Xavi Amatriain, az Expedia Group első chief AI and data officer‑e, a VB Transform 2026 konferencián Menlo Parkban azt mondta: „Az új PRD az evals.” Szerinte a termékfunkciók definiálását egyre inkább az értékelési forgatókönyvek (evals) határozzák meg, amelyekbe beépíthetők a red teamingek és a különböző biztonsági követelmények még a kódolás megkezdése előtt.
Amatriain tovább ment: szerinte az AI‑segítségével vagy AI‑által generált kód lesz a jövő, és a gondolkodás nagy részét az evalokba kell koncentrálni.
Háttér és szakmai tapasztalat
Amatriain a Gemini és a Google Search mögötti platformokat támogató Google‑nál volt VP of AI and Compute Enablement, mielőtt 2025 decemberében csatlakozott volna az Expedia‑hoz. Több, általa mentorált szakember alapította később a Perplexityt és a Scale AI‑t.
A bizonyíték: vállalati kutatás az értékelési résről
A VentureBeat VB Pulse kutatása az értékelési hiányról rávilágít a kockázatokra: a 157 vállalatból 66 százalék engedélyez már valamilyen gyártásba állítást emberi felülvizsgálat nélkül, vagy erre készül a következő 12 hónapban, miközben csak 5 százalék bízik teljes mértékben a döntést meghozó automatizált értékelésekben. A megkérdezettek fele már szállított ki olyan ügynököt, amely átment a belső értékeléseken, de a valós ügyfeleknél megbukott.
Őrizet és visszajelzés: a „korlátok” problémája
Amatriain szerint a túl sok guardrail és mesterséges üzleti szabály rontja a rendszert: törékennyé teszi, és torzítja a felhasználói visszajelzéseket. Guardrail‑okat „szükséges rossznak” nevezte, célként pedig azt jelölte meg, hogy ezek hatását idővel minimalizálni kell. A VB Transform többi előadója azonban hangsúlyozta: a legkockázatosabb műveletek továbbra is szigorú korlátokat követelnek.
Háromszintű kormányzás: elvek, folyamatok, automatizáció
Az Expedia három rétegre osztja az AI‑irányítást. Elsőként a széles körben kommunikált elvek állnak, amelyek irányt adnak a szervezeten belüli elosztott döntéshozatalhoz. Ezt követik az elveket érvényesítő folyamatok és eszközök — „kézbe kell adni az elveknek a fogazatát” —, végül ezekre épül az automatizáció.
Gyakorlatban ezt az Expedia agent release toll gate‑jai testesítik meg: kockázathoz igazított ellenőrzőpontok, amelyekhez értékelési körök, red teaming és biztonsági áttekintések kötődnek. Az ellenőrzések ajánlottból kötelezővé válnak, ahogy nő a kockázat.
Specializált ügynökök a monolitikus AGI helyett
Amatriain nem hisz egyetlen, mindent megoldó AGI‑ban. Inkább a komponensekből összerakott megközelítést támogatja: eszközökből készségek, készségekből al‑ügynökök, al‑ügynökökből pedig az egész rendszert felépítő orkestráció. Fontosnak nevezte az egységes elveket — például hangnem, felhasználói kezelés, kontextus és memória átadása —, mert ezek tervezése rendszer‑szintű feladat.
A szűk feladatkörű ügynökök biztonságosabbá teszik a rendszert, mert külön is értékelhetők és lezárhatók, mielőtt összeraknák őket.
Mikor dönt a felhasználó: a végső kattintás joga
Az utazási árak és kapacitások gyorsan változnak; az Expedia ezért a retrieval‑augmented generation és a közvetlen API‑hívások kombinációját használja, a késleltetés alapján választva a megközelítést. Amatriain példaként említette: ha a felhasználó megkérdezi, mennyibe kerül általában egy négycsillagos szálloda Chicagóban júliusban, gyors, cache‑elhető választ várunk; speciális igényeknél azonban hosszabb (például 30 másodperces) érvelési ablak is elfogadható.
Az Expedia keresztellenőrzi a szolgáltatók önbevallását a saját vendégértékelési korpusával: a chatbotok általában csak a szolgáltató nyilatkozatait közölnék, míg az Expedia feltárja az ellentmondásokat is.
Fontos tervezési elv, hogy az ügynök ne hajtsa végre a foglalást a felhasználó helyett: az ajánlás, javaslat és megbeszélés megengedett, a végső kattintás azonban a felhasználó kezében marad — ez is biztonsági döntés.
Biztonság: balra tolni és a visszacsatolást automatizálni
Amatriain szerint a biztonságot minél korábban, a tervezés részeként kell beépíteni. A monitorozási jelekből visszafolyó, automatizálható feedback loop létfontosságú lehet: a valós üzemelési jeleknek gyorsan be kell jutniuk az evalokba és a hibajavítási folyamatokba.
A VentureBeat júniusi külön Pulse felmérése 107 vállalat adataira támaszkodva rávilágít rá, milyen szűk a hely a hibák elkerülésére: 54 százalék már tapasztalt ügynökbiztonsági incidenst vagy majdnem‑incidenst; 59 százalék tervezi, hogy 12 hónapon belül bevezet, bővít vagy cserél ügynökbiztonsági eszközöket, 29 százalék pedig a következő negyedévben lép. Az incidensek gyakrabban fordulnak elő nagyobb cégeknél (63 százalék a 1000 feletti alkalmazotti létszámú szervezeteknél vs. 49 százalék az 101–1000 fő közöttiek esetén). A sandbox izoláció, mint poszt‑sértés korlátozó intézkedés, a kisebb cégeknél 35 százalékos elterjedtségről esik vissza 20 százalékra a legnagyobbaknál.
Amatriain figyelmeztetett, hogy a jövő támadásai egyre gyakrabban érkeznek majd más, külső agentikus AI‑rendszerekből. A fenyegetés észlelése után nem csak a detektálás számít, hanem a javítási idő is kritikus.
Következtetés
Amatriain álláspontja szerint az evalok termékkövetelmény‑dokumentummá emelkedése, a kockázathoz igazított toll gate‑ok és a komponensalapú, szűk hatáskörű ügynökarchitektúra együtt adhatnak esélyt arra, hogy a szervezetek automatizált ügynököket biztonságban és kontroll alatt tartsanak. Ugyanakkor a VentureBeat felmérések mutatják, hogy a gyakorlatban a biztonsági események gyakoriak, és a fenyegetések gyors javítására szolgáló folyamatok és eszközök sürgősek.
