AI literacy is not a course, it is an organisational muscle

Sertifikatas gali parodyti, kad kas nors dalyvavo pamokoje. Jis negali parodyti, ar organizacija gali pripažinti dirbtinio intelekto sistemą, kvestionuoti...

AI literacy is not a course, it is an organisational muscle

Teisinė formuluotė, pakeičianti susitikimo eigą

2026 m. liepos 24 d. Europos Sąjungos oficialiajame leidinyje buvo paskelbtas Skaitmeninis įstatymų rinkinys dėl dirbtinio intelekto. Tarp jo pakeitimų buvo ir nedidelis Dirbtinio intelekto akto 4 straipsnio pakeitimas. Prievolė išlieka, tačiau įstatymas nebereikalauja, kad organizacijos žadėtų nustatytą ar visuotinį dirbtinio intelekto raštingumo lygį kiekvienam asmeniui. Teikėjai ir diegėjai privalo imtis priemonių, kurios padėtų ugdyti jų darbuotojų ir kitų jų vardu dirbtinio intelekto sistemas valdančių ar naudojančių asmenų raštingumą. Pakeitime taip pat nurodoma, kad Komisija ir valstybės narės turėtų remti šias pastangas, o Dirbtinio intelekto taryba turėtų siekti bendrų tikslų.

Tai teisinis pokytis. Tai taip pat ir vadybos klausimas. Jei nėra visuotinio egzamino balo, ką rimta organizacija daro, kai į realų procesą įdiegia dirbtinio intelekto sistemą? Ji negali atsakyti vien pažymėjimu. Pažymėjimas gali parodyti, kad kažkas baigė pamoką. Jis negali parodyti, ar asmuo geba atskirti projektą nuo patvirtintos politikos, pastebėti, kada modelis veikia už savo paskirties ribų, paprašyti rekomendaciją pagrindžiančių įrodymų, sustabdyti darbo eigą ar rasti atsakingą asmenį, galintį ją pakeisti. Įdomioji raštingumo dalis prasideda tada, kai skaidrių demonstracija jau pasibaigusi.

Pačios Europos Komisijos klausimai ir atsakymai šį dalyką paaiškina neįprastai aiškiai. Dirbtinio intelekto raštingumui nėra vieno formato ir nėra reikalavimo dėl konkretaus pažymėjimo. Organizacija turėtų įvertinti savo vaidmenį, sistemos riziką ir paskirtį, dalyvaujančių asmenų žinias ir patirtį bei kontekstą, kuriame sistema naudojama. Ji turėtų vesti vidinį mokymų ar kitų orientacinių iniciatyvų apskaitą, tačiau dalyvavimo apskaita nėra tas pats, kas gebėjimai, kuriuos tos iniciatyvos turėtų ugdyti.

Dirbtinio intelekto raštingumą geriausia suprasti kaip veikiantį raumenį. Raumens įrodymas nėra sporto klubo kortelė. Jis stiprėja per pasikartojančias, kontekstines pastangas ir tampa matomas tada, kai situacija nepatogi. Raštinga organizacija gali įvardyti savo naudojamą sistemą, pasakyti, ką sistemai leidžiama daryti, pastebėti, kada įrodymai silpni, paklausti, kam tai gali turėti įtakos, ir nukreipti neaiškų atvejį asmeniui, turinčiam teisę spręsti. Tai ne taip įspūdinga kaip pristatymo renginys. Tačiau būtent čia įstatymas susiduria su kasdieniu darbu.

Šis straipsnis ir yra apie tą kasdienį darbą. Tai ne mokymo programos aprašas ir ne teisinė konsultacija. Tai būdas atskirti tris dažnai suplakamus dalykus: informuotumą, kompetenciją ir įgaliojimus. Jame nagrinėjami klausimai, kylantys, kai viešoji įstaiga, įmonė, mokykla ar profesinė komanda bando padaryti dirbtinį intelektą naudingą, neperduodama savo sprendimo teisės ekranui. Pavyzdžiai paimti iš Europos viešųjų gairių ir dokumentuotos institucinės praktikos. Bet kokia išgalvota situacija aiškiai pažymėta kaip hipotetinė, nes istorija nėra įrodymas vien todėl, kad joje yra tikėtinas biuras.

Raštingumas yra praktika, o ne ženkliukas

Žodis raštingumas į dirbtinio intelekto diskusijas atkeliavo su per didele našta. Jis gali skambėti kaip pagrindinis įvadas žmonėms, kurie dar neišmoko svarbaus žodyno. Jis taip pat gali skambėti kaip atitikties etiketė, kurią galima prisegti prie žmogaus ir padėti į bylą. Nė viena iš šių interpretacijų nėra naudinga. Raštingumas yra gebėjimas pakankamai gerai perskaityti situaciją, kad joje būtų galima veikti. Skaityti knygą apie kalbą nėra tas pats, kas suprasti jums adresuotą laišką. Skaityti dirbtinio intelekto sistemos apibrėžimą nėra tas pats, kas žinoti, ar priešais esantis įrankis daro prognozę, ieško įrašo, generuoja tęsinį, reitinguoja variantus ar valdo darbo eigos žingsnį.

Komisijos dabartinis 4 straipsnio paaiškinimas pradedamas teisingai: organizacijos turėtų susidaryti bendrą supratimą, kas yra dirbtinis intelektas, kaip jis veikia, kokias sistemas jos naudoja ir kokias galimybes bei pavojus tos sistemos kelia. Tai pradžia, o ne pabaiga. Bendras supratimas žmogui duoda žemėlapį. Žemėlapis tampa naudingas tik tada, kai jis susietas su užduotimi, vaidmeniu, įrodymų šaltiniu ir pasekme.

Įsivaizduokite hipotetinę pirkimų komandą, kuri vertina įrankį, apibendrinantį tiekėjų pateiktus pasiūlymus. Sąmoningumas leidžia komandai atpažinti, kad įrankis kuria sugeneruotą tekstą ir gali daryti klaidų. Kompetencija leidžia vertintojui patikrinti, ar santrauka išlaiko išimtis, sąlygas ir datas, ir palyginti ją su pirminiais pasiūlymais. Įgaliojimai nustato, kas atsitinka, kai santrauka neišsami. Ar vertintojas gali ją atmesti? Ar komanda gali reikalauti, kad tiekėjas atskleistų pirminius fragmentus? Ar kas nors gali sustabdyti vertinimą, kol problema tiriama? Be įgaliojimų kompetencija tampa privačiu rūpesčiu, kurio darbo eiga gali laisvai nepaisyti.

Šis skirtumas svarbus, nes organizacijos dažnai lavina lengviausią sluoksnį. Jos paaiškina, kas yra modelis, parodo kelis pavyzdžius ir paprašo žmonių priimti naudojimo politiką. Žmonės išeina su naujais žodžiais ir senomis paskatomis. Jei greitis yra atlyginamas, o klausinėjimas laikomas kliūtimi, žmogus, pastebėjęs problemą, išmoksta tylėti. Tuomet organizacija gali pranešti apie didelį sąmoningumą, o jos sprendimai lieka nepakitę. Ženklelis tikras. Raštingumas dekoratyvus.

Į praktiką orientuotas požiūris kelia kitą klausimą: ką žmogus turėtų gebėti pastebėti ir padaryti toje vietoje, kur dirbtinio intelekto sistema susiliečia su jo darbu? Atsakymas skiriasi priklausomai nuo vaidmens. Gyventojas, bendraudamas su viešąja paslauga, turi žinoti, kada dalyvauja mašina, ką galima ginčyti ir kur kreiptis dėl žmogiškojo kelio. Atvejo vadybininkas turi suprasti sistemos paskirtį, įrodymus, neapibrėžtumą ir pakeitimo kelią. Vadovas turi nuspręsti, ar užduotis tinkama automatizavimui ir ar komanda turi laiko peržiūrėti rezultatą. Kūrėjas turi žinoti duomenų ir modelio ribą, gedimų režimus ir įrašus, kurie turi išlikti po pakeitimo. Vadinti visa tai kursu slepia skirtumus, dėl kurių darbas tampa saugus.

Naujoji teisinė formuluotė sudaro sąlygas tokiai įvairovei. Reglamentas (ES) 2026/1744 nustato, kad dirbtinio intelekto raštingumas turėtų prasidėti švietime ir mokyme ir tęstis visą gyvenimą trunkantį mokymąsi. Jis taip pat pripažįsta, kad skirtingi teikėjai ir diegėjai susiduria su skirtingomis naštomis ir kontekstais. Tai ne kvietimas nieko nedaryti. Tai kvietimas liautis apsimetinėjus, kad vienas egzaminas gali įvertinti gebėjimą atsakingai veikti visose sistemose, sektoriuose ir paveiktų žmonių grupėse.

Praktika turi dar vieną naudingą savybę: ji atskleidžia spragas nesmerkdama žmonių dėl jų buvimo. Žmogus gali suprasti, kad kalbos modelis numato tikėtinus tęsinius, ir vis tiek nežinoti, kaip konkreti paieškos sistema atrenka dokumentus. Duomenų valdytojas gali suprasti kilmę ir vis tiek neturėti leidimo pakeisti indekso. Vadovas gali žinoti, kad žmogus turi prižiūrėti didelės rizikos sistemą, ir vis tiek neturėti skirto laiko prasmingai peržiūrai. Tai dizaino spragos, o ne asmeninės moralinės nesėkmės. Raštinga organizacija jas padaro matomas, kad galėtų jas ištaisyti.

AI literacy becomes visible when a use of the system leaves the next use better understood, not merely when a person completes a lesson.

Awareness is the door, not the room

Awareness is often dismissed because it sounds soft. That is a mistake. People cannot question a system they cannot name, and they cannot name a system if every piece of software is described as intelligent. Awareness gives an organisation a shared vocabulary for separating a model from an interface, a prediction from a decision, a source from a summary, an instruction from a piece of retrieved content, and a confidence display from evidence of correctness.

The vocabulary does not need to be grand. It needs to be exact enough to stop a category error. A search engine, a rule-based eligibility check, a classifier, a generative assistant and a workflow agent can all appear in the same product catalogue. Their mechanisms and risks are different. If staff call them all AI and stop there, they lose the questions that should follow. What data does the system see? What is its intended purpose? What does it return? Who acts on the result? Which errors matter? What can be undone? Which people are affected even if they never touch the interface?

Awareness also includes the social setting. UNESCO’s guidance for generative AI in education and research describes human capacity as part of a human-centred approach. It places technical understanding beside privacy, equity, inclusion, linguistic and cultural diversity, and meaningful use. The point is not that every employee must become a policy researcher. The point is that a system does not become neutral when it is placed in a familiar application. The same generated paragraph can be a harmless drafting aid in one setting and an unreviewed decision in another.

A person who is aware of context can hear the difference between a request for help and a delegation of authority. Ask the system to suggest questions for a meeting and the user remains the author of the meeting. Ask it to decide which resident receives a scarce service and the system has entered a different moral and legal territory. The words on the screen may look similar. The task boundary is not. Awareness is the habit of noticing that the boundary has moved.

Public institutions need this awareness in a particularly disciplined form. Their systems may affect people who cannot opt out, who do not know which automated tools are involved, or who cannot afford to make a second attempt after a mistake. A service team therefore needs more than a general statement that AI can be inaccurate. It needs a vocabulary for explaining the route a person can take when the system is wrong, when the data is missing, or when the answer should never have been automated.

Įmonėms tas pats žodynas reikalingas ir dėl mažiau akivaizdžių priežasčių. Tiekėjas reitingavimo sistemą gali vadinti sprendimų pagalba, o kliento procesas į reitingą žiūri kaip į sprendimą, nes niekas neturi laiko jo peržiūrėti. Rinkodaros komanda vertimo įrankį gali naudoti vidiniams juodraščiams, o rezultatą be antro patikrinimo nukopijuoti į viešą skelbimą. Atrankos komanda atrankos balą gali vadinti patogumu ir tyliai juo naudotis kandidatams atmesti. Sąmoningumas atskleidžia tokius pokyčius, kol jie dar nepaskendo darbo eigos schemoje.

Sąmoningumą todėl reikėtų tikrinti tokia kalba, kuri priklauso pačiai organizacijai. Paprašykite komandos apibūdinti vieną sistemą nenaudojant žodžių išmanus, automatizuotas ar intelektualus. Paklauskite, kokią informaciją ji gauna, ką sukuria ir kas gali pakeisti rezultatą. Jei paaiškinimas tampa miglotas, organizacija rado naudingą mokymosi poreikį. Pratimas paprastas, bet paprastumą ilgą laiką buvo įprasta nuvertinti tiems, kam patinka sudėtinga valdymo skydelis.

Kompetencija susieta su užduotimi

Kompetencija yra reiklesnė nei atpažinimas, nes ji yra konkreti. Žmogus nėra tiesiog kompetentingas dirbtinio intelekto srityje. Jis yra kompetentingas atlikti apibrėžtą užduotį su apibrėžta sistema apibrėžtomis sąlygomis. Komisijos klausimuose ir atsakymuose raštingumas nuolat siejamas su sistemos kontekstu ir paskirtimi, dalyvaujančių žmonių žiniomis ir naudojimo rizika. Tai geriau apibūdina kompetenciją nei sąrašas bendrų užklausų gudrybių.

Paprastam naudotojui kompetencija gali reikšti žinojimą, kokią informaciją galima įvesti, kokį rezultatą reikia patikrinti, kaip išsaugoti šaltinio medžiagą ir kada sustoti. Ji gali apimti gebėjimą atskirti sugeneruotą atsakymą nuo rasto teksto ištraukos, patikrinti nuorodą, slypinčią už teiginio, pastebėti trūkstamą patikslinimą ir pranešti apie gedimą taip, kad kitas žmogus galėtų jį atkartoti. Tai praktiniai įgūdžiai. Jie nereikalauja, kad naudotojas įdiegtų transformerių architektūrą, tačiau reikalauja daugiau nei tikėjimo, kad sistema perskaitė organizacijos politiką.

Vertintojui kompetencija apima gebėjimą mesti iššūkį rezultatui. Vertintojui reikia bandymų rinkinio, atitinkančio realų darbą, būdo pamatyti, kokiais įrodymais sistema rėmėsi, ir aiškaus apibrėžimo, kas laikoma priimtinu rezultatu. Jei užduotis susijusi su vieša teise ar žmogaus pragyvenimo šaltiniu, vertintojui taip pat reikia pakankamai srities žinių, kad atpažintų gramatiškai švarų, bet iš esmės klaidingą atsakymą. Sklandumas yra sąsajos savybė. Kompetencija yra sprendimas apie užduotį.

Vadovui kompetencija apima sprendimą, ar užduotį apskritai reikėtų automatizuoti. Tam reikia suprasti darbą, slypintį po etikete. Užduotis gali būti pasikartojanti ir vis tiek turėti lemiamą išimtį. Sprendimas patyrusiam profesionalui gali būti įprastas, bet vis tiek pernelyg reikšmingas, kad jį būtų galima perduoti be matomo apskundimo kelio. Procesas gali būti techniškai išmatuojamas ir socialiai netinkamas optimizuoti. Vadovai, kurie negali užduoti šių klausimų, palieka dizainą tiekėjui ir numatytiesiems nustatymams.

Inžinieriui kompetencija apima sistemos ribų padarymą patikrinamomis. Kuri modelio versija buvo paleista? Kokie duomenys buvo prieinami? Kokie įrankio iškvietimai buvo leisti? Kokia politika ar užklausa buvo taikyta? Kuri neapibrėžtumo ar atsisakymo sąlyga buvo pasiekta? Kas atsitinka, kai šaltinis yra pasenęs, prieštaringas arba jo nėra? Techniniam personalui nereikia išspręsti kiekvieno valdymo klausimo, tačiau jie turi neleisti sistemai ištrinti informacijos, kurios valdymui vėliau prireiks.

Didžiosios rizikos reikalavimai, numatyti DI akte, tai įgyvendina konkrečiai. Komisijos DUK pažymima, kad didelės rizikos sistemų diegėjai turi užtikrinti, jog darbuotojai, praktiškai dirbantys su šiomis sistemomis, būtų apmokyti jomis naudotis ir užtikrinti žmogaus priežiūrą. Vien instrukcijų padėjimas prie įrankio nėra pakankamas. Žmonėms, atliekantiems darbą, reikia įgūdžių ir praktinių sąlygų naudotis priežiūros mechanizmu. Jei operatorius negali suprasti rezultato ar nutraukti proceso, žodis „žmogaus“ frazėje „žmogaus priežiūra“ tampa tik dekoratyviniu daiktavardžiu.

Kompetencija auga, kai organizacija leidžia žmonėms praktikuotis esant realiems apribojimams. Privatumo komanda gali išnagrinėti hipotetinį prašymą, kuriame yra asmens duomenų, ir nuspręsti, kas gali patekti į sistemą. Viešųjų paslaugų komanda gali repetuoti atsisakymą ir eskalavimą nenaudodama tikro gyventojo atvejo. Produkto komanda gali iš naujo paleisti pakeistą modelį pagal fiksuotą vertinimo rinkinį ir aptarti, kurie skirtumai yra svarbūs. Šie pratimai nėra įrodymas, kad būsimas diegimas bus saugus. Tai repeticija sprendimams, kurių reikalauja saugumas.

Yra svarbi riba. Kompetencija negali kompensuoti trūkstamų įrodymų. Aukštos kvalifikacijos vertintojas negali patikrinti teiginio, kai šaltinis išnyko, o gerai apmokytas operatorius negali perimti sistemos valdymo, jei sąsaja tokios galimybės nesiūlo. Mokymai gali atskleisti trūkumą, bet negali jo užpildyti vien entuziazmu. Organizacijos kartais į trūkstamą kontrolės priemonę reaguoja suplanuodamos dar vienus kursus. Tvarkaraštis tampa paminklu kontrolei, kuri taip ir nebuvo sukurta.

Įgaliojimai yra trūkstama pusė

Įgaliojimai yra ta DI raštingumo dalis, kurią organizacijos mieliau palieka numanomą. Jie susiję su tuo, kas gali nuspręsti, kas gali atsisakyti, kas gali sustabdyti procesą, kas gali pakeisti taisyklę ir kas prisiima pasekmes, kai sistema klysta. Įgaliojimai nėra tas pats, kas pareigybės lygis. Aukštas pareigas užimantis asmuo gali patvirtinti sistemą ir vis tiek negalėti patikrinti jos įrodymų. Pirmosios linijos darbuotojas gali pirmas pastebėti problemą ir vis tiek išgirsti, kad ją gali pakeisti tik tiekėjas.

Žmogaus priežiūra dažnai apibūdinama taip, tarsi užtektų šalia valdymo skydelio stovinčio žmogaus. Taip nėra. Priežiūrai reikia žmogaus, turinčio laiko, žinių ir įgaliojimų suprasti rezultatą, atpažinti, kada jis nepatenka į taikymo sritį, ir įsikišti. Didelės rizikos reikalavimai DI akte aiškiai įvardija mokymų būtinybę, tačiau pagrindinis principas taikomas plačiau. Žmogus negali vykdyti priežiūros proceso, kuriame įsikišimas laikomas efektyvumo nesėkme.

Apsvarstykite hipotetinę būsto paslaugą, kuri naudoja įrankį gaunamiems prašymams rūšiuoti peržiūrai. Sistemai gali būti leista pasiūlyti eiliškumą, tačiau organizacija vis tiek turi nuspręsti, kas atsitinka, kai šaltinio įrašas neišsamus, kai gyventojo aplinkybės netelpa į kategorijas arba kai rūšiavimo taisyklė prieštarauja įstatymų nustatytai pareigai. Raštinga komanda ne tik žino, kad modelis gali klysti. Ji žino, kas gali sustabdyti eilę, kas gali padaryti išimtį, koks įrašas saugomas ir kaip gyventojui pranešama, kas įvyko. Pavyzdys sąmoningai hipotetinis. Jo tikslas parodyti, kad įgaliojimai yra darbo eigos savybė, o ne asmenybės bruožas.

Įgaliojimai turi ir atvirkštinę kryptį. Sistemos paveiktiems žmonėms reikia galimybės ją užginčyti, net jei jie patys sistemos nesirinko. Klientui, studentui, pacientui, pareiškėjui ar gyventojui gali nereikėti suprasti vidinės modelio matematikos. Jiems reikia žinoti, ar buvo naudojama mašina, kokį sprendimą ji paveikė, kuris žmogiškasis padalinys gali peržiūrėti rezultatą ir kokia informacija padėtų atlikti tą peržiūrą. Raštingumas priklauso ir žmogui, kuriam sistema daro poveikį, ir žmogui, kuris ja naudojasi.

Štai kodėl eskalavimas nėra bausmė. Tai informacijos kanalas atvejams, kurių automatizuotas kelias negali saugiai įsisavinti. Naudingas eskalavimo įrašas nurodo, ko sistema buvo paprašyta, kokius įrodymus ji matė, ką grąžino, kodėl rezultatas buvo suabejotas ir kas nusprendė, kas vyks toliau. Nereikia kiekvienos įprastos sąveikos paversti teisine byla. Reikia išsaugoti pakankamai konteksto, kad pasikartojantis gedimas taptų matomas, o ne būtų atmestas kaip pavienis vartotojo skundas.

Įgaliojimus reikia išbandyti prieš diegimą. Kas spaudžia stabdymo mygtuką? Kas gali patvirtinti naują modelį? Kas gali pakeisti slenkstį? Kam priklauso ginčijamas duomenų šaltinis? Kas gali pasakyti tiekėjui, kad rezultatas nepriimtinas? Kas informuoja paveiktus žmones? Kas nusprendžia, ar sistema grįš po incidento? Jei atsakymai yra vardai, o ne vaidmenys, susitarimas yra trapus. Žmonės išeina, keičia darbus arba išeina į susitikimą. Vaidmenys gali išgyventi kalendorių.

Žmogiškiausias atsakymas ne visada yra perkelti daugiau sprendimų jau ir taip užimtam specialistui. Įgaliojimai turi kainą. Jiems reikia laiko, prieigos prie įrodymų, vadovybės paramos ir proceso, kuris nebaus už apdairų atsisakymą. Jei organizacija suteikia nominalius įgaliojimus be šių sąlygų, ji sukuria atpirkimo ožį, o ne priežiūrą. Asmuo tampa atsakingas už rezultatą, kuriam įtakos daryti nebuvo pasirengęs. Tai pažįstamas valdymo modelis su nauja sąsaja.

Šaltinio disciplina, slypinti po kiekvienu atsakymu

Dirbtinio intelekto raštingumas dažnai formuojamas aplink rezultatus, nes rezultatus žmonės mato. Sunkesnė dalis yra išmokti klausti, kas pateko į sistemą. Sugeneruotas atsakymas gali būti sklandus, o šaltinių rinkinys pasenęs, neišsamus, neautorizuotas arba sumaišytas su medžiaga, kuri niekada nebuvo skirta užduočiai vadovauti. Paieškos sistema gali grąžinti aktualią pastraipą iš netinkamos politikos versijos. Santrauka gali praleisti sakinį, kuriame yra išimtis. Užklausoje gali būti instrukcija, užmaskuota kaip dokumentas. Šaltinio disciplina yra įprotis traktuoti įvestis kaip reglamentuojamą medžiagą, o ne kaip patogų kontekstą.

Žmonėms nereikia žinoti kiekvienos įgyvendinimo detalės, kad praktikuotų šaltinio discipliną. Jiems reikia užduoti trumpą klausimų rinkinį. Kas yra šaltinis? Kam jis priklauso? Kada jis buvo galiojantis? Ar jis autoritetingas šiai užduočiai? Ar jis buvo transformuotas? Ar sistema gali parodyti ištrauką ar įrašą, kuris suformavo atsakymą? Kurie duomenys buvo neįtraukti ir dėl kokios priežasties? Kas turėtų atsitikti, kai du šaltiniai nesutaria? Šie klausimai vienodai naudingi politikos asistentui, klinikinės paieškos įrankiui, kodavimo palydovui ir viešosios informacijos tarnybai.

Šaltinis nėra autoritetingas vien todėl, kad jį lengva rasti. Bendrinamuose aplankuose yra juodraščių. Duomenų bazėse yra dublikatų. Modelio sugeneruota santrauka gali būti indeksuota taip, tarsi ji būtų pirminis įrašas. Vertimas gali prarasti teisinę kvalifikaciją. Dokumentas gali būti aktualus ir vis tiek būti už tikslo, kuriam sistemai leidžiama jį naudoti. Raštingumas šiuos skirtumus paverčia įprasto darbo dalimi, o ne specializuotu rūpesčiu, kuris atsiranda tik po skundo.

Šaltinio disciplina taip pat keičia tai, kaip žmonės kalba apie pasitikėjimą. Didelio pasitikėjimo rezultatas nėra stiprus įrodymas, jei atitinkamo šaltinio nėra. Atsargus rezultatas gali būti atsakingas sprendimas, kai šaltinių rinkinys neišsamus. Organizacija neturėtų mokyti vartotojų apdovanoti sklandų tikrumą ir bausti naudingą atsisakymą. Jei sistema negali atsakyti pagal leistinus įrodymus, kitas žingsnis gali būti rasti šaltinio savininką, paprašyti žmogaus sprendimo arba susiaurinti klausimą.

The source path should be visible at the right level. A user may need a link to the policy passage. A reviewer may need the version and transformation history. An auditor may need the complete input lineage. The information can be layered without being hidden. A tool that shows only a green confidence badge asks the user to trust an abstraction. A tool that shows the evidence and its limits lets the user exercise judgement.

This is also a literacy issue for procurement. A buyer should ask whether the supplier can describe the data boundary, export records, preserve version history, and explain what happens when a source is withdrawn. These are not only technical requirements. They determine whether the organisation can learn from an error. If the contract gives the buyer an answer but not the evidence behind it, the buyer has purchased prose and retained the risk.

Escalation is a form of knowledge

Organisations often treat escalation as a sign that the system has failed to deliver efficiency. A better view is that escalation is how the organisation learns where automation stops being trustworthy. Every escalation contains information about the boundary between the task and the world. The case may be unusual, the source may be defective, the policy may be ambiguous, the interface may have hidden a condition, or the workflow may have assigned authority to the wrong person.

A good escalation route is specific. It tells the user what to record, who receives the case and what response to expect. It distinguishes a missing source from a suspected harmful output, and a technical outage from a policy conflict. The distinction is not paperwork for its own sake. It allows the organisation to repair the correct layer. Re-training a model cannot fix a missing legal source. Updating a policy cannot fix an interface that gives nobody the ability to stop.

Escalation must be safe for the person who uses it. If a worker is measured only on speed, every escalation looks like a personal cost. If a public-service employee risks criticism for delaying a case, the system will accumulate silent overrides rather than visible records. Management has to make the prudent route legitimate. The alternative is a culture in which people are literate enough to see the problem and disciplined enough to hide it.

The European Commission’s own internal measures, described in its Article 4 questions and answers, are instructive because they extend beyond a single course. The Commission says it has developed an internal competency framework for basic AI literacy, learning packages for different groups including generalists, managers and developers, a portal with tool-specific resources, question-and-answer sessions, a community of practice, a monthly newsletter and an AI Champions network. These are not presented as a universal template, and the Commission notes that its internal framework may change as common objectives evolve. The important idea is the network: knowledge has a route through the organisation.

A community of practice is useful because it turns isolated questions into shared memory. A person can ask why a system behaved oddly, compare the answer with another team’s experience, and find someone who understands the domain. That does not replace formal ownership. It makes ownership easier to locate. A newsletter can point to a new risk, but it cannot decide whether a local workflow should change. An AI champion can help a team learn, but should not become the only person who knows how the system works.

Es kalavimas turėtų grįžti ir į mokymus. Jei ta pati painiava kartojasi nuolat, tai jau nebe individualus žinių trūkumas. Tai gali reikšti, kad sąsaja klaidina, politika neaiški, įrodymai nepateikiami arba vaidmenų ribos nustatytos neteisingai. Tuomet organizacija gali atnaujinti atitinkamą lygį. Mokymai yra viena iš galimybių. Geresnė etiketė, saugesnis numatytasis pasirinkimas, papildomas įrašas arba pakeistas tvirtinimo kelias gali duoti daugiau naudos.

Būtent dėl šio grįžtamojo ryšio raumenų metafora yra svarbi. Raumuo auga per pasipriešinimą. Eskalacijos yra pasipriešinimas dirbtinio intelekto darbo eigoje. Pašalinkite jas, kad skydelis atrodytų ramus, ir organizacija praras signalus, kurie būtų ją sustiprinę. Tyla sistemoje gali reikšti sveikatą. Tai taip pat gali reikšti, kad vartotojai nustojo pranešti apie tai, ką mato.

Įpročiai svarbesni už įvykius

Kursas yra įvykis. Raštingumas yra mažų elgesio veiksmų, kartojamų prieš naudojant sistemą, jos naudojimo metu ir po jo, modelis. Prieš naudodami žmonės nustato užduotį, tikslą, leidžiamus duomenis, paveiktus asmenis ir valdžią, kuri lieka žmogaus rankose. Naudodami jie tikrina įrodymus, pastebi neapibrėžtumą, įrašo svarbius sprendimus ir eskaluoja, kai sistema peržengia savo ribas. Po naudojimo jie peržiūri rezultatus, išsaugo svarbius įrašus ir taiso šaltinį, politiką, mokymus ar sistemą, kai ta pati problema pasikartoja.

Šie įpročiai turi būti įdiegti į darbą. Užklausa, prašanti nurodyti atsakymo šaltinį, yra naudingesnė nei plakatas, raginantis būti kritiškiems. Privalomas sprendimo savininko laukas yra naudingesnis nei mokymų skaidrė apie atskaitomybę. Matomas sustabdymo valdiklis yra naudingesnis nei pastraipa, primenanti darbuotojams, kad jie išlaiko atsakomybę. Valdikliai nepakeičia sprendimo, tačiau jie gali padėti lengviau priimti gerus sprendimus antradienio popietę.

Įpročiai taip pat turi atitikti darbo tempą. Viešos informacijos punktas negali atlikti ilgo audito dėl kiekvieno mažos reikšmės juodraščio. Saugai kritinė darbo eiga negali laikyti greito vizualaus patikrinimo prasminga priežiūra. Organizacija turėtų nustatyti įrodymų ir peržiūros lygius, atitinkančius užduotį ir galimas jos pasekmes. Esmė yra proporcingumas, o ne minimalizmas. Maža užduotis, daranti didelį poveikį kitam žmogui, nusipelno daugiau dėmesio nei didelė užduotis be jokios reikšmingos pasekmės.

Yra naudingas skirtumas tarp taisyklės ir įpročio. Taisyklė sako neįveskite konfidencialių duomenų į nepatvirtintą įrankį. Įprotis klausia, prieš atidarant įrankį, kokie duomenys iš tikrųjų reikalingi ir ar tikslas leidžia juos naudoti. Taisyklė sako, kad žmogus turi peržiūrėti rekomendaciją. Įprotis klausia, ar peržiūrintysis turi įrodymų, laiko ir įgaliojimų, kad ta peržiūra būtų reali. Taisyklė sako praneškite apie incidentus. Įprotis pastebi beveik įvykusius incidentus, kol jie dar netapo praneštinais incidentais, ir traktuoja juos kaip mokomąją medžiagą.

Įpročius galima stebėti nepaverčiant žmonių stebėjimo objektais. Organizacija gali patikrinti, ar darbo eiga atskleidžia savo šaltinį, ar naudojamas eskalacijos kelias, ar modelio pakeitimai sukelia peržiūrą ir ar įrašus galima atkurti. Ji neturėtų painioti didelio paspaudimų skaičiaus su aukštu raštingumo lygiu. Žmogus gali pažymėti kiekvieną langelį ir vis tiek nesuprasti sprendimo. Stebimumas yra naudingas, kai matuoja sprendimo sąlygas, o ne tada, kai apdovanoja už atitikties regimybę.

AI biuro raštingumo praktikų saugykla vadovaujasi šia praktine logika. Komisija aprašo daugiau nei keturiasdešimt įmonių ir viešojo sektoriaus iniciatyvų, įskaitant e. mokymąsi, mokymus gyvai, intensyvius kursus ir pramonės bei akademinės bendruomenės bendradarbiavimą. Joje taip pat teigiama, kad praktikos kopijavimas iš saugyklos automatiškai nesukuria atitikties prezumpcijos. Šis atsisakymas yra svarbus. Praktika gali būti naudinga idėja, nebūdama įrodymu, kad kita organizacija susitvarkė su savo kontekstu.

Ką galima perimti, tai įprotį klausti, kaip praktika susijusi su darbu. Ar ji pasiekia žmones, kurie valdo sistemą? Ar ji apima užduoties rizikas? Ar ji suteikia žmonėms galimybę klausti ir taisyti? Ar ji keičiasi, kai keičiasi sistema ar kontekstas? Ar ji sukuria įrašą, padedantį organizacijai mokytis? Formatas gali skirtis. Klausimai turėtų išlikti.

Žmonės, kuriems taikoma sistema

Dirbtinio intelekto raštingumas dažnai adresuojamas darbuotojams, nes darbuotojus lengviausia surinkti į vieną kambarį. Įstatymas ir viešasis interesas yra platesni. Komisijos paaiškinimas prašo organizacijų apsvarstyti žmones ar grupes, kuriems jų sistemos yra taikomos. Ši frazė išlaiko paveiktą asmenį projektavimo pokalbio centre net tada, kai jis niekada nemato modelio, niekada nedavė sutikimo diegimui ir niekada negavo kvietimo į mokymus.

Paveiktiems žmonėms raštingumas reiškia kitokią prieigą. Jie gali turėti žinoti, kad automatizuota sistema paveikė paslaugą, kokią įtaką ji padarė, kokia informacija buvo vertinama ir kaip prašyti peržiūros. Tikslios teisės ir pranešimai priklauso nuo sistemos ir taikytinų įstatymų. Bendras principas yra stabilus: žmogus neturėtų turėti suprasti mašininio mokymosi, kad galėtų užginčyti jam svarbų sprendimą.

Komunikacija yra kontrolės dalis. Pranešimas, pilnas techninių terminų, gali būti formaliai skaidrus ir praktiškai nenaudingas. Trumpas paaiškinimas, įvardijantis tikslą, žmogiškąjį kelią ir apribojimą, gali labiau padėti veiksmų laisvei. Organizacija turėtų išbandyti paaiškinimą su žmonėmis, kuriems jo reikia, o ne tik su inžinieriais, kurie sukūrė sistemą. Aiškumas nėra dekoratyvi savybė. Jis lemia, ar ginčas gali prasidėti.

Kalba čia taip pat svarbi. UNESCO gairės kalbinę ir kultūrinę įvairovę įtraukia į savo į žmogų orientuotą požiūrį į generatyvųjį dirbtinį intelektą. Išverstas pranešimas vis tiek gali nepavykti, jei jis praranda skirtumą tarp kvietimo ir įpareigojimo arba jei vartoja terminą, kurio žmonės neatpažįsta paslaugoje, prie kurios bando prisijungti. Todėl raštingumas apima gebėjimą klausti, ar žinutė išliko vertime ir ar žmogus gali ja pasinaudoti veiksmui.

Viešosios institucijos turėtų būti ypač atsargios su informuoto naudojimo idėja. Žmonės netampa informuoti vien todėl, kad tinklalapyje yra atskleidimas. Jie tampa informuoti, kai paaiškinimas pateikiamas toje vietoje, kur jis veikia jų pasirinkimą, kai žmogiškasis kelias yra realus ir kai institucija gali parodyti, ką padarė su gauta informacija. Našta didesnė, kai institucija turi valdžią, o žmogus neturi praktinės alternatyvos.

Įmonės susiduria su ta pačia problema klientų ir įdarbinimo paslaugose. Įmonė gali nuodugniai apmokyti savo darbuotojus ir vis tiek palikti klientus nesugebančius suprasti, kodėl balas paveikė jų prašymą. Darbo vieta gali apmokyti vadovus ir vis tiek palikti darbuotojus pavaldžius planavimo sistemai, kurios jie negali užginčyti. Raštingumas yra neišsamus, kai organizacija supranta savo įrankį, o žmogus, patiriantis jo pasekmes, lieka su juodąja dėže ir bendrine kontaktų forma.

Projektavimas atsižvelgiant į paveiktus žmones taip pat pagerina sistemą. Gyventojų, pacientų, pareiškėjų ir darbuotojų klausimai dažnai atskleidžia prielaidas, kurių vidinis testavimas nepastebėjo. Klausimas ne tas, ar kiekvienas skundas yra teisingas. Klausimas tas, ar organizacija gali atskirti individualų nesutarimą nuo modelio, rodančio ydingą duomenų šaltinį, nesąžiningą ribą ar klaidinantį paaiškinimą. Ginčo kelias yra ir įrodymų kelias.

Viešoji institucija turi mokyti savo pačios ribas

Viešosios institucijos atlieka švietėjišką vaidmenį net tada, kai nelaiko savęs pedagogėmis. Kiekviena automatizuota paslauga moko žmones, ką institucija laiko įprasta, įrodoma ir ginčytina. Sistema, kuri priima tik struktūruotus įrodymus, moko gyventojus, kad jų gyvenimas turi tilpti į formą. Sistema, kuri grąžina sugeneruotą paaiškinimą be galimybės kreiptis į žmogų, moko juos, kad institucija perdavė atsakomybę. Sistema, kuri aiškiai nurodo savo ribas, moko kitokios pamokos: technologijos gali padėti vykdyti viešąją pareigą, bet jos nepakeičia pačios pareigos.

Atnaujintos Europos Komisijos etikos gairės dėl dirbtinio intelekto ir duomenų naudojimo mokyme ir mokymesi yra konkretus viešas šio švietėjiško darbo pavyzdys. Gairės pirmiausia skirtos mokytojams ir švietimo darbuotojams, įskaitant žmones, turinčius mažai patirties arba jos neturinčius, ir tuos, kurie pasižymi pažangiais skaitmeniniais įgūdžiais. 2026 m. atnaujinimas prideda praktinių scenarijų, atnaujintą žodynėlį ir teisinį kontekstą, apimantį DI aktą ir BDAR. Forma yra švietėjiška, bet principas puikiai tinka ir kitur: žmonėms reikia apibrėžimų, klausimų ir pavyzdžių, padedančių priimti sprendimą pagal kontekstą.

Gairės nepaverčia mokytojų atitikties pareigūnais. Jos padeda švietėjams suprasti galimą naudą, paslėptas rizikas ir atsakomybes, kylančias naudojant DI ir duomenis dirbant su besimokančiaisiais. Šis skirtumas svarbus. Gera skaitmeninė kompetencija nepadaro specialisto įtariu kiekvienos priemonės. Ji suteikia pakankamai supratimo pasirinkti, kur priemonė padeda, kur jai reikia apribojimų ir kur žmogiškas ryšys turi išlikti pagrindinis.

Hipotetinis mokyklos valdymo organas iliustruoja skirtumą. Jei jis įsigyja rašymo asistentą ir surengia bendrą demonstraciją, mokytojai gali išmokti greitai rengti medžiagą. Jei jis taip pat klausia, kokie mokinių duomenys patenka į sistemą, kaip tikrinama sugeneruota medžiaga, kaip mokinys gali užginčyti automatinį žymėjimą ir kas gali sustabdyti priemonę, valdymo organas kuria institucinę kompetenciją. Antrasis pokalbis gali būti lėtesnis. Bet būtent jis daro pirmąjį atsakingą.

Viešosios institucijos turėtų viešinti savo mokymąsi tiek, kiek leidžia konfidencialumas ir saugumas. Trumpas sistemos paskirties, įrodymų ribų, peržiūros kelio ir žinomų apribojimų aprašymas gali padėti gyventojams, darbuotojams ir tiekėjams kalbėti apie tą patį objektą. Viešoji dokumentacija taip pat suteikia pilietinei visuomenei ir priežiūros institucijoms ką nors konkretaus, ko klausti. Miglotas pažadas diegti atsakingas inovacijas palieka visus besiginčijančius dėl tono.

Čia yra ir demokratinis aspektas. DI raštingumas kartais apibūdinamas kaip darbo jėgos programa, tarsi piliečiai būtų tik būsimi darbuotojai. Piliečiai taip pat yra rinkėjai, pacientai, nuomininkai, tėvai, pareiškėjai, kaimynai ir žmonės, kurių duomenys atsiranda kito žmogaus darbo eigoje. Jų gebėjimas suprasti ir ginčyti automatizuotas sistemas yra viešojo pajėgumo, reikalingo demokratinei kontrolei, dalis. Visuomenė, kuri apie DI gali kalbėti tik per tiekėjų demonstracijas, yra perleidusi savo žodyną.

Švietimas yra organizacinė repeticija

Mokyklos ir universitetai yra natūralios vietos aptarti DI raštingumą, tačiau pamoka neturėtų baigtis klasėje. UNESCO gairės teigia, kad generatyvusis DI keičiasi greičiau nei daugelis nacionalinių reguliavimo sistemų, ir ragina žmogiškąjį pajėgumą neatsilikti. Tai nėra priežastis skubėti įdiegti kiekvieną priemonę į mokymą. Tai priežastis mokyti žmones vertinti priemones, saugoti duomenis, atpažinti ribas ir klausti, kam naudingas konkretus naudojimas.

Europos Komisija ir EBPO 2026 m. birželį pristatė DI raštingumo sistemą pradiniam ir viduriniam ugdymui. Sistema apibūdinama kaip bendras atskaitos taškas mokykloms, pedagogams, vadovams, politikos formuotojams ir mokymosi dizaineriams, paliekant erdvės prisitaikyti prie vietos konteksto. Bendras atskaitos taškas naudingas, nes sumažina pagundą raštingumą apibrėžti kaip bet kurią funkciją, kurią tiekėjas atsitiktinai parduoda. Prisitaikymas ne mažiau svarbus, nes mokykla, mokslinių tyrimų institutas ir viešoji įstaiga susiduria ne su tomis pačiomis užduotimis ar tais pačiais paveiktais žmonėmis.

Švietimas gali modeliuoti įpročius, kurių organizacijoms vėliau prireiks. Mokiniai gali palyginti sugeneruotą paaiškinimą su šaltiniu, užfiksuoti, kas pasikeitė, suabejoti įsitikinusiu atsakymu ir aptarti, kada atsakingas turėtų likti žmogus. Mokytojai gali padaryti neapibrėžtumą matomą, o ne traktuoti jį kaip pamokos nesėkmę. Mokyklų vadovai gali įtraukti viešųjų pirkimų ir duomenų klausimus į sprendimų priėmimą, o ne palikti juos entuziastingam asmeniui, turinčiam nemokamą paskyrą.

Šios praktikos nėra skirtos tam, kad vaikai taptų atsakingi už komercinių sistemų valdymą. Jos skirtos suteikti žmonėms ilgalaikį žodyną, kol jie dar neįžengė į darbo vietas ir viešąsias institucijas, kur statymai gali būti didesni. Suaugusiesiems reikia tos pačios galimybės. Vadovas, kuris mokykloje išmoko kvestionuoti šaltinius, gali tą įprotį panaudoti viešųjų pirkimų posėdyje. Gyventojas, žinantis, kad modelis gali klysti, bet vis tiek daryti įtaką, gali paprašyti tinkamo kelio per viešąją paslaugą.

Švietimas taip pat parodo, kodėl raštingumo negalima susiaurinti iki techninės kompetencijos. Mokytojas gali išmokti, kaip modelis generuoja tekstą, ir vis tiek turėti nuspręsti, ar jo naudojimas keičia santykį su mokiniu. Tyrėjas gali suprasti modelio mokymo procesą ir vis tiek turėti patikrinti teises ir sutikimą duomenyse. Mokinys gali įspūdingai valdyti sistemą ir vis tiek turėti atpažinti, kada sistema nėra tinkamas šaltinis. Žmogaus sprendimas yra įgūdis, o ne liekana, likusi po techninės pamokos.

Universitetai ir profesinės bendruomenės gali padėti sujungdami disciplinas. DI raštingumas priklauso teisei, duomenų valdymui, dizainui, etikai, darbo santykiams, viešajam administravimui, sveikatai ir inžinerijai, o ne kambariui, kuriame viena specialybė aiškina ateitį visiems kitiems. Tikslas nėra padaryti kiekvieną žmogų ekspertu kiekvienoje srityje. Tikslas yra sudaryti sąlygas ekspertams atpažinti, kur baigiasi jų pačių sritis ir kur reikia pakviesti kitą sritį.

Ką Komisija daro sau

Yra naudingas skirtumas tarp politikos, kuri liepia kitiems, ką daryti, ir institucijos, kuri apibūdina, ką daro viduje. Komisijos 4 straipsnio klausimai ir atsakymai apima pastarąjį. Juose apibūdinama vidaus politika DI įgūdžių turinčiai darbo jėgai, pagrindinė DI raštingumo kompetencijų sistema, mokymosi paketai bendrosios praktikos specialistams, vadovams ir kūrėjams, įrankiams skirti ištekliai, klausimų ir atsakymų sesijos, praktikų bendruomenė, mėnesinis naujienlaiškis ir DI čempionų tinklas.

Nė vieno iš to nereikėtų laikyti stebuklingu šablonu. Pati Komisija sako, kad vidaus sistema gali keistis atsižvelgiant į būsimas rekomendacijas. Šios praktikos yra pavyzdys, kaip institucija raštingumą traktuoja kaip paramos sistemą, o ne kaip vienkartinį įvykį. Sistema suteikia kalbą. Skirtingi mokymosi paketai pripažįsta skirtingus vaidmenis. Įrankiams skirta gairės sujungia mokymąsi su darbu. Bendruomenė suteikia klausimams vietą, kur jie gali keliauti. Čempionai sukuria kelią per organizaciją, nepadarydami jų vieninteliais žinių savininkais.

The example also contains a quiet warning. The programme is described in terms of encouraged learning and practical resources, not as proof that every employee can perform every AI task safely. That is the honest boundary. An organisation can build capacity and still have gaps. It can offer training and still discover that a workflow lacks an override. It can publish guidance and still need to revise it when a tool, law or task changes.

The Commission’s public repository makes the same boundary explicit. It collects examples to support learning and exchange, but reproducing a practice does not automatically create a presumption of compliance. That sentence deserves to be repeated because organisations often copy a visible format and leave the invisible reasoning behind. A bootcamp may be useful in one place and irrelevant in another. An e-learning module may reach everyone and change nobody. A community of practice may flourish in a research setting and need a different shape in a public call centre.

The practical question for any organisation is not whether its programme resembles the Commission’s. It is whether people can use what they learned at the moment the system asks them to make a judgement. If they can, the programme is connected to work. If they cannot, the organisation has built a library without a doorway.

A capability map for an ordinary organisation

It helps to map literacy by capability rather than by attendance. The map should show what the organisation needs to do, who performs each part, which evidence supports it and what authority remains human. A small organisation can draw this on one page. A larger one may need a register connected to systems, roles and review cycles. The form matters less than keeping the relationships visible.

The first capability is recognition. The organisation can list the AI systems it provides, deploys or uses on someone else’s behalf, and describe their purpose in ordinary language. It knows which tools are experimental, which are approved, which are embedded in a supplier service and which entered through an individual account. Recognition is not surveillance of every employee’s curiosity. It is a way to stop consequential use from hiding behind a procurement category or an enthusiastic workaround.

The second is evidence. For each task, the organisation knows what data the system receives, what sources are authoritative, how freshness and permission are checked, and what records survive transformation. It can distinguish a generated suggestion from a source record and an evaluation result from a production outcome. Evidence is the part of literacy that turns a claim into something a second person can inspect.

The third is judgement. The organisation can state which actions the system may take, which it may suggest and which remain human decisions. It defines the conditions that require a refusal, an escalation or a review. It makes the trade-off visible when a faster path gives less evidence or less opportunity to contest. Judgement is not an argument against automation. It is the part of the design that says what automation is for.

The fourth is authority. Roles are assigned for approval, oversight, data ownership, incident handling, communication with affected people, supplier challenge and withdrawal. The roles have access and time. A person with a title but no route to stop or change the system is not an oversight mechanism. An escalation mailbox with no owner is a suggestion box in formal clothing.

The fifth is learning. The organisation records what people asked, where the system failed, which assumptions changed and what was repaired. It updates training when the task changes, but it also changes the interface, evidence path, policy or contract when that is the better fix. Learning is not a retrospective report that sits beside the system. It is the system becoming more honest about its limits.

Gebėjimų žemėlapis išlaiko matomus žmones, įrodymus ir sprendimų galią aplink dirbtinio intelekto sistemą. Tai darbo žemėlapis, o ne dalyvių sąrašas.

Kaip išlaikyti ciklą gyvą įtemptą ketvirtį

Dauguma raštingumo programų žlunga įprastu būdu. Pristatymas sulaukia daug dalyvių, medžiaga yra kruopščiai parengta, o tada grįžta skubūs darbai. Nauji įrankiai atkeliauja per tiekėją, komanda nukopijuoja raginimą iš kitos komandos, pasikeičia politika arba leidimo pastabose atsiranda modelio atnaujinimas. Organizacija ir toliau kalba apie raštingumą taip, tarsi pirminis kursas vis dar egzistuotų. Tačiau taip nėra. Sistema pajudėjo, o mokymasis liko vietoje.

Pirmoji apsauga yra aiškus peržiūros trigeris. Pasikeitus modeliui, duomenų šaltiniui, paskirčiai, paveiktai populiacijai, tiekėjui, slenksčiui ar žmogiškajam keliui, turėtų atsirasti kas nors, kas paklaustų, ar esama praktika vis dar tinka. Trigeris neturi kiekvienam smulkiam pokyčiui kurti komiteto. Jis turi neleisti, kad esminis pokytis būtų traktuojamas kaip priežiūra, kai jis keičia sprendimų galią ar riziką.

Antroji apsauga yra vietinė nuosavybė. Centrinis DI biuras gali teikti gaires, tačiau žmogus, esantis arčiausiai užduoties, paprastai pirmasis pastebi neatitikimą tarp sistemos ir darbo. Tam žmogui reikia aiškaus kelio užduoti klausimus, pranešti apie problemą ir gauti atsakymą. Vietinė nuosavybė taip pat neleidžia programai virsti abstrakčių principų rinkiniu, kurio niekas negali pritaikyti rytojaus atvejui.

Trečioji apsauga yra nedidelis daugkartinio naudojimo klausimų rinkinys. Ką sistema daro? Kokiais įrodymais ji remiasi? Ką ji gali pakeisti? Kam tai daro poveikį? Kas priverstų mus sustoti? Kas gali ją pakeisti? Kuris įrašas leis mums vėliau suprasti rezultatą? Šie klausimai gali atsirasti viešųjų pirkimų dokumentuose, dizaino peržiūroje, darbuotojų gairėse, viešame pranešime, incidento formoje ir mokymo pratybose. Pasikartojimas nėra trūkumas, kai klausimas yra kontrolės priemonė.

Ketvirtoji apsauga yra laikas. Organizacijos dažnai prašo žmonių vertinti sprendimus tarp kitų užduočių. Dėl to teisingas veiksmas atrodo neefektyvus. Jei iš recenzento tikimasi, kad jis patikrins sugeneruotą rekomendaciją, į darbo krūvį turi būti įtrauktas ir tas patikrinimas. Jei iš darbuotojo tikimasi, kad jis praneštų apie susirūpinimą keliantį atvejį, tvarkaraštis turi tai leisti. Jei iš vadovo tikimasi, kad jis peržiūrėtų naują modelį, pareigos turi apimti tą peržiūrą. Priešingu atveju organizacija pavertė raštingumą savanoriška veikla ir nustebs, kai savanorių pritrūks.

The fifth protection is a visible end to the loop. An escalation should not disappear into an inbox. The person who raised it should know whether the case was accepted, what changed and who owns the next step, subject to privacy and security limits. A small acknowledgement can be more powerful than another policy because it shows that the organisation treats judgement as part of work, not as an interruption to it.

Metrics can help, but they must be chosen carefully. Count how many systems have an owner, how many tasks have a declared evidence boundary, how many changes triggered review, how many escalations received a response and how often a source or policy was repaired. Do not use completion percentages as a proxy for understanding. A hundred per cent completion can coexist with zero authority. A lower completion figure may reveal that the organisation has finally stopped pretending that one lesson fits everyone.

The best measure is not a number. It is the quality of the next question. After the programme, can a team challenge a confident output without being told that the model is only a tool? Can it identify the source and the missing evidence? Can it say what would make the workflow stop? Can an affected person reach a human review? Can the organisation change the system without losing the history of what happened? If the answer improves, the muscle is being used.

What a certificate cannot tell you

A certificate can tell you that a person completed an identified activity. That may be useful for orientation, record-keeping or professional development. It cannot tell you whether the activity matched the system in front of the person, whether the person had a chance to practise, whether the organisation exposed its evidence, whether authority was real, or whether the system changed afterwards. Those questions belong to the organisation and the work.

The distinction is not an argument against courses. Courses can provide a shared starting point, especially when a new vocabulary is needed quickly. They can explain mechanisms, legal context and recurring risks. They can help people who have been excluded from technical conversations enter them without having to pretend they already know the answers. The problem begins when the course is treated as the outcome rather than as one instrument in a larger practice.

A good course should make the next use more demanding. It should leave people with questions they can ask, evidence they can inspect, limits they can state and routes they can use when the system is not enough. It should make a manager less comfortable with a vague claim and a worker more confident in a prudent refusal. It should make the organisation’s own gaps easier to see. Learning that produces only confidence has not necessarily produced literacy.

The law’s current wording helps because it refuses to define one finish line for every person. Article 4 now asks providers and deployers to take measures that support development. The amendment’s recital says literacy should be a strategic priority regardless of regulatory obligations and possible sanctions. That is a stronger foundation than a race to a universal score. It tells organisations to build capability because their work requires it, not because a certificate might quiet a checklist.

Our small note

At Dweve, our small contribution is Ground truth, a free browser-based citizen guide to AI. It is not a certificate and it cannot make an organisation literate by itself. It is one place to practise the shared vocabulary described here: what a system does, what evidence it uses, which limits matter and where human judgement stays. We mention it as an example of the material we make, not as proof of an organisational outcome. The proof has to appear in the work, in the questions people ask and in the decisions they are allowed to change.

The lesson

AI literacy is not the moment a person finishes a course. It is the moment an organisation can see what its systems are doing and can still act when the answer is uncertain. Awareness names the system and its setting. Competence connects knowledge to a task and its evidence. Authority makes judgement and intervention possible. Habits keep those capabilities alive when the tool, policy, data or people change.

The European position is becoming clearer. The AI Act’s Article 4 remains an organisational responsibility, but the current law does not prescribe a single individual level or certificate. The Commission’s guidance points to context, risk, role and affected people. Its own internal programme combines frameworks, role-specific learning, tool guidance, a community and a route for questions. The education guidelines and UNESCO’s guidance place human capacity, rights and meaningful use beside technical understanding. None of these sources promises a shortcut. That is precisely their value.

For a public body, the work is to make the human route visible and usable. For a company, it is to connect training to evidence, ownership and the ability to refuse a bad workflow. For a school, it is to teach people how to question a system before the system asks them to trust it. For a person affected by a decision, it is to have a way to understand what happened and ask for review without learning the vendor’s vocabulary first.

The muscle grows when the organisation practises before the consequence arrives: recognise, question, check, decide, escalate and repair. There will be no final certificate that says the work is done. That is not a gap in the programme. It is the point. A living system needs living judgement, and living judgement is something an organisation has to keep exercising.

Sources