رفتن به محتوای اصلی
کهن‌دژکتاب مرجع هوش مصنوعی
منابعاعتبارسنجی

قالب · TPL-P05-1

فرم ثبت و ارزیابی مورد کاربرد هوش مصنوعی مولد (نمونهٔ پیشنهادی تدوینگر)

نمونه پیشنهادی تدوینگر بر پایه مفاهیم مطرح‌شده در منابع این فصل

فیلدهای قالب

use_case_id

شناسهٔ مورد کاربرد — کد یکتا برای ارجاع در ثبت ریسک، گزارش ارزیابی و گزارش رخداد
نمونه: UC-P05-014

use_case_title

نام و شرح مورد کاربرد — شرح کوتاه کارکرد و ارزش کسب‌وکاری مورد کاربرد
نمونه: دستیار پاسخگویی کارشناسان شعبه بر پایهٔ اسناد داخلی

system_and_model_type

نوع سامانه و مدل — مدل یا سرویس (داخلی یا ابری) و مؤلفه‌های همراه مانند RAG
نمونه: LLM ابری از طریق API + پایگاه دانش داخلی (RAG)

input_data_sources

داده‌های ورودی و منابع — داده‌هایی که مدل می‌بیند یا بازیابی می‌کند و منبع آن‌ها
نمونه: پرسش کارشناس + حدود ۱۲٬۰۰۰ سند قرارداد داخلی

output_and_users

خروجی و کاربران نهایی — آنچه تولید می‌شود و چه کسی آن را می‌بیند یا استفاده می‌کند
نمونه: پیش‌نویس پاسخ برای کارشناس شعبه؛ نمایش نهایی فقط با تأیید کارشناس

operational_context

زمینهٔ عملیاتی ارزیابی — شرایط واقعی استفاده: کاربر، زبان، محیط و محدودیت‌ها
نمونه: استفاده در شعبه‌ها، زبان فارسی، اسناد ناقص رایج در عملیات

risk_class

طبقهٔ ریسک و اثر — سطح ریسک تعیین‌شده و اثرهای اصلی در صورت خطا
نمونه: بالا؛ پاسخ نادرست به مشتری، افشای دادهٔ حساس

evaluation_method

روش ارزیابی و معیارها — مجموعهٔ آزمون، داوری انسانی، آزمون‌های امنیتی و آستانهٔ پذیرش
نمونه: مجموعهٔ مرجع ۲۰۰ نمونه + داوری سه‌نفره + آزمون تزریق پرامپت؛ آستانهٔ پذیرش ۹۰٪

labeling_and_provenance

الزامات برچسب‌گذاری و منشأ — برچسب خروجی برای کاربر نهایی و شواهد منشأ در صورت نیاز
نمونه: نمایش عبارت «پیشنهاد تولیدشده با هوش مصنوعی» در رابط کاربری

owners

مالک کسب‌وکار و مالک فنی — مسئولان پاسخگو برای نتیجهٔ کسب‌وکاری و برای عملکرد فنی
نمونه: مالک کسب‌وکار: معاون خدمات؛ مالک فنی: تیم AI/ML

status_next_review

وضعیت و تاریخ بازبینی بعدی — وضعیت چرخهٔ عمر مورد کاربرد و زمان بازبینی بعدی
نمونه: در عملیات پایش‌شده؛ بازبینی بعدی: پایان فصل

برگرفته از: KDJ-AI-2026E1-P05-C36-S01، KDJ-AI-2026E1-P05-C37-S01، KDJ-AI-2026E1-P05-C38-S01