Bruger vi nogen eksterne AI-udbydere? Hvordan behandler de dataene?
AI Sensemaking-funktionen gør brug af 2 eksterne udbydere til AI-formål.
Microsoft Azure (OpenAI)
Microsoft Azure API'er bruges til opsummering, spørgsmål og nogle automatiske tagging-funktioner i sensemaking. Disse funktioner gør brug af GPT-4-Turbo Large Language Model (LLMs) API'er.
Microsofts vilkår specificerer blandt andet, at
Kun behandle data med det formål at levere og understøtte tjenesten
Microsoft hoster OpenAI-modellerne i Microsofts Azure-miljø, og tjenesten interagerer IKKE med nogen tjenester, der drives af OpenAI (f.eks. ChatGPT eller OpenAI API).
Microsoft behandler dataene i den region, som kunden har angivet. I vores tilfælde er det i en af vores 4 regioner (Europa, Storbritannien, USA og Canada).
Kun adgang til data med henblik på overvågning af misbrug
Du kan finde flere oplysninger om databeskyttelse i Microsoft Azure på her.
NLPCloud
NLPCloud API'er bruges til at drive nogle af de automatiske tagging-funktioner i sensemaking.
NLPCloud er en virksomhed med base i Frankrig. NLP Cloud er HIPAA / GDPR / CCPA-kompatibel og arbejder på en SOC 2-certificering.
NLPCloud forpligter sig til
Ikke at gemme data, der sendes til deres API
Vi sælger eller udlejer ikke oplysninger til marketingfolk eller tredjeparter.
Opretholdelse af strenge administrative, tekniske og fysiske procedurer for at beskytte oplysninger, der er gemt på deres servere.
Deres privatlivspolitik kan findes her. Du kan finde flere oplysninger om deres sikkerhedsforanstaltninger på her.
Hvilke data sendes til disse underbehandlere, og omfatter de PII?
Begge underprocessorer modtager kun tekstdata, som GoVocal-slutbrugere (beboere) har skrevet i deres bidrag (idé eller svar på en undersøgelse) til et projekt på platformen. Det sker, når en administrator besøger siden med undersøgelsesresultater (i tilfælde af undersøgelser), eller aktivt vælger at starte en AI-analyse (i tilfælde af idéudvikling).
Vi sender ingen oplysninger om brugeren (e-mail, brugernavn, billede, demografiske oplysninger, …) til disse underbehandlere, og som sådan sender vi ikke strukturelt nogen PII. Nogle gange kan det ske, at brugere nævner PII i deres bidrag, hvilket vil sende sådanne data til underbehandlerne.
Bruger disse subprocessorer dataene til at træne og forbedre deres modeller?
Nej, begge underdatabehandlere erklærer udtrykkeligt, at de ikke bruger dataene til dette formål.
Hvor behandler Microsoft dataene?
Microsoft giver os mulighed for at specificere behandlingsområdet. Vi gør i øjeblikket brug af 4 regioner, hvor vores kunder bruger den region, der er mest lokal for dem. Regionerne er:
Europa (Frankrig)
STORBRITANNIEN
USA
Canada
Hvorfor er svarene fra AI ikke på mit sprog?
Vores AI-funktion forsøger at svare så meget som muligt på det sprog, den modtager input på. Undtagelsesvis, i tilfælde hvor der er blandede sprog, er der meget få input, eller når AI'en tager fejl, kan den generere svar på det forkerte sprog. I sådanne tilfælde er det for det meste nok at prøve igen.
Hvor nøjagtige er de genererede oversigter?
At opsummere betyder i sagens natur at kassere information, mens man forsøger at bevare de mest almindelige og vigtige elementer. Den nuværende teknologi er god til at fortolke almindelige elementer, men at beslutte, hvad der er vigtigst, kræver kontekst, domæneviden og er noget subjektivt.
For at drage korrekte konklusioner er det afgørende at have et menneske med i loopet og tilbyde maksimal gennemsigtighed i, hvordan AI'en drager sine konklusioner.
Vores AI-analyse er udtænkt fra bunden, så du kan bruge AI ansvarligt og tilbyde maksimal gennemsigtighed og kontrol til mennesket, mens maskinen er ved dets side for meget effektiv assistance. Til det formål har vi indbygget flere mekanismer:
Før og efter du genererer et AI-resumé, er der en indikation af forventet nøjagtighed, udtrykt som en procentdel
Resuméet indeholder in-line referencer til de input, der er brugt til at basere konklusionerne på, og som kan åbnes med et enkelt klik alle input , der bidrager til projektet, er let gennemskuelige og læsbare, så brugeren hele tiden har adgang til de rå, direkte input til kontrol og fortolkning.
Med funktionen tagging kan du nemt segmentere de modtagne input i mindre grupper, så du kan opsummere hver gruppe separat. Det gør det lettere at bevare overblikket, og det øger nøjagtigheden af resuméerne.
Auto-tagging hjælper dig med at gøre taggingen mere effektiv. Der er mange forskellige tagging-metoder at vælge imellem, som giver mere eller mindre kontrol. Brugeren kan til enhver tid tilsidesætte tags eller beslutte at foretage tagging manuelt for at opnå maksimal kontrol.
Vores software er source-available , og kildekoden kan findes på Github. Det giver i sidste ende mulighed for den dybeste forståelse af, hvordan værktøjet opfører sig, og hvordan det drager sine konklusioner.
Sammenfattende kan man sige, at selvom nøjagtigheden af de nyeste LLM'er er meget imponerende, findes der ikke noget, der hedder 100 % nøjagtighed. Vi har valgt at bygge en menneskecentreret grænseflade, hvor maskinen er der for at hjælpe, mens du bevarer maksimal gennemsigtighed og kontrol.
Hvilke sprog vil AI Sensemaking-værktøjet tilbyde/understøtte?
Alle vores kernesprog (med undtagelse af grønlandsk)