FKI evaluation – Austria, 2026 preliminary
Full transparency: here you can see how many points each expert model gave each sub-indicator, with what own estimate range, and what the final value is. The calculation follows version 5.2 of the measurement rules.
The other countries’ evaluations are made with the same procedure as the Hungarian one, but the experts also estimate the machine-calculated terms (E1, E1a, T1, T2). The values are preliminary.
Other countriesThe reasons, the footnote and FD Finder Expert’s written assessment are in Hungarian.
Result
- Spread
- 10%
- Unknown foci
- 21%
- Vine loss
- 99%
- Epidemic burden
- 0 points
- Without epidemic burden: 34%
With good practice, the FKI would be about 2.4 points lower.
The experts
Three expert models, from three different developers, do the scoring independently of each other, working from the verified evidence list and FD Finder’s professional knowledge base. Each gives an exact value and its own estimate range. The scores count with equal weight.
| Model | Version | Note |
|---|---|---|
| Anthropic Claude | Opus 5.5 | |
| Google Gemini | Gemini 4 Argon | |
| OpenAI ChatGPT | GPT-6 Astra, ChatGPT Work |
Every score in one table
The experts’ scores, with their own estimate range in brackets. The final value is the central value of the scores (the average of the median and the mean); only a reasoned decision can depart from it, between the lowest and the highest score.
| Sub-indicator | Anthropic Claude | Google Gemini | OpenAI ChatGPT | Final |
|---|---|---|---|---|
| Spread | ||||
| E1 Extent of infection | 20(13–28) | 18(10–26) | 22(10–38) | 20 |
| E1a Confirmed exposure | 10(5–16) | 12(6–18) | 10(3–22) | 10.3 |
| I Infection density | 42.5(29.4–58.8) | 38.6(25–54) | 32.5(11.9–58.8) | 38.2 |
| T9 Introduction pressure | 82(68–90) | 68(55–78) | 78(66–88) | 77 |
| T1 Leafhopper distribution | 98(93–100) | 96(90–99) | 97(85–100) | 97 |
| T2 Leafhopper density | 58(35–78) | 55(40–70) | 64(42–83) | 58.5 |
| T3 Lack of control in commercial vineyards | 47(35–60) | 30(20–42) | 36(23–53) | 36.8 |
| T5a Lack of control in abandoned refuges | 55(35–72) | 42(28–58) | 58(35–81) | 53.3 |
| T5b Lack of control in home-garden vines | 45(32–62) | 38(25–52) | 46(25–70) | 44 |
| T4 Shortfall in control quality | 32(20–45) | 24(15–35) | 28(17–43) | 28 |
| T7 Lack of awareness about control | 45(30–60) | 25(15–38) | 32(17–54) | 33 |
| T10 Lack of source removal | 40(22–62) | 22(10–38) | 27(8–57) | 28.3 |
| T11 Lack of economic capacity for control | 40(28–55) | 42(30–55) | 51(32–73) | 43.2 |
| T6 Propagating-material pathway | 52(38–68) | 32(20–48) | 37(23–59) | 38.7 |
| T8 Weather | – | – | – | 50 |
| Unknown foci | ||||
| G1 Unsurveyed share, commercial | 78(60–90) | 76(60–88) | 59(30–85) | 73.5 |
| G5a Unsurveyed share, home gardens | 90(78–97) | 85(72–94) | 79(52–95) | 84.8 |
| G5b Unsurveyed share, abandoned vineyards | 85(65–95) | 82(68–92) | 73(43–93) | 81 |
| G2 Survey unreliability | 50(32–65) | 45(32–58) | 34(19–57) | 44 |
| G4 Weakness of automated pre-screening | 86(78–94) | 78(75–88) | 88(75–99) | 85 |
| G3 Lack of lab confirmation | 78(55–90) | 42(25–60) | 73(44–93) | 68.7 |
| G6 Difficulty of notification | 48(32–62) | 45(30–60) | 47(33–62) | 46.8 |
| G8 Disincentives to notify | 78(65–88) | 72(60–84) | 73(54–86) | 73.7 |
| G11 Lack of economic interest in detection | 42(28–58) | 42(28–56) | 46(27–68) | 42.7 |
| Vine loss | ||||
| V1 Lack of a cure | 78(65–90) | 95(90–100) | 75(70–91) | 80.3 |
| V2 Lack of resistant varieties | 100(99–100) | 100(99–100) | 100(99–100) | 100 |
| V3 Lack of recovery | – | – | – | 100 |
| V4 General plant-health condition | – | – | – | 50 |
| V5 Lack of resources for community treatment and research | 52(38–66) | 45(32–58) | 52(33–74) | 50.8 |
| V6 Lack of a market for development | 45(30–60) | 48(35–60) | 59(40–76) | 49.3 |
| Epidemic burden | ||||
| J Epidemic burden | 0(0–36.7) | 0(0–46.3) | 0(0–36.7) | 0 |
FD Finder Expert’s summary
Ausztria 34%-os értéke (sáv: 32–43) előzetes, és a gépi tagokat (E1, E1a, T1, T2) itt is szakértők becsülték: Claude, Gemini és ChatGPT. A terjedés (T) 10,4, az ismeretlen gócok (G) 21,1 pont, a járványteher (J) pedig nulla pontot ad, mert a kijelölt tőkék országos arányát 0,02–0,05%-ra tették. Stájerországban a fertőzött zónák a tervezett 2026-os lehatárolással a szőlőterület 35%-ára terjednek ki (AT-005), 2025-ben 367 mintából 189 lett pozitív, ami mintapozitivitás, nem területi arány (AT-018), 2026 októberében pedig Hollabrunnban (AT-012), Halbturnban és Andauban (AT-015) is zónarendelet született. A szakértők a laborigazolás hiányánál (G3) tértek el legjobban: Gemini 42, ChatGPT 73, Claude 78 pontot adott, mert Gemini a meglévő laborvizsgálatokra, a másik kettő arra helyezte a súlyt, hogy a zónában a tünetes tő minta nélkül kerül ki. A legnagyobb bizonytalanság, hogy sem a kijelölt tőkék száma, sem a tünetszezonban átvizsgált hektár nem ismert. A pontosabb értékhez településenkénti zónaterület, tőszám és szemlénkénti hektár kellene.
By sub-indicator
E1 — Extent of infection
MethodologyFinal value: 20 · central value: 20 (median: 20 · mean: 20) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 20 | (13–28) | B | Stájer zónák és kb. 68 burgenlandi község a 46 ezer ha-hoz, településszintű terület nélkül becsülve.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/AT.md |
| Google Gemini | 18 | (10–26) | A | Stájerország szőlőterületének 35%-a befallszóna (kb. 1781 ha), Burgenlandban ~68 zónás település, NÖ-ben 2 góc van az országos 46 165 ha-ból. |
| OpenAI ChatGPT | 22 | (10–38) | C · data gap | A bővülő góctelepülések területsúlya becsült, teljes települési és 1 km-es térbeli összerendelés nincs.Knowledge base: I, J |
E1a — Confirmed exposure
MethodologyFinal value: 10.3 · central value: 10.3 (median: 10 · mean: 10.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 10 | (5–16) | C · data gap | A stájer 1 781 ha és a burgenlandi 500 m-es gócok 1 km-es körre átszámítva, durva becslés.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/AT.md |
| Google Gemini | 12 | (6–18) | B | Az igazolt pontok 1 km-es körével átfedő szőlőterület aránya becsülve kisebb a teljes településhatáros zónáknál. |
| OpenAI ChatGPT | 10 | (3–22) | C · data gap | Az igazolt pontok 1 km-es körével fedett szőlőterület GIS-metszet hiányában becsült.Knowledge base: I, J |
I — Infection density
MethodologyFinal value: 38.2 · central value: 38.2 (median: 38.6 · mean: 37.9) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 42.50.5% | (29.4–58.8) | C · data gap | Kb. 80 ezer kijelölt tő kb. 19 M kitett tőből, tőszám nincs, a keresés torzít.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/AT.md |
| Google Gemini | 38.60.35% | (25–54) | C | A kitett területen túlnyomórészt egyedi tőkéket vágnak ki, de Stájerországban és Burgenlandban néhány >20%-os táblakivágás is történt. |
| OpenAI ChatGPT | 32.50.2% | (11.9–58.8) | C · data gap | Becsült 35368 kijelölt tő/17684000 kitett tő; az időablakban átvizsgált hektár ismeretlen, a mintapozitivitás nem területi arány.Knowledge base: I, J |
T9 — Introduction pressure
MethodologyFinal value: 77 · central value: 77 (median: 78 · mean: 76) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 82 | (68–90) | B | Szlovén, magyar, szlovák és cseh határ menti fertőzés, a zónák átnyúlnak a határon.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/AT.md |
| Google Gemini | 68 | (55–78) | B | Szlovénia, Magyarország, Szlovákia és Csehország határ menti sávjában is jelen van és terjed az FD, Szlovénia felől határsávot kellett kijelölni. |
| OpenAI ChatGPT | 78 | (66–88) | C · data gap | Több szomszéd felől jelentős nyomás van, de a cseh vadgazdaleletet nem tekintettem fertőzött szőlőgócnak.Knowledge base: C, I, J |
T1 — Leafhopper distribution
MethodologyFinal value: 97 · central value: 97 (median: 97 · mean: 97) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 98 | (93–100) | B | Az öt tartományból a szőlőterület kb. 99,7 %-át adók vektorosak, Bécs 2024 óta.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/AT.md |
| Google Gemini | 96 | (90–99) | B | Az 5 fő szőlőtermő tartományban (NÖ, Bgld, Stmk, Bécs, Karintia) jelen van a vektor, csak néhány kisebb borvidék (pl. Thermenregion) mentes. |
| OpenAI ChatGPT | 97 | (85–100) | C · data gap | A fő szőlőtermő tartományok érintettek, de az utolsó két szezon járási szőlőterület-nevezője hiányzik.Knowledge base: B, E, J |
T2 — Leafhopper density
MethodologyFinal value: 58.5 · central value: 58.5 (median: 58 · mean: 59) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 58 | (35–78) | B | Kezelés előtti lárva csak szövegesen magas, kezeletlen hely nincs közölve, a kezelés utáni fogást (AT-014) nem használtam.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/AT.md |
| Google Gemini | 55 | (40–70) | B | Kezelés előtti magas lárvaszám Stájerországban és növekvő csapdafogások Burgenlandban és NÖ-ben (a kezelés utáni NÖ/Stmk csökkenést figyelmen kívül hagyva). |
| OpenAI ChatGPT | 64 | (42–83) | C · data gap | Kezelés előtti stájer lárvanyomás ismert; kezeletlen országos fogássor nincs, a kezelés utáni csökkenést kizártam.Knowledge base: B, E |
T3 — Lack of control in commercial vineyards
MethodologyFinal value: 36.8 · central value: 36.8 (median: 36 · mean: 37.7) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 47 | (35–60) | A | A kötelezés tartományonként eltér, súlyozva a zónás és a teljes körű szint között.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/AT.md |
| Google Gemini | 30 | (20–42) | A | Stájerországban a teljes vektorterületen, NÖ-ben a fő terjedési területen, Burgenlandban a zónákban kötelező a kezelés, Stmk-ban 10% körüli szabálysértéssel. |
| OpenAI ChatGPT | 36 | (23–53) | A | A fő termőtérségekben kötelező kezelés és szúrópróba működik, országos teljes lefedettség nem igazolt. |
T5a — Lack of control in abandoned refuges
MethodologyFinal value: 53.3 · central value: 53.3 (median: 55 · mean: 51.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 55 | (35–72) | C · data gap | Burgenlandban kivágási rendelet és bírság, nevező és felszámolt terület nélkül.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/AT.md |
| Google Gemini | 42 | (28–58) | C | Burgenlandban 6000 EUR/ha bírság és dologi kivágási rendelet, Stájerországban 4 hetes felszámolási szabály él a gondozatlan szőlőkre. |
| OpenAI ChatGPT | 58 | (35–81) | C · data gap | Zónás kötelezés és kényszerintézkedés van, a kezelt vagy felszámolt menedékek országos aránya ismeretlen.Knowledge base: D, E, J |
T5b — Lack of control in home-garden vines
MethodologyFinal value: 44 · central value: 44 (median: 45 · mean: 43) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 45 | (32–62) | A | Magánkert is kötelezett kezelési naplóval, de házikerti ellenőrzési szám nincs.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/AT.md |
| Google Gemini | 38 | (25–52) | A | A rendeletek a magánkertekre és lugasokra is kötelező kezelést és naplózást írnak elő lakossági tájékoztatással, de a kiskerti ellenőrzés ritka. |
| OpenAI ChatGPT | 46 | (25–70) | C · data gap | A házikertekre is kiterjedő kötelezettség és tájékoztatás mellett a tényleges kezelési arány nem ismert.Knowledge base: D, J |
T4 — Shortfall in control quality
MethodologyFinal value: 28 · central value: 28 (median: 28 · mean: 28) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 32 | (20–45) | A | L3-hoz igazított kamarai időzítés, de részben sürgősségi engedélyek és részleges összehangolás.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/AT.md |
| Google Gemini | 24 | (15–35) | A | Lárvastádiumhoz kötött kamarai előrejelzés (insect-watch) és megfelelő hagyományos/bio szerválaszték van, bár a Carnadine szükséghelyzeti engedélyes. |
| OpenAI ChatGPT | 28 | (17–43) | A | Stádiumhoz igazított időzítés és térségi kezelési rend van, az ökológiai választék korlátozottabb. |
T7 — Lack of awareness about control
MethodologyFinal value: 33 · central value: 33 (median: 32 · mean: 34) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 45 | (30–60) | B | Zónás telkek írásos értesítése és kamarai csatornák, elérési arányt senki nem mér.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/AT.md |
| Google Gemini | 25 | (15–38) | B | Kamarai riasztások, községi hirdetmények, szakmai napok és külön kiskerti előadások biztosítják a szőlőtartók ~70%-ának elérését. |
| OpenAI ChatGPT | 32 | (17–54) | C · data gap | Kamarai és lakossági csatornák működnek, de a megfelelő időben ténylegesen elért tulajdonosok aránya nincs mérve.Knowledge base: G, J |
T10 — Lack of source removal
MethodologyFinal value: 28.3 · central value: 28.3 (median: 27 · mean: 29.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 40 | (22–62) | C · data gap | Rövid határidő és helyettesítő végrehajtás, a stájer határozat nélküli kivágásnál nincs nevező.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/AT.md |
| Google Gemini | 22 | (10–38) | A | Kötelező a kivágás (2–4 hét határidővel, >20% felett teljes tábla), szigorú hatósági és helyettesítő végrehajtással, bár a stájer önellenőrzés csökkenti a rálátást. |
| OpenAI ChatGPT | 27 | (8–57) | C · data gap | Az azonnali vagy kéthetes kötelezettség mellett a határidőre el nem távolított tőkék országos nevezője hiányzik.Knowledge base: D, J |
T11 — Lack of economic capacity for control
MethodologyFinal value: 43.2 · central value: 43.2 (median: 42 · mean: 44.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 40 | (28–55) | B | A 2025-ös üzemi jövedelem jó, de a szőlőár esik, 2026-ban 28 % terméskiesés.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 25_gazdasag_karok_kartalanitas_biztositas.md, orszagok/AT.md |
| Google Gemini | 42 | (30–55) | B | A tesztüzemi átlagjövedelem stabil, de a vörösszőlő ára önköltség alatti és 2026-ban az aszály 28%-os terméskiesést okozott. |
| OpenAI ChatGPT | 51 | (32–73) | C · data gap | A jövedelmezőbb birtokok mellett az ár- és termésnyomás gyengíti az alapos védekezés finanszírozását.Knowledge base: I, J |
T6 — Propagating-material pathway
MethodologyFinal value: 38.7 · central value: 38.7 (median: 37 · mean: 40.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 52 | (38–68) | C · data gap | Tanúsítás kötelező, forróvizes kötelezettség nem található, a nem kereskedelmi út ismeretlen.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/AT.md |
| Google Gemini | 32 | (20–48) | C | A tanúsítás és a faiskolai ellenőrzés szigorú, de Csehországban 2026-ban fogtak osztrák eredetű fertőzött oltványtételt, a házi szaporításról pedig nincs adat. |
| OpenAI ChatGPT | 37 | (23–59) | C · data gap | A tanúsított és faiskolai út szabályozott, az informális vessző- és oltványforgalom nagysága nem ismert.Knowledge base: D, J |
T8 — Weather
MethodologyFinal value: 50 · Evidence: class A
Value calculated from official data with a fixed script.
Rule applied: gépi számítás (0. lépés)
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | – | not given | A | Ősszel a skála szerint 50.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/AT.md |
| Google Gemini | – | not given | A | Őszi futásnál a szezonbeli sűrűségadatok (T2) rendelkezésre állása miatt a szabályzat szerint rögzített 50 pont. |
| OpenAI ChatGPT | – | not given | C | Az őszi futás előírt semleges értéke. |
G1 — Unsurveyed share, commercial
MethodologyFinal value: 73.5 · central value: 73.5 (median: 76 · mean: 71) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 78 | (60–90) | C · data gap | Stájer 367 minta, Burgenland 182 minta aug. 6-ig, drón nincs, átvizsgált hektár egyik forrásnál sem ismert.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/AT.md |
| Google Gemini | 76 | (60–88) | A | Hektáradat nincs; Stájerországban a befallszónában megszűnt a hatósági szemle (önellenőrzés van), máshol néhány száz mintás hatósági felderítés zajlik. |
| OpenAI ChatGPT | 59 | (30–85) | C · data gap | Július 20.–szeptember 30.: hatósági, szemlecsoportos, drónos és egyéb ellenőrzés külön hektárja és dátuma ismeretlen.Knowledge base: D, F, J |
G5a — Unsurveyed share, home gardens
MethodologyFinal value: 84.8 · central value: 84.8 (median: 85 · mean: 84.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 90 | (78–97) | C · data gap | A monitoring tartalmaz lugasmintát, darabszám nélkül.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/AT.md |
| Google Gemini | 85 | (72–94) | A | A stájer monitoring tartalmazott házikerti szőlősövény-mintákat is (darabszám nélkül), de a kiskertek többsége átvizsgálatlan. |
| OpenAI ChatGPT | 79 | (52–95) | C · data gap | Házikerti mintázás ismert, de a tünetszezonban átnézett kertek aránya nem.Knowledge base: D, J |
G5b — Unsurveyed share, abandoned vineyards
MethodologyFinal value: 81 · central value: 81 (median: 82 · mean: 80) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 85 | (65–95) | C · data gap | Felhagyott területi mintázási szám nincs.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/AT.md |
| Google Gemini | 82 | (68–92) | C | A felhagyott ültetvények tünetszezonbeli hatósági átvizsgálási arányáról nincs nyilvános adat. |
| OpenAI ChatGPT | 73 | (43–93) | C · data gap | A felhagyott terület és az időben szemlézett rész országos összesítése hiányzik.Knowledge base: D, J |
G2 — Survey unreliability
MethodologyFinal value: 44 · central value: 44 (median: 45 · mean: 43) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 50 | (32–65) | C | Hatósági mintavevők mellett a stájer befallszónában képzési kötelezettség nélküli tulajdonosi önszemle.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/AT.md |
| Google Gemini | 45 | (32–58) | B | A hatósági felügyelők képzettek (15 fős stájer taskforce), de a stájer befallszónákban 2026-tól a szemlét a változó képzettségű tulajdonosokra bízták. |
| OpenAI ChatGPT | 34 | (19–57) | C · data gap | Szakmai képzés elérhető, de az önellenőrzők képzettsége és a teljes tőkés szemle követése nem mérhető.Knowledge base: A, D, G |
G4 — Weakness of automated pre-screening
MethodologyFinal value: 85 · central value: 85 (median: 86 · mean: 84) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 86 | (78–94) | B | A RISAF-projekt most indult, rutinhasználat és igazolt találati arány nincs.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 24_taverzekeles_kepfelismeres_mi.md, orszagok/AT.md |
| Google Gemini | 78 | (75–88) | B | A RISAF és VinoMon drónos/traktoros MI-projektek kutatási-kísérleti fázisban vannak (2026–2029), rutin előszűrés még nincs (minimum 75 pont). |
| OpenAI ChatGPT | 88 | (75–99) | C · data gap | A RISAF kutatási fejlesztés, országos működő lefedettség és független találati arány nélkül.Knowledge base: F |
G3 — Lack of lab confirmation
MethodologyFinal value: 68.7 · central value: 68.7 (median: 73 · mean: 64.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 78 | (55–90) | C · data gap | A zónában a tünetes tő szándékosan labor nélkül megy ki, a gyanúk többsége mintázatlan, átfutás nem közölt.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/AT.md |
| Google Gemini | 42 | (25–60) | A | Az AGES laborja akkreditált és működik, ám a stájer befallszónákban a tünetes tőkéket mintavétel és PCR nélkül vágatják ki. |
| OpenAI ChatGPT | 73 | (44–93) | C · data gap | A fertőzött zónák mintavétel nélküli eltávolításai is hiánynak számítanak, országos arányuk és PCR-átfutásuk ismeretlen.Knowledge base: D, E, J |
G6 — Difficulty of notification
MethodologyFinal value: 46.8 · central value: 46.8 (median: 47 · mean: 46.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 48 | (32–62) | C | Bejelentés a tartományi szolgálatnak, FD-űrlap és visszajelzés nélkül.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/AT.md |
| Google Gemini | 45 | (30–60) | B | A bejelentés telefonon, e-mailben vagy általános tartományi űrlapon történik, dedikált fotós FD-alkalmazás és nyilvános visszajelzési határidő nélkül. |
| OpenAI ChatGPT | 47 | (33–62) | C · data gap | Hatósági bejelentési út van, egységes követés és hétnapos visszajelzés nem igazolt.Knowledge base: D, J |
G8 — Disincentives to notify
MethodologyFinal value: 73.7 · central value: 73.7 (median: 73 · mean: 74.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 78 | (65–88) | B | Nincs FD-kártalanítás, csak legfeljebb 50 %-os szerkezetátalakítási támogatás, az indítvány nem lett jog.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, 25_gazdasag_karok_kartalanitas_biztositas.md, orszagok/AT.md |
| Google Gemini | 72 | (60–84) | B | Közvetlen állami FD-kártalanítás nincs (a burgenlandi indítvány nem lett jogszabály), csak a KAP szerkezetátalakítási támogatás (~50%) érhető el teljes kivágásnál. |
| OpenAI ChatGPT | 73 | (54–86) | C · data gap | A kompenzációs javaslat nem működő kártalanítás; az egytőkés értékarány és átlagos kifizetési idő ismeretlen.Knowledge base: D, I |
G11 — Lack of economic interest in detection
MethodologyFinal value: 42.7 · central value: 42.7 (median: 42 · mean: 43.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 42 | (28–58) | C · data gap | A jövedelem még közepes, a vörösszőlő ára költség alatti, kilépési adat nincs.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 25_gazdasag_karok_kartalanitas_biztositas.md, orszagok/AT.md |
| Google Gemini | 42 | (28–56) | C | Az árutermő birtokok többsége érdekelt a védekezésben, de a vörösboros területeken az alacsony szőlőár és a kártalanítás hiánya rontja a bejelentési kedvet. |
| OpenAI ChatGPT | 46 | (27–68) | C · data gap | A gyengülő gazdasági helyzet csökkenti a saját keresés erőforrását, általános elhallgatás nem igazolt.Knowledge base: I, J |
V1 — Lack of a cure
MethodologyFinal value: 80.3 · central value: 80.3 (median: 78 · mean: 82.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 78 | (65–90) | C | Nincs engedélyezett kezelés, csak labor- és üvegházi részeredmény, a szabadföldi BTH negatív.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/AT.md |
| Google Gemini | 95 | (90–100) | C | Nemzetközi szinten sincs engedélyezett vagy szabadföldön igazolt gyógymód az FD-fitoplazma ellen. |
| OpenAI ChatGPT | 75 | (70–91) | C | FD-specifikus laboreredmény van, meggyőző szabadföldi gyógymód és engedély nincs.Knowledge base: E, H, I |
V2 — Lack of resistant varieties
MethodologyFinal value: 100 · central value: 100 (median: 100 · mean: 100) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 100 | (99–100) | C | Igazoltan ellenálló fajta nincs, a gombarezisztens fajta nem számít.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/AT.md |
| Google Gemini | 100 | (99–100) | C | Igazoltan FD-ellenálló szőlőfajtával beültetett terület nincs (a PIWI fajták sem ellenállók). |
| OpenAI ChatGPT | 100 | (99–100) | C | Igazoltan FD-ellenálló fajtákkal beültetett terület nem dokumentált, a tolerancia nem ellenállás.Knowledge base: A, H, I |
V3 — Lack of recovery
MethodologyFinal value: 100
It has no effect in the formula under mandatory grubbing up, so it is not scored.
Rule applied: kötelező kivágás alatt nem pontozandó (5.2): a legutóbbi érték marad
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | – | not given | C | Barberán PCR-rel igazolt gyógyulás külföldön, hazai fajtán nincs adat.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 02_korokozo_biologia_genotipusok.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/AT.md |
| Google Gemini | – | not given | B | Spontán tünetmentesedés (recovery) egyes fajtáknál előfordulhat, de a gyakorlatban nem alkalmazható és a visszametszés csak elfedi a tünetet. |
V4 — General plant-health condition
MethodologyFinal value: 50
It has no effect in the formula under mandatory grubbing up, so it is not scored.
Rule applied: kötelező kivágás alatt nem pontozandó (5.2): a legutóbbi érték marad
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | – | not given | A | Nyár +2,7 °C és 32 % csapadékhiány, tartós aszály.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/AT.md |
| Google Gemini | – | not given | A | 2026 nyarán +2,7 °C hőmérsékleti anomália és 32%-os csapadékhiány volt, az aszály országosan 28%-os terméskiesést okozott. |
V5 — Lack of resources for community treatment and research
MethodologyFinal value: 50.8 · central value: 50.8 (median: 52 · mean: 49.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 52 | (38–66) | B | Egy kutatási projekt (RISAF) van, közösségi kezelési keret nincs, a szövetség krízisstábot kér.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/AT.md |
| Google Gemini | 45 | (32–58) | B | Van célzott kutatási finanszírozás (RISAF 578 ezer EUR, VinoMon, EnGrape), de a közösségi kezelésre és kártalanításra nincs elkülönített állami alap. |
| OpenAI ChatGPT | 52 | (33–74) | C · data gap | Projektkutatás és újratelepítési támogatás van, a RISAF felderítési pénze nem gyógymódkutatási keret.Knowledge base: H, I, J |
V6 — Lack of a market for development
MethodologyFinal value: 49.3 · central value: 49.3 (median: 48 · mean: 50.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 45 | (30–60) | B | A terület stabil, a készlet alacsony, de a fogyasztás és a szőlőár csökken.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/AT.md |
| Google Gemini | 48 | (35–60) | B | Stabil szőlőterület és nem túlzott borkészlet (2,97 M hl) mellett csökkenő belföldi fogyasztás és üzemszám jellemzi a piacot. |
| OpenAI ChatGPT | 59 | (40–76) | C · data gap | A csökkenő kereslet és termelési nyomás fékezi a fejlesztési piacot, a nemzetközi kereslet fennmarad.Knowledge base: I, J |
J — Epidemic burden
MethodologyFinal value: 0 · central value: 0 (median: 0 · mean: 0) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 00.05% | (0–36.7) | C · data gap | Kb. 80 ezer tő / kb. 180 M tő (46 ezer ha × 4 000), a tőszám nem közölt.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/AT.md |
| Google Gemini | 00.05% | (0–46.3) | C | Az országos ~46 000 ha (~180 millió tőke) állományból néhány száz laborpozitív minta és néhány teljes táblakivágás alapján becsült arány. |
| OpenAI ChatGPT | 00.02% | (0–36.7) | C · data gap | Becsült 35368 kijelölt tő/176840000 országos tő az utolsó 12 hónapban, tünetmentes teljeskivágási rész nélkül.Knowledge base: I, J |
Expert estimate, not official data.