Céges mesterséges intelligencia oktatás EL AL légitársaság

• EL AL légitrásaság grund crew-ja számára AI oktatás vegyes (fiatal és idősebb) csapatnak
• Fő fókusz: AI által generált biztonsági kockázatok, kockázati helyzetek és megelőzési logika
• Általános, edukáló áttekintés az AI működéséről és a “miért tud meggyőzően tévedni” kérdésről
• ChatGPT és más nagy nyelvi modellek bemutatása biztonsági beállításokkal és használati kerettel
• Kitekintés AI eszközökre és AI böngészőkre – hol nő meg a kockázati felület, mire figyeljünk

Mi volt a probléma az adott cégnél?

Az EL AL-nál a kiindulópont nem az volt, hogy “használjunk több AI-t”, hanem hogy a csapat értse – milyen biztonsági és működési kockázatot jelent, ha AI-eszközök kontroll nélkül kerülnek be a mindennapi munkába. Egy légitársasági környezetben a kockázati küszöb alacsonyabb: már egy rossz adatkezelési reflex, egy félreértett beállítás vagy egy túl őszinte prompt is olyan információk kikerüléséhez vezethet, aminek nem lenne szabad.

Vegyes korosztályú csapattal dolgoztunk – nagyon fiatal és idősebb munkavállalók is részt vettek. Ez tipikusan azt jelenti, hogy a “digitális magabiztosság” és az AI-hoz való viszony nagyon eltér: van, aki kísérletezik, van, aki óvatos, és van, aki egyáltalán nem látja, hol a kockázat. Ilyenkor a legnagyobb veszély nem a technológia, hanem a széteső használati kultúra.

Mi volt a megoldás az adott problémára?

A program célzottan szemléletformáló és edukáló volt, biztonsági fókuszú kerettel. Nem “AI tréninget” tartottunk a klasszikus értelemben, hanem egy olyan áttekintést, ami segít a csapatnak tisztán látni:

• hogyan működnek az AI rendszerek és a nagy nyelvi modellek a gyakorlatban
• hol keletkezik biztonsági kockázat a mindennapi használat során
• milyen szabályok és beállítások szükségesek ahhoz, hogy a használat kontrollált maradjon

A képzés elején egy közös, általános áttekintés ment végig az AI működési logikáján (mit csinál “valójában” a modell, miért tud meggyőzően tévedni, miért kell ellenőrzési pont). Erre épült rá a fő blokk: AI által generált biztonsági kockázatok, tipikus hibák, és a megelőzés kerete.

ChatGPT és nagy nyelvi modellek – biztonsági szemlélettel

A tréningen bemutattam a ChatGPT-t és más hasonló nagy nyelvi modelleket úgy, hogy a fókusz végig a biztonság és a kontroll maradt. Az egyik kulcsmegkülönböztetés az volt, hogy a csapat ne “eszközként” gondoljon rá, hanem kockázati felületként is: mit adunk be, mit kérünk ki, hogyan ellenőrizzük, és milyen helyzetben kell egyáltalán tiltani a használatot.

Kiemelt részek voltak:

• tipikus adatkezelési hibák promptoláskor (mit szabad, mit nem)
• “hallucináció” és téves következtetések kockázata – és hogyan építsünk ellenőrzési rutint
• a legfontosabb biztonsági beállítások és használati keretek: szerepkör, jogosultság, jóváhagyás, kontrollpontok

A cél itt nem az volt, hogy “mindenki profin promptoljon”, hanem hogy mindenki értse: mikor veszélyes, mikor hasznos, és hogyan marad kontroll alatt.

AI böngészők és az ökoszisztéma – hol nő meg a kockázat?

A kitekintés része volt az AI ökoszisztéma is: olyan eszközök és AI-böngészők, amelyek a nagy modelleken túl további lehetőségeket adnak – és ezzel együtt új kockázati felületeket is. Ezeknél a hangsúly azon volt, hogy a csapat felismerje:

• mikor van “láthatatlan” adatáramlás egy eszközben
• hogyan változik a kockázat, ha a rendszer külső forrásokból dolgozik
• mi az a minimális működési szabályrendszer, amivel vállalati környezetben is kezelhető marad a használat

Az ilyen oktatásoknál az a fordulópont, amikor a csapat nem félelemből áll meg (“inkább ne nyúljunk hozzá”), hanem tudatosan használ: van keret, van tiltott zóna, van ellenőrzési pont, és a vezetői oldal is látja, miért ez a helyes irány.

Mi lett az eredmény és miért működött?

A legnagyobb eredmény a közös szemlélet lett: a résztvevők egységesebb képet kaptak arról, hogy az AI nem csak produktivitási eszköz, hanem biztonsági és működési kockázat is. Vegyes korosztályú csapatnál ez különösen fontos, mert a kockázat sokszor pont abból fakad, hogy mindenki “másképp” használja ugyanazt.

A tréning olyan alapot adott, amire később rá lehet építeni:

• biztonságos használati szokások és ellenőrzési rutin
• közös nyelv arról, mi fér bele és mi nem
• tudatosabb eszközhasználat – nem tiltásból, hanem kontrollból

Ha az AI alapok és vállalati bevezetési keret érdekel mélyebben is, a kapcsolódó pillér anyag itt található: Mesterséges intelligencia, ChatGPT és Gemini. A cikk végi Instagram-poszt is kapcsolódik ehhez, és érdemes belenézni a témához kapcsolódó YouTube videóba is – ott rövidebben, képekkel is megmutatom, hogyan néz ki a “biztonságos AI használat” keretrendszere csapatban.

5 tipp, amit te is azonnal használni tudsz

1. Legyen “tiltott zóna” és legyen kimondva
   Írd le, milyen adat nem kerülhet AI-ba, és mikor kötelező az anonimizálás. A szabály hiánya a leggyorsabb út a későbbi teljes tiltáshoz.
2. Vezess be ellenőrzési rutint, ne “bizalmat”
   Az AI outputját ne igazságként kezeld. Legyen kontrollpont: forrás, számok, állítások ellenőrzése, különösen érzékeny területen.
3. Taníts “biztonságos promptolást”
   Nem a hosszú prompt a lényeg, hanem hogy a kérésben benne legyen: mi a cél, mi a kontextus, mit nem szabad beletenni, és milyen formában kérsz választ.
4. Ne eszközt válassz, hanem feladatot
   Először azt döntsd el, melyik feladatra kell AI (összefoglaló, vázlat, struktúra), és csak utána, hogy melyik eszköz. Így kevésbé csúszik szét a használat.
5. Vegyes csapatnál különösen kell a közös nyelv
   Ha a csapatban eltérő a digitális rutin, a kockázat is nő. A közös definíció és a standard használati keret gyorsabban csökkenti a hibákat, mint bármilyen “szabályzat”.

Összefoglaló

Az EL AL-nál tartott AI biztonsági fókuszú oktatás lényege az volt, hogy a csapat egységes képet kapjon az AI működéséről, és felismerje a vállalati környezetben megjelenő kockázatokat. A ChatGPT és más nagy nyelvi modellek bemutatása mellett a hangsúly a beállításokon, a használati kereteken és az ellenőrzési pontokon volt.

Az ilyen programok akkor működnek jól, amikor nem ijesztgetésből állnak, hanem kontrollt adnak: mit szabad, mit nem, hogyan ellenőrzünk, és hogyan vezetjük be csapat-szinten úgy, hogy a haszon megmaradjon, a kockázat pedig kezelhető legyen. A végén ez nem csak AI tudás, hanem működési kultúra – ami hosszú távon is stabilabbá teszi a csapatot.

‍

‍