29 września 2026 r. spotkanie Donalda Trumpa z liderami branży AI w Białym Domu zakończyło się podpisaniem dobrowolnego porozumienia dotyczącego kontroli najbardziej zaawansowanych modeli. Mike Johnson, przewodniczący Izby Reprezentantów, przedstawił je jako deklarację zasad i zobowiązań branży. W swoim wystąpieniu łączył bezpieczeństwo technologii z utrzymaniem przewagi USA nad Chinami. Źródło: wypowiedź Mike’a Johnsona po spotkaniu.
Tego samego dnia prezydent podpisał osobne rozporządzenie zmieniające terminologię używaną przez administrację. Dla odbiorcy usług AI warto rozpatrywać te dokumenty oddzielnie: jeden opisuje deklarowane mechanizmy kontroli w firmach, drugi reguluje nazewnictwo w federalnej władzy wykonawczej. Źródło: rozporządzenie o Super Intelligence.
Co podpisali liderzy największych firm AI
Na skanie porozumienia widnieją podpisy Trumpa oraz Sundara Pichaia (Google), Daria Amodeia (Anthropic), Marka Zuckerberga (Meta), Grega Brockmana (OpenAI), Elona Muska (xAI) i Jensena Huanga (Nvidia). Dokument przewiduje cztery poziomy nadzoru: wewnętrzne mechanizmy kontroli, zespół sprawdzający ich działanie, niezależny audyt zewnętrzny oraz niezależny komitet rady dyrektorów otrzymujący raporty. Nie podaje terminów wykonania ani nazw audytorów. Źródło: podpisane porozumienie, skan udostępniony przez PBS.
W ocenie Lazarus Systems taki układ daje podstawę do zadawania dostawcom konkretnych pytań. Jaki zakres systemu sprawdził audytor? Czy miał dostęp do środowiska, w którym model rzeczywiście działa? Jak firma dokumentuje wykryte problemy i ich naprawę? Sam podpis pod zobowiązaniem nie odpowiada na żadne z tych pytań.
Przy wyborze usługi zaproponowalibyśmy rozdzielenie materiałów marketingowych, zasad deklarowanych przez producenta i dowodów wykonania kontroli. Raport z audytu powinien pozwalać ustalić, której wersji modelu oraz jakich warunków użycia dotyczy. Bez tego trudno ocenić jego przydatność dla konkretnego wdrożenia.
Co zmienia rozporządzenie o „Super Intelligence”
Rozporządzenie nakazuje federalnej władzy wykonawczej zastępować AI i Artificial Intelligence nazwami SI i Super Intelligence w bieżącej komunikacji i dokumentach nieustawowych, w granicach prawa. Zachowuje odniesienie do istniejącej ustawowej definicji AI. Nie wymaga zmiany wcześniejszych umów ani aktów. Źródło: tekst Białego Domu.
Z technicznego punktu widzenia zmiana nazwy nie dowodzi osiągnięcia zdolności przekraczających ludzkie możliwości. Produkt opisany jako SI nadal wymaga oceny na zdefiniowanych zadaniach. W dokumentacji zakupowej proponujemy zapisywać nazwę i wersję modelu, zakres dostępu do danych oraz warunki, w których sprawdzono jego działanie. Pozwala to porównywać oferty niezależnie od używanej etykiety.
Komentarz Lazarus Systems: kontrola nad procesem
Rekomendujemy planowanie wdrożenia AI z jasno określonym podziałem odpowiedzialności. Model może przygotować propozycję, ale aplikacja powinna rozstrzygać, do jakich danych i operacji ma dostęp. Zapis do systemu produkcyjnego wymaga sprawdzenia wyniku według reguł danego procesu.
Załóżmy, że asystent wyszukuje instrukcje obsługi maszyn. Gdy dostawca modelu jest niedostępny, użytkownik nadal powinien móc otworzyć dokument źródłowy i wyszukać go po numerze urządzenia. Jeśli system nie znajduje instrukcji dla właściwej wersji, proponujemy przekazanie sprawy pracownikowi. Odpowiedź wygenerowana na podstawie podobnej maszyny może wyglądać wiarygodnie, choć nie spełnia warunków zadania.
Lokalne AI warto rozważyć tam, gdzie wymagania dotyczące danych, dostępności lub czasu odpowiedzi uzasadniają utrzymanie własnego środowiska. W budżecie takiego wariantu uwzględnilibyśmy sprzęt, aktualizacje, monitoring i osobę odpowiedzialną za awarie. Dla części etapów można rozważyć zewnętrzne API, o ile zakres przekazywanych danych i zależność od usługi są akceptowalne.
W przewodniku po lokalnych modelach Qwen opisujemy punkt wyjścia do wyboru modelu. Analiza Claude Sonnet 5.5 dotyczy z kolei kosztów i integracji agentów korzystających z API. To dwa warianty do sprawdzenia na tych samych zadaniach.
Przygotowując projekt AI z Lazarus Systems, zacznij od jednego procesu: wskaż jego właściciela, dane wejściowe, dopuszczalny błąd i sposób pracy podczas awarii dostawcy. Taki opis pozwala ocenić, czego firma potrzebuje od modeli i infrastruktury już teraz.