Az Indere Élelmezéskutató Intézetben a HACCP és az önellenőrzési rendszerek digitalizációját nem adminisztratív modernizációként, hanem információfeldolgozási problémaként kezeljük. A HACCP jogi és szakmai lényege ma is ugyanaz: a vállalkozásnak működtetnie kell a HACCP-alapú eljárásokat, monitoroznia kell a kritikus pontokat, helyesbítő intézkedéseket kell végrehajtania, rendszeresen igazolnia kell a működés hatékonyságát, és mindezt megfelelő dokumentációval kell alátámasztania. A Codex és az uniós higiéniai szabályozás tehát nem egyszerű nyilvántartást vár el, hanem folyamatos, bizonyítható kontrollt. Ebből következik, hogy a digitalizáció akkor értékes, ha ezt a kontrollt nemcsak gyorsabban dokumentálja, hanem jobban értelmezi is.
A hagyományos papíralapú vagy egyszerűen „űrlapdigitalizált” rendszerek legnagyobb gyengesége, hogy az adatokat rekordokká alakítják, de nem építenek rájuk szemantikai réteget. Egy hőmérsékleti eltérés, egy takarítási hiányosság vagy egy műszaknaplóba írt megjegyzés így ugyan rögzítésre kerül, de a rendszer nem érti, hogy ezek együtt milyen kockázati mintázatot alkotnak. A digitális élelmiszer-biztonsági ökoszisztémáról szóló WHO-anyagok kifejezetten azt hangsúlyozzák, hogy a food chain-ben keletkező adatok forrásai rendkívül sokfélék, és a valós érték a különböző adatfolyamok összekapcsolásából, adatbányászatából és értelmezéséből származik. Mi pontosan erre a pontra építünk: az önellenőrzési rendszer számunkra nem adattár, hanem értelmező réteg.
Informatikai szempontból ez azt jelenti, hogy a strukturált HACCP-adatok fölé LLM-alapú és embedding-alapú szemantikai modellt építünk. A nagy nyelvi modellek különösen hasznosak a félig strukturált és szabad szöveges mezők feldolgozásában: eltérésleírások, műszakvezetői megjegyzések, auditjegyzetek, beszállítói dokumentumok vagy intézkedési naplók esetén képesek a nyers szöveget normalizálni, összefoglalni, kockázati kategóriákhoz rendelni és más eseményekkel szemantikailag összekapcsolni. Ez nem „varázsdobozként” működik, hanem kontrollált architektúrában: domain-szótárakkal, címkereprezentációkkal, szabálymotorral és emberi validációval együtt. Az EFSA AI-roadmapjei és kísérleti projektjei is ebbe az irányba mutatnak: az AI-t az evidence management, a terminológia-kezelés, a szöveg-összegzés, a klaszterezés és az adatintegráció támogatására pozicionálják, emberközpontú működéssel és szakértői együttéléssel.
A mi fejlesztési logikánk ezért hibrid. Az egyik réteg determinisztikus: itt futnak a klasszikus HACCP-szabályok, határértékek, kötelező ellenőrzési pontok és megfelelőségi logikák. A másik réteg valószínűségi és szemantikai: itt működik az LLM-es és gépi tanulási komponens, amely mintázatokat keres, eltéréseket priorizál, eseményeket csoportosít, és rövid, döntést támogató összegzéseket készít. A rendszer így nemcsak azt jelzi, hogy történt egy eltérés, hanem azt is, hogy az adott esemény milyen más korábbi eltérésekkel rokon, melyik CCP-hez vagy előfeltételi programhoz kapcsolható, és milyen beavatkozási sorrend indokolt. Ez a réteg adja a valódi digitális többletet.
Ebben a modellben az önellenőrzés funkciója is megváltozik. A cél már nem pusztán az, hogy visszakereshető legyen, mi történt tegnap, hanem az, hogy a rendszer korán észlelje a romló tendenciákat. Ha például egy technológiai soron ismétlődően ugyanazon műveleti pont körül jelennek meg kisebb eltérések, az LLM-alapú szemantikai réteg képes ezeket egységes problémaként kezelni akkor is, ha a leírások nyelvileg eltérnek egymástól. Ebből lesz a klasszikus compliance-ből operatív döntéstámogatás: gyorsabb eszkaláció, célzottabb helyesbítő intézkedés és jobb erőforrás-allokáció.
Fontos ugyanakkor, hogy ezt a technológiát mi sem autonóm döntéshozóként értelmezzük. Az EFSA legfrissebb gyakorlata is azt mutatja, hogy az LLM-ek hasznosak irodalomszűrésre és összetett információk elsődleges feldolgozására, de az outputot szakértői validáció és emberi ítélet kell, hogy kövesse. Az Inderénél ezért a célunk nem a HACCP-szakember kiváltása, hanem egy olyan intelligens döntéstámogató rendszer építése, amely a szakértő számára jobb minőségű, kontextusgazdagabb és priorizáltabb információt ad. Számunkra ez a digitális HACCP valódi jelentése.
Dr. Tóth András
