End-to-end workflow, governance, verificatie en ethiek — Kunstmatige intelligentie in Blockchain en Web3

Winst:

Mogelijkheid om een end-to-end workflow op te zetten die in elke fase, van idee tot mainnet, een AI + menselijke verificatiepoort plaatst
Mogelijkheid om een governanceframework te creëren met goedgekeurde toollijst, gegevensclassificatie, logdiscipline en beveiliging van privésleutels
Vermogen om de principes van menselijke verantwoordelijkheid, belangenbehartiging, vertrouwelijkheid, transparantie en integriteit in elke stap van de workflow te verankeren

In deze laatste unit combineren we alle onderdelen van de module in één samenhangende workflow: hoe je AI op verantwoorde wijze end-to-end kunt gebruiken, beginnend bij een idee, door slim contractschrijven, auditing, on-chain analyse, tokenomics en fraudebestrijding. We zullen ook ingaan op het opzetten van een governance-framework als team of onafhankelijke expert (de discipline van toolselectie, dataclassificatie, registratie en verificatie) en het inbedden van ethische principes in de workflow.

End-to-end workflow: van idee tot mainnet

De door AI aangedreven, door mensen geverifieerde reis van een Web3-project:

1. Ontwerp en tokenomics. AI genereert mechanismeopties en tokenomische schetsen; De econoom en het team simuleren het met negatieve scenario's. Deur: hield de simulatie met meerdere scenario's stand?

2. Spelling. AI genereert geteste bibliotheekgebaseerde raamwerken en testsjablonen; de ontwikkelaar voltooit. Poort: bouwen + testen + review.

3. Scannen. Statische analysetools + AI-scan op bekende kwetsbaarheidspatronen. Poort: zijn false positives geëlimineerd en echte kandidaten doorgegeven aan de auditor?

4. Controle. De onafhankelijke competente auditor onderzoekt holistisch, waarbij hij AI als assistent gebruikt; Mensen evalueren bedrijfslogica. Deur: getekend inspectierapport.

5. Testen en simulatie. Testnet, fuzzing en economische simulatie. Deur: hielden de scenario’s stand?

6. Documentatie. AI-whitepaper, NatSpec en concepten voor de openbaarmaking van eerlijke risico's; de mens bevestigt de waarheid. Gate: komen technische claims overeen met de code?

7. Distributie. Bevestiging met meerdere handtekeningen, geleidelijke exit van het hoofdnet. Deur: Is het incidentresponsplan klaar?

8. Toezicht. Monitoring in de keten signaleert afwijkingen met AI; mensen komen tussenbeide. Deur: wie zal ingrijpen bij een anomalie en hoe?

Tip: Verdeel deze stroom in een checklist en vraag “wie keurt het goed, wat is de voorwaarde voor het slagen?” voor elke deur. Vul de kolommen in. Geen mondelinge ‘oké’, maar een schriftelijke deurdiscipline maakt een verschil op het gebied van veiligheidskritiek.

Het opzetten van een bestuurskader

Individuele goede wil is niet genoeg; Er is een herhaalbaar raamwerk nodig. Minimale governance voor een team of specialist:

Goedgekeurde voertuiglijst. Welke AI- en beveiligingstools kunnen voor welke taken worden ingezet? Welke geïsoleerde/ondernemingstool voor mystery shopping-code? Vrij rijden brengt risico op lekkage met zich mee.

Gegevensclassificatie. Welke gegevens kunnen aan een open AI-tool worden gegeven (publieke code) en welke nooit (niet-geauditeerde klantcode, privésleutel, persoonlijke gegevens)? Dit onderscheid moet duidelijk worden geschreven.

Registratiediscipline (audit trail). Welke output door AI is geproduceerd en wie deze heeft geverifieerd, wordt vastgelegd. Dit is noodzakelijk voor zowel transparantie als verantwoording.

Continue verificatie. Geen enkele beveiligingsclaim die door AI wordt geproduceerd, gaat zonder verificatie door; Dit zou een cultuur moeten zijn.

Bestuurselement

vraag

Doel

Goedgekeurde voertuigen

Welk gereedschap, welke klus?

Consistentie, lekpreventie

Gegevensclassificatie

Wat kan wel en niet gegeven worden?

Privacy

Registratiediscipline

Wie heeft het geproduceerd, wie heeft het bevestigd?

verantwoordelijkheid

Validatiepoorten

Wat is de overgangsvoorwaarde?

Beveiliging

Sleutel- en privacybeveiliging

Een kritische waarschuwing specifiek voor Web3: de privésleutel (de geheime sleutel die toegang geeft tot de portemonnee en het geld) en de zaadzin (herstelwoorden) worden onder geen beding in een AI-tool, prompt of waar dan ook online geschreven. Dit betekent direct verlies van middelen. Op dezelfde manier kan niet-gecontroleerde clientcode niet zonder toestemming in open AI-tools worden geplakt.

Let op: een idee als "Laat me de AI mijn privésleutel geven en hem vragen mijn portemonnee te beheren" is een ramp. De privésleutel wordt alleen bewaard in een veilige, offline of hardware wallet. De AI mag nooit een sleutel zien.

Zwakke aanpak / Sterke aanpak

Zwakke aanpak:

Iedereen zou de AI-tool moeten gebruiken die hij of zij wil, wat er ook gebeurt. Plak de klantcode in de snelste tool en gebruik de uitvoer direct.

Krachtige aanpak:

Er is een lijst met goedgekeurde voertuigen. Geheime code alleen in geïsoleerd voertuig en met goedkeuring van de klant. Elke AI-uitvoer gaat door de verificatiepoort en wie deze heeft geverifieerd, wordt geregistreerd. De privésleutel komt in geen enkel voertuig binnen. Elke beveiligingsclaim vereist een onafhankelijke bevestiging.

Vier kopieerbare sjablonen

1) Workflowpoortplan:

Produceer een door AI aangedreven, door mensen geverifieerd workflowplan voor een Web3-project, van idee tot mainnet. Per fase: Wat doet de AI, wat is de menselijke poort, wat is de transitievoorwaarde? Presenteer het met een tafel. Vermeld duidelijk de goedkeuring van deskundigen voor veiligheidskritische stappen.

2) Beleid voor gegevensclassificatie:

Schrijf een ‘wat kan aan AI worden gegeven’-beleid voor een auditteam: aparte regels voor publieke code, niet-geauditeerde klantcode, persoonlijke gegevens, privésleutel. Geef voor elke categorie 'exporteerbaar/geïsoleerd in voertuig/nooit' op. Schrijf uw redenen op.

3) Opmerking over transparantie over AI-gebruik:

Maak een concepttransparantienota voor een audit/documentatie-output: hoe en in welk stadium AI wordt gebruikt; welke output op humane wijze wordt geverifieerd; wie de eindverantwoordelijkheid draagt. Wees eerlijk en gemeten.

4) Incidentrespons- en communicatieplan:

Stel een responsplan op voor een live beveiligingsincident in een protocol: technische stappen (stop, fondsbescherming), communicatie (community, gebruiker), post (analyse, herstel). Dit is een concept; Het team moet kalibreren. Paniektaal gebruiken; Wees duidelijk en kalm.

Drie minikoffers (in aantallen)

Geval 1 — Governance heeft lekkage voorkomen. Een accountantskantoor verhinderde dat een auditor vertrouwelijke klantcode in een openbaar beschikbare tool plakte dankzij zijn gegevensclassificatiebeleid (het beleid verplichtte de geïsoleerde tool). Een mogelijke contractbreuk en lekkage werden voorkomen. Les: geschreven beleid spoort individuele fouten op.

Geval 2 – De discipline bij de poort zorgde voor consistentie. Eén team paste dezelfde 8-poortsstroom toe op elk project in een kwartaal met 6 projecten. Het aantal bevindingen vóór de audit steeg met 40%, terwijl het aantal incidenten na het mainnet nul was. Les: herhaalbaar raamwerk standaardiseert kwaliteit.

Geval 3 — Terugkeer van een cruciale ramp. Een ontwikkelaar stond op het punt de privésleutel van een testportemonnee in de AI-prompt te plakken tijdens een foutopsporing; Hij stopte en draaide de sleutel om, omdat het teambeleid dit verbood. Als het echte financiering zou zijn, zou het een ramp zijn. Les: de sleutel komt in geen enkel voertuig terecht, geen uitzonderingen.

Ethiek inbedden in de workflow

Ethiek is geen iets dat later wordt toegevoegd, maar een discipline die in elke stap van de stroom is ingebed:

Bij elke veiligheidskritieke deur is er sprake van menselijke verantwoordelijkheid.
Defensief doel: voertuigen beschermen en controleren; Nooit uitbuiten of in de val lokken.
Privacy: klantgegevens en sleutels zijn beschermd.
Transparantie: AI-gebruik wordt eerlijk vermeld.
Eerlijkheid: gebruikers en investeerders worden niet misleid, risico’s worden niet verborgen.
Onpartijdigheid en verificatie: elke claim wordt toegeschreven aan de bron, er wordt rekening gehouden met belangenverstrengeling.

Deze principes zijn niet abstract; Het wordt bij elke vraag, bij elke deur en bij elke uitgang omgezet in concrete beslissingen. De essentie van deze module is: AI vergroot de kracht van de Web3-expert; maar het vervangt oordeel, verantwoordelijkheid en ethiek niet.

Veel voorkomende fouten

Gebrek aan een schriftelijke workflow/poortdiscipline. Een mondeling ‘goed’ is niet genoeg.
Werken zonder goedgekeurde tools en databeleid. Risico op lekkage.
Het gebruik van AI verbergen. Het is in strijd met het transparantiebeginsel.
Het geven van de privésleutel/geheime code aan het voertuig. Regelrechte ramp.
Live gaan zonder incidentresponsplan. Gebrek aan voorbereiding tijdens een crisis.
Ethiek beschouwen als iets dat tot het einde toe wordt overgelaten. Ethiek moet in elke stap worden ingebed.

Samengevat

De end-to-end-stroom plaatst in elke fase een AI + menselijke verificatiepoort, van idee tot monitoring.
Governance-framework: goedgekeurde tools, dataclassificatie, logdiscipline, continue verificatie.
De privésleutel en geheime code worden aan geen enkele AI-tool gegeven; Dit is een regel zonder uitzondering.
Ethische principes (verantwoordelijkheid, belangenbehartiging, vertrouwelijkheid, transparantie, eerlijkheid) zijn bij elke stap ingebed.
AI vergroot de kracht van de expert; Het vervangt oordeel, verantwoordelijkheid en ethiek niet.

Applicatie taak

Schrijf een ‘Web3 AI Usage Framework’ van één pagina voor uzelf of uw team: (1) 8-fasen-gateway van idee naar mainnet, (2) gegevensclassificatiebeleid, (3) sleutel-/privacyregels, (4) lijst met ethische principes. Plan vervolgens een echte taak die je in deze module hebt geleerd (bijvoorbeeld een contractaudit) grondig volgens dit raamwerk en markeer in welke stap de AI het meest betrouwbaar is en welke het minst betrouwbaar is.

controlelijst

[ ] Ik heb een poortdiscipline geschreven van idee tot mainnet.
[ ] Ik heb een goedgekeurd voertuig- en gegevensclassificatiebeleid.
[ ] Ik heb er een regel van gemaakt dat de privésleutel/geheime code nooit aan het voertuig zal worden gegeven.
[ ] Ik documenteer op transparante wijze het gebruik van AI.
[ ] Ik passeer elke veiligheidsclaim door de verificatiepoort.
[ ] Ik heb een incidentresponsplan.
[ ] Ik heb bij elke stap ethische principes ingebed; Ik heb aangenomen dat de verantwoordelijkheid bij mensen ligt.

Module-examen

1. Welke van de volgende is de meest nauwkeurige positionering voor kunstmatige intelligentie in Blockchain en Web3?

A) Kunstmatige intelligentie kan de beveiligingsaudit zelfstandig voltooien en de code rechtstreeks in het mainnet importeren
B) AI werkt niet op Web3; Al het werk moet volledig met de hand worden gedaan
C) AI is een trekgenerator en gaspedaalassistent; Veiligheidskritische definitieve goedkeuring vindt plaats bij de bevoegde deskundige ✔
D) Omdat kunstmatige intelligentie objectiever is dan mensen, moeten veiligheidsbeslissingen aan hen worden overgelaten.

Beschrijving: In Web3 kunnen softwarefouten onomkeerbaar direct in geld veranderen. Kunstmatige intelligentie; Het is een accelerator-assistent die concepten genereert, patronen markeert en zoekopdrachten schrijft. Bij veiligheidskritische audits ligt het laatste woord bij de bevoegde deskundige die de professionele verantwoordelijkheid op zich neemt; De bijdrage van kunstmatige intelligentie neemt toe naarmate de kosten van fouten afnemen.

2. Wat is de veiligste aanpak om AI code te laten schrijven bij het ontwikkelen van een slim contract?

A) Produceer een raamwerk op basis van geteste/geverifieerde bibliotheken, compileer, test en verifieer met testnet ✔
B) Beveiligingsmechanismen vanaf het begin in kunstmatige intelligentie schrijven, op een unieke manier
C) Zodra de code is samengesteld, beschouw deze als veilig en breng deze rechtstreeks over naar het hoofdnet.
D) Laat de toegangscontroles tot het einde toe en concentreer u alleen op functionaliteit

Uitleg: Beveiliging helemaal opnieuw printen is riskant; AI kan fouten maken in de originele beveiligingscode en trainingsgegevens kunnen verouderd zijn. De juiste aanpak is om een raamwerk te laten produceren op basis van beproefde bibliotheken (bijvoorbeeld OpenZeppelin), en vervolgens te bouwen, testen en verifiëren met testnet.

3. Hoe moet een auditor dit interpreteren als hij de AI vraagt naar een contract en het antwoord krijgt dat ‘er geen significant beveiligingsprobleem lijkt te zijn’?

A) De code kan nu als veilig worden beschouwd en de auditing kan worden ingekort
B) Onafhankelijke audit is niet langer nodig
C) Het resultaat staat vast omdat kunstmatige intelligentie elke categorie volledig scant.
D) Dit is geen garantie; AI kan originele fouten en bedrijfslogische fouten over het hoofd zien, holistische audits zijn nog steeds vereist ✔

Uitleg: Het feit dat kunstmatige intelligentie iets niet kan vinden, bewijst niet dat het niet bestaat; Bewijs van afwezigheid is geen afwezigheid van bewijs. Kunstmatige intelligentie mist vooral unieke kwetsbaarheden en bedrijfslogische fouten. Een vloeiende verklaring van 'veilig' is geen garantie en elimineert de noodzaak van holistische controle niet.

4. Welke van de volgende is het zwakste gebied van kunstmatige intelligentie bij het scannen van kwetsbaarheden?

A) Het markeren van bekende en duidelijke patronen zoals Reentrance
B) MEV/front-running en protocolspecifieke kwetsbaarheden in de bedrijfslogica ✔
C) De output van een statische analysetool in gewone taal uitleggen
D) Maak een lijst van ontbrekende functies van toegangscontrole

Beschrijving: AI is krachtig in het scannen op bekende, ondubbelzinnige patronen zoals herintreding, toegangscontrole en gehele bewerkingen. MEV/front-running en protocolspecifieke kwetsbaarheden in de bedrijfslogica zijn echter contextueel en vaak uniek; dit zijn de blinde vlekken van AI en vereisen menselijke expertise en simulatie.

5. Wat zijn de veiligste en meest risicovolle manieren om AI te gebruiken bij data-analyse in de keten?

A) Het veiligste is om een gegevensextractiequery af te drukken; Het meest risicovolle is om live data rechtstreeks op te vragen bij kunstmatige intelligentie en deze niet te bevestigen ✔
B) Het veiligste is om live data rechtstreeks op te vragen bij kunstmatige intelligentie; Het schrijven van query's is niet nodig
C) Hashes en adressen geproduceerd door kunstmatige intelligentie zijn altijd betrouwbaar, er is geen bevestiging vereist.
D) Het koppelen van commentaar aan de bron is tijdverspilling; Een vlotte samenvatting is voldoende

Uitleg: Kunstmatige intelligentie is niet afhankelijk van de liveketen; Als je hem rechtstreeks om de transactie/het adres vraagt, krijg je een verzonnen (hallucinerende) hash en adres. Het veiligste gebruik is het afdrukken van de query (bijvoorbeeld Dune SQL) die de gegevens uit de bron haalt, omdat de gegevensbron het resultaat oplevert. Vrije interpretatie is riskant en elk getal moet worden bevestigd in de blokverkenner.

6. Welk soort kwetsbaarheden zijn het kostbaarst in DeFi-protocollen en waarom vormen ze een uitdaging voor AI?

A) Alleen spel-/compilatiefouten; AI vangt deze gemakkelijk op
B) Alleen interfacefouten; Economisch ontwerp heeft er niets mee te maken
C) Hiaten in de economische/bedrijfslogica; zelfs als de code correct werkt, kan het protocol economisch worden uitgebuit en de AI mist dit ✔
D) Alleen spelfouten; Onomstotelijk bewezen door rekening te houden met economische zekerheid, geen noodzaak voor simulatie

Uitleg: In DeFi komen de duurste exploits doorgaans niet voort uit de technische fout van de code, maar uit de exploiteerbaarheid van de economische/bedrijfslogica (orakelmanipulatie, verstoring van de prijs van flitsleningen, misbruik van prikkels). Zelfs als de code technisch gezien 'correct' werkt, kan het protocol economisch worden misleid. Hoewel AI goed is in het scannen van standaardcode, kan het deze contextuele en unieke economische kwetsbaarheden vaak niet zien; deze vereisen simulatie en menselijke expertise.

7. Wat is de gevaarlijkste fout van kunstmatige intelligentie bij tokenomische modellering en hoe kun je deze vermijden?

A) Te pessimistisch zijn; de oplossing is om meer optimistische veronderstellingen toe te voegen
B) Enkelvoudig/optimistisch scenarioïsme; De oplossing is stresstesten met negatieve scenario's en validatie met simulatie ✔
C) Het produceert te veel tabellen; de oplossing is om de tafels te verwijderen
D) Het niet overleggen van een verdelingstabel; De oplossing is om helemaal geen distributie te modelleren

Uitleg: Kunstmatige intelligentie gaat doorgaans uit van één enkel, optimistisch scenario waarin de prijs altijd stijgt en de gebruiker altijd stijgt; hierdoor lijken niet-duurzame modellen 'duurzaam', wat tot ineenstorting leidt. De maatregel is om het model te stresstesten met ongunstige scenario's (bear market, ontsnapping van premiejagers, verkoop van walvissen) en de emissieberekeningen te verifiëren met een echte simulatie.

8. In een door kunstmatige intelligentie geproduceerde gebruikershandleiding staat 'uw geld kan op elk moment worden opgenomen', maar er staat een blokkering van zeven dagen in het contract. Wat duidt deze situatie aan?

A) Er is geen probleem; Als het document vloeiend is, kan het worden gepubliceerd zoals het is
B) Code is verkeerd, document is correct; de code moet overeenkomen met het document
C) De gebruiker kijkt toch niet naar het document; de discrepantie is niet relevant
D) Het document is in strijd met de code; Elke technische claim moet worden bevestigd met echte code, valse documentatie zal de gebruiker misleiden ✔

Beschrijving: De documentatie beschrijft de code; Het is niet de code zelf. AI kan het daadwerkelijke gedrag van de code verkeerd voorstellen, waardoor de gebruiker wordt misleid en een beveiligingsprobleem wordt. Daarom moet elke technische claim worden geverifieerd aan de hand van de daadwerkelijke code; Onjuiste documentatie kan zelfs gevaarlijker zijn dan correcte code, omdat de gebruiker de documentatie vertrouwt.

9. Hoe te handelen als AI een tokencontract scant en een ‘rode vlag’ markeert (de eigenaar kan bijvoorbeeld de overdracht stopzetten)?

A) De vlag is verbonden met de bron en beoordeeld op basis van zijn context en menselijk oordeel; Een eindoordeel/laster wordt vermeden ✔
B) Het contract wordt definitief als fraude bestempeld en onmiddellijk aangekondigd
C) Omdat de kunstmatige intelligentie de vlag uitzet, is er geen noodzaak voor verdere verificatie
D) De vlag wordt genegeerd; Eigenaarsrechten vormen nooit een risico

Beschrijving: Kunstmatige intelligentie is nuttig bij het signaleren van bekende fraudepatronen, maar kan geen definitief oordeel vellen; Sommige legitieme contracten (bijvoorbeeld beschermd door multi-signature governance) kunnen ook stopzettingsbevoegdheid bevatten. Elke vlag moet worden gekoppeld aan de bron (code/keten) en worden geëvalueerd op basis van zijn context en menselijk oordeel; Er moet gematigde taal worden gebruikt en onbevestigde beschuldigingen (laster) moeten worden vermeden.

10. Het feit dat blockchain 'veiligheidskritisch' is, houdt het meest direct verband met welke van de redenen waarom AI-output de goedkeuring van deskundigen niet kan vervangen?

A) Kunstmatige intelligentie kan in de praktijk niet worden toegepast omdat het te langzaam werkt
B) Omdat kunstmatige intelligentie altijd compilatiefouten oplevert
C) Kunstmatige intelligentie kan het onomkeerbare risico niet dekken als gevolg van het niet kunnen zien van de oorspronkelijke fout, valse zekerheid, het niet up-to-date zijn en het niet kunnen nemen van verantwoordelijkheid ✔
D) Kunstmatige intelligentie kan niet worden gebruikt in Turkse projecten omdat het alleen in het Engels werkt.

Uitleg: Fouten op een veiligheidskritisch gebied zijn onomkeerbaar en leiden direct tot ernstige verliezen (miljoenen dollars). Kunstmatige intelligentie kan de oorspronkelijke/contextuele fout niet zien, kan in vloeiende taal valse zekerheid geven, kent de periode na de sluitingsdatum van de training niet en, belangrijker nog, kan geen verantwoordelijkheid aanvaarden. Technische goedkeuring is een technische, juridische en ethische verplichting; Een machine kan deze verplichting niet nakomen, dus de uiteindelijke goedkeuring ligt bij de bevoegde deskundige.

11. Wat is de meest effectieve manier om een veiligheidskritisch Web3-project te beschermen tegen een enkele AI-bug die in het mainnet lekt?

A) Het hele proces delegeren aan één enkele AI-tool en naar het einde kijken
B) Implementeer gelaagde verificatie waarbij in elke fase een menselijke verificatiepoort en -pas wordt ingevoerd ✔
C) Het omzeilen van de onafhankelijke auditpoort om tijd te besparen
D) Elke ontwikkelaar is vrij om zijn eigen tool te gebruiken zonder logbestanden bij te houden

Uitleg: Bij gelaagde verificatie worden in elke fase (schrijven, scannen, audit, testen/simuleren, implementeren, monitoren) een menselijke verificatiepoort en een voorwaarde dat de test is geslaagd (is de test geslaagd, heeft de auditor zich afgemeld, is de simulatie vastgehouden) geplaatst. Je kunt niet door de ene deur gaan zonder door de andere te gaan; Deze gelaagde structuur voorkomt dat een enkele AI-fout naar de levenden lekt.

12. Wat is de onveranderlijke regel met betrekking tot de privésleutel of zaadzin wanneer u hulp krijgt van kunstmatige intelligentie tijdens een foutopsporing?

A) Alleen sleutels om portemonnees te testen kunnen vrijelijk worden gedeeld
B) Als de sleutel gecodeerd is, kan deze aan kunstmatige intelligentie worden gegeven
C) Wanneer kunstmatige intelligentie betrouwbaar is, kan het portefeuillebeheer aan de onderneming worden overgelaten
D) Privésleutel en zaadzin kunnen onder geen enkele omstandigheid in een hulpmiddel of prompt voor kunstmatige intelligentie worden ingevoerd ✔

Beschrijving: De privésleutel en zaadzinnen zijn de volledige toegang tot de portemonnee en het geld. Deze worden in geen geval geschreven in een hulpmiddel voor kunstmatige intelligentie, een prompt of een andere online locatie; Anders bestaat het risico van direct en onherstelbaar verlies van middelen. Sleutels worden alleen bewaard in een veilige, bij voorkeur offline/hardware portemonnee.

13. Wat is de beste governanceaanpak om het gebruik van kunstmatige intelligentie met vertrouwelijke klantcode in een accountantskantoor te reguleren?

A) Verwerk geheime code alleen in geïsoleerd voertuig en met goedkeuring van de klant, met gegevensclassificatiebeleid ✔
B) Plak de geheime code in een openbaar hulpmiddel voor de snelste resultaten
C) Het maakt niet uit of de code geheim is; elke tool is gratis voor elke data
D) Zelfs als er een lek is, zijn voorzorgsmaatregelen niet nodig, aangezien de verantwoordelijkheid bij de aanbieder van kunstmatige intelligentie ligt

Verduidelijking: het zonder toestemming plakken van niet-vrijgegeven (closed source) clientcode in een openbare AI-tool is contractbreuk en het risico van lekkage. Goed bestuur; Het instellen van afzonderlijke regels voor openbare code, vertrouwelijke klantcode, persoonlijke gegevens en privésleutel met een gegevensclassificatiebeleid, het verwerken van vertrouwelijke code alleen in geïsoleerde/ondernemingstools en met goedkeuring van de klant.