No 2026. gada 6. līdz 8. maijam Rīgā, Latvijā norisinājās starptautiskā konference “AI Summit Europe”, kas bija veltīta vadītājiem, kuri ir gatavi rīkoties. Pasākums pulcināja vairāk nekā 500 dalībnieku no vairāk nekā 35 valstīm. Trīs dienu garumā norisinājās vairāk nekā 40 sesijas, kurās uzstājās vairāk nekā 40 runātāju.

Konferenci apmeklēja un saturisko atskaiti sagatavoja Latvijas Datu kuratoru tīkla pārstāvji Nikolajs Būmanis, Jānis Judrups. Dalība pasākumā tika nodrošināta projekta “Atbalsts atvērtās zinātnes ieviešanai praksē, kā arī izveidoti risinājumi zinātnes datu koplietošanai un dalībai ES atvērtajā zinātnes mākonī” (ANM projekta Nr. 2.1.3.1.i) ietvaros ar Eiropas Savienības Atveseļošanas fonda un Latvijas valsts finansiālo atbalstu.
Konferences galvenais fokuss bija vērsts uz mākslīgā intelekta (MI) praktisku ieviešanu organizācijās, nevis tikai uz tehnoloģiju demonstrēšanu. Prezentētais saturs apliecināja pāreju no teorētiskām MI idejām uz izmērāmu un praktisku vērtību.

Galvenie tematiskie virzieni un atziņas

  • No datu kuratora skatupunkta: MI ieviešana vienmēr sākas ar kritisku jautājumu – vai konkrētais uzdevums un dati vispār ir tam gatavi. Lielākā daļa MI problēmu patiesībā ir saistītas ar pārvaldību, nevis ar pašu modeli. Kvalitatīvi un licencēti dati šobrīd kļūst par stratēģisku resursu.
  • Dati kā MI pamats: Izšķiroša nozīme ir datu kvalitātei, izcelsmei, licencēm un lietošanas tiesībām. Sagatavojot datu kopas, būtiska ir filtrēšana, anonimizācija, deduplikācija un stingra kvalitātes kontrole. Datu kopas ir jāsāk vērtēt no “MI lietojamības” (AI-ready) skatpunkta.
  • MI aģenti un cilvēka loma: MI aģenti un procesu automatizācija spēj efektīvi veikt darbu (piemēram, dokumentu apstrādi, validāciju, lēmumu projektu sagatavošanu), taču tiem ir nepieciešamas skaidri noteiktas robežas un pienākumi. Cilvēka apstiprinājums, auditācijas pieraksti un gala lēmuma pārbaude paliek neatņemama un atbildīga procesa sastāvdaļa.
  • Konteksta un valodu inženierija: Organizācijas zināšanu slānis (specifikācijas, lēmumi, testi) kalpo kā pamats sekmīgai MI rīku izmantošanai. Tāpat, strādājot ar daudzvalodu saturu un datu aprakstiem, kritiska ir terminoloģijas konsekvence, glosāriju lietojums un kvalitātes pārbaude.
  • Publiskais sektors un atbildība: MI pārvaldība ir komplekss jautājums, kas ietver ne vien modeli, bet arī infrastruktūru un atbildību. Galvenie riski, ar kuriem jārēķinās, ir neobjektīvi dati, neskaidra atbildība un nepietiekama caurspīdība. Lai nodrošinātu institucionālo redzamību MI meklēšanā, saturam jābūt strukturētam, mašīnlasāmam un ar uzticamām ārējām atsaucēm.

Pielietojums LBTU darbā un turpmākā attīstība

  1. Konferencē gūtās zināšanas sniedz tiešu ieguldījumu Latvijas Biozinātņu un tehnoloģiju universitātes (LBTU) un partneru darbībā:
    “MI-lietojamas” datu kopas: Datu kopu sagatavošanā tiks ievērotas specifiskās prasības MI lietoajamībai, nodrošinot pētniecības datu kopu metadatus, izcelsmi, licences un versiju pārvaldību.
  2. Atbalsts pētniekiem: Tiks ieviesti datu kvalitātes un validācijas principi pirms MI rīku izmantošanas pētniecībā, kā arī sniegts atbalsts risku izvērtēšanā un cilvēka pārbaudes punktu definēšanā.
  3. Praktiskais asistents: MI rīkus plānots izmantot kā atbalstu datu aprakstu, kopsavilkumu, klasifikācijas un dokumentācijas melnrakstu sagatavošanā.
  4. Izglītošana: Tiks pilnveidoti mācību un konsultāciju materiāli par atbildīgu MI izmantošanu pētniecības datu pārvaldībā.

Noslēgumā var secināt, ka patiesā MI vērtība rodas no gatava un pārdomāta MI produkta, nevis tikai no paša modeļa demonstrēšanas. Sakārtota datu vide, skaidras piekļuves robežas un saglabāta cilvēka pārraudzība ir galvenie priekšnoteikumi sekmīgai un drošai tehnoloģiju integrācijai akadēmiskajā un pētniecības darbā.