Ha ma egy AI-t kérdezel meg globális fejlesztési adatokról, jó eséllyel bizonytalan vagy pontatlan választ kapsz. Az ENSZ most ezen próbál változtatni: nem új modellt épít, hanem a saját adatait készíti fel úgy, hogy azokat az AI-rendszerek is értelmesen és visszakövethetően tudják használni.

Mi történt

Az ENSZ bejelentette a UN System Data Commons nevű új platformot, amely a szervezet különböző ügynökségeinek statisztikáit egy közös rendszerbe rendezi. Az alapját a Google nyílt forráskódú Data Commons technológiája adja. Az új felület leváltja a korábbi UNData portált, ahol a statisztikák keresése inkább hagyományos adatbázis-logikával működött: kategóriák, táblák és külön keresők között kellett eligazodni. Az új rendszer ehelyett természetes nyelvű lekérdezéseket is támogat, vagyis közelebb kerül ahhoz, ahogyan ma sokan kérdeznek egy AI-asszisztenstől.

A platform támogatja az MCP-t is, vagyis a Model Context Protocol nevű szabványt. Ez leegyszerűsítve olyan, mint egy szabványos csatlakozó: lehetővé teszi, hogy egy AI-rendszer közvetlenül kapcsolódjon külső adatforrásokhoz, és ne csak a saját, korábban betanított tudására hagyatkozzon. Induláskor közel 20 ENSZ-szervezet adatai érhetők el, miközben 26 entitás már csatlakozást vállalt, és a cél az, hogy 2027-re az ENSZ statisztikai adatvagyonának 80%-a felkerüljön a rendszerbe.

A lépés mögött nagyon is gyakorlati probléma áll. Egy UNICEF-mérésben hat nagy nyelvi modell több mint 133 ezer válaszát vizsgálták globális fejlesztési mutatókkal kapcsolatban, és az átlagos pontosság mindössze 21,2% lett. Sok válasz egyáltalán nem adott használható számot, a modellek gyakran kitérő vagy óvatos megfogalmazásokkal reagáltak. Még beszédesebb, hogy amikor ugyanazokat a kérdéseket két nappal később újra feltették ugyanazoknak a modelleknek, az egyszer már számmal megválaszolt kérdéseknél is csak nagyjából az esetek felében jött vissza ugyanaz az érték.

Miért fontos

Ez nem csak adatbázis-modernizálás. Arról szól, hogy az AI egyre gyakrabban közvetít információt a felhasználók felé, miközben a háttérben sokszor nem megbízható, nem stabil vagy nem visszakövethető adatokkal dolgozik. Gondolj rá úgy, mint amikor egy jó könyvtárat nemcsak digitalizálnak, hanem a polcokra címkéket, keresőt és pontos hivatkozási rendszert is tesznek, hogy ne csak ember, hanem gép is értse, mi hol van. Különösen fontos, hogy a platform megőrzi, melyik statisztika pontosan honnan származik, így egy AI által előhúzott szám visszavezethető az eredeti ENSZ-forrásig. Ez sokat számít akkor, amikor egy grafikon, elemzés vagy gyors chatbot-válasz mögött ellenőrizhető bizonyítékot keresel.

Mire figyelj

  1. Az igazi teszt az lesz, hogy az AI-asszisztensek tényleg pontosabban válaszolnak-e, ha közvetlenül ezt a rendszert használják.
  2. Érdemes követni, milyen gyorsan kerül fel a maradék ENSZ-adatkészlet, mert a rendszer értékét nagyban a lefedettsége adja.
  3. Fontos határ marad, hogy a megbízható adat még nem jelent automatikusan megbízható következtetést. A TechCrunchnak nyilatkozó Google-csapat is hangsúlyozta: az AI képes félreérteni az árnyalatokat, ezért a belőle készült elemzéseket továbbra is embernek kell ellenőriznie.