ezeket ugyan\u00fagy kontroll\u00e1lni kell, mint az indul\u00f3 tan\u00edt\u00f3adatokat. A m\u0171k\u00f6d\u00e9s k\u00f6zbeni adatokn\u00e1l a napl\u00f3 egyszerre bizony\u00edt\u00e9k \u00e9s kock\u00e1zatforr\u00e1s<\/strong>, mert seg\u00edti az auditot, de \u00e9rz\u00e9keny inform\u00e1ci\u00f3kat is tartalmazhat.<\/p>\n\n\n\n A gyakorlatban ez\u00e9rt az AI-adatkezel\u00e9st nem lehet kiz\u00e1r\u00f3lag a fejleszt\u0151i csapatra b\u00edzni. Sz\u00fcks\u00e9g van \u00fczleti tulajdonosra, adatgazd\u00e1ra, inform\u00e1ci\u00f3biztons\u00e1gi szerepk\u00f6rre, adatv\u00e9delmi vagy jogi \u00e9rt\u00e9kel\u00e9sre, valamint \u00fczemeltet\u00e9si felel\u0151sre. Ezek a szerepek egy\u00fctt biztos\u00edtj\u00e1k, hogy az adathaszn\u00e1lat ne csak technikailag legyen lehets\u00e9ges, hanem ir\u00e1ny\u00edt\u00e1si szempontb\u00f3l is igazolhat\u00f3. Egy m\u0171k\u00f6d\u0151 AIMS-ben az adatfelel\u0151ss\u00e9g szerepk\u00f6r\u00f6kh\u00f6z k\u00f6t\u00f6tt<\/strong>, nem inform\u00e1lis szak\u00e9rt\u0151i j\u00f3indulaton m\u00falik.<\/p>\n\n\n\n Az AI-adatkezel\u00e9s els\u0151 kontrollpontja az adatforr\u00e1sok azonos\u00edt\u00e1sa. A szervezetnek dokument\u00e1lnia kell, hogy az AI-rendszer milyen bels\u0151 vagy k\u00fcls\u0151 adatokra \u00e9p\u00fcl, ki az adatgazda, milyen felt\u00e9telekkel haszn\u00e1lhat\u00f3 az adat, \u00e9s milyen korl\u00e1toz\u00e1sok kapcsol\u00f3dnak hozz\u00e1. Ez az\u00e9rt l\u00e9nyeges, mert az ismeretlen adatforr\u00e1s ismeretlen kock\u00e1zatot jelent<\/strong>, k\u00fcl\u00f6n\u00f6sen akkor, ha az adat szem\u00e9lyes, \u00fczletileg \u00e9rz\u00e9keny vagy d\u00f6nt\u00e9st\u00e1mogat\u00f3 c\u00e9lra haszn\u00e1lt.<\/p>\n\n\n\n Az adatforr\u00e1s dokument\u00e1l\u00e1sa nem puszt\u00e1n technikai lelt\u00e1r. Tartalmaznia kell az adat eredet\u00e9t, friss\u00edt\u00e9si gyakoris\u00e1g\u00e1t, min\u0151s\u00e9gi jellemz\u0151it, jogi st\u00e1tusz\u00e1t, hozz\u00e1f\u00e9r\u00e9si felt\u00e9teleit \u00e9s ismert korl\u00e1tait. K\u00fcls\u0151 adatforr\u00e1s eset\u00e9n k\u00fcl\u00f6n vizsg\u00e1lni kell a szerz\u0151d\u00e9ses, licencel\u00e9si \u00e9s besz\u00e1ll\u00edt\u00f3i felt\u00e9teleket. Bels\u0151 adatforr\u00e1sn\u00e1l azt kell tiszt\u00e1zni, hogy az eredeti adatgy\u0171jt\u00e9si c\u00e9l \u00f6sszeegyeztethet\u0151-e az AI-rendszer tervezett haszn\u00e1lat\u00e1val. Ilyenkor az adat \u00fajrafelhaszn\u00e1l\u00e1sa \u00faj d\u00f6nt\u00e9st ig\u00e9nyel<\/strong>, nem automatikus jogosults\u00e1got.<\/p>\n\n\n\n A GDPR alapelvei k\u00fcl\u00f6n\u00f6sen fontosak ott, ahol szem\u00e9lyes adatok \u00e9rintettek. A c\u00e9lhoz k\u00f6t\u00f6tts\u00e9g, az adattakar\u00e9koss\u00e1g, a pontoss\u00e1g, a korl\u00e1tozott t\u00e1rolhat\u00f3s\u00e1g, az integrit\u00e1s \u00e9s bizalmas jelleg, valamint az elsz\u00e1moltathat\u00f3s\u00e1g olyan ir\u00e1ny\u00edt\u00e1si elvek, amelyek AI-rendszerekn\u00e9l is k\u00f6zvetlen\u00fcl \u00e9rtelmezhet\u0151k (European Parliament & Council of the European Union, 2016). Az AI-adatkezel\u00e9sben a jogszer\u0171s\u00e9g nem ut\u00f3lagos ellen\u0151rz\u0151 lista<\/strong>, hanem m\u00e1r az adatfolyam tervez\u00e9s\u00e9n\u00e9l meghat\u00e1roz\u00f3 k\u00f6vetelm\u00e9ny.<\/p>\n\n\n\n Az adathaszn\u00e1lati c\u00e9lt k\u00fcl\u00f6n\u00f6sen pontosan kell megfogalmazni. Nem elegend\u0151 azt \u00edrni, hogy \u201eAI-fejleszt\u00e9s\u201d vagy \u201emodelloptimaliz\u00e1l\u00e1s\u201d, mert ezek t\u00fal t\u00e1g kateg\u00f3ri\u00e1k. A szervezetnek r\u00f6gz\u00edtenie kell, hogy az adatot el\u0151rejelz\u00e9sre, oszt\u00e1lyoz\u00e1sra, \u00fcgyf\u00e9lkommunik\u00e1ci\u00f3 t\u00e1mogat\u00e1s\u00e1ra, munkafolyamat-seg\u00edt\u00e9sre, min\u0151s\u00e9gellen\u0151rz\u00e9sre, tesztel\u00e9sre vagy napl\u00f3elemz\u00e9sre haszn\u00e1lja-e. Ha a c\u00e9l hom\u00e1lyos, akkor az adattakar\u00e9koss\u00e1g sem ellen\u0151rizhet\u0151<\/strong>, mert nem vil\u00e1gos, mi sz\u00e1m\u00edt sz\u00fcks\u00e9ges adatnak.<\/p>\n\n\n\n Az EU AI Act a magas kock\u00e1zat\u00fa AI-rendszerek eset\u00e9ben k\u00fcl\u00f6n figyelmet ford\u00edt a tan\u00edt\u00f3-, valid\u00e1ci\u00f3s \u00e9s tesztadatokra, valamint az adatir\u00e1ny\u00edt\u00e1si \u00e9s adatmin\u0151s\u00e9gi gyakorlatokra (European Parliament & Council of the European Union, 2024). B\u00e1r nem minden AI-rendszer magas kock\u00e1zat\u00fa, a m\u00f6g\u00f6ttes ir\u00e1ny\u00edt\u00e1si elv sz\u00e9lesebb k\u00f6rben is hasznos: a szervezetnek tudnia kell, milyen adatokkal tan\u00edt, milyen adatokkal ellen\u0151riz, \u00e9s milyen adatokkal m\u0171k\u00f6dtet egy rendszert. A napi m\u0171k\u00f6d\u00e9sben a tan\u00edt\u00f3adat \u00e9s az \u00fczemeltet\u00e9si adat k\u00fcl\u00f6n kontrollt ig\u00e9nyel<\/strong>, mert m\u00e1s kock\u00e1zatokat hordoznak.<\/p>\n\n\n\n Az adathaszn\u00e1lati c\u00e9l mellett r\u00f6gz\u00edteni kell a jogosults\u00e1gi alapot is. Ez nem kiz\u00e1r\u00f3lag jogi k\u00e9rd\u00e9s, hanem ir\u00e1ny\u00edt\u00e1si d\u00f6nt\u00e9s is: ki hagyja j\u00f3v\u00e1 az adott adathaszn\u00e1latot, milyen felt\u00e9telekkel, milyen dokument\u00e1ci\u00f3 alapj\u00e1n, \u00e9s mikor kell \u00fajra\u00e9rt\u00e9kelni. Ha az AI-rendszer c\u00e9lja megv\u00e1ltozik, p\u00e9ld\u00e1ul bels\u0151 elemz\u00e9sb\u0151l \u00fcgyf\u00e9lre hat\u00f3 d\u00f6nt\u00e9st\u00e1mogat\u00e1ss\u00e1 v\u00e1lik, akkor az eredeti adatkezel\u00e9si \u00e9rt\u00e9kel\u00e9s nem felt\u00e9tlen\u00fcl marad elegend\u0151. Ilyen esetben a c\u00e9lv\u00e1ltoz\u00e1s adatkezel\u00e9si v\u00e1ltoz\u00e1s is<\/strong>, nem csak \u00fczleti fejleszt\u00e9s.<\/p>\n\n\n\n Az adatforr\u00e1s- \u00e9s c\u00e9lle\u00edr\u00e1snak gyakorlati form\u00e1t kell \u00f6ltenie. A szervezet haszn\u00e1lhat adatnyilv\u00e1ntart\u00e1st, AI-rendszerlelt\u00e1rt, adatlapot, adatv\u00e9delmi hat\u00e1svizsg\u00e1lati hivatkoz\u00e1st, besz\u00e1ll\u00edt\u00f3i dokument\u00e1ci\u00f3t vagy bels\u0151 kontroll\u0171rlapot. A l\u00e9nyeg nem a forma, hanem az, hogy az adatfolyam visszakereshet\u0151 legyen. Egy audit\u00e1lhat\u00f3 rendszerben az adat\u00fatvonalnak k\u00f6vethet\u0151nek kell lennie<\/strong>, az els\u0151 gy\u0171jt\u00e9si pontt\u00f3l az \u00e9les m\u0171k\u00f6d\u00e9sig.<\/p>\n\n\n\n Az adatkezel\u00e9si dokument\u00e1ci\u00f3nak nemcsak a megengedett, hanem a tiltott felhaszn\u00e1l\u00e1sokat is tartalmaznia kell. P\u00e9ld\u00e1ul r\u00f6gz\u00edthet\u0151, hogy bizonyos adatok nem haszn\u00e1lhat\u00f3k modell\u00fajratan\u00edt\u00e1sra, nem k\u00fcldhet\u0151k k\u00fcls\u0151 szolg\u00e1ltat\u00f3hoz, nem haszn\u00e1lhat\u00f3k automatiz\u00e1lt d\u00f6nt\u00e9shez, vagy csak anonimiz\u00e1lt, aggreg\u00e1lt form\u00e1ban elemezhet\u0151k. Ez az\u00e9rt fontos, mert a korl\u00e1toz\u00e1s is ir\u00e1ny\u00edt\u00e1si bizony\u00edt\u00e9k<\/strong>, \u00e9s k\u00e9s\u0151bb seg\u00edt eld\u00f6nteni, t\u00f6rt\u00e9nt-e szab\u00e1lytalan haszn\u00e1lat.<\/p>\n\n\n\n Egy AI-adatforr\u00e1s dokument\u00e1ci\u00f3ja legal\u00e1bb a k\u00f6vetkez\u0151 k\u00e9rd\u00e9sekre adjon v\u00e1laszt:<\/p>\n\n\n\n Honnan sz\u00e1rmazik az adat?<\/p>\n\n\n\n Ki az adatgazda vagy felel\u0151s?<\/p>\n\n\n\n Milyen c\u00e9lra gy\u0171jt\u00f6tt\u00e9k eredetileg?<\/p>\n\n\n\n Milyen AI-c\u00e9lra k\u00edv\u00e1nj\u00e1k haszn\u00e1lni?<\/p>\n\n\n\n Tartalmaz-e szem\u00e9lyes vagy \u00e9rz\u00e9keny adatot?<\/p>\n\n\n\n Milyen min\u0151s\u00e9gi korl\u00e1tai ismertek?<\/p>\n\n\n\n Ki f\u00e9rhet hozz\u00e1, \u00e9s milyen szerepk\u00f6rben?<\/p>\n\n\n\n Meddig \u0151rizhet\u0151 meg?<\/p>\n\n\n\n Haszn\u00e1lhat\u00f3-e tan\u00edt\u00e1sra, valid\u00e1l\u00e1sra vagy csak m\u0171k\u00f6d\u00e9sre?<\/p>\n\n\n\n Milyen felt\u00e9telekkel kell t\u00f6r\u00f6lni vagy archiv\u00e1lni?<\/p>\n\n\n\n Az ilyen k\u00e9rd\u00e9ssor nem lass\u00edtja sz\u00fcks\u00e9gtelen\u00fcl az AI-bevezet\u00e9st. \u00c9ppen ellenkez\u0151leg: cs\u00f6kkenti annak es\u00e9ly\u00e9t, hogy a projekt k\u00e9s\u0151bb jogszer\u0171s\u00e9gi, min\u0151s\u00e9gi vagy audit\u00e1lhat\u00f3s\u00e1gi hi\u00e1nyoss\u00e1g miatt \u00e1lljon meg. A gyakorlati tanuls\u00e1g egyszer\u0171: a j\u00f3l dokument\u00e1lt adat gyors\u00edtja a felel\u0151s d\u00f6nt\u00e9st<\/strong>, mert nem kell minden kock\u00e1zatot \u00fajra \u00e9s \u00fajra ut\u00f3lag rekonstru\u00e1lni.<\/p>\n\n\n\n Az AI-rendszer teljes\u00edtm\u00e9nye \u00e9s megb\u00edzhat\u00f3s\u00e1ga er\u0151sen f\u00fcgg az adatok min\u0151s\u00e9g\u00e9t\u0151l. Pontatlan, hi\u00e1nyos, elavult, torz vagy rosszul c\u00edmk\u00e9zett adatokb\u00f3l a modell is bizonytalanabb kimeneteket adhat. Ez nem jelenti azt, hogy minden adatnak t\u00f6k\u00e9letesnek kell lennie, de azt igen, hogy az adatmin\u0151s\u00e9gi korl\u00e1tokat ismerni \u00e9s kezelni kell<\/strong>, miel\u0151tt a rendszer \u00e9les d\u00f6nt\u00e9st\u00e1mogat\u00e1sba ker\u00fcl.<\/p>\n\n\n\n Az adatmin\u0151s\u00e9g az AI-k\u00f6rnyezetben t\u00f6bb szempontb\u00f3l vizsg\u00e1lhat\u00f3. Fontos a pontoss\u00e1g, teljess\u00e9g, id\u0151szer\u0171s\u00e9g, konzisztencia, reprezentativit\u00e1s, relevancia \u00e9s nyomon k\u00f6vethet\u0151s\u00e9g. A min\u0151s\u00e9gi elv\u00e1r\u00e1sok mindig a felhaszn\u00e1l\u00e1si c\u00e9lt\u00f3l f\u00fcggnek: m\u00e1s szint\u0171 adatmin\u0151s\u00e9g sz\u00fcks\u00e9ges egy bels\u0151 trendfigyel\u0151 eszk\u00f6zh\u00f6z, \u00e9s m\u00e1s egy olyan rendszerhez, amely \u00fcgyf\u00e9lre vagy munkav\u00e1llal\u00f3ra hat\u00f3 d\u00f6nt\u00e9st t\u00e1mogat. Ilyenkor az adatmin\u0151s\u00e9g nem abszol\u00fat tulajdons\u00e1g<\/strong>, hanem a haszn\u00e1lati c\u00e9lhoz viszony\u00edtott megfelel\u0151s\u00e9g.<\/p>\n\n\n\n Az ISO\/IEC 5259 sorozat az adatok min\u0151s\u00e9g\u00e9t kifejezetten az analitika \u00e9s a g\u00e9pi tanul\u00e1s kontextus\u00e1ban t\u00e1rgyalja, ami j\u00f3l mutatja, hogy az AI-adatmin\u0151s\u00e9g k\u00fcl\u00f6n figyelmet ig\u00e9nyel a hagyom\u00e1nyos adatkezel\u00e9si megk\u00f6zel\u00edt\u00e9sek mellett (International Organization for Standardization, 2024). A szervezeti gyakorlatban ez azt jelenti, hogy a min\u0151s\u00e9gellen\u0151rz\u00e9snek m\u00e1r az adatgy\u0171jt\u00e9sn\u00e9l \u00e9s el\u0151k\u00e9sz\u00edt\u00e9sn\u00e9l el kell kezd\u0151dnie, nem csak a modelltesztel\u00e9sn\u00e9l. Egy AIMS-ben az adatmin\u0151s\u00e9g korai kontrollpont<\/strong>, nem ut\u00f3lagos magyar\u00e1zat a gyenge modellkimenetre.<\/p>\n\n\n\n A c\u00edmk\u00e9z\u00e9s k\u00fcl\u00f6n kock\u00e1zati pont lehet. Ha az AI-rendszer tan\u00edt\u00f3adatai emberi c\u00edmk\u00e9z\u00e9sre, kategoriz\u00e1l\u00e1sra vagy \u00e9rt\u00e9kel\u00e9sre \u00e9p\u00fclnek, dokument\u00e1lni kell a c\u00edmk\u00e9z\u00e9si szab\u00e1lyokat, a c\u00edmk\u00e9z\u0151k szerep\u00e9t, a min\u0151s\u00e9gellen\u0151rz\u00e9s m\u00f3dj\u00e1t \u00e9s az elt\u00e9r\u00e9sek kezel\u00e9s\u00e9t. Rosszul vagy k\u00f6vetkezetlen\u00fcl c\u00edmk\u00e9zett adatb\u00f3l a modell a szervezeti hib\u00e1kat is megtanulhatja. Ez\u00e9rt a c\u00edmk\u00e9z\u00e9s ir\u00e1ny\u00edt\u00e1si d\u00f6nt\u00e9s is<\/strong>, nem csup\u00e1n el\u0151k\u00e9sz\u00edt\u0151 technikai m\u0171velet.<\/p>\n\n\n\n A c\u00edmk\u00e9z\u00e9si kontrolloknak legal\u00e1bb h\u00e1rom k\u00e9rd\u00e9st kell kezelni\u00fck. El\u0151sz\u00f6r: vil\u00e1gosak-e a kateg\u00f3ri\u00e1k \u00e9s c\u00edmk\u00e9z\u00e9si szab\u00e1lyok? M\u00e1sodszor: ellen\u0151rizte-e valaki a c\u00edmk\u00e9z\u00e9s min\u0151s\u00e9g\u00e9t \u00e9s k\u00f6vetkezetess\u00e9g\u00e9t? Harmadszor: van-e elj\u00e1r\u00e1s a vit\u00e1s, bizonytalan vagy t\u00f6bb\u00e9rtelm\u0171 esetek kezel\u00e9s\u00e9re? Ha ezek hi\u00e1nyoznak, akkor a modell a bizonytalans\u00e1got rejtett szab\u00e1lyk\u00e9nt tanulhatja meg<\/strong>, amit k\u00e9s\u0151bb neh\u00e9z visszafejteni.<\/p>\n\n\n\n Az adattiszt\u00edt\u00e1s szint\u00e9n dokument\u00e1land\u00f3 folyamat. R\u00f6gz\u00edteni kell, milyen rekordokat t\u00e1vol\u00edtottak el, milyen hi\u00e1nyz\u00f3 \u00e9rt\u00e9keket p\u00f3toltak, milyen \u00e1talak\u00edt\u00e1sokat v\u00e9geztek, \u00e9s ezek hogyan befoly\u00e1solhatj\u00e1k a kimeneteket. Az adattiszt\u00edt\u00e1s nem semleges m\u0171velet: d\u00f6nt\u00e9sek sorozata arr\u00f3l, mi sz\u00e1m\u00edt hib\u00e1nak, kiv\u00e9telnek vagy relev\u00e1ns inform\u00e1ci\u00f3nak. Ebb\u0151l k\u00f6vetkezik, hogy az adattiszt\u00edt\u00e1s megv\u00e1ltoztathatja a modell val\u00f3s\u00e1gk\u00e9p\u00e9t<\/strong>, ez\u00e9rt nem maradhat dokument\u00e1latlan.<\/p>\n\n\n\n A Dataset Nutrition Label megk\u00f6zel\u00edt\u00e9s arra h\u00edvja fel a figyelmet, hogy az adatk\u00e9szletek min\u0151s\u00e9g\u00e9r\u0151l, \u00f6sszet\u00e9tel\u00e9r\u0151l \u00e9s korl\u00e1tair\u00f3l k\u00f6z\u00e9rthet\u0151, struktur\u00e1lt inform\u00e1ci\u00f3ra van sz\u00fcks\u00e9g a felel\u0151s felhaszn\u00e1l\u00e1shoz (Holland et al., 2018). Ez az AIMS szempontj\u00e1b\u00f3l k\u00fcl\u00f6n\u00f6sen hasznos, mert az adatmin\u0151s\u00e9gi inform\u00e1ci\u00f3t nemcsak fejleszt\u0151knek, hanem \u00fczleti, compliance, audit \u00e9s vezet\u0151i szerepk\u00f6r\u00f6knek is \u00e9rthet\u0151v\u00e9 kell tenni. Egy szervezetben az adatmin\u0151s\u00e9gi bizony\u00edt\u00e9kot t\u00f6bb szerepk\u00f6r olvassa<\/strong>, ez\u00e9rt nem lehet kiz\u00e1r\u00f3lag technikai jegyzet.<\/p>\n\n\n\n A tan\u00edt\u00f3-, valid\u00e1ci\u00f3s \u00e9s tesztadatok elk\u00fcl\u00f6n\u00edt\u00e9se szint\u00e9n alapvet\u0151 kontroll. Ha ugyanaz az adat szolg\u00e1l tan\u00edt\u00e1sra \u00e9s teljes\u00edtm\u00e9nyellen\u0151rz\u00e9sre, a teszteredm\u00e9ny t\u00falzottan kedvez\u0151 k\u00e9pet adhat a rendszer val\u00f3s m\u0171k\u00f6d\u00e9s\u00e9r\u0151l. A szervezetnek ez\u00e9rt dokument\u00e1lnia kell, hogyan v\u00e1lasztotta sz\u00e9t az adatokat, milyen mintav\u00e9teli logik\u00e1t alkalmazott, \u00e9s milyen korl\u00e1tai vannak a tesztk\u00f6rnyezetnek. Ebben a helyzetben a valid\u00e1l\u00e1s c\u00e9lja a val\u00f3s haszn\u00e1lhat\u00f3s\u00e1g bizony\u00edt\u00e1sa<\/strong>, nem puszt\u00e1n egy kedvez\u0151 pontsz\u00e1m el\u0151\u00e1ll\u00edt\u00e1sa.<\/p>\n\n\n\n Az \u00e9les m\u0171k\u00f6d\u00e9sben az adatmin\u0151s\u00e9g \u00fajra v\u00e1ltozhat. A bemeneti adatok elt\u00e9rhetnek a tan\u00edt\u00e1skor haszn\u00e1lt adatokt\u00f3l, \u00faj \u00fcgyf\u00e9lt\u00edpusok jelenhetnek meg, megv\u00e1ltozhatnak a folyamatok, vagy a felhaszn\u00e1l\u00f3k m\u00e1sk\u00e9pp kezdhetik haszn\u00e1lni a rendszert. Ilyenkor a modell teljes\u00edtm\u00e9nye romolhat, m\u00e9g akkor is, ha az eredeti teszteredm\u00e9nyek megfelel\u0151ek voltak. A m\u0171k\u00f6d\u00e9si tanuls\u00e1g az, hogy az adatmin\u0151s\u00e9get m\u0171k\u00f6d\u00e9s k\u00f6zben is figyelni kell<\/strong>, nem csak a fejleszt\u00e9s lez\u00e1r\u00e1sakor.<\/p>\n\n\n\n A min\u0151s\u00e9gellen\u0151rz\u00e9si kontrolltervben \u00e9rdemes k\u00fcl\u00f6n r\u00f6gz\u00edteni:<\/p>\n\n\n\n milyen adatmin\u0151s\u00e9gi mutat\u00f3kat figyelnek;<\/p>\n\n\n\n milyen hib\u00e1k sz\u00e1m\u00edtanak kritikusnak;<\/p>\n\n\n\n milyen gyakran t\u00f6rt\u00e9nik adatmin\u0151s\u00e9gi fel\u00fclvizsg\u00e1lat;<\/p>\n\n\n\n ki vizsg\u00e1lja az elt\u00e9r\u00e9seket;<\/p>\n\n\n\n mikor kell \u00fajratesztelni vagy felf\u00fcggeszteni a haszn\u00e1latot;<\/p>\n\n\n\n hogyan dokument\u00e1lj\u00e1k a min\u0151s\u00e9gi kiv\u00e9teleket;<\/p>\n\n\n\n milyen visszacsatol\u00e1s ker\u00fcl a fejleszt\u00e9si vagy \u00fczemeltet\u00e9si folyamatba.<\/p>\n\n\n\n Az adatmin\u0151s\u00e9gi kontrolloknak ar\u00e1nyosnak kell lenni\u00fck. Egy k\u00eds\u00e9rleti, bels\u0151 \u00f6tletgener\u00e1l\u00f3 eszk\u00f6z m\u00e1s kontrollszintet ig\u00e9nyel, mint egy \u00fcgyf\u00e9lkock\u00e1zati el\u0151rejelz\u0151 modell. Ugyanakkor m\u00e9g az alacsonyabb kock\u00e1zat\u00fa haszn\u00e1latokn\u00e1l is kell minim\u00e1lis adatmin\u0151s\u00e9gi tudatoss\u00e1g: legal\u00e1bb az adatforr\u00e1s, c\u00e9l, korl\u00e1t \u00e9s felel\u0151s legyen ismert. \u00cdgy az ar\u00e1nyoss\u00e1g nem kontrollhi\u00e1nyt jelent<\/strong>, hanem a kock\u00e1zathoz igaz\u00edtott ellen\u0151rz\u00e9si m\u00e9lys\u00e9get.<\/p>\n\n\n\n Az AI-adatkezel\u00e9s egyik legfontosabb m\u0171k\u00f6d\u00e9si k\u00e9rd\u00e9se, hogy ki f\u00e9rhet hozz\u00e1 az adatokhoz, milyen c\u00e9llal, milyen jogosults\u00e1gi szinten \u00e9s milyen id\u0151tartamra. A hozz\u00e1f\u00e9r\u00e9s nemcsak az adatb\u00e1zisokra vonatkozik, hanem tan\u00edt\u00f3adatokra, tesztk\u00e9szletekre, c\u00edmk\u00e9z\u00e9si fel\u00fcletekre, napl\u00f3kra, modellkimenetekre, promptokra, riportokra \u00e9s export\u00e1lt \u00e1llom\u00e1nyokra is. A mindennapi m\u0171k\u00f6d\u00e9sben az AI-adat t\u00f6bb helyen jelenik meg<\/strong>, mint amennyit az els\u0151 adatlelt\u00e1r \u00e1ltal\u00e1ban mutat.<\/p>\n\n\n\n A hozz\u00e1f\u00e9r\u00e9skezel\u00e9s alapelve a sz\u00fcks\u00e9ges \u00e9s ar\u00e1nyos hozz\u00e1f\u00e9r\u00e9s. A munkat\u00e1rsak csak azokhoz az adatokhoz f\u00e9rjenek hozz\u00e1, amelyekre az adott szerepk\u00f6r\u00fckben val\u00f3ban sz\u00fcks\u00e9g\u00fck van. A fejleszt\u0151nek nem felt\u00e9tlen\u00fcl kell azonos\u00edthat\u00f3 \u00fcgyf\u00e9ladat, a tesztel\u0151nek nem felt\u00e9tlen\u00fcl kell teljes adat\u00e1llom\u00e1ny, az \u00fczleti felhaszn\u00e1l\u00f3nak pedig nem felt\u00e9tlen\u00fcl kell nyers napl\u00f3. Ilyenkor a jogosults\u00e1g nem k\u00e9nyelmi k\u00e9rd\u00e9s<\/strong>, hanem adatv\u00e9delmi, inform\u00e1ci\u00f3biztons\u00e1gi \u00e9s audit\u00e1lhat\u00f3s\u00e1gi kontroll.<\/p>\n\n\n\n A jogosults\u00e1gi rendet szerepk\u00f6r\u00f6kh\u00f6z kell k\u00f6tni. K\u00fcl\u00f6n \u00e9rdemes kezelni az adatgazd\u00e1t, a fejleszt\u0151t, a modell\u00fczemeltet\u0151t, a bels\u0151 auditort, az \u00fczleti felhaszn\u00e1l\u00f3t, az incidenskezel\u0151t \u00e9s a k\u00fcls\u0151 besz\u00e1ll\u00edt\u00f3t. Minden szerepk\u00f6rn\u00e9l meg kell hat\u00e1rozni, milyen adatot l\u00e1that, m\u00f3dos\u00edthat, export\u00e1lhat vagy t\u00f6r\u00f6lhet. A gyakorlatban a szerepk\u00f6ralap\u00fa hozz\u00e1f\u00e9r\u00e9s cs\u00f6kkenti az inform\u00e1lis adatmozg\u00e1st<\/strong>, mert el\u0151re tiszt\u00e1zza, ki mit tehet az AI-adatokkal.<\/p>\n\n\n\n A napl\u00f3z\u00e1s kett\u0151s term\u00e9szet\u0171. Egyr\u00e9szt elengedhetetlen az audit\u00e1lhat\u00f3s\u00e1ghoz, az incidensek kivizsg\u00e1l\u00e1s\u00e1hoz, a teljes\u00edtm\u00e9nyfigyel\u00e9shez \u00e9s a haszn\u00e1lati szab\u00e1lyok ellen\u0151rz\u00e9s\u00e9hez. M\u00e1sr\u00e9szt a napl\u00f3k maguk is tartalmazhatnak szem\u00e9lyes, bizalmas vagy \u00fczletileg \u00e9rz\u00e9keny inform\u00e1ci\u00f3t. Ez\u00e9rt a napl\u00f3 nem mell\u00e9kterm\u00e9k<\/strong>, hanem \u00f6n\u00e1ll\u00f3 adatkezel\u00e9si objektum, amelyhez hozz\u00e1f\u00e9r\u00e9si, meg\u0151rz\u00e9si \u00e9s t\u00f6rl\u00e9si szab\u00e1lyokat kell rendelni.<\/p>\n\n\n\n A napl\u00f3z\u00e1si tervnek ki kell t\u00e9rnie arra, milyen esem\u00e9nyeket r\u00f6gz\u00edt a szervezet. Ilyen lehet a felhaszn\u00e1l\u00f3i hozz\u00e1f\u00e9r\u00e9s, adatbet\u00f6lt\u00e9s, modellfuttat\u00e1s, kimenetgener\u00e1l\u00e1s, emberi fel\u00fclvizsg\u00e1lat, m\u00f3dos\u00edt\u00e1s, export, hiba, incidens vagy kiv\u00e9teles hozz\u00e1f\u00e9r\u00e9s. A napl\u00f3z\u00e1s c\u00e9lj\u00e1t is meg kell hat\u00e1rozni: biztons\u00e1gi ellen\u0151rz\u00e9s, teljes\u00edtm\u00e9nyfigyel\u00e9s, audit, incidenskezel\u00e9s vagy jogi bizony\u00edt\u00e1s. Ha a c\u00e9l hi\u00e1nyzik, akkor a t\u00falzott napl\u00f3z\u00e1s is kock\u00e1zatt\u00e1 v\u00e1lhat<\/strong>, mert indokolatlan mennyis\u00e9g\u0171 adatot \u0151rizhet meg.<\/p>\n\n\n\n Az adatmeg\u0151rz\u00e9sn\u00e9l k\u00fcl\u00f6n\u00f6sen fontos a c\u00e9lhoz k\u00f6t\u00f6tts\u00e9g \u00e9s az id\u0151beli korl\u00e1toz\u00e1s. M\u00e1s meg\u0151rz\u00e9si id\u0151 lehet indokolt a tan\u00edt\u00f3adatokra, a tesztadatokra, a m\u0171k\u00f6d\u00e9si napl\u00f3kra, a hibajegyekre, a modellkimenetekre \u00e9s az auditbizony\u00edt\u00e9kokra. A GDPR t\u00e1rol\u00e1si korl\u00e1toz\u00e1si elve alapj\u00e1n a szem\u00e9lyes adatok nem \u0151rizhet\u0151k meg tov\u00e1bb, mint ameddig a c\u00e9lhoz sz\u00fcks\u00e9gesek (European Parliament & Council of the European Union, 2016). Az AI-ir\u00e1ny\u00edt\u00e1sban a meg\u0151rz\u00e9si id\u0151 kontroll\u00e9rt\u00e9k\u0171 d\u00f6nt\u00e9s<\/strong>, mert a t\u00fal r\u00f6vid meg\u0151rz\u00e9s auditkock\u00e1zatot, a t\u00fal hossz\u00fa meg\u0151rz\u00e9s adatv\u00e9delmi kock\u00e1zatot okozhat.<\/p>\n\n\n\n A t\u00f6rl\u00e9s nem egyszer\u0171 f\u00e1jlt\u00f6rl\u00e9si feladat. AI-k\u00f6rnyezetben tiszt\u00e1zni kell, hogy az adat hol tal\u00e1lhat\u00f3: nyers adat\u00e1llom\u00e1nyban, el\u0151k\u00e9sz\u00edtett adatk\u00e9szletben, tan\u00edt\u00f3halmazban, teszthalmazban, napl\u00f3ban, biztons\u00e1gi ment\u00e9sben, riportban vagy besz\u00e1ll\u00edt\u00f3i rendszerben. Ha az adat t\u00f6bb helyre \u00e1ramlik, akkor a t\u00f6rl\u00e9snek is t\u00f6bb pontot kell \u00e9rintenie. Emiatt az adat\u00fatvonal ismerete a t\u00f6rl\u00e9s felt\u00e9tele<\/strong>, k\u00fcl\u00f6n\u00f6sen akkor, ha szem\u00e9lyes vagy \u00e9rz\u00e9keny adatr\u00f3l van sz\u00f3.<\/p>\n\n\n\n K\u00fcl\u00f6n figyelmet ig\u00e9nyel, ha az AI-rendszer k\u00fcls\u0151 szolg\u00e1ltat\u00f3hoz kapcsol\u00f3dik. Ilyenkor dokument\u00e1lni kell, milyen adat ker\u00fcl ki a szervezetb\u0151l, hol t\u00f6rt\u00e9nik feldolgoz\u00e1s, t\u00f6rt\u00e9nik-e napl\u00f3z\u00e1s vagy modellfejleszt\u00e9si c\u00e9l\u00fa felhaszn\u00e1l\u00e1s, milyen visszatart\u00e1si szab\u00e1lyok vannak, \u00e9s hogyan ellen\u0151rizhet\u0151 a t\u00f6rl\u00e9s. A besz\u00e1ll\u00edt\u00f3i kapcsolatban az adatkezel\u00e9si kontroll szerz\u0151d\u00e9ses k\u00e9rd\u00e9ss\u00e9 v\u00e1lik<\/strong>, mert a szervezet felel\u0151ss\u00e9ge nem sz\u0171nik meg az adatok tov\u00e1bb\u00edt\u00e1s\u00e1val.<\/p>\n\n\n\n A hozz\u00e1f\u00e9r\u00e9s, napl\u00f3z\u00e1s, meg\u0151rz\u00e9s \u00e9s t\u00f6rl\u00e9s gyakorlati kontrolljai p\u00e9ld\u00e1ul a k\u00f6vetkez\u0151k lehetnek:<\/p>\n\n\n\n szerepk\u00f6ralap\u00fa jogosults\u00e1gi m\u00e1trix;<\/p>\n\n\n\n hozz\u00e1f\u00e9r\u00e9si j\u00f3v\u00e1hagy\u00e1si folyamat;<\/p>\n\n\n\n rendszeres jogosults\u00e1g-fel\u00fclvizsg\u00e1lat;<\/p>\n\n\n\n \u00e9rz\u00e9keny adatok maszkol\u00e1sa vagy pszeudonimiz\u00e1l\u00e1sa;<\/p>\n\n\n\n napl\u00f3z\u00e1si c\u00e9lok \u00e9s napl\u00f3zott esem\u00e9nyek list\u00e1ja;<\/p>\n\n\n\n napl\u00f3k hozz\u00e1f\u00e9r\u00e9si korl\u00e1toz\u00e1sa;<\/p>\n\n\n\n adatkateg\u00f3ri\u00e1nk\u00e9nti meg\u0151rz\u00e9si id\u0151k;<\/p>\n\n\n\n t\u00f6rl\u00e9si \u00e9s archiv\u00e1l\u00e1si folyamat;<\/p>\n\n\n\n besz\u00e1ll\u00edt\u00f3i adatkezel\u00e9si felt\u00e9telek;<\/p>\n\n\n\n incidens eset\u00e9n k\u00f6vetend\u0151 adatkezel\u00e9si l\u00e9p\u00e9sek.<\/p>\n\n\n\n A m\u0171k\u00f6d\u00e9si kontrolloknak nemcsak l\u00e9tezni\u00fck kell, hanem bizony\u00edthat\u00f3nak is kell lenni\u00fck. Egy auditor vagy vezet\u0151i fel\u00fclvizsg\u00e1lat sz\u00e1m\u00e1ra nem elegend\u0151 az a kijelent\u00e9s, hogy a hozz\u00e1f\u00e9r\u00e9seket \u201ekezelik\u201d. Sz\u00fcks\u00e9g van jogosults\u00e1gi list\u00e1kra, fel\u00fclvizsg\u00e1lati jegyz\u0151k\u00f6nyvekre, napl\u00f3be\u00e1ll\u00edt\u00e1sokra, t\u00f6rl\u00e9si bizony\u00edt\u00e9kokra \u00e9s kiv\u00e9telkezel\u00e9si dokument\u00e1ci\u00f3ra. Ilyenkor a kontroll akkor \u00e9l, ha bizony\u00edthat\u00f3<\/strong>, nem akkor, ha a szab\u00e1lyzatban elvileg szerepel.<\/p>\n\n\n\n Az AI-adatkezel\u00e9si kontrollterv c\u00e9lja, hogy az adatfolyam minden l\u00e9nyeges pontj\u00e1n vil\u00e1goss\u00e1 tegye a felel\u0151ss\u00e9get, a kontrollt \u00e9s a bizony\u00edt\u00e9kot. Nem az a feladata, hogy minden technikai r\u00e9szletet t\u00faladminisztr\u00e1ljon, hanem az, hogy a fejleszt\u00e9st\u0151l az \u00fczemeltet\u00e9sig ellen\u0151rizhet\u0151v\u00e9 tegye az adathaszn\u00e1latot. Egy j\u00f3 kontrolltervben az adatfolyam d\u00f6nt\u00e9si pontokra bomlik<\/strong>, nem \u00e1tl\u00e1thatatlan technikai l\u00e1ncolatra.<\/p>\n\n\n\n A kontrollterv kiindul\u00f3pontja az adatfolyam felt\u00e9rk\u00e9pez\u00e9se. Meg kell mutatnia, honnan j\u00f6n az adat, milyen \u00e1talak\u00edt\u00e1sokon megy kereszt\u00fcl, hol haszn\u00e1lja a modell, milyen kimenetet hoz l\u00e9tre, milyen napl\u00f3 keletkezik, \u00e9s mi t\u00f6rt\u00e9nik az adatokkal a haszn\u00e1lat ut\u00e1n. Ez nem felt\u00e9tlen\u00fcl bonyolult \u00e1bra; lehet t\u00e1bl\u00e1zat vagy folyamatv\u00e1zlat is. A l\u00e9nyeg az, hogy az adatmozg\u00e1s l\u00e1that\u00f3v\u00e1 v\u00e1ljon<\/strong>, mert csak l\u00e1that\u00f3 adatfolyamra lehet kontrollt \u00e9p\u00edteni.<\/p>\n\n\n\n Egy AI-modell tan\u00edt\u00e1si \u00e9s \u00fczemeltet\u00e9si adatfolyam\u00e1hoz k\u00e9sz\u00edtett r\u00f6vid kontrollterv p\u00e9ld\u00e1ul a k\u00f6vetkez\u0151 ter\u00fcleteket tartalmazhatja:<\/p>\n\n\n\n Adatkezel\u00e9si szakasz<\/p>\n\n\n\n F\u0151 kock\u00e1zat<\/p>\n\n\n\n Kontroll<\/p>\n\n\n\n Bizony\u00edt\u00e9k<\/p>\n\n\n\n Adatforr\u00e1s kiv\u00e1laszt\u00e1sa<\/p>\n\n\n\n Ismeretlen eredet vagy jogszer\u0171tlen haszn\u00e1lat<\/p>\n\n\n\n Adatforr\u00e1s- \u00e9s c\u00e9lj\u00f3v\u00e1hagy\u00e1s<\/p>\n\n\n\n Adatforr\u00e1s-adatlap, j\u00f3v\u00e1hagy\u00e1s<\/p>\n\n\n\n Adat\u00e1tv\u00e9tel<\/p>\n\n\n\n Nem megfelel\u0151 hozz\u00e1f\u00e9r\u00e9s vagy t\u00falzott adat<\/p>\n\n\n\n Jogosults\u00e1gi \u00e9s adattakar\u00e9koss\u00e1gi ellen\u0151rz\u00e9s<\/p>\n\n\n\n Hozz\u00e1f\u00e9r\u00e9si lista, adatmez\u0151-le\u00edr\u00e1s<\/p>\n\n\n\n Adattiszt\u00edt\u00e1s<\/p>\n\n\n\n Dokument\u00e1latlan torz\u00edt\u00e1s vagy adatveszt\u00e9s<\/p>\n\n\n\n Tiszt\u00edt\u00e1si szab\u00e1lyok r\u00f6gz\u00edt\u00e9se<\/p>\n\n\n\n Adattiszt\u00edt\u00e1si jegyz\u0151k\u00f6nyv<\/p>\n\n\n\n C\u00edmk\u00e9z\u00e9s<\/p>\n\n\n\n K\u00f6vetkezetlen kategoriz\u00e1l\u00e1s<\/p>\n\n\n\n C\u00edmk\u00e9z\u00e9si \u00fatmutat\u00f3 \u00e9s mintav\u00e9teles ellen\u0151rz\u00e9s<\/p>\n\n\n\n C\u00edmk\u00e9z\u00e9si szab\u00e1lyzat, ellen\u0151rz\u00e9si eredm\u00e9ny<\/p>\n\n\n\n Tan\u00edt\u00e1s \u00e9s valid\u00e1l\u00e1s<\/p>\n\n\n\n Nem megfelel\u0151 tesztadat vagy t\u00falilleszt\u00e9s<\/p>\n\n\n\n Tan\u00edt\u00f3-, valid\u00e1ci\u00f3s \u00e9s tesztadat elk\u00fcl\u00f6n\u00edt\u00e9se<\/p>\n\n\n\n Tesztterv, adatfeloszt\u00e1si dokument\u00e1ci\u00f3<\/p>\n\n\n\n \u00c9les m\u0171k\u00f6d\u00e9s<\/p>\n\n\n\n Elt\u00e9r\u0151 bemeneti adatok vagy hib\u00e1s kimenet<\/p>\n\n\n\n Monitoring \u00e9s emberi fel\u00fclvizsg\u00e1lat<\/p>\n\n\n\n Monitoringriport, fel\u00fclvizsg\u00e1lati napl\u00f3<\/p>\n\n\n\n Napl\u00f3z\u00e1s<\/p>\n\n\n\n T\u00falzott vagy \u00e9rz\u00e9keny napl\u00f3adat<\/p>\n\n\n\n Napl\u00f3z\u00e1si c\u00e9l \u00e9s meg\u0151rz\u00e9si id\u0151 meghat\u00e1roz\u00e1sa<\/p>\n\n\n\n Napl\u00f3z\u00e1si terv, konfigur\u00e1ci\u00f3<\/p>\n\n\n\n T\u00f6rl\u00e9s \u00e9s archiv\u00e1l\u00e1s<\/p>\n\n\n\n Indokolatlan meg\u0151rz\u00e9s vagy hi\u00e1nyos t\u00f6rl\u00e9s<\/p>\n\n\n\n Meg\u0151rz\u00e9si \u00e9s t\u00f6rl\u00e9si szab\u00e1ly<\/p>\n\n\n\n T\u00f6rl\u00e9si jegyz\u0151k\u00f6nyv, archiv\u00e1l\u00e1si lista<\/p>\n\n\n\n Ez a t\u00e1bl\u00e1zat a gyakorlatban szerepk\u00f6r\u00f6kkel \u00e9s hat\u00e1rid\u0151kkel eg\u00e9sz\u00edthet\u0151 ki. Minden kontrollhoz sz\u00fcks\u00e9ges felel\u0151s: adatgazda, \u00fczleti tulajdonos, technikai felel\u0151s, inform\u00e1ci\u00f3biztons\u00e1gi felel\u0151s, adatv\u00e9delmi szerepk\u00f6r vagy bels\u0151 auditor. Ha nincs felel\u0151s, akkor a kontroll v\u00e9grehajt\u00e1sa bizonytalan marad. Egy AIMS-ben a kontroll felel\u0151se ugyanolyan fontos, mint maga a kontroll<\/strong>, mert a szab\u00e1ly csak kijel\u00f6lt v\u00e9grehajt\u00f3val v\u00e1lik m\u0171k\u00f6d\u00e9ss\u00e9.<\/p>\n\n\n\n A kontrolltervnek k\u00fcl\u00f6n kezelnie kell a fejleszt\u00e9si \u00e9s \u00fczemeltet\u00e9si adatokat. A fejleszt\u00e9sben fontos a tan\u00edt\u00f3- \u00e9s tesztadatok min\u0151s\u00e9ge, c\u00e9lhoz k\u00f6t\u00f6tts\u00e9ge \u00e9s dokument\u00e1lts\u00e1ga. Az \u00fczemeltet\u00e9sben el\u0151t\u00e9rbe ker\u00fcl a bemeneti adatok v\u00e1ltoz\u00e1sa, a napl\u00f3z\u00e1s, a hozz\u00e1f\u00e9r\u00e9s, a visszacsatol\u00e1s \u00e9s az incidenskezel\u00e9s. Ez\u00e9rt a fejleszt\u00e9si adatkontroll nem v\u00e1ltja ki az \u00fczemeltet\u00e9si kontrollt<\/strong>, mert a kock\u00e1zatok m\u00e1s id\u0151pontban \u00e9s m\u00e1s form\u00e1ban jelentkeznek.<\/p>\n\n\n\n A g\u00e9pi tanul\u00e1si rendszerek rejtett technikai ad\u00f3ss\u00e1g\u00e1r\u00f3l sz\u00f3l\u00f3 kutat\u00e1s arra figyelmeztet, hogy az ML-rendszerekben a f\u00fcgg\u0151s\u00e9gek, visszacsatol\u00e1si hurkok, adatv\u00e1ltoz\u00e1sok \u00e9s rendszerkapcsolatok hossz\u00fa t\u00e1v\u00fa karbantart\u00e1si terheket hozhatnak l\u00e9tre (Sculley et al., 2015). Ez az adatkezel\u00e9sben k\u00fcl\u00f6n\u00f6sen fontos: ha nincs adatverzi\u00f3z\u00e1s, v\u00e1ltoz\u00e1snapl\u00f3 \u00e9s monitoring, akkor a szervezet k\u00e9s\u0151bb nem tudja pontosan meg\u00e1llap\u00edtani, mi\u00e9rt v\u00e1ltozott a modell viselked\u00e9se. A m\u0171k\u00f6d\u00e9si tanuls\u00e1g az, hogy az adatv\u00e1ltoz\u00e1s modellv\u00e1ltoz\u00e1ss\u00e1 v\u00e1lhat<\/strong>, m\u00e9g akkor is, ha a modellk\u00f3d nem m\u00f3dosult.<\/p>\n\n\n\n A kontrolltervnek ez\u00e9rt tartalmaznia kell a v\u00e1ltoz\u00e1skezel\u00e9si szab\u00e1lyokat is. \u00daj adatforr\u00e1s, \u00faj adatkateg\u00f3ria, \u00faj c\u00edmk\u00e9z\u00e9si m\u00f3dszer, megv\u00e1ltozott meg\u0151rz\u00e9si szab\u00e1ly, \u00faj besz\u00e1ll\u00edt\u00f3i feldolgoz\u00e1s vagy elt\u00e9r\u0151 \u00fczemeltet\u00e9si k\u00f6rnyezet eset\u00e9n \u00fajra kell \u00e9rt\u00e9kelni a kock\u00e1zatokat. Nem minden v\u00e1ltoz\u00e1s ig\u00e9nyel teljes \u00fajraj\u00f3v\u00e1hagy\u00e1st, de minden l\u00e9nyeges adatv\u00e1ltoz\u00e1snak nyoma kell legyen. Ilyenkor a v\u00e1ltoz\u00e1snapl\u00f3 az adatkezel\u00e9si eml\u00e9kezet<\/strong>, amely n\u00e9lk\u00fcl a k\u00e9s\u0151bbi audit \u00e9s hibakeres\u00e9s neh\u00e9zkess\u00e9 v\u00e1lik.<\/p>\n\n\n\n Az incidens- \u00e9s elt\u00e9r\u00e9skezel\u00e9st szint\u00e9n be kell \u00e9p\u00edteni az adatkezel\u00e9si gyakorlatba. Adatkezel\u00e9si elt\u00e9r\u00e9s lehet p\u00e9ld\u00e1ul jogosulatlan hozz\u00e1f\u00e9r\u00e9s, hib\u00e1s adatbet\u00f6lt\u00e9s, pontatlan c\u00edmk\u00e9z\u00e9s, nem enged\u00e9lyezett adatforr\u00e1s haszn\u00e1lata, t\u00fal hossz\u00fa meg\u0151rz\u00e9s, hi\u00e1nyz\u00f3 t\u00f6rl\u00e9s vagy olyan napl\u00f3adat keletkez\u00e9se, amelyet a szervezet nem tervezett kezelni. A gyakorlatban az adatkezel\u00e9si incidens nem mindig l\u00e1tv\u00e1nyos<\/strong>, de hossz\u00fa t\u00e1von jelent\u0151s megfelel\u0151s\u00e9gi \u00e9s bizalmi kock\u00e1zatot okozhat.<\/p>\n\n\n\n A bizony\u00edt\u00e9kkezel\u00e9s az AIMS egyik k\u00f6zponti eleme. Minden adatkezel\u00e9si kontrollhoz kapcsol\u00f3dnia kell valamilyen dokumentumnak, napl\u00f3nak, j\u00f3v\u00e1hagy\u00e1snak, riportnak vagy ellen\u0151rz\u00e9si eredm\u00e9nynek. Ezekb\u0151l \u00e1ll \u00f6ssze az a bizony\u00edt\u00e9kl\u00e1nc, amely megmutatja, hogy a szervezet felel\u0151sen ir\u00e1ny\u00edtotta az AI-adatfolyamot. Az audit\u00e1lhat\u00f3s\u00e1g szempontj\u00e1b\u00f3l a bizony\u00edt\u00e9k nem ut\u00f3lagos adminisztr\u00e1ci\u00f3<\/strong>, hanem a felel\u0151s m\u0171k\u00f6d\u00e9s nyoma.<\/p>\n\n\n\n A r\u00f6vid adatkezel\u00e9si kontrolltervnek a k\u00f6vetkez\u0151 minim\u00e1lis szerkezetben \u00e9rdemes elk\u00e9sz\u00fclnie:<\/p>\n\n\n\n Az AI-rendszer c\u00e9lja \u00e9s adatkezel\u00e9si szerepe.<\/p>\n\n\n\n Az adatforr\u00e1sok \u00e9s adatkateg\u00f3ri\u00e1k felsorol\u00e1sa.<\/p>\n\n\n\n Az adathaszn\u00e1lati c\u00e9lok \u00e9s korl\u00e1tok r\u00f6gz\u00edt\u00e9se.<\/p>\n\n\n\n A jogszer\u0171s\u00e9gi \u00e9s jogosults\u00e1gi felt\u00e9telek meghat\u00e1roz\u00e1sa.<\/p>\n\n\n\n Az adatmin\u0151s\u00e9gi elv\u00e1r\u00e1sok \u00e9s ellen\u0151rz\u00e9sek le\u00edr\u00e1sa.<\/p>\n\n\n\n A hozz\u00e1f\u00e9r\u00e9si \u00e9s napl\u00f3z\u00e1si szab\u00e1lyok megad\u00e1sa.<\/p>\n\n\n\n A meg\u0151rz\u00e9si, archiv\u00e1l\u00e1si \u00e9s t\u00f6rl\u00e9si szab\u00e1lyok meghat\u00e1roz\u00e1sa.<\/p>\n\n\n\n A v\u00e1ltoz\u00e1s- \u00e9s incidenskezel\u00e9si pontok kijel\u00f6l\u00e9se.<\/p>\n\n\n\n A felel\u0151s\u00f6k \u00e9s j\u00f3v\u00e1hagy\u00f3k megnevez\u00e9se.<\/p>\n\n\n\n A bizony\u00edt\u00e9kok \u00e9s fel\u00fclvizsg\u00e1lati gyakoris\u00e1g r\u00f6gz\u00edt\u00e9se.<\/p>\n\n\n\n Ez a szerkezet seg\u00edt abban, hogy az AI-adatkezel\u00e9s ne szakadjon sz\u00e9t k\u00fcl\u00f6n\u00e1ll\u00f3 jogi, technikai \u00e9s \u00fczleti r\u00e9szfeladatokra. A kontrollterv a k\u00f6z\u00f6s m\u0171k\u00f6d\u00e9si nyelvet teremti meg: megmutatja, mit kell v\u00e9deni, mi\u00e9rt, kinek, mikor \u00e9s milyen bizony\u00edt\u00e9kkal. Ebben az \u00e9rtelemben az adatkezel\u00e9si kontrollterv az AI-rendszer ir\u00e1ny\u00edt\u00e1si t\u00e9rk\u00e9pe<\/strong>, amely a fejleszt\u00e9si d\u00f6nt\u00e9seket \u00f6sszek\u00f6ti az \u00fczemeltet\u00e9si felel\u0151ss\u00e9ggel.<\/p>\n\n\n\n A napi m\u0171k\u00f6d\u00e9sben a legfontosabb tanuls\u00e1g az, hogy az AI-adatkezel\u00e9s nem egyetlen szak\u00e9rt\u0151i ter\u00fclet feladata. Az \u00fczleti c\u00e9l, az adatmin\u0151s\u00e9g, a jogszer\u0171s\u00e9g, a hozz\u00e1f\u00e9r\u00e9s, a napl\u00f3z\u00e1s, a meg\u0151rz\u00e9s \u00e9s a t\u00f6rl\u00e9s egy\u00fctt hat\u00e1rozza meg, hogy a rendszer felel\u0151sen m\u0171k\u00f6dtethet\u0151-e. Az AI ir\u00e1ny\u00edt\u00e1si rendszer akkor v\u00e1lik \u00e9rett\u00e9, amikor az adatfolyam minden l\u00e9nyeges pontj\u00e1n megv\u00e1laszolhat\u00f3 h\u00e1rom k\u00e9rd\u00e9s: milyen adatot haszn\u00e1lunk, milyen felt\u00e9telekkel haszn\u00e1ljuk, \u00e9s mivel tudjuk igazolni, hogy a kontroll m\u0171k\u00f6d\u00f6tt.<\/p>\n\n\n\n European Parliament & Council of the European Union. (2016). Regulation (EU) 2016\/679 of the European Parliament and of the Council of 27 April 2016 on the protection of natural persons with regard to the processing of personal data and on the free movement of such data<\/em>. Official Journal of the European Union. https:\/\/eur-lex.europa.eu\/eli\/reg\/2016\/679\/oj\/eng<\/p>\n\n\n\n European Parliament & Council of the European Union. (2024). Regulation (EU) 2024\/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence<\/em>. Official Journal of the European Union. https:\/\/eur-lex.europa.eu\/eli\/reg\/2024\/1689\/oj\/eng<\/p>\n\n\n\n Gebru, T., Morgenstern, J., Vecchione, B., Vaughan, J. W., Wallach, H., Daum\u00e9 III, H., & Crawford, K. (2021). Datasheets for datasets. Communications of the ACM, 64<\/em>(12), 86\u201392. https:\/\/doi.org\/10.1145\/3458723<\/p>\n\n\n\n Holland, S., Hosny, A., Newman, S., Joseph, J., & Chmielinski, K. (2018). The Dataset Nutrition Label: A framework to drive higher data quality standards<\/em>. arXiv. https:\/\/arxiv.org\/abs\/1805.03677<\/p>\n\n\n\n International Organization for Standardization. (2023). ISO\/IEC 42001:2023: Information technology \u2014 Artificial intelligence \u2014 Management system<\/em>. ISO. https:\/\/www.iso.org\/standard\/42001<\/p>\n\n\n\n International Organization for Standardization. (2024). ISO\/IEC 5259-1:2024: Artificial intelligence \u2014 Data quality for analytics and machine learning (ML) \u2014 Part 1: Overview, terminology, and examples<\/em>. ISO. https:\/\/www.iso.org\/standard\/81088.html<\/p>\n\n\n\n National Institute of Standards and Technology. (2023). Artificial intelligence risk management framework (AI RMF 1.0)<\/em>. U.S. Department of Commerce. https:\/\/doi.org\/10.6028\/NIST.AI.100-1<\/p>\n\n\n\nAdatforr\u00e1s, c\u00e9l \u00e9s jogszer\u0171s\u00e9g dokument\u00e1l\u00e1sa<\/h2>\n\n\n\n
Adatmin\u0151s\u00e9g, c\u00edmk\u00e9z\u00e9s \u00e9s valid\u00e1l\u00e1s kontrolljai<\/h2>\n\n\n\n
Hozz\u00e1f\u00e9r\u00e9s, napl\u00f3z\u00e1s, meg\u0151rz\u00e9s \u00e9s t\u00f6rl\u00e9s<\/h2>\n\n\n\n
Adatkezel\u00e9si kontrollterv a napi m\u0171k\u00f6d\u00e9sben<\/h2>\n\n\n\n
Felhaszn\u00e1lt szakirodalom<\/h2>\n\n\n\n