A munkahelyi MI-jártasság
kérdését az Európai Unió MI-rendeletének 4. cikkéhez kapcsolódó legutóbbi
szabályozási változások, valamint az alkalmazásra való intézményi felkészülés
immár közvetlen jogi szükségessége teszi különösen időszerűvé. Az uniós szabály
ma már nem valamely egységes munkavállalói tudásszint elérését követeli meg,
hanem azt, hogy az MI-rendszerek szolgáltatói és alkalmazói megfelelő, a
használat körülményeihez igazított intézkedésekkel támogassák az érintettek
MI-jártasságának fejlődését. Ebben a megváltozott szabályozási helyzetben kap
különös jelentőséget Lucia Velasco, Siddhi Pal és Catherine Schneider 2026.
augusztus 25-én megjelent szakpolitikai munkaanyaga, az An
operational framework for AI literacy in the workplace – Informing action plans
under the EU AI Act. mely az MI-rendelet (AI Act) 4.
cikkének júliusi módosítása alapján arra keresi a választ, hogyan fordítható le
a meglehetősen nyitottá vált jogi kötelezettség a munkahelyek mindennapi
gyakorlatára. A kérdés jelentősége közben tovább nőtt: 2026 augusztusától
rendelet szerint a 4. cikk hatósági felügyelete is megkezdődött – bár ennek
Magyarországon sok jelét még nem tapasztaljuk.
A Velasco–Pal–Schneider-tanulmány
azért érdemel kiemelt figyelmet, mert a 4. cikk egyik alapvető végrehajtási
problémáját ragadja meg. Az uniós jog meghatározza az MI-jártasság (AI
literacy) fogalmát, kijelöli a kötelezett szervezeteket és felsorolja
azokat a körülményeket, amelyekhez az intézkedéseket igazítani kell, ugyanakkor
továbbra sem ad munkahelyi kompetenciamodellt, kötelező tantervet vagy
egységes mérési módszert. A szakpolitikai munkaanyag ezt a hiányt három,
egymásra épülő munkahelyi kompetenciaszinttel próbálja áthidalni.
Ezzel egy időben azonban a jogi
környezet is megváltozott: a 2025 februárjától alkalmazott eredeti
kötelezettséget 2026
júliusában átírták, a Bizottság és a tagállamok támogató feladatai
megerősödtek, az Európai MI-testület pedig közös célokat meghatározó ajánlások
kidolgozására kapott feladatot. A 4. cikk ezért ma egyszerre munkáltatói
megfelelési, képzéspolitikai és szervezetirányítási kérdés.
Az „elégséges szinttől” a fejlesztést támogató
intézkedésekig
Az eredeti szabályozás 2024
nyarán született meg. Az (EU) 2024/1689 rendelet 2024. augusztus 1-jén lépett
hatályba, a 4. cikk pedig 2025. február 2-től vált alkalmazandóvá. Ekkor a szolgáltatóknak
(providers) és alkalmazóknak (deployers) olyan
intézkedéseket kellett tenniük, amelyekkel „legjobb tudásuk szerint”
biztosították, hogy személyzetük és az MI-rendszereket a nevükben működtető
vagy használó más személyek elégséges szintű MI-jártassággal
rendelkezzenek. A szükséges szint meghatározásakor számításba kellett venni az
érintettek technikai ismereteit, tapasztalatát, oktatását és képzését, a
használat környezetét, valamint azokat a személyeket és csoportokat, akikre a
rendszer alkalmazása irányul.
A rendelkezés kezdettől fogva
erősen kontextusfüggő volt. A német Bundesnetzagentur 2025 júniusában
kiadott KI-Kompetenzen
nach Artikel 4 KI-Verordnung című tájékoztatója ezért négy gyakorlati
lépést emelt ki: az érintettek és rendszerek feltérképezését, az egyéni és
szervezeti körülmények alapján kialakított intézkedéseket, a tudás rendszeres
frissítését és a megtett intézkedések dokumentálását. A német hatósági
háttéranyag már ekkor világossá tette, hogy az AI Act nem szabványosított
képzést, külső tanúsítványt vagy külön MI-felelőst ír elő. A képzés tartalmának
és mélységének az alkalmazott rendszerekhez, azok kockázataihoz
és a munkatársak tényleges feladataihoz kellett igazodnia.
A szabályozás következő
szakaszában éppen az „elégséges szint” bizonytalan tartalma került a vita
középpontjába. A Bizottság 2025. november 19-én bemutatott Digital Omnibus
on AI javaslata még jóval messzebbre ment: az általános MI-jártassági
kötelezettség súlypontját a Bizottság és a tagállamok képességfejlesztő
tevékenységére kívánta áthelyezni. A Bizottság jelenlegi
Q&A-ja kifejezetten rögzíti, hogy az eredeti javaslat az alkalmazókra
és szolgáltatókra rótt bizonytalan követelmény helyett erősebben épített volna
az állami támogatásra, az átképzésre (reskilling) és a továbbképzésre
(upskilling).
A 2026-ban
elfogadott kompromisszum ennél mérsékeltebb változtatást valósított meg. Az
(EU) 2026/1744 rendelet 2026. július 27-i hatálybalépésével a szervezetek
közvetlen kötelezettsége fennmaradt. A 4. cikk új szövege szerint a
szolgáltatóknak és alkalmazóknak intézkedéseket kell tenniük az érintettek
MI-jártassága fejlődésének támogatására. A jogszabály egyúttal
kifejezetten kimondja, hogy a kötelezettség egyetlen személy esetében sem
jelenti meghatározott MI-jártassági szint garantálását.
Amint azt egy korábbi munkánkban
az oktatás összefüggésében részletesebben
már kifejtettük, a változás jogi jelentősége így pontosabban ragadható meg
a kötelezettség tárgyának átalakulásával. A korábbi szabály egy kívánt
eredményhez, az „elégséges” jártassághoz kapcsolta a szervezet erőfeszítéseit.
A jelenlegi szöveg a szervezet által meghozandó és megindokolható intézkedésekre
(measures) helyezi a hangsúlyt. A munkáltató számára ezért egyre
fontosabbá válik annak bemutatása, hogy milyen MI-rendszereket használ, kik
használják őket, milyen tudásra van szükségük, milyen kockázatokkal
találkozhatnak, és ezek alapján milyen felkészítést, útmutatást vagy más
támogatást választott.
A módosítás további újdonsága,
hogy a 4. cikk immár három bekezdésből álló szakpolitikai szerkezetet alkot.
Az első bekezdés tartalmazza a szolgáltatók és alkalmazók kötelezettségét.
A második a Bizottságot és a tagállamokat kötelezi arra, hogy segítsék ennek
teljesítését, különösen a kkv-k esetében, a Bizottságnak pedig gyakorlati
megfelelési példákat kell közzétennie. A harmadik szerint az Európai
MI-testületnek európai kompetenciakeretek figyelembevételével ajánlásokat és
közös célokat kell kidolgoznia. A vállalati felelősség tehát egy
kialakuló európai kompetenciapolitikai (skills policy) rendszerbe
illeszkedik.
Mit jelent ma a 4. cikk egy munkahely számára?
A hatályos szabály alkalmazási
köre jóval szélesebb annál, mint amit a
„mesterségesintelligencia-képzés” kifejezés elsőre sugall. Egy szervezet akkor
kerülhet a rendelkezés hatálya alá, ha az AI Act szerinti alkalmazóként
(deployer) szakmai tevékenysége során saját irányítása alatt
MI-rendszert használ. Ehhez nincs szükség saját fejlesztésű modellre vagy külön
MI-részlegre. A Bizottság jelenlegi álláspontja szerint egy olyan
vállalkozásnál is felmerül a 4. cikk alkalmazása, ahol a munkatársak például
ChatGPT-t használnak reklámszövegek megírására vagy fordításra; legalább az
olyan sajátos veszélyekkel tisztában kell lenniük, mint a téves, kitalált
kimenetek, vagyis a hallucinációk.
A személyi kör
sem korlátozódik a munkaviszonyban állókra. A Bizottság az „egyéb személyek”
körében vállalkozókat, szolgáltatókat és bizonyos körülmények között ügyfeleket
is említ, ha a szervezet nevében foglalkoznak az MI-rendszer működtetésével
vagy használatával. A szabályozás kiindulópontja ezért a tényleges szervezeti
és funkcionális kapcsolat. Az Interface munkaanyaga ugyanezt a szemléletet
viszi tovább: a szükséges felkészültséget a munkavállaló MI-vel való
interakciójának jellege és következményei alapján határozza meg.
A Bizottság Q&A-ja
négy elemet javasol a megfelelési intézkedések kialakításához. A
szervezetnek először általános képet kell alkotnia arról, mi az MI és
milyen rendszereket használ. Ezt követően tisztáznia kell saját jogi
szerepét, értékelnie kell a rendszerek kockázatait, végül az
érintett személyek előzetes tudását, tapasztalatát, képzettségét és az
alkalmazási környezetet figyelembe véve kell kialakítania intézkedéseit. A
Bizottság a jogi, etikai és irányítási ismeretek beépítését is indokoltnak
tartja.
Ez a gyakorlatban többet jelent,
többet KELL jelentsen egy általános, gyorsan kipipálható e-learning
tanfolyamnál: nem ragadhat meg az általánosság szintjén, a szervezeti gyakorlat
szempontjából hasznosnak, azaz a szervezeti igényekhez igazodónak kell lennie.
Ide tartozhat az engedélyezett MI-eszközök körének meghatározása, a bizalmas
vagy személyes adatok bevitelére vonatkozó szabályok, a generált tartalom
ellenőrzésének rendje, a szerzői jogi és átláthatósági követelmények
ismertetése, a hibás kimenetek kezelésének módja és az a szervezeti út is,
amelyen keresztül a munkatárs problémát jelezhet. A forrásként feltöltött gyakorlati
összefoglaló ugyancsak általános alapozást, eszközspecifikus útmutatást,
szerepkörhöz igazított mélyebb képzést, hozzáférhető MI-használati szabályzatot
és a megtett intézkedések nyilvántartását sorolja a lehetséges megoldások közé.
A dokumentáció (documentation)
szerepe emiatt felértékelődik. A Bizottság továbbra sem ír elő tanúsítványt, és
külön MI-felelős vagy MI-irányítási testület létrehozását sem teszi kötelezővé.
Kifejezetten elfogadható megoldásként említi a képzések és más iránymutató
intézkedések belső nyilvántartását. A dokumentálás értéke ma elsősorban abban
áll, hogy rekonstruálhatóvá teszi a szervezet döntését: milyen személyi körre
terjedt ki a felmérés, milyen használati helyzeteket azonosított, milyen
kockázatok alapján választott intézkedést, és mikor vizsgálta azt felül.
Az Európai Bizottság élő
gyakorlattára (living repository) már több mint negyven
vállalati és közszektorbeli példát tartalmaz az e-learningtől a workshopokon át
az egyetemi–vállalati együttműködésig. Ezek tanulási minták. Átvételük jelenleg
nem hoz létre megfelelőségi vélelmet. A 2026-os új 4. cikk alapján a Bizottság
ezek tapasztalatait is felhasználja majd a hivatalos gyakorlati megfelelési
példák kialakításához.
Három szint a munkahelyi MI-jártassághoz
Velasco, Pal és Schneider
szakpolitikai munkaanyaga ezen a ponton tesz hozzá érdemben a jelenlegi
európai diskurzushoz. Kiindulópontjuk szerint a jogszabály által felsorolt
kontextuális tényezőket olyan modellbe kell rendezni, amely alapján egy
szervezet eldöntheti, kinek milyen mélységű tudásra van szüksége. Az általuk
javasolt három szint kumulatív, és az egyén MI-használatának jellegéhez
kötődik. Ez a modell szakpolitikai javaslat, jelenleg nem része
az MI rendelet kötelező követelményeinek, nem lenne azonban meglepő, ha tézisei
az Európai Bizottság által kiadásra kerülő értelmezésekben is megjelennének.
Az alapszint (baseline
– L0) azokra terjed ki, akik a szervezet működési körében kapcsolatba
kerülhetnek MI-vel. Itt az alapvető cél annak megértése, mi minősül MI-nek,
milyen rendszereket használ a szervezet, milyen általános kockázatok – téves
kimenetek, torzítás, adatvédelmi problémák – merülhetnek fel, és hova kell
fordulni probléma esetén. Az operatív szint (operational – L1)
azokra vonatkozik, akik munkaköri feladataik részeként rendszeresen használnak
konkrét MI-rendszert. Számukra már a rendszer képességei, korlátai és tipikus
hibamódjai, a kimenetek ellenőrzése, a megfelelő lekérdezés, az átláthatósági
és szerzői jogi kötelezettségek, valamint az eszkaláció szabályai is
relevánsak.
A felügyeleti szint (oversight
– L2) a nagy kockázatú MI-rendszerek működtetésében vagy felügyeletében
részt vevő személyeket célozza. Itt a rendszer működésének mélyebb megértésére,
a rendellenességek és modellváltozások felismerésére, a torzítás észlelésére,
valamint a beavatkozás vagy felülbírálás feltételeinek ismeretére van szükség.
A szakpolitikai munkaanyag ezen a szinten dokumentált kompetenciaértékelést és
rendszeres felülvizsgálatot is javasol.
A modell egyik fontos erénye,
hogy a tudásszintet nem szervezeti hierarchiához köti. Egy vezető
munkaköre alapján maradhat L0 vagy L1 szinten, míg egy alacsonyabb beosztású
munkatárs L2-be kerülhet, ha nagy kockázatú rendszer emberi felügyeletét végzi.
A szerzők a szintek tartalmi kitöltéséhez a Judith Cosgrove és Romina
Cachia által kidolgozott DigComp
3.0 keretrendszert, valamint az OECD és a Bizottság 2026-os AILit
keretét is felhasználhatónak tartják – erről korábban itt
írtunk részletesebben. A DigComp 3.0 az MI-t már keresztmetszeti elemként
építi be a digitális kompetenciák rendszerébe.
Munkahelyi szempontból különösen
érdekes összevetési pontot jelent Nisreen Ameen a Skills England számára
készített AI
skills for the UK workforce kutatása. A brit modell technikai, nem
technikai, valamint felelős és etikai készségeket különít el, 2026 januárjától
pedig külön munkahelyi MI-alapkészség benchmark (AI foundation skills
for work benchmark) is működik. Az Interface tanulmánya ennek tapasztalatát
is felhasználja, egyúttal arra figyelmeztet, hogy a tanúsítás túl korai lenne:
előbb olyan validált értékelési módszerekre van szükség, amelyek ténylegesen
képesek mérni a megszerzett ismereteket és ítélőképességet. Tomáš Lintner 2024-es
szisztematikus
áttekintése ehhez fontos empirikus hátteret ad, mivel a vizsgált
MI-jártassági mérőeszközök körében komoly validációs hiányokat talált.
A 4. cikk helye a munkajog, az adatvédelem és az
MI-irányítás rendszerében
A munkahelyi MI-jártasság
jelentőségét az adja, hogy a 4. cikk számos további kötelezettséggel
érintkezik. Az OECD 2026 júliusában megjelent Recent
policy developments on AI in the labour market című tanulmánya hat
olyan területet emel ki, amely köré a jelenlegi nemzetközi szakpolitikai
válaszok szerveződnek: automatizáció, termelékenység és készségek;
adat- és magánélet-védelem; megkülönböztetés tilalma;
munkahelyi egészség és biztonság; átláthatóság, magyarázhatóság
és elszámoltathatóság; valamint szociális párbeszéd.
Ezek közül több közvetlenül
összekapcsolódik a munkavállalók felkészítésével. Egy MI-t használó
munkatársnak például értenie kell, mikor kezel személyes adatot, milyen
következménye lehet egy ellenőrizetlen kimenet felhasználásának, hogyan
ismerhető fel egy torz eredmény, és milyen esetben kell emberi döntéshozóhoz
vagy más szervezeti szinthez továbbítani az ügyet. A jártasság fogalma
ezért munkahelyen technológiai készséget, kritikai ellenőrzést, jogi
tudatosságot és szervezeti felelősséget egyaránt magában foglal.
Külön szabályok érvényesülnek a nagy
kockázatú MI-rendszereknél (high-risk AI systems). Az MI rendelet III. melléklete ebbe a
körbe sorolja többek között a munkaerő-felvételhez és kiválasztáshoz használt
egyes rendszereket, továbbá azokat, amelyek munkaviszonyi döntésekre,
előléptetésre, megszüntetésre, feladatkiosztásra, illetve a munkavállalók
teljesítményének és viselkedésének megfigyelésére vagy értékelésére szolgálnak.
Ezeknél a 4. cikk általános
jártassági szabálya mellett az AI Act 26. cikke további követelményeket
támaszt. A emberi felügyeletet (human oversight) olyan
természetes személyre kell bízni, aki megfelelő kompetenciával, képzettséggel,
hatáskörrel és támogatással rendelkezik. Munkahelyi bevezetés előtt a
munkáltató alkalmazónak tájékoztatnia kell a munkavállalói képviselőket és az
érintett dolgozókat is arról, hogy nagy kockázatú MI-rendszer alkalmazásának
lesznek alanyai. Adatkezeléssel járó esetekben az AI Act alkalmazása a GDPR
szerinti adatvédelmi hatásvizsgálattal is összekapcsolódhat. (Eur-Lex) A 2026-os
módosítás ezeket a nagy kockázatú rendszerekkel kapcsolatos képzési és
felügyeleti követelményeket nem gyengítette. Ezt a Bizottság jelenlegi
értelmezése külön is hangsúlyozza.
A munkahelyi szabályozás ezért több
rétegen keresztül működik. Az általános generatív MI-használatnál a 4.
cikkhez kapcsolódó tudatossági és felkészítési intézkedések kerülnek előtérbe.
A munkavállalókra érdemi következménnyel járó nagy kockázatú rendszereknél
ehhez konkrét felügyeleti, képzettségi, tájékoztatási és dokumentációs
feladatok társulnak. Az OECD különösen fontosnak tartja a szociális
párbeszédet (social dialogue), mert a munkavállalók és képviselőik
bevonása segítheti a technológiai kockázatok felismerését és a munkahelyi
szabályok gyakorlati kialakítását.
A 2026-os év további fordulata a
végrehajtás megindulása. A Bizottság tájékoztatása szerint 2026 augusztusától a
tagállami piacfelügyeleti hatóságok (market surveillance authorities)
ellenőrzik a 4. cikk teljesítését. A Bizottság szerint jogsértés esetén a nemzeti
jog alapján szankciók és más végrehajtási intézkedések alkalmazhatók, az
értékelésnél pedig figyelembe kell venni a jogsértés jellegét, súlyát, valamint
a szándékosságot vagy gondatlanságot. Különösen jelentős lehet, ha egy konkrét
incidens megfelelő képzés vagy útmutatás hiányával hozható kapcsolatba. Az
alkalmazás megkezdésének jele ugyanakkor Magyarországon 2026. szeptemberében
még nem látható, a hazai piacfelügyeleti
hatóság, az úgynevezett Mesterséges
Intelligencia Hivatal felkészültségi szintje sem ismert, tájékoztatást kérő
megkeresésekre nem válaszolnak.
Közös minimum és szerepkörhöz
igazított tudás
A munkahelyi MI-jártasság
(AI literacy) akkor válik kezelhető követelménnyé, ha a szervezet
meghatározza azt a közös tudásmagot, amelyre minden érintettnek szüksége van,
majd erre építi a munkakörhöz és felelősséghez kötött ismereteket. Ez
illeszkedik a Velasco–Pal–Schneider-féle modellhez: az L0 alapismeretet ad,
az L1 a konkrét rendszer használatához szükséges operatív tudást,
az L2 a nagy kockázatú rendszerek működtetéséhez és emberi
felügyeletéhez (human oversight) kapcsolódó mélyebb kompetenciát.
A besorolás alapja a tényleges feladat és az MI-használat következménye,
így a szükséges jártasság mélységét önmagában sem a szervezeti beosztás, sem a
technikai végzettség nem határozza meg.
A közös minimumot az annak
felismerésére vonatkozó tudás jelenti, hogy mi tekinthető MI-rendszernek;
milyen jóváhagyott eszközöket használ a szervezet; hogyan jelentkezik a hallucináció
(hallucination), a torzítás vagy a személyes és bizalmas
adatok kiszivárgásának veszélye; mikor szükséges emberi ellenőrzés; kihez
kell fordulni probléma esetén. Egy irodai munkatársnak például tudnia kell,
hogy személyes adatot vagy még nem nyilvános üzleti információt nem tölthet fel
nyilvános chatbotba, a generált szöveg pedig ellenőrzés nélkül nem kerülhet
külső címzetthez. Ugyanehhez a közös alaphoz tartozik annak megértése is, hogy
az MI által készített válasz valószínűségi eredmény, ezért az eszköz magabiztos
megfogalmazása önmagában nem igazolja az információ helyességét.
Erre épül a
munkakör-specifikus réteg. A kommunikációs munkatárs számára
lényeges a forrásellenőrzés, a szerzői jog, az MI-eredet jelölése és a
reputációs kockázat. Az ügyfélszolgálaton a félrevezető válaszok
felismerése és az ügy emberhez irányításának szabályai kerülnek előtérbe. A pénzügyi
területen a pontatlan számítás és az automatizált ajánlás túlértékelése
lehet központi téma. A HR-ben azt is érteni kell, hogy egy jelentkezőket
rangsoroló vagy munkavállalókat értékelő rendszer nagy kockázatú lehet, ezért
használata szorosabb felügyeletet és megfelelően felkészült személyeket kíván.
A vezetői MI-jártasság (managerial
AI literacy) más hangsúlyokat kap. A vezetőnek át kell látnia,
hol és milyen célra használ a szervezet MI-t, mely döntések
igényelnek emberi kontrollt, milyen jogi és szervezeti
kockázatok keletkezhetnek, és ki viseli az ellenőrzési felelősséget.
Egy osztályvezetőnek például el kell tudnia dönteni, engedhető-e generatív MI
használata jelentések első változatának elkészítésére, milyen ellenőrzést kell
előírnia, és mikor indokolt adatvédelmi, jogi vagy informatikai szakértőt
bevonni. Ha egy munkatárs MI segítségével állít össze döntés-előkészítő
anyagot, a vezetőnek azt is tudnia kell, milyen mértékben támaszkodhat erre,
milyen forrásellenőrzést várjon el, és mely döntést nem delegálhatja
ténylegesen az algoritmusnak.
A felső vezetés szintjén
ehhez az eszközbeszerzés, a belső szabályozás, a képzési
szükségletek és az incidenskezelés irányítása társul. A vezetői
jártasság része annak felismerése is, hogy egy új MI-eszköz bevezetése mikor
igényel adatvédelmi, munkajogi, információbiztonsági vagy kockázatkezelési
vizsgálatot. A szakpolitikai munkaanyag ezért az MI-rendszerek és használóik
feltérképezését, a szerepek szinthez rendelését, a képzést, a dokumentálást és
a rendszeres felülvizsgálatot egymásra épülő szervezeti folyamatként kezeli.
Hogyan tanítható mindez a
munkahelyen?
A rövid, általános bevezető képzés jó kiindulópont, a tudásátadás súlypontja azonban a munkakörre szabott gyakorlás lehet. A szakpolitikai munkaanyag fontos problémára hívja fel a figyelmet: a vállalati képzések gyakran a termelékenységre és az eszközhasználatra összpontosítanak, miközben a szabályozás szempontjából a hibák, korlátok, kockázatok és jogi kötelezettségek felismerése is alapvető. Valaki lehet ügyes a promptolásban úgy is, hogy nem veszi észre a modell tévedését vagy nem ismeri az adatvédelmi korlátokat.
Különösen alkalmas ezért a helyzetalapú
tanulás (scenario-based learning). Egy rövid közös alapozás
után az egyes szervezeti egységek saját munkafolyamataikból vett
esetekkel dolgozhatnak. A kommunikációs csoport kapjon hihető, de hamis
adatokat és kitalált forrásokat tartalmazó MI-szöveget, amelyet publikálás
előtt kell ellenőriznie. A HR-csoport értékeljen MI által készített
jelöltlistát, keresse meg a torzítás lehetőségét, és döntse el, mikor szükséges
emberi felülvizsgálat. Egy ügyfélszolgálati gyakorlatban a chatbot olyan
választ adhat, amely nyelvileg meggyőző, tartalmilag azonban hibás; a
munkatársnak fel kell ismernie az eltérést és alkalmaznia kell az eszkalációs
útvonalat (escalation path). A vezetők olyan esetet dolgozhatnak
fel, amelyben egy új MI-eszköz gyorsítaná az ügyintézést, ugyanakkor személyes
adatokat kezelne: nekik kell meghatározniuk az engedélyezés, az ellenőrzés és a
szakértői bevonás rendjét.
A képzési rendszer így állhat közös
alapozásból, munkakör-specifikus műhelyekből, rövid eszközhasználati
útmutatókból, esetmegbeszélésekből és az új rendszerek bevezetéséhez
kapcsolódó célzott képzésből. Az általános tudás átadható rövid e-learning
formájában, a rendszerhez és munkakörhöz kötődő tudásnál már nagyobb értéke van
a bemutatásnak, a közösen megoldott feladatnak és a saját munkából származó
példának. Magasabb kockázatú munkakörökben szimulációval is
ellenőrizhető, hogy a munkatárs felismeri-e a hibát, tudja-e, mikor kell
beavatkoznia, és képes-e élni az emberi felügyelethez kapcsolódó
jogosultságaival. Az L2 szinten a Velasco–Pal–Schneider-keret dokumentált
kompetenciaértékelést és legalább éves, illetve rendszerváltozáskor történő
felülvizsgálatot javasol.
A képzés eredményességének vizsgálata ezért túlmutathat a részvétel igazolásán. Rövid teszt, esetelemzés, hibakeresési feladat vagy szimulált incidens jobban megmutatja, hogy a résztvevő ténylegesen képes-e megfelelő döntést hozni. Jelenleg nincs általánosan elfogadott, validált munkahelyi MI-jártassági mérőeszköz, ezért a szervezetnek saját működéséhez és kockázataihoz arányos értékelési módszert célszerű kialakítania. Ebben a megközelítésben az MI-jártasság fejlesztése folyamatos szervezeti tanulássá válik: a közös alap stabil maradhat, a munkakör-specifikus tudás pedig az alkalmazott rendszerek, a feladatok és a kockázatok változásával együtt frissül.
Ami mindenképpen szükséges: az
MI szervezeti kompetenciák meghatározása
Ahhoz azonban, hogy a munkahelyi MI-jártasság
(AI literacy) ténylegesen tanítható és számonkérhető legyen, a
szervezetnek előzetesen meg kell határoznia saját kompetenciaszintjeit,
és ezekhez hozzá kell rendelnie az egyes munkakörökben szükséges általános és
speciális ismereteket. A közös minimum önmagában ehhez kevés: minden
munkakörnél tisztázni kell, milyen MI-rendszerekkel találkozhat a munkatárs,
milyen célra használhatja azokat, milyen adatokat kezelhet, milyen kimeneteket
kell ellenőriznie, milyen döntési szabadsága van, és mely esetekben kötelező
emberi ellenőrzést vagy magasabb szintű jóváhagyást kérnie. Ennek kézzelfogható
formája lehet az „MI-munkaköri leírás” (AI role profile), amely a
hagyományos munkaköri leírás részeként vagy annak mellékleteként rögzíti az
adott szerephez kapcsolódó MI-használati jogokat, korlátokat, felelősséget és
elvárt jártassági szintet. Így válik egyértelművé az is, hogy ugyanazon
szervezeten belül miért igényel eltérő felkészültséget például egy
kommunikációs munkatárs, egy HR-szakértő, egy pénzügyi elemző, egy
rendszerüzemeltető vagy egy vezető.
Az ilyen szerepkör-alapú MI-kompetenciarendszer (role-based AI competence framework) kialakítása egyben a szervezeti kultúra MI-központú átalakításának első lépcsője. E nélkül az MI-használat könnyen egyéni gyakorlatok összessége marad: az egyik munkatárs saját előfizetésű chatbotot használ, a másik csak intézményi eszközt, valaki minden eredményt ellenőriz, más rutinszerűen átveszi a generált tartalmat. A szervezetnek ezért már a képzés előtt választ kell adnia arra, mit engedélyez, mit vár el, mit tilt, mit kell ellenőrizni és ki viseli a felelősséget. Ehhez szakpolitikai keretek, ágazati útmutatók, szakmai háttéranyagok, belső vagy külső felkészítők és jó gyakorlatok komoly segítséget adhatnak, a végső tartalmat azonban mindig az adott szervezet saját működése, információs környezete, kockázatai, feladatai és döntési struktúrája alapján kell kialakítani. Csak erre építhető olyan képzési rendszer, amely a munkavállaló tényleges feladataihoz kapcsolódik, és amelynek teljesítése a napi munkában is értelmezhető.
Az MI-munkaköri leírás
egyúttal a jelenlegi munkatársak feladatai meghatározásának és a jövőbeni
munkatársak felkészítésének közös referenciapontjává válhat.
Meghatározhatja már a belépéskor szükséges ismereteket, kijelölheti a próbaidő
alatt elvárt felkészítést, alapot adhat az időszakos továbbképzéshez, és
segítheti annak eldöntését is, mikor változik meg egy munkakör MI-jártassági
követelménye. Ezt a dokumentumot ezért rendszeresen felül kell vizsgálni:
új rendszer bevezetésekor, a munkafolyamatok változásakor, új kockázat
megjelenésekor, jogszabályi vagy belső szabályozási módosítás esetén, illetve
megfelelő időközönként akkor is, ha látszólag semmi nem változott. Az MI-jártasság
intézményi kezelése ezen a ponton válik igazán tartóssá: a munkaköri
követelmények, a vezetői felelősség, a szervezeti szabályozás
és a képzés ugyanahhoz a folyamatosan frissített kompetenciarendszerhez
kapcsolódik. Ez teremti meg annak feltételét, hogy az MI használata a
szervezetben előre meghatározott, követhető és fejleszthető szakmai gyakorlattá
váljon.
Összegzés
A 2026. augusztus 25-én megjelent
Velasco–Pal–Schneider szakpolitikai munkaanyag jó időpontban teszi fel a
gyakorlati kérdést: mit kell tennie egy szervezetnek az AI Act 4. cikkének
teljesítéséhez azután, hogy az uniós jogalkotó elhagyta az „elégséges”
MI-jártassági szint biztosításának követelményét? A válasz körvonalai egyre
világosabbak. A MI-jártasság (AI literacy) olyan folyamatos
szervezeti feladattá válik, amely az MI-használat feltérképezéséből, a
munkakörök, felelősségek és kockázatok értékeléséből, az ezekhez igazított
felkészítésből, hozzáférhető belső szabályokból, a megtett intézkedések
dokumentálásából és rendszeres felülvizsgálatából épül fel.
Az Interface háromszintű modellje
ehhez használható szakpolitikai keretet kínál: a közös alapszintre (baseline)
a konkrét MI-rendszereket használók operatív tudása (operational)
és a nagy kockázatú rendszerekhez kapcsolódó felügyeleti kompetencia (oversight)
épül. A szükséges tudás mélységét a tényleges feladat, az alkalmazott rendszer
és annak lehetséges következményei határozzák meg; ezért a vezetői
felkészültséghez különösen a döntési felelősség, a kockázatértékelés,
az emberi kontroll megszervezése, az eszközök engedélyezése és a
megfelelő szakértők bevonásának felismerése tartozik.
A munkahelyi tudásátadás
ennek megfelelően közös alapozásból, munkakör- és rendszer-specifikus
képzésből, saját szervezeti esetek feldolgozásából, szimulációkból és időszakos
frissítésből állhat. A képzés dokumentált megtörténte mellett egyre fontosabb
annak vizsgálata is, hogy a munkatárs felismeri-e a hibás vagy kockázatos
kimenetet, megfelelően ellenőrzi-e az eredményt, és tudja-e, mikor szükséges
emberi beavatkozás vagy eszkaláció. A következő időszak fő kérdése így a minőség,
a mérhetőség és az összehasonlíthatóság lesz: milyen európai benchmarkok,
értékelési módszerek és hatósági gyakorlatok alakulnak ki. A 4. cikk ezzel a
munkahelyi MI-irányítás (AI governance), a szakmai
kompetenciafejlesztés és a folyamatos szervezeti tanulás egyik alapvető, széles
körben alkalmazandó elemévé válik.

.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
Nincsenek megjegyzések:
Megjegyzés küldése