Этика AI

Девять принципов, просто сформулированы

Как SLAtech обходится с обучающими данными, вымыслом модели, привязкой цитат к источнику, контролем предвзятости, участием человека в контуре, согласием посетителя, недобросовестным использованием и правом на объяснение. Без воды: за каждым принципом стоит конкретная техническая практика.

Никаких тренировок на клиентских данных

Контент арендатора никогда не используется для дообучения или обучения какой-либо модели, которой управляет SLAtech. RAG извлекает данные из контента арендатора в момент запроса; LLM видит результат извлечения как контекст времени выполнения, а не как обучающий сигнал.

Контроль галлюцинаций по умолчанию

Каждый ответ бота несёт флаги уверенности + фактологичности + галлюцинаций в админ-инбоксе. Ответ бота с оценкой ниже порога перенаправляется на передачу оператору вместо догадок.

Прозрачность выбора модели

Мы документируем, какая языковая модель обслуживает каждый конвейер (более лёгкая модель для сидеров перевода, более мощная модель для боевых ответов бота). О заменах модели сообщается через changelog.

Заземлённые цитаты в каждом ответе

Полезная нагрузка ответа бота содержит QuerySource[] с { sourceUrl, snippet, score }. Виджет отображает фрагмент как всплывающую карточку «по словам», чтобы посетители могли проверить цитату перед действием.

Мониторинг предвзятости и точности

Периодического сравнения между платформами и таблицы результатов не существует - на /ru/eval/ объяснено, почему мы предпочитаем не публиковать ничего, чем публиковать цифры, за которые не можем отвечать. На каждом ответе, построенном на найденном содержании, работает второй вызов модели: он оценивает фактологичность и помечает утверждения, которых найденный материал не подтверждает, - и это видно клиенту, которому принадлежит сайт.

Человек в контуре там, где это важно

Медицинская и юридическая вертикали направляют каждый предметный клинический/юридический вопрос человеку (защитный механизм UPL в Legal, резервный ответ «я предпочитаю, чтобы это подтвердил врач» в Medical).

Согласие посетителя и минимизация данных

Веб-виджет запрашивает минимум данных посетителя, необходимых для разговора. Сбор лидов - по согласию (opt-in). Идентификаторы посетителей - анонимные отпечатки, если посетитель не идентифицирует себя сам.

Позиция по злоупотреблениям

SLAtech отказывается эксплуатировать бота, предназначенного для вводящего в заблуждение выдавания себя за другого или для регулируемых консультаций без лицензированного специалиста в контуре. Мы оставляем за собой право расторгать договоры при вопиющем нарушении.

Право на объяснение

Посетители, общающиеся с ботом на базе SLAtech, могут запросить цепочку рассуждений за любым ответом. Администраторы арендатора могут проверять любой разговор в админ-инбоксе.

Не согласны с принципом?

Инструменты оценки покупателя

Четыре инструмента самообслуживания, чтобы оценить SLAtech (или любого другого поставщика AI-чат-ботов) без звонка с продавцами:

Качество ответов как измеряется качество ответов Калькулятор TCO годовая экономия и срок окупаемости Сравнение вендоров Опубликованные цены 16 вендоров Чек-лист поставщика 30 закупочных вопросов к вендору

Частые вопросы

Как SLAtech обрабатывает никаких тренировок на клиентских данных?
Контент арендатора никогда не используется для дообучения или обучения какой-либо модели, которой управляет SLAtech. RAG извлекает данные из контента арендатора в момент запроса; LLM видит результат извлечения как контекст времени выполнения, а не как обучающий сигнал.
Как SLAtech обрабатывает контроль галлюцинаций по умолчанию?
Каждый ответ бота несёт флаги уверенности + фактологичности + галлюцинаций в админ-инбоксе. Ответ бота с оценкой ниже порога перенаправляется на передачу оператору вместо догадок.
Как SLAtech обрабатывает прозрачность выбора модели?
Мы документируем, какая языковая модель обслуживает каждый конвейер (более лёгкая модель для сидеров перевода, более мощная модель для боевых ответов бота). О заменах модели сообщается через changelog.
Как SLAtech обрабатывает заземлённые цитаты в каждом ответе?
Полезная нагрузка ответа бота содержит QuerySource[] с { sourceUrl, snippet, score }. Виджет отображает фрагмент как всплывающую карточку «по словам», чтобы посетители могли проверить цитату перед действием.
Как SLAtech обрабатывает мониторинг предвзятости и точности?
Периодического сравнения между платформами и таблицы результатов не существует - на /ru/eval/ объяснено, почему мы предпочитаем не публиковать ничего, чем публиковать цифры, за которые не можем отвечать. На каждом ответе, построенном на найденном содержании, работает второй вызов модели: он оценивает фактологичность и помечает утверждения, которых найденный материал не подтверждает, - и это видно клиенту, которому принадлежит сайт.
Как SLAtech обрабатывает человек в контуре там, где это важно?
Медицинская и юридическая вертикали направляют каждый предметный клинический/юридический вопрос человеку (защитный механизм UPL в Legal, резервный ответ «я предпочитаю, чтобы это подтвердил врач» в Medical).