AI-RIS
AI griješi bez trunke sumnje. Izmjerili smo koliko često.
Dvama vodećim AI modelima postavili smo pitanja iz stvarnog života i 648 odgovora provjerili činjenicu po činjenicu prema službenim izvorima. Zatim smo testirali AI koji ocjenjuje drugi AI. Evo što smo dobili.
provjerenih pogrešaka jednog vodećeg modela bile su samouvjerene netočne tvrdnje, a ne oprezne ograde.
Hrvatska revizija prisjećanja, 2026.nedavno promijenjenih činjenica isporučio je taj model, naspram 72 % stabilnih. Stare brojke, izrečene kao današnje.
Hrvatska revizija prisjećanja, 2026.razlike između dvaju vodećih modela na istih 140 činjenica. Koji AI pitate bilo je mnogo važnije od jezika na kojem pitate.
Hrvatska revizija prisjećanja, 2026.toliko je strože jedan AI ocjenjivač kažnjavao uravnotežene, pažljive odgovore od drugoga. I automatska provjera ima svoju pristranost.
The Balance Penalty, v2.2 ↗Upitan za današnju minimalnu plaću, jedan je model naveo iznos u kunama, valuti koju je Hrvatska ukinula 2023. kao trenutačni zakonski iznos, istim mirnim tonom kao i svoje točne odgovore.
Utvrdili smo i da gotovo nema veze između duljine odgovora i njegove točnosti. Duljina i tečnost ne govore ništa.
Ne nagađamo gdje AI griješi. Mjerimo.
Sve na ovoj stranici počiva na testovima koje smo sami proveli, a podaci su dostupni svakome tko ih želi provjeriti. Za naše istraživanje vrijedi standard koji prodajemo: činjenice utvrđene unaprijed, ocjenjivanje revidirano, svaki ispravak zabilježen.
Minimalna plaća, porezni pragovi, prelazak s kune na euro, dob za mirovinu: kod nedavno promijenjenih činjenica model je isporučio manje od polovice. A u tri od četiri svoje pogreške dao je samouvjereno netočan odgovor umjesto da izrazi nesigurnost.
54 pitanja iz stvarnog života o radu, porezima, mirovinama i pravima potrošača, svako s činjenicama koje točan odgovor mora sadržavati, provjerenima prema službenim izvorima. Postavljena na oba jezika, po tri puta, i ocijenjena činjenicu po činjenicu.
Kad AI modeli ocjenjuju druge AI modele, odgovori koji odvaguju suprotstavljene vrijednosti dobivaju niže ocjene od onih koji se jednostavno odluče. U pravu, politikama i poslovanju pažljiv je odgovor obično i ispravan.
Dvadeset i pet godina s obje strane izvješća. Sada gradi alate kakve je sam želio imati.
Kao voditelj tima AusAID-ova faciliteta za pravni razvoj u Jakarti, s više od 180 aktivnosti, Nenad Bago izvješća je pisao. Kao viši savjetnik za vladavinu prava u USAID-u u Indoneziji, gdje je vodio programe i sudjelovao u dizajnu projekta pristupa pravosuđu vrijednog 8 milijuna dolara, provjeravao ih je. Prije toga: reforma pravosuđa s UNDP-om u Indoneziji, uključujući nacionalnu strategiju pristupa pravosuđu uvrštenu u razvojni plan zemlje, te četiri godine izrade zakona za Ured visokog predstavnika u Bosni i Hercegovini.
U poslovnom svijetu bio je osnivački partner u razvoju održivog resorta na Baliju, osmislio projekte uklanjanja ugljika u jugoistočnoj Aziji s alatima za provjeru njihova učinka i vodio poslovni razvoj i održivost u hrvatskoj poljoprivredno-okolišnoj tvrtki. AI-RIS je ono što nije mogao pronaći na tržištu: AI koji povjerenje zaslužuje tako što pokazuje izvore, a ne tako što zvuči uvjereno.