Pětibodový plán: Takto se chce Německo stát světovým lídrem v oblasti umělé inteligence – datová gigafactory a veřejné zakázky pro startupy v oblasti umělé inteligence

Proč má pro Německo strategický význam etablovat se jako přední národ v oblasti umělé inteligence?

Současná globální technologická krajina se vyznačuje intenzivní konkurencí v oblasti umělé inteligence (AI), která je často označována jako „závod AI“. Tento závod vedou především Spojené státy a Čína, které masivně investují do výzkumu, vývoje a infrastruktury. Pro vysoce rozvinutý průmyslový národ, jako je Německo, není pozici v této oblasti pouze možností, ale strategickou nutností. AI již není specializovanou technologií, ale vyvíjí se v zásadní, základní inovaci, která určí budoucí ekonomickou konkurenceschopnost, národní bezpečnost a geopolitický vliv.

Pro Německo, jehož prosperita je do značné míry založena na jeho síle v klíčových odvětvích, jako je strojírenství, automobilový průmysl a lékařské technologie, představuje technologické zaostávání v oblasti umělé inteligence existenční riziko. Ztráta technologického vůdčího postavení v těchto odvětvích by nejen narušila ekonomické základy, ale také vedla ke kritické závislosti na zahraničních poskytovatelích technologií. Naléhavost této výzvy je zdůrazňována v politických strategických dokumentech, které zdůrazňují naléhavou potřebu rozhodných kroků.

V reakci na tuto globální dynamiku formulovala německá spolková vláda strategické plány, jejichž cílem je dostat Německo do popředí v oblasti umělé inteligence na celém světě. Klíčovým prvkem této strategie je pětibodový plán ministra pro digitální záležitosti, který nastiňuje základní oblasti činnosti pro posílení pozice Německa jako centra umělé inteligence. Tento plán slouží jako vodítko pro komplexní transformaci, od cílené podpory domácích startupů a rozvoje suverénní datové infrastruktury až po vytvoření regulačního rámce založeného na hodnotách.

Analýza tohoto plánu odhaluje hlubší strategický rozměr. Vzhledem k obrovské investiční propasti mezi Evropou a USA nebo Čínou nemůže německá a evropská strategie jednoduše zrcadlit americké nebo čínské přístupy. Spíše je to plán asymetrické konkurenční strategie. Tato strategie si klade za cíl zvítězit nikoli prostřednictvím pouhé finanční převahy, ale prostřednictvím inteligentního využití specifických silných stránek: úzké integrace umělé inteligence se silnou průmyslovou základnou, vytvoření důvěryhodného ekosystému založeného na hodnotách a zavedení digitální suverenity jakožto značky kvality. Následující části podrobně analyzují pět pilířů této strategie a osvětlí jejich důsledky, výzvy a příležitosti.

Vhodné pro:

• Umělá inteligence | Marketingové taktiky amerických společností využívající zastrašování umělou inteligencí

Podpora inovací prostřednictvím veřejných zakázek

Jakou roli hraje zadávání veřejných zakázek v podpoře startupů v oblasti umělé inteligence v Německu?

Klíčovou pákou pro posílení domácího ekosystému umělé inteligence je strategická změna zaměření veřejných zakázek. V Německu je stát největším jednotlivým odběratelem IT a každoročně zadává soukromým společnostem zakázky v hodnotě stovek miliard eur. Tento obrovský objem trhu představuje významný ekonomický faktor a skýtá obrovský potenciál pro cílenou podporu inovací.

Současná strategie kritizuje stávající postupy zadávání veřejných zakázek jako „nekontrolovaný růst“ a vyzývá k cílenému řízení vládních digitálních výdajů. Jádrem návrhu je strategicky zadávat veřejné zakázky německým a evropským startupům v oblasti umělé inteligence, spíše než primárně zavedeným, často se sídlem v USA, technologickým gigantům. Toto opatření má sloužit jako „inovační impuls“ tím, že mladým, inovativním společnostem poskytne přístup na trh, kterého by jinak těžko dosáhly.

Realita však ukazuje, že tento potenciál není téměř využíván. Studie prokazují nápadně nízkou míru účasti startupů ve veřejných zakázkách. Pouze asi 11 % německých startupů se těchto procesů účastní a pouhých 7 % z nich skutečně získá zakázku. Podíl veřejných zakázek na celkových tržbách těchto společností je proto odpovídajícím způsobem nízký, méně než 5 %. To ilustruje významný rozdíl mezi potenciálním trhem, který představuje vláda jako zákazník, a schopností startupů se na tento trh dostat. Cílené zadávání veřejných zakázek je proto chápáno nejen jako finanční podpora, ale také jako základní mechanismus pro liberalizaci trhu a validaci nových technologií.

S jakými překážkami se v oblasti práva veřejných zakázek setkávají inovativní mladé firmy?

Omezený úspěch startupů ve veřejných zakázkách lze připsat řadě specifických byrokratických a právních překážek zakotvených v německém a evropském právu o zadávání veřejných zakázek. Tyto překážky jsou často přizpůsobeny potřebám velkých, zavedených společností a představují nepřekonatelné bariéry pro mladé, agilní firmy.

Jednou z největších výzev jsou požadavky na způsobilost. Klienti z veřejného sektoru často požadují doklad o určitém minimálním ročním obratu, který může být často dvojnásobkem odhadované hodnoty zakázky. Pro startup, který je stále ve fázi růstu a samozřejmě má nižší obrat, je tento požadavek prakticky nemožné splnit. K tomu se přidává poptávka po komplexních referencích srovnatelných projektů z posledních tří fiskálních let. To vytváří klasický problém slepice a vejce: žádné veřejné zakázky, žádné reference a žádné reference, žádné veřejné zakázky.

Složitost a délka zadávacích řízení navíc odrazuje mnoho startupů. Příprava zadávací dokumentace je časově a energeticky náročná, což klade značnou zátěž na malé týmy. Samotné právo v oblasti zadávání veřejných zakázek se vyznačuje vysokou hustotou předpisů a dvoustupňovou strukturou: zakázky pod určitými prahovými hodnotami EU podléhají národním předpisům, jako je německá vyhláška o zadávání veřejných zakázek pod prahovou hodnotou (UVgO), zatímco zakázky nad těmito prahovými hodnotami musí být zadávány v rámci celé Evropy a podléhají složitějším předpisům, jako je německý zákon proti omezování hospodářské soutěže (GWB) a německá vyhláška o zadávání veřejných zakázek (VgV). Tato právní složitost dále zvyšuje bariéru vstupu a vede mnoho inovativních společností k tomu, že se od samého začátku vyhýbají veřejnému sektoru jako potenciálnímu klientovi.

Jaká řešení a reformy se projednávají, aby se začínajícím firmám usnadnilo získávání veřejných zakázek?

Pro překonání popsaných překážek se na právní i politické úrovni diskutuje o různých řešeních. Jejich cílem je učinit právo zadávání veřejných zakázek flexibilnějším a příznivějším pro inovace, aniž by se opustily základní principy transparentnosti a hospodářské soutěže.

Na právní úrovni již existují nástroje, které mohou startupy využít ke kompenzaci svých nevýhod. Patří mezi ně vytváření „konsorcií pro předkládání nabídek“, v nichž několik menších společností spojí síly, aby sdružily své zdroje pro větší zakázku. Další možností je „půjčování kvalifikací“, kdy si startup „půjčí“ chybějící kvalifikace, jako jsou reference nebo údaje o tržbách, od zavedené partnerské společnosti, která se na oplátku zaváže, že v případě získání zakázky poskytne své zdroje.

Na politické úrovni existují komplexní reformní návrhy, jako například sedmibodový plán digitální asociace Bitkom. Tento plán mimo jiné požaduje větší uplatňování stávajících inovativních kritérií pro zadávání veřejných zakázek, vytvoření nových hodnotících standardů explicitně přizpůsobených startupům a harmonizaci roztříštěných právních rámců. Klíčovým prvkem je profesionalizace agentur pro zadávání veřejných zakázek. Zaměstnanci těchto agentur potřebují odborné znalosti k hodnocení inovativních řešení v oblasti umělé inteligence, což často vyžaduje specializaci a cílené školení. Dalším důležitým nástrojem je „inovační partnerství“. Jedná se o speciální postup zadávání veřejných zakázek, který je explicitně navržen tak, aby ve spolupráci se společností, která ještě není na trhu dostupná, vyvinul inovativní řešení. Je proto ideální pro zadávání veřejných zakázek v oblasti nových technologií umělé inteligence a podporuje spolupráci mezi veřejným sektorem a inovativními poskytovateli.

Následující tabulka shrnuje klíčové výzvy a odpovídající řešení:

Inovace místo nízké ceny: Nové příležitosti pro startupy při získávání zakázek

Inovace místo nízké ceny: Nové příležitosti pro startupy při zajišťování zakázek – Obrázek: Xpert.Digital

Startupy čelí při ucházení se o zakázky různým překážkám, které mohou otevřít nové příležitosti prostřednictvím inovací, spíše než pouhým zaměřením na nejnižší cenu. Přísná kritéria způsobilosti, jako jsou minimální příjmy a reference, často vylučují mladé společnosti ze soutěže kvůli nedostatku zavedených výsledků. V tomto případě by mohla pomoci řešení, jako je využití kvalifikací stávajících společností, přijímání osobních referencí od zaměstnanců a přizpůsobení kritérií příslušné fázi vývoje společnosti. Vysoká složitost a délka procesů zadávání veřejných zakázek zahlcuje malé týmy a vede ke značným výdajům na zdroje. Proto by bylo přínosné snížit byrokracii, digitalizovat procesy zadávání veřejných zakázek (např. prostřednictvím elektronického zadávání veřejných zakázek) a poskytovat cílené školení a networkingové příležitosti pro startupy. Často nevhodnou velikost zakázky, kde absence výběrových řízení na základě částí překračuje kapacity malých společností, lze také zlepšit důsledným uplatňováním klauzule o malých a středních podnicích (§ 97 GWB) k rozdělení zakázek na části a podporou konsorcií pro předkládání nabídek. Dalším klíčovým bodem je zaměření na nejnižší cenu, které znevýhodňuje inovativní, ale potenciálně dražší řešení. Zavedení „inovačního bonusu“ jako kritéria pro zadávání zakázek, širší využití funkčních specifikací a využití inovačních partnerství mohou otevřít nové příležitosti. Nedostatek transparentnosti a zpětné vazby v konečném důsledku brzdí proces učení startupů a brání zlepšení v budoucích nabídkách. Zveřejňování komplexních statistik zadávání veřejných zakázek a povinná zpětná vazba pro neúspěšné uchazeče by tento proces podpořily.

Jaké jsou ekonomické důsledky specifického zvýhodňování domácích firem?

Strategický záměr přednostně zadávat veřejné zakázky „domácím společnostem v oblasti umělé inteligence“ představuje formu průmyslové politiky, která je však v rozporu se zavedenými ekonomickými principy a evropským právním rámcem. Jádrem tohoto napětí je konflikt mezi podporou národního technologického ekosystému a potenciálními ztrátami efektivity vyplývajícími z omezené hospodářské soutěže.

Právo EU v oblasti zadávání veřejných zakázek je založeno na základních principech jednotného trhu: transparentnosti, rovném zacházení a nediskriminaci. Tyto principy jsou navrženy tak, aby zajistily, že zakázka bude udělena ekonomicky nejvýhodnější nabídce bez ohledu na národní původ uchazeče. Tato otevřená soutěž je považována za klíčový motor hospodářského růstu a odhaduje se, že významně přispívá k HDP EU. Politiky, které výslovně upřednostňují domácí společnosti, tuto zásadu podkopávají a hrozí porušením práva EU.

Z ekonomického hlediska může takové protekcionistické opatření vést k vyšším nákladům pro veřejný sektor. Pokud je konkurence uměle omezena vyloučením mezinárodních dodavatelů, zbývající domácí uchazeči si mohou vynucovat vyšší ceny. Studie o dopadech místních preferencí při zadávání veřejných zakázek naznačují, že to může zvýšit náklady pro daňové poplatníky a snížit efektivitu veřejných výdajů.

Naproti tomu existují argumenty průmyslové politiky. Zastánci takové strategie tvrdí, že dočasné preferenční zacházení je nezbytné k tomu, aby mladé, strategicky důležité odvětví, jako je umělá inteligence, získalo spravedlivou šanci v globální konkurenci. Vládní zakázka může pro startup sloužit jako klíčový „první zákazník“, který nejen generuje příjmy, ale také slouží jako důležitá reference, a tím usnadňuje přístup na soukromé trhy a další rizikový kapitál. Jedná se tedy o strategický kompromis: vyšší náklady a potenciální ztráty efektivity v krátkodobém horizontu jsou akceptovány, aby se v dlouhodobém horizontu vybudovala suverénní a konkurenceschopná domácí technologická základna a zabránilo se kritickým závislostem. Implementace této strategie proto vyžaduje pečlivé vyvažování, aby se podpořil domácí průmysl, aniž by byly ohroženy základní pilíře evropského jednotného trhu.

Integrace nezávislé platformy umělé inteligence s využitím různých datových zdrojů pro všechny obchodní potřeby - Obrázek: Xpert.Digital

AI Game Changer: Nejflexibilnější platforma s umělou inteligencí – Řešení šitá na míru, která snižují náklady, zlepšují vaše rozhodování a zvyšují efektivitu

Nezávislá platforma umělé inteligence: Integruje všechny relevantní firemní zdroje dat

• Tato platforma umělé inteligence interaguje se všemi specifickými zdroji dat
  • Od systémů pro správu dat od SAP, Microsoft, Jira, Confluence, Salesforce, Zoom, Dropbox a mnoha dalších
• Rychlá integrace umělé inteligence: Řešení umělé inteligence šitá na míru pro firmy během hodin nebo dnů, místo měsíců
• Flexibilní infrastruktura: Cloudová nebo hosting ve vlastním datovém centru (Německo, Evropa, volná volba lokality)

• Maximální zabezpečení dat: jeho použití v advokátních kancelářích je nezpochybnitelným důkazem
• Nasazení v široké škále podnikových datových zdrojů
• Výběr vlastních nebo jiných modelů umělé inteligence (DE, EU, USA, CN)

Výzvy, které řeší naše platforma umělé inteligence

• Nedostatečná vhodnost konvenčních řešení umělé inteligence
• Ochrana dat a bezpečná správa citlivých dat
• Vysoké náklady a složitost vývoje individuální umělé inteligence
• Nedostatek kvalifikovaných specialistů na umělou inteligenci
• Integrace umělé inteligence do stávajících IT systémů

Více o tom zde:

• AI integrace nezávislé platformy AI pro všechny společnosti pro všechny společnosti pro všechny společnosti

Budování národní výpočetní infrastruktury

Jaký je současný stav infrastruktury datových center v Německu a proč je pro umělou inteligenci klíčová?

Výpočetní výkon tvoří základní páteř digitální ekonomiky a je nepostradatelným zdrojem pro vývoj a provoz moderních aplikací umělé inteligence. Velké modely umělé inteligence, zejména základní modely, vyžadují pro trénování obrovskou výpočetní kapacitu, která zahrnuje miliardy parametrů a obrovské množství dat. Bez výkonné a škálovatelné infrastruktury výpočetní techniky a datových center je ambice stát se předním národem v oblasti umělé inteligence nedosažitelná.

Německo se v současnosti pyšní největší kapacitou datových center v Evropě. Frankfurt nad Mohanem se etabloval jako centrální uzel, a to především díky DE-CIX, jednomu z největších internetových ústředen na světě, které se zde nachází. Tato koncentrace zajišťuje vynikající konektivitu a přitahuje investice od globálních poskytovatelů cloudových služeb a poskytovatelů kolokačních služeb.

Navzdory tomuto vedoucímu postavení v Evropě odhaluje relativní analýza komplexnější obraz. Pokud se vezme v úvahu dostupný výpočetní výkon v poměru k ekonomickému výkonu, měřenému hrubým domácím produktem (HDP), Německo zaostává za ostatními zeměmi. Země jako Velká Británie a Nizozemsko mají vyšší hustotu výpočetního výkonu na miliardu eur HDP. Celosvětově je rozdíl oproti USA a Číně, které dominují trhu, ještě výraznější. Tento relativní rozdíl signalizuje potenciální úzké hrdlo, které by mohlo omezit schopnost Německa držet krok v globálním závodě umělé inteligence. Digitální suverenita a technologické schopnosti země tak přímo závisí na síle a rozšíření této kritické infrastruktury.

Vhodné pro:

• V závislosti na americkém cloudu? Německý boj o cloud: Jak soutěžit s AWS (Amazon) a Azure (Microsoft)

Co znamená požadavek na „gigatovárnu na data“ v kontextu strategie umělé inteligence?

Termín „gigafactory“, který původně zavedla Tesla pro své obrovské továrny na hromadnou výrobu baterií, se v rámci německé strategie umělé inteligence používá jako silná metafora. Požadavek na „alespoň jednu gigafactory“ v Německu nelze chápat doslova jako jednu továrnu, ale spíše jako politický závazek k výstavbě hyperscale datových center speciálně navržených tak, aby splňovaly extrémní požadavky aplikací umělé inteligence.

„Gigatovárna na data“ symbolizuje kvalitativní i kvantitativní skok v národní výpočetní infrastruktuře. Nejde už jen o provozování konvenčních datových center pro standardní cloudové služby, ale o vytváření zařízení schopných zvládat výpočetně nejnáročnější úkoly – především trénovat základní modely umělé inteligence s biliony datových bodů. Taková zařízení vyžadují masivní koncentraci specializovaného hardwaru (zejména GPU), extrémně vysokou energetickou hustotu a sofistikované chladicí systémy.

Tato poptávka implikuje strategickou nutnost vytvoření suverénní výpočetní infrastruktury, která umožní německým a evropským společnostem vyvíjet a provozovat modely umělé inteligence v tuzemsku. To snižuje závislost na cloudových platformách amerických hyperscalerů a posiluje digitální suverenitu. „Gigafactory“ je tak fyzickým základem pro ambice stát se nezávislým „cloudovým národem“ a být schopen globálně konkurovat o technologické vedení v oblasti umělé inteligence.

Jaké jsou největší výzvy při rozšiřování kapacity datových center v Německu?

Ambiciózní plán masivního rozšíření národní výpočetní kapacity naráží na řadu významných fyzických, regulačních a společenských problémů. Tato úzká hrdla ukazují, že digitální transformace selhává na velmi konkrétních, nedigitálních limitech, pokud se tyto limity proaktivně neřeší.

Největší výzvou je zásobování energií. Datová centra, a zejména ta pro aplikace umělé inteligence, mají enormní a neustále rostoucí spotřebu elektřiny. Poptávka po energii v německých datových centrech by se do roku 2030 mohla ve srovnání s dneškem téměř zdvojnásobit. To se střetává s vysokými cenami energií v Německu, které představují významnou konkurenční nevýhodu ve srovnání s jinými zeměmi a mohou učinit investice neatraktivními.

Druhou velkou překážkou jsou zdlouhavé procesy plánování a schvalování. V Německu trvá schválení a výstavba nového datového centra výrazně déle než v průměru EU. Tato byrokratická zpoždění vytvářejí investiční nejistotu a zpomalují naléhavě potřebné rozšíření infrastruktury.

Za třetí, velké nároky na pozemky datových center stále častěji vedou ke konfliktům ohledně jejich využití. Výstavba velkých serverových farem na zemědělské půdě nebo v blízkosti obytných oblastí se setkává s odporem zemědělců, ochránců přírody a místních obyvatel, kteří se obávají zakrývání půdy a hlukového znečištění.

A konečně, klíčovou výzvu představuje udržitelnost. Datová centra produkují obrovské množství odpadního tepla, které se většinou nevyužité uvolňuje do životního prostředí. Přestože existují zákonné požadavky na využití odpadního tepla, praktická implementace často selhává kvůli nedostatku infrastruktury, jako jsou propojené sítě dálkového vytápění. To vede k trilematu mezi cílem vedoucího postavení v oblasti umělé inteligence, energetickou transformací a cíli ochrany klimatu. Rozšíření infrastruktury umělé inteligence může ohrozit klimatické cíle, pokud není od samého začátku začleněno do integrované strategie energetiky a rozvoje měst.

Vhodné pro:

• Cesta Evropy k vedoucímu postavení v oblasti umělé inteligence s pěti gigatovárnami umělé inteligence? Mezi ambiciózními plány a historickými výzvami

Snížení byrokracie a volný tok dat

Jaké napětí existuje s poptávkou po nerušeném toku dat pro aplikace umělé inteligence?

Požadavek na snížení byrokracie, aby data mohla volně tokovat, je ústředním, ale také velmi složitým aspektem strategie umělé inteligence. Dotýká se základního napětí evropského přístupu k digitalizaci: konfliktu mezi absolutní potřebou velkých datových sad pro podporu inovací a stejně absolutním závazkem k přísné ochraně údajů k ochraně základních práv.

Umělá inteligence, a zejména strojové učení, je založena na datech. Výkon a přesnost modelů umělé inteligence přímo závisí na množství a kvalitě dat použitých k jejich trénování. Z hlediska technologického rozvoje je proto volný a nekomplikovaný přístup k obrovskému množství dat základním předpokladem pro udržení konkurenceschopnosti na globálním trhu. Poptávka po „průtokovém“ datovém prostředí je proto výzvou k vytvoření rámcových podmínek příznivých pro inovace.

Tato nutnost inovací se však střetává s evropským právním rámcem, který formuje obecné nařízení o ochraně osobních údajů (GDPR). GDPR není navrženo tak, aby potlačovalo inovace, ale spíše jako rámec pro ochranu základních občanských svobod. Je založeno na principech, jako je minimalizace dat (zpracováváno by mělo být pouze minimální nezbytné množství dat), omezení účelu (data lze použít pouze k účelu, pro který byla shromážděna) a požadavek jasného právního základu pro veškeré zpracování dat, často ve formě informovaného souhlasu. Tyto principy jsou v přirozeném rozporu s „hladem po datech“ vývoje umělé inteligence, což vede ke značné právní nejistotě pro společnosti a výzkumníky.

S jakými konkrétními byrokratickými a právními překážkami se vývojáři umělé inteligence potýkají v oblasti ochrany dat?

Pro vývojáře umělé inteligence v Německu a Evropě se napětí mezi požadavky na data a ochranou dat projevuje v řadě konkrétních právních a byrokratických překážek, které vyplývají přímo z GDPR a jeho interpretace.

Princip minimalizace dat představuje zásadní výzvu. Zatímco GDPR vyžaduje omezení zpracování osobních údajů na to, co je pro daný účel nezbytné, mnoho pokročilých modelů umělé inteligence se spoléhá na analýzu rozsáhlých, nespecifických datových sad k identifikaci vzorců. „Hlad po datech“ umělé inteligence přímo odporuje požadované datové ekonomikě.

S tím úzce souvisí překážka omezení účelu. Podle GDPR lze data shromažďovat pouze pro specifikované, explicitní a legitimní účely. Trénink základních modelů umělé inteligence se však často provádí pro množství potenciálních budoucích aplikací, které v době trénování nejsou ani předvídatelné. To ztěžuje definování konkrétního účelu a vytváří právní šedé zóny.

Další významnou překážkou je požadavek na právní základ pro zpracování. Pro trénování modelů umělé inteligence s osobními údaji, často shromažďovanými z internetu, je prakticky nemožné získat výslovný a informovaný souhlas od každého jednotlivce. Vývojáři se proto často odvolávají na „oprávněný zájem“, jehož rozsah je však právně kontroverzní a orgány na ochranu osobních údajů jej vykládají stále restriktivněji, což vede ke značné právní nejistotě.

A konečně, často neprůhledné fungování složitých systémů umělé inteligence, tzv. problém „černé skříňky“, se střetává s povinnostmi transparentnosti podle GDPR. Občané mají právo na informace o logice automatizovaných rozhodnutí. Pokud ani vývojáři již nemohou sledovat přesné rozhodovací cesty modelu hlubokého učení, lze toto právo jen stěží zaručit. Tyto překážky dohromady znamenají, že vývoj umělé inteligence v Evropě je spojen s vyšším právním rizikem a větší byrokratickou zátěží než v jiných částech světa.

Vhodné pro:

• Promeškali jste revoluci umělé inteligence? Proč Německo riskuje, že zaostane za USA a Čínou

Jak se evropské právo v oblasti umělé inteligence snaží najít rovnováhu mezi inovacemi a regulací?

Evropský zákon o umělé inteligenci představuje dosud nejkomplexnější pokus o vytvoření regulačního rámce, který by řídil rizika umělé inteligence, aniž by potlačoval inovace. Je ústřední reakcí na výše zmíněné napětí a ztělesňuje strategické rozhodnutí o třetí cestě mezi laissez-faire přístupem USA a státem kontrolovaným rozvojem umělé inteligence v Číně.

Jádrem zákona o umělé inteligenci je přístup založený na riziku. Místo plošné regulace umělé inteligence zákon rozlišuje podle potenciální škody, kterou aplikace představuje. Systémy umělé inteligence s „nepřijatelným rizikem“, jako je vládní sociální bodování nebo manipulativní techniky ovlivňující chování lidí, jsou zcela zakázány. „Vysoce rizikové“ systémy používané v kritických oblastech, jako je lékařská diagnostika, nábor nebo systém soudnictví, podléhají přísným požadavkům na transparentnost, zabezpečení dat, lidský dohled a dokumentaci. Velká většina aplikací umělé inteligence klasifikovaných jako nízkorizikové, jako jsou spamové filtry nebo umělá inteligence ve videohrách, zůstává do značné míry neregulovaná.

Zákon o umělé inteligenci zároveň obsahuje explicitní mechanismy na podporu inovací, zaměřené konkrétně na startupy a malé a střední podniky (MSP). Nejdůležitějším nástrojem je tzv. „regulační sandbox“. Jedná se o kontrolované právní experimentální prostory, kde mohou společnosti vyvíjet a testovat inovativní systémy umělé inteligence pod dohledem příslušných orgánů, aniž by musely okamžitě čelit plným sankcím zákona za neúmyslné porušení. Tyto sandboxy mají za cíl vytvořit právní a plánovací jistotu, usnadnit přístup na trh a podpořit dialog mezi inovátory a regulačními orgány. Zákon o umělé inteligenci proto není jen ochranným nástrojem, ale také strategickým pokusem o vytvoření spolehlivého a důvěryhodného rámce, který bude řídit inovace a má sloužit jako dlouhodobá konkurenční výhoda.

Využijte rozsáhlé pětinásobné odborné znalosti společnosti Xpert.Digital v komplexním balíčku služeb | Výzkum a vývoj, XR, PR a optimalizace digitální viditelnosti - Obrázek: Xpert.Digital

Xpert.Digital má hluboké znalosti z různých odvětví. To nám umožňuje vyvíjet strategie šité na míru, které jsou přesně přizpůsobeny požadavkům a výzvám vašeho konkrétního segmentu trhu. Neustálou analýzou tržních trendů a sledováním vývoje v oboru můžeme jednat s prozíravostí a nabízet inovativní řešení. Kombinací zkušeností a znalostí vytváříme přidanou hodnotu a poskytujeme našim zákazníkům rozhodující konkurenční výhodu.

Více o tom zde:

• Využijte 5x odborných znalostí Xpert.Digital v jednom balíčku – již od 500 EUR měsíčně

Evropská suverenita v modelech založených na umělé inteligenci

Proč má vývoj vlastních evropských modelů umělé inteligence strategický význam?

Vývoj a kontrola základních modelů umělé inteligence, známých také jako foundational modely, se stala otázkou ústředního strategického významu pro budoucnost Evropy. Tyto modely představují technologický základ, na kterém bude postavena řada budoucích aplikací umělé inteligence. Úplná závislost na modelech vyvinutých a kontrolovaných výhradně společnostmi v USA nebo Číně představuje významná rizika pro digitální suverenitu Evropy.

Digitální suverenita popisuje schopnost států, společností a občanů autonomně utvářet svou digitální transformaci a vyhýbat se kritickým technologickým závislostem. Pokud je základní infrastruktura umělé inteligence v rukou mimoevropských aktérů, vzniká řada rizik. Zaprvé existuje ekonomická závislost, která může vést k nepříznivým podmínkám nebo omezenému přístupu ke klíčovým technologiím. Zadruhé, data zpracovávaná na cloudových platformách v USA mohou být potenciálně předmětem přístupu amerických orgánů podle zákonů, jako je zákon CLOUD Act, což je v rozporu s evropskými zásadami ochrany osobních údajů.

Za třetí, a možná nejdůležitější, základní modely umělé inteligence nejsou hodnotově neutrální. Jsou trénovány s daty, která odrážejí kulturní, společenské a etické perspektivy. Modely trénované primárně s daty z americké nebo čínské kulturní sféry mohou obsahovat zkreslení, která jsou neslučitelná s evropskými hodnotami a normami. Vývoj vlastních evropských základních modelů je proto nezbytný k zajištění toho, aby umělá inteligence budoucnosti byla postavena na základech, které respektují základní evropské hodnoty, jako je demokracie, právní stát a ochrana základních práv. Iniciativy jako GAIA-X, jejichž cílem je vytvořit suverénní evropskou datovou infrastrukturu, jsou důležitým krokem tímto směrem.

Vhodné pro:

• Nezávislé platformy AI jako strategická alternativa pro evropské společnosti

Jaký je současný stav vývoje základních modelů umělé inteligence „Made in Europe“?

Navzdory značné investiční mezeře ve srovnání s USA a Čínou se v Evropě etablovala dynamická scéna pro vývoj základních modelů umělé inteligence, která sleduje svou vlastní diferencovanou strategii. Místo snahy o budování největších a nejvýkonnějších univerzálních modelů se mnoho evropských hráčů zaměřuje na specifické oblasti a kvalitativní prvky.

Přední německou společností v této oblasti je Aleph Alpha. Startup se sídlem v Heidelbergu se specializuje na vývoj modelů umělé inteligence, které jsou nejen výkonné, ale také transparentní a vysvětlitelné („vysvětlitelná umělá inteligence“). Toto zaměření na důvěryhodnost a suverenitu činí z Aleph Alpha důležitého partnera pro veřejný sektor a regulovaná odvětví. Společnost nedávno upravila svou strategii a více se zaměřila na menší, specializované modely pro specifické aplikace, což je krok vnímán jako strategický odklon od přímé konkurence s globálními hyperscalery.

Další slibnou evropskou společností je Mistral AI, která si získala značnou pozornost díky vydání výkonných open-source modelů. Open-source přístup podporuje transparentnost a umožňuje široké komunitě vývojářů na technologii stavět a adaptovat ji.

Kromě toho existují vládou financované iniciativy, jako je OpenGPT-X, projekt zahrnující Fraunhoferovy instituty, který podporuje rozvoj otevřených a důvěryhodných jazykových modelů pro Evropu. Na Univerzitě ve Würzburgu byl také vyvinut „LLäMmlein“ jako první velký jazykový model trénovaný výhradně na německých datech s cílem prolomit dominanci trénovacích dat v angličtině a zlepšit kvalitu německého jazyka. Tyto příklady ukazují jasný strategický směr: Evropa nekonkuruje primárně na základě velikosti svých modelů, ale spíše na základě specializace, otevřenosti, transparentnosti a přizpůsobení se specifickým jazykovým a regulačním potřebám evropského trhu.

Jakou roli hraje regulace EU, zejména právo v oblasti umělé inteligence, v globální konkurenci modelů umělé inteligence?

Evropská regulace, zejména zákon o umělé inteligenci, hraje v globální konkurenci v oblasti umělé inteligence ambivalentní a hojně diskutovanou roli. Na jedné straně existují obavy z „nadměrné regulace z Bruselu“, která by mohla zatížit evropské vývojáře vysokými náklady na dodržování předpisů a byrokratickými překážkami, což by je mohlo potenciálně znevýhodnit oproti agilnějším konkurentům z USA a Číny. Kritici se obávají, že přísná regulace by mohla zpomalit inovace a zejména vytvořit překážku vstupu na trh pro startupy.

Na druhou stranu je zákon o umělé inteligenci stále více chápán jako strategický nástroj, který může vytvářet dlouhodobé konkurenční výhody. Zavedením prvního komplexního právního rámce pro umělou inteligenci na světě vytváří EU právní a plánovací jistotu pro společnosti a uživatele. Tento jasný rámec může přilákat investice a posílit důvěru v aplikace umělé inteligence. Zákon také výslovně zohledňuje potřeby malých a středních podniků a startupů tím, že poskytuje nástroje příznivé pro inovace, jako jsou výše zmíněné regulační sandboxy a diferenciace pokut podle velikosti společnosti.

Snad nejdůležitější strategickou funkcí regulace EU je tzv. „bruselský efekt“. Vzhledem k tomu, že jednotný evropský trh je pro globální technologické společnosti nezbytný, budou nuceny přizpůsobit své produkty a modely přísným požadavkům EU, aby na něm mohly působit. EU tak efektivně exportuje své regulační standardy a hodnotově založenou vizi umělé inteligence do celého světa. Regulace se tak mění z potenciální zátěže v mocný nástroj pro formování globální krajiny. Místo soutěžení v čistě technologickém závodě, který by Evropa mohla prohrát kvůli investičním mezerám, EU přesouvá konkurenci na úroveň modelů správy a řízení, kde si buduje vedoucí pozici prostřednictvím jasného, ​​hodnotově založeného a komplexního právního rámce.

Mezinárodní spolupráce a umělá inteligence založená na evropských hodnotách

Co znamená tvrzení, že umělá inteligence by měla být vyvíjena podle „evropských hodnot“?

Ambice rozvíjet umělou inteligenci v souladu s „evropskými hodnotami“ je ústředním principem německé a evropské digitální strategie a rozhodujícím rozlišovacím faktorem v globální konkurenci. Nejde ani tak o specifickou technickou architekturu, jako spíše o zabudování systémů umělé inteligence do robustního právního a etického rámce, který odráží základní práva a demokratické principy Evropy.

Tento přístup založený na hodnotách je nejjasněji zakotven ve směrnici EU o umělé inteligenci. Principy v ní zakotvené definují, co představuje „evropská umělá inteligence“: musí být zaměřená na člověka, což znamená, že si lidé musí vždy ponechat konečnou kontrolu (lidský dohled). Musí být bezpečná, robustní a transparentní, aby její rozhodnutí byla srozumitelná a nemohla být snadno manipulována. Základní zásadou je nediskriminace, která vyžaduje, aby systémy umělé inteligence neposilovaly stávající společenské předsudky ani nevytvářely nové. Dalším základním pilířem je ochrana soukromí a datové suverenity, a to prostřednictvím úzké vazby na GDPR. A konečně, jako cíle systémů umělé inteligence jsou identifikovány také aspekty, jako je sociální a environmentální blahobyt.

V praxi se tento přístup projevuje jasnými zákazy a přísnými regulacemi. Aplikace umělé inteligence, které zásadně odporují evropským hodnotám, jako je státní sociální bodování podle vzoru čínského systému nebo systémy pro nevědomou manipulaci s chováním, jsou v EU zcela zakázány. Vysoce rizikové aplikace podléhají přísným regulacím, jejichž cílem je zajistit spravedlivé, bezpečné a transparentní fungování těchto systémů. „Umělá inteligence podle evropských hodnot“ je tedy politický a společenský projekt, který neoddělitelně spojuje technologický rozvoj s ochranou základních práv a demokratických procesů.

Vhodné pro:

• Modely Stargate Europa-Ai s Deepseek a Stargate ukazují příležitosti Evropy v soutěži AI

Jak lze strukturovat „výměnu za stejných podmínek“ s technologickými lídry, jako jsou USA?

Požadavek na „rovnocennou výměnu“ s technologickými lídry, jako jsou USA, je vyjádřením snahy o digitální suverenitu. Znamená to posun od role pouhého spotřebitele technologií a regulátora směrem k roli aktivního a rovnocenného účastníka utváření globálního digitálního řádu. Pro dosažení této pozice je klíčových několik faktorů.

Zaprvé, rovné podmínky vyžadují interní technologické znalosti. Pouze ti, kteří disponují relevantními modely umělé inteligence, výzkumnými kapacitami a silným startupovým ekosystémem, budou vnímáni jako seriózní partneři v technologických dialozích. Úsilí popsané v předchozích částech o vybudování domácího odvětví a infrastruktury umělé inteligence je proto základním předpokladem.

Za druhé, „rovné postavení“ je založeno na síle evropského jednotného trhu. Jako jedna z největších a nejsilnějších hospodářských oblastí světa může EU využít svou tržní sílu jako politickou páku. Globální společnosti jsou závislé na přístupu na evropský trh, což EU dává silnou vyjednávací pozici při stanovování standardů a pravidel.

Za třetí, a to je klíčové, je dosaženo rovných podmínek prostřednictvím soudržného a globálně vlivného regulačního rámce. Ústředním nástrojem je v tomto ohledu zákon o umělé inteligenci (AI Act). Definuje jasnou evropskou pozici a nutí mezinárodní partnery, aby se zapojili do evropských vizí umělé inteligence založené na hodnotách. Evropa se neomezuje pouze na americké nebo čínské standardy, ale proaktivně si stanovuje své vlastní. Cílem je zabránit tomu, aby byla Evropa technologicky a regulačně „rozdělena“ USA, a to tím, že se představí jednotná fronta s jasným a nezávislým programem.

Jaké strategické důsledky plynou z globálního závodu mezi regulačními systémy?

Globální soutěž o vedoucí postavení v oblasti umělé inteligence není jen závodem technologií a investic, ale stále častěji také soutěží regulačních systémů a souvisejících společenských vizí. Objevují se tři odlišné modely, z nichž každý stanovuje jiné priority.

Evropský model, zakotvený v právu v oblasti umělé inteligence, je komplexní přístup založený na rizicích a základních právech. Upřednostňuje bezpečnost, důvěru a etické zásady a snaží se vést inovace v jasně definovaném právním rámci. Jeho cílem je stát se globálním modelem pro odpovědné řízení umělé inteligence.

Americký model je tradičně více orientovaný na trh a inovace. Důraz je kladen na minimalizaci regulačních překážek s cílem urychlit technologický rozvoj a komercializaci umělé inteligence. Regulace je často reaktivní a specifická pro daný sektor, spíše než aby byla implementována prostřednictvím komplexního, preventivního právního rámce. Strategie si klade za cíl zajistit technologickou dominanci tím, že předním společnostem poskytne maximální svobodu.

Čínský model je řízen státem a zaměřen na dosažení národních strategických cílů. Regulace je agilní a lze ji rychle přizpůsobit novému technologickému vývoji, ale zároveň slouží k posílení státní kontroly a dohledu. Inovace jsou státem silně podporovány, ale vždy v souladu s politickými cíli vlády.

Strategickým důsledkem pro Německo a Evropu je, že jejich vlastní přístup založený na hodnotách musí být aktivně prezentován jako silná stránka a globální jedinečná prodejní nabídka. Ve světě, který si stále více uvědomuje potenciální rizika umělé inteligence, se označení „důvěryhodná umělá inteligence“ může stát rozhodující konkurenční výhodou. Úspěch evropské strategie bude záviset na tom, zda se tento regulační rámec podaří etablovat nikoli jako brzda inovací, ale jako pečeť schválení bezpečných, spravedlivých a vysoce kvalitních systémů umělé inteligence, které jsou žádané po celém světě – zejména v kritických a citlivých oblastech použití.

Vhodné pro:

• Vývoj nových modelů umělé inteligence (AI) je nepochybně klíčovým faktorem pro budoucnost umělé inteligence (AI)

☑️ Podpora MSP ve strategii, poradenství, plánování a implementaci

☑️ Vytvoření nebo úprava strategie AI

☑️ Pioneer Business Development

Konrad Wolfenstein

Rád posloužím jako váš osobní poradce.

Můžete mě kontaktovat vyplněním kontaktního formuláře níže nebo mi jednoduše zavolejte na číslo +49 89 89 674 804 (Mnichov) .

Těším se na náš společný projekt.

Xpert.Digital je centrum pro průmysl se zaměřením na digitalizaci, strojírenství, logistiku/intralogistiku a fotovoltaiku.

S naším 360° řešením pro rozvoj podnikání podporujeme známé společnosti od nových obchodů až po poprodejní služby.

Market intelligence, smarketing, automatizace marketingu, vývoj obsahu, PR, e-mailové kampaně, personalizovaná sociální média a péče o potenciální zákazníky jsou součástí našich digitálních nástrojů.

Více se dozvíte na: www.xpert.digital - www.xpert.solar - www.xpert.plus