<p>Dette dokument D3.7 indeholder det endelige katalog over ELSA-tjenester (Etiske, juridiske og sociale aspekter), der er udviklet inden for rammerne af AgrifoodTEF-projektet, og evaluerer deres operationelle resultater i valideringsfasen. Dokumentets anvendelsesområde omfatter en detaljeret beskrivelse af ti specifikke tjenester, der leveres af europæiske partnere, lige fra risikoanalyse til etisk scanning og juridisk vejledning, der alle har til formål at støtte landbrugsfødevaresektoren i forbindelse med ansvarlig udvikling af kunstig intelligens (AI) og navigere i komplekse lovgivningsmæssige rammer. Ud over blot at nævne disse tjenester sammenfatter rapporten empiriske data indsamlet gennem kundefeedback, nationale interessentworkshops, interne refleksioner på tværs af tjenester og udviklerselvvurderinger for at bestemme deres faktiske nytte og ydeevne. Ved at kombinere disse eksterne markedssignaler med intern operationel indsigt har rapporten til formål at validere omstillingen af ELSA-infrastrukturen fra en teoretisk pilotfase til et robust økosystem af industriel kvalitet, der er i stand til at mindske risikoen ved kunstig intelligens i landbruget.</p>
<p>Hovedformålet med dette resultat er at vurdere TEF ELSA-tjenesternes resultater med hensyn til at omdanne ELSA-infrastrukturen fra en teoretisk ramme til en valideret operationel virkelighed, der understøtter markedsintroduktionen af pålidelig kunstig intelligens og robotteknologi i Europa. Ved at analysere præstationsdataene har denne rapport til formål at vise, hvordan disse ELSA-tjenester effektivt bygger bro mellem laboratorieprototyper og markedsudrulning for kunder og sikrer, at teknologiske innovationer er etisk forsvarlige, juridisk overensstemmende og socialt acceptable. Desuden identificerer dokumentet strukturelle udfordringer og strategiske veje for fremtiden for disse ELSA-tjenester med det formål at etablere et bæredygtigt, langsigtet tjenesteøkosystem, der bistår interessenter i fra jord til bord-kæden.</p>
<p>Følgende resultater, der udgør foreløbig dokumentation, er mere relateret til relativt mere robuste og modne ELSA-tjenester, og de kan derfor ikke fortolkes som statistisk generaliserbare resultatparametre for hele porteføljen. Alligevel kan nye ELSA-tjenester drage fordel af resultaterne for at forbedre deres potentielle ydeevne.</p>
DOI
10.5281/zenodo.21166732
Zenodo Type indhold