Google og UN åbner verdensstatistik for AI-agenter
Ny platform bygger på Googles Data Commons og forstår almindeligt sprog. UNICEF-test viser samtidig, at AI-modeller ofte svarer forkert på udviklingstal.
Naturligt sprog afløser UNData-portalen
UN oplyste torsdag, at organisationen arbejder sammen med Google om at gøre sin store samling af globale statistikker lettere for AI-systemer at hente og bruge.
Platformen hedder UN System Data Commons og bygger på Googles open source-platform Data Commons. Her kan man søge efter tal på tværs af UN's agenturer med spørgsmål i almindeligt sprog. Den afløser portalen UNData, hvor brugerne i høj grad måtte søge gennem en traditionel databaseflade.
Den understøtter også Model Context Protocol (MCP), en standard der lader AI-systemer koble sig direkte til eksterne datakilder.
26 UN-enheder har forpligtet sig, og data fra næsten 20 er med ved lanceringen. Målet er at få 80 % af UN-systemets statistiske datasæt ind på platformen i 2027.
- Gennemsnitlig nøjagtighed for seks sprogmodeller på over 133.000 svar om globale udviklingsindikatorer (UNICEF-arbejdspapir, ikke peer-reviewet)
- 21,2 %
- ChatGPT-links andel af alle sessioner på UNICEF's dataside i 2026; AI-assistenter samlet vurderes til ca. hver tiende besøg
- 6,4 %
- Målsætning for, hvor stor en del af UN-systemets statistiske datasæt der skal ligge på platformen i 2027
- 80 %
UNICEF-test: kun 21,2 procent nøjagtighed
UNICEF har testet seks store sprogmodeller med over 133.000 svar på spørgsmål om globale udviklingsindikatorer. Gennemsnitsnøjagtigheden var 21,2 %, fortalte chefstatistiker João Pedro Azevedo på et virtuelt briefing.
Testen dækkede GPT-4o og GPT-4o-mini fra OpenAI, Claude Sonnet 4.5 og Haiku 4.5 fra Anthropic samt Gemini 2.5 Flash og Gemini 2.0 Flash fra Google.
Omkring tre af fem svar indeholdt ikke et brugbart tal, ofte fordi modellerne svarede med forbehold. Da de samme spørgsmål blev stillet igen på samme modelversioner cirka to dage senere, gav modeller, der leverede et tal begge gange, det samme tal kun omkring halvdelen af gangene.
Undersøgelsen er et UNICEF-arbejdspapir, som forberedes til tidsskriftindsendelse, og er ikke peer-reviewet.
Kildeangivelse og krav om menneskeligt eftersyn
Platformen registrerer, hvor hver statistik kommer fra, så AI-svar kan spores tilbage til den oprindelige UN-kilde. Det er vigtigt, når flere bruger AI til at finde og fortolke information, sagde Azevedo.
Google demonstrerede også, hvordan et AI-system koblet til UN-data gennem MCP kan trække flere indikatorer sammen og lave dashboards, diagrammer og skriftlig analyse. I én demonstration bad Google systemet undersøge effekten af det amerikanske AIDS-program PEPFAR i Afrika. Systemet fandt UN-tal om blandt andet HIV-smitte, AIDS-dødelighed og forventet levetid og lavede en infografik.
Prem Ramaswami, der leder Googles Data Commons-team, understregede dog, at modeller kan fejltolke nuancer, og at et menneske derfor altid bør gennemgå resultatet, før det citeres eller offentliggøres.
Flere finder UNICEF-data via AI-chat
UNICEF's dataside får over 6 mio. besøg om måneden. Besøg fra brugere, der klikker på links i ChatGPT-svar, steg 67 % fra 1. januar til 14. september sammenlignet med året før.
De henvisninger tegnede sig for 6,4 % af alle sessioner i år, mens UNICEF vurderer, at AI-assistenter samlet står for omkring hver tiende besøg.
Flere detaljer
- Google lancerede Data Commons i 2018 og tilføjede MCP-støtte sidste år.
- Platformen kører på en UN-styret instans, som UN på sigt selv skal vedligeholde, drive og skalere.
- Google har brugt en »train-the-trainer«-tilgang, og UN-teamet har ifølge Google taget hurtigt fat.
Kilder:
TechCrunch AI →
Genfortalt i egne ord af AI-nyheder.com · Tjek altid originalkilden, før du handler på vigtige oplysninger.