FKI evaluation – Slovenia, 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
- 34%
- Unknown foci
- 71%
- Vine loss
- 99%
- Epidemic burden
- 90 points
- Without epidemic burden: 65%
With good practice, the FKI would be about 5.1 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 | 52(45–60) | 65(50–80) | 62(47–77) | 60.8 |
| E1a Confirmed exposure | 35(22–48) | 48(32–64) | 45(27–64) | 43.8 |
| I Infection density | 68.1(54–84.9) | 67.1(47.6–84.9) | 65.1(44.5–87) | 66.9 |
| T9 Introduction pressure | 88(78–96) | 76(65–86) | 83(69–93) | 82.7 |
| T1 Leafhopper distribution | 100(97–100) | 98(92–100) | 99(91–100) | 99 |
| T2 Leafhopper density | 52(38–70) | 48(35–65) | 61(34–86) | 52.8 |
| T3 Lack of control in commercial vineyards | 30(20–42) | 30(20–42) | 34(20–54) | 30.7 |
| T5a Lack of control in abandoned refuges | 72(55–82) | 66(52–78) | 74(51–91) | 71.3 |
| T5b Lack of control in home-garden vines | 45(30–62) | 42(28–56) | 48(28–73) | 45 |
| T4 Shortfall in control quality | 30(20–42) | 24(14–35) | 34(20–51) | 29.7 |
| T7 Lack of awareness about control | 38(25–52) | 28(18–40) | 39(20–62) | 36.5 |
| T10 Lack of source removal | 55(38–70) | 52(38–66) | 58(32–79) | 55 |
| T11 Lack of economic capacity for control | 58(45–70) | 58(45–70) | 62(42–80) | 58.7 |
| T6 Propagating-material pathway | 45(30–62) | 30(18–45) | 38(23–61) | 37.8 |
| T8 Weather | – | – | – | 50 |
| Unknown foci | ||||
| G1 Unsurveyed share, commercial | 80(62–92) | 82(70–92) | 72(43–92) | 79 |
| G5a Unsurveyed share, home gardens | 90(75–97) | 85(72–94) | 83(57–97) | 85.5 |
| G5b Unsurveyed share, abandoned vineyards | 78(60–90) | 78(65–88) | 81(53–96) | 78.5 |
| G2 Survey unreliability | 52(38–68) | 42(30–55) | 43(25–65) | 44.3 |
| G4 Weakness of automated pre-screening | 90(80–97) | 92(80–100) | 89(75–99) | 90.2 |
| G3 Lack of lab confirmation | 93(84–98) | 45(30–62) | 94(81–99) | 85.2 |
| G6 Difficulty of notification | 40(28–55) | 35(22–48) | 39(24–59) | 38.5 |
| G8 Disincentives to notify | 48(35–62) | 48(35–62) | 68(49–84) | 51.3 |
| G11 Lack of economic interest in detection | 55(40–70) | 52(38–65) | 59(38–79) | 55.2 |
| 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 | 40(28–55) | 34(22–48) | 46(27–69) | 40 |
| V6 Lack of a market for development | 60(45–72) | 58(45–70) | 62(42–79) | 60 |
| Epidemic burden | ||||
| J Epidemic burden | 92.6(73.3–100) | 73.3(46.3–100) | 96.5(53.7–100) | 90 |
FD Finder Expert’s summary
Szlovénia 71%-os értéke (sáv: 64–76) előzetes, és a gépi tagokat (E1, E1a, T1, T2) itt is szakértők becsülték: Claude, Gemini és ChatGPT. A G 70,5, a T 34,0, a J 90 pont, és J nélkül az érték 65% lenne; a J itt a kifizetett kártalanítások miatt jobban megalapozott, mint a többi szomszédnál. 2025-ben 539 pozitív kártalanítási határozat született 1,61 millió euróról, de 2026-ban kifizetés nem történt (SI-012), 2025-ben több térségben nagy növekedést regisztráltak (SI-008), a fertőzött területen pedig 2026-ban már nincs hatósági szemle és mintavétel (SI-028). A laborigazolás hiányánál (G3) Gemini 45, Claude 93, ChatGPT 94 pontot adott, mert Gemini a tervezett 170 laborvizsgálatra is támaszkodott, a másik kettő a fertőzött területen elmaradó mintázást vette hiánynak (SI-028). A legnagyobb bizonytalanság, hogy 2026-ra sem hatósági minta, sem térítési tőszám nincs a fertőzött területről, ezért a J számlálója korábbi évekből becsült, Claude-nál mintegy 350 ezer, ChatGPT-nél mintegy 500 ezer tő. A pontosabb értékhez a 2026-ban kivágott tőszám, a tulajdonosi önellenőrzés hektárja és a 2027-re ígért térítés adatai kellenének.
By sub-indicator
E1 — Extent of infection
MethodologyFinal value: 60.8 · central value: 60.8 (median: 62 · mean: 59.7) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 52 | (45–60) | A | 82 fertőzött község: 57,9 % (2009-es nevező) ⚖ kormány kb. 7 000 ha ≈ 50 %.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/SI.md |
| Google Gemini | 65 | (50–80) | A | Mindhárom szlovén borrégióban jelen van; Ljutomer–Ormož 1900 ha-jából ~1600 ha fertőzött zóna, és 2025–2026-ban Stájerországban, Prekmurjében, Bizeljskóban és Bela krajinában is erősen nőtt. |
| OpenAI ChatGPT | 62 | (47–77) | C · data gap | A fertőzött települések és új gócok szőlőterületi súlya becsült, a csak védősávos településeket nem számítottam automatikusan be.Knowledge base: I, J |
E1a — Confirmed exposure
MethodologyFinal value: 43.8 · central value: 43.8 (median: 45 · mean: 42.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 35 | (22–48) | C · data gap | ÉK-en alig van tünetmentes ültetvény, a fertőzött táblák 1 km-es köre becsült.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/SI.md |
| Google Gemini | 48 | (32–64) | B | A 13 887 ha országos szőlőterület jelentős része (különösen Podravje és Posavje) igazolt gócok 1 km-es körzetébe esik. |
| OpenAI ChatGPT | 45 | (27–64) | C · data gap | Az 1 km-es góckörökkel ténylegesen fedett szőlőterületet becsültem, nem a teljes visszaszorítási körzetet.Knowledge base: I, J |
I — Infection density
MethodologyFinal value: 66.9 · central value: 66.9 (median: 67.1 · mean: 66.8) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 68.12.3% | (54–84.9) | C · data gap | Kb. 350 ezer tő kb. 17 M kitett tőből, mintázás a fertőzött területen nincs.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/SI.md |
| Google Gemini | 67.12.2% | (47.6–84.9) | B | Poljčane, Ljutomer és Slovenske gorice vidékén alig van tünetmentes ültetvény; évi 200–315 ezer tőke után igényelnek kártalanítást, és 2026-ban nőtt a fertőzöttség. |
| OpenAI ChatGPT | 65.12% | (44.5–87) | C · data gap | Becsült 499932 kijelölt tő/24996600 kitett tő; a teljes időablakban ténylegesen átvizsgált hektár ismeretlen.Knowledge base: I, J |
T9 — Introduction pressure
MethodologyFinal value: 82.7 · central value: 82.7 (median: 83 · mean: 82.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 88 | (78–96) | B | Minden irányban fertőzött szomszéd, az 50 km-es sáv szinte az egész ország.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/SI.md |
| Google Gemini | 76 | (65–86) | B | Minden szomszédos ország (Olaszország/FVG, Ausztria/Stájerország, Magyarország/Zala, Horvátország/Zagorje–Muraköz) határ menti sávjában kiterjedt az FD-fertőzés. |
| OpenAI ChatGPT | 83 | (69–93) | C · data gap | Olasz, osztrák, magyar és horvát irányból is jelentős nyomás van, teljes határsávos számszerűsítés nélkül.Knowledge base: C, I, J |
T1 — Leafhopper distribution
MethodologyFinal value: 99 · central value: 99 (median: 99 · mean: 99) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 100 | (97–100) | A | Mind az öt régióban fogás 2026-ban.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/SI.md |
| Google Gemini | 98 | (92–100) | A | Az amerikai szőlőkabóca minden szlovén borrégióban széles körben elterjedt (az EPPO-ban is widespread). |
| OpenAI ChatGPT | 99 | (91–100) | C · data gap | Mindhárom fő borrégióban van jelenlét, a kétszezonos területi összerendelés közel teljes, de nem pontosan számolható.Knowledge base: B, E, J |
T2 — Leafhopper density
MethodologyFinal value: 52.8 · central value: 52.8 (median: 52 · mean: 53.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 52 | (38–70) | B | 30 helyből 14 alacsony, 7 közepes, 9 magas, a kezelés nincs jelölve, az ÉK-i alacsony valószínűleg kezelés utáni; kezelés előtti szám nincs.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/SI.md |
| Google Gemini | 48 | (35–65) | A | 49 helyen figyelték az L3 lárvákat; a 31 sárgalapos helyszínen (14 alacsony, 7 közepes, 9 magas, csúcs 505 egyed) a kezelt és kezeletlen ültetvények nincsenek szétválasztva, ezért óvatos sáv. |
| OpenAI ChatGPT | 61 | (34–86) | C · data gap | Kezelés előtti stádiumadat van, sűrűség nincs; a kezeletlen és kezelés utáni fogásokat nem választják szét, ezért a hálózati arányt kizártam.Knowledge base: B, E |
T3 — Lack of control in commercial vineyards
MethodologyFinal value: 30.7 · central value: 30.7 (median: 30 · mean: 31.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 30 | (20–42) | B | A zónák szinte az egész területet fedik, ellenőrzésben 13–17 % hiány, a minta nem véletlen.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/SI.md |
| Google Gemini | 30 | (20–42) | B | Minden körülhatárolt zónában (és országosan a szaporítóanyag-telepeken) kötelező és ellenőrzött a kezelés; a korábbi hatósági ellenőrzéseken 13–17% volt a nem megfelelő. |
| OpenAI ChatGPT | 34 | (20–54) | B | Széles körű kötelező kezelés és ellenőrzési rendszer van, de a tényleges országos teljesítés nem teljes. |
T5a — Lack of control in abandoned refuges
MethodologyFinal value: 71.3 · central value: 71.3 (median: 72 · mean: 70.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 72 | (55–82) | B | Évi 80–89 ellenőrzés bejelentésre, csődök miatt nő a felhagyott terület.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/SI.md |
| Google Gemini | 66 | (52–78) | B | A felhagyott, elvadult szőlők jelentik a fő fertőzési forrást; bár vannak hatósági intézkedések és bírságok (800–33 000 EUR), a kibővített ellenőri jogkörű rendelet még nem lépett hatályba. |
| OpenAI ChatGPT | 74 | (51–91) | C · data gap | A felszámolási kötelezettség mellett az elhagyott források fennmaradása dokumentált, országos kezelt területarány nincs.Knowledge base: D, E |
T5b — Lack of control in home-garden vines
MethodologyFinal value: 45 · central value: 45 (median: 45 · mean: 45) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 45 | (30–62) | A | Lugasra és házikertre is kötelező, 344 szerbolt tájékoztatása, ellenőrzés nem dokumentált.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/SI.md |
| Google Gemini | 42 | (28–56) | A | A körülhatárolt területeken a lugasokban és házikertekben is kötelező a kabóca elleni kezelés (magánszemély bírsága 200–600 EUR), de a kiskerti ellenőrzés korlátozott. |
| OpenAI ChatGPT | 48 | (28–73) | C · data gap | A házikertekre is kötelező kezelés vonatkozik, tényleges követésük és ellenőrzési arányuk nem ismert.Knowledge base: D, J |
T4 — Shortfall in control quality
MethodologyFinal value: 29.7 · central value: 29.7 (median: 30 · mean: 29.3) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 30 | (20–42) | A | L3-előrejelzés régiónként, de kulcsszerek évenkénti szükséghelyzeti engedéllyel.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/SI.md |
| Google Gemini | 24 | (14–35) | A | Régiós, L3-hoz igazított előrejelzés (Agromet), pontos kijuttatási előírások (≥400 l víz/ha, éjszakai permetezés) és megfelelő szerválaszték áll rendelkezésre. |
| OpenAI ChatGPT | 34 | (20–51) | B | Regionális stádiumalapú időzítés és részletes kezelési rend van, az ökológiai program és szerhozzáférés szűkebb. |
T7 — Lack of awareness about control
MethodologyFinal value: 36.5 · central value: 36.5 (median: 38 · mean: 35) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 38 | (25–52) | B | Nyilvános előrejelzés, videók és rádiókampány, a hobbitartók elérése nem mért.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/SI.md |
| Google Gemini | 28 | (18–40) | A | Az UVHVVR és a KGZS rendszeres regionális riasztásokat, frissített útmutatókat és 2026 júniusában új oktatóvideókat tett közzé a kivágásról és a kabócairtásról. |
| OpenAI ChatGPT | 39 | (20–62) | C · data gap | Szervezett regionális és lakossági csatornák működnek, tényleges időbeni elérési arány nincs.Knowledge base: G, J |
T10 — Lack of source removal
MethodologyFinal value: 55 · central value: 55 (median: 55 · mean: 55) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 55 | (38–70) | C | 2024: 56 %, 2025: kb. 70 % hiány kockázatalapú mintán, a fertőzött területen nincs határozat.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/SI.md |
| Google Gemini | 52 | (38–66) | A | A kivágás kötelező, de a 2024-es hatósági kivágás-ellenőrzések 56%-a hiányos volt (126/225), és 2026-ban a kártalanítási jogalap szünetelése is lassíthatja az önkéntes eltávolítást. |
| OpenAI ChatGPT | 58 | (32–79) | C · data gap | A célzott ellenőrzések jelentős mulasztást jeleznek, de nem adnak országos, határidőre ki nem vágott tőkearányt.Knowledge base: D, J |
T11 — Lack of economic capacity for control
MethodologyFinal value: 58.7 · central value: 58.7 (median: 58 · mean: 59.3) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 58 | (45–70) | A | Az ár a változó költséget és az értékcsökkenést fedezi, 2026-ban kisebb termés változatlan áron.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 25_gazdasag_karok_kartalanitas_biztositas.md, orszagok/SI.md |
| Google Gemini | 58 | (45–70) | A | A KIS szerint a szőlőtermelők gazdasági eredménye évek óta gyenge, a költségek gyorsabban nőnek (+4%), mint az árak (+2%), és 2026-ban a hőség miatt harmadával csökkent a termés Goriška brdában. |
| OpenAI ChatGPT | 62 | (42–80) | C · data gap | A költségek az áraknál gyorsabban nőttek, a gyengébb termés szűkíti az alapos védekezés fedezetét.Knowledge base: I, J |
T6 — Propagating-material pathway
MethodologyFinal value: 37.8 · central value: 37.8 (median: 38 · mean: 37.7) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 45 | (30–62) | A · data gap | Forróvíz az útlevélhez, 55 telepszemle, uniós jelzés szlovén anyagon, a házi csere ismeretlen.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/SI.md |
| Google Gemini | 30 | (18–45) | A | A szaporítóanyag-telepeken országosan kötelező a kezelés és évi 55 hatósági szemlét tartanak, ám 2026-ban Csehországban fogtak szlovén eredetű fertőzött oltványtételt és a házi csere nem ismert. |
| OpenAI ChatGPT | 38 | (23–61) | C · data gap | Faiskolai felügyelet és kezelési előírás van, az informális szaporítóanyag-forgalom teljes mértéke ismeretlen.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/SI.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: 79 · central value: 79 (median: 80 · mean: 78) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 80 | (62–92) | A · data gap | 2026: 262 szemle, a fertőzött területen 0, 170 labor, termelői önszemle nem rögzített, drón nincs, hektár ismeretlen.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/SI.md |
| Google Gemini | 82 | (70–92) | A | A 2026-os hatósági program mindössze 262 vizuális szemlét ír elő, és a fertőzött területen (okuženo območje) 2026-ban már nincs hatósági szemle, csak tulajdonosi önellenőrzés. |
| OpenAI ChatGPT | 72 | (43–92) | C · data gap | Július 20.–szeptember 30.: hatósági, csoportos, drónos és önellenőrzési hektár/dátum ismeretlen; 262 tervezett szemle nem teljesítés.Knowledge base: D, F, J |
G5a — Unsurveyed share, home gardens
MethodologyFinal value: 85.5 · central value: 85.5 (median: 85 · mean: 86) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 90 | (75–97) | C · data gap | Kiskerti szemle száma nincs.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/SI.md |
| Google Gemini | 85 | (72–94) | C | A kiskertek és lugasok tünetszezonbeli hatósági átvizsgálási arányáról nincs számadat, a fertőzött zónában a tulajdonosra van bízva. |
| OpenAI ChatGPT | 83 | (57–97) | C · data gap | A házikerti önellenőrzés tényleges tünetszezonbeli lefedettségéről nincs országos adat.Knowledge base: D, J |
G5b — Unsurveyed share, abandoned vineyards
MethodologyFinal value: 78.5 · central value: 78.5 (median: 78 · mean: 79) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 78 | (60–90) | C · data gap | Évi 80–89 ellenőrzés, nevező nincs.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/SI.md |
| Google Gemini | 78 | (65–88) | B | A felhagyott ültetvényeket a fitoszanitáris és borászati felügyelők is ellenőrzik (évi ~80–90 szemle), de a teljes felhagyott területhez képest a lefedettség alacsony. |
| OpenAI ChatGPT | 81 | (53–96) | C · data gap | A felhagyott állományok ismertek, de teljes kataszterük és szemlézett hányaduk hiányzik.Knowledge base: D, J |
G2 — Survey unreliability
MethodologyFinal value: 44.3 · central value: 44.3 (median: 43 · mean: 45.7) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 52 | (38–68) | A | Írott protokoll a hatósági szemlénél, a fertőzött területen képzetlen termelői önszemle.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/SI.md |
| Google Gemini | 42 | (30–55) | A | A védősávban képzett UVHVVR/KGZS szakemberek szemléznek, de a fertőzött területen 2026-tól a szemlét teljes egészében a tulajdonosokra bízták. |
| OpenAI ChatGPT | 43 | (25–65) | C · data gap | Szakmai protokoll van, de a fertőzött zónák gazdai önellenőrzésének képzettsége és teljessége nem mérhető.Knowledge base: A, D, G |
G4 — Weakness of automated pre-screening
MethodologyFinal value: 90.2 · central value: 90.2 (median: 90 · mean: 90.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 90 | (80–97) | C | Csak lezárult hiperspektrális kutatás, rutinhasználat nincs.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 24_taverzekeles_kepfelismeres_mi.md, orszagok/SI.md |
| Google Gemini | 92 | (80–100) | C | A RESENSE-VITIS és V4-2225 hiperspektrális/drónos projektek csak kutatási szintűek (6 szőlőben), működő gépi előszűrés nincs. |
| OpenAI ChatGPT | 89 | (75–99) | C · data gap | Kísérleti hiperspektrális és gépi projektek vannak, országos validált működési lefedettség nincs.Knowledge base: F, H, J |
G3 — Lack of lab confirmation
MethodologyFinal value: 85.2 · central value: 85.2 (median: 93 · mean: 77.3) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 93 | (84–98) | A | A fertőzött területen szándékosan nincs minta, 170 tervezett vizsgálat, átfutás nem közölt.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/SI.md |
| Google Gemini | 45 | (30–62) | A | A NIB laborja gyors és megbízható (2026-os terv: 170 minta), de a fertőzött területeken a tünetes tőkéket már mintavétel és laborvizsgálat nélkül kell kivágni. |
| OpenAI ChatGPT | 94 | (81–99) | C · data gap | A fertőzött zónában nincs hivatalos mintázás, a tünetes tőkék PCR nélküli eltávolítása a meghatározás szerint hiány.Knowledge base: D, E |
G6 — Difficulty of notification
MethodologyFinal value: 38.5 · central value: 38.5 (median: 39 · mean: 38) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 40 | (28–55) | C | Telefon, e-mail és online szaktanácsadói űrlap, a közszolgálat kezeli.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/SI.md |
| Google Gemini | 35 | (22–48) | B | A bejelentés a KGZS szaktanácsadóinál vagy a felügyelőségnél történik (a kártalanításhoz a KGZS 5+5 munkanapon belül szemléz és jegyzőkönyvez), dedikált fotós app nélkül. |
| OpenAI ChatGPT | 39 | (24–59) | C · data gap | Regionális elérhetőségek és online kapcsolat vannak, egységes FD-ügykövetés és hétnapos visszajelzés nem igazolt.Knowledge base: D, J |
G8 — Disincentives to notify
MethodologyFinal value: 51.3 · central value: 51.3 (median: 48 · mean: 54.7) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 48 | (35–62) | A | Egyes tőre is van térítés (0,43–6,35 EUR), de 2026-ban nincs kifizetés, 2027-re visszamenőleg ígért.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, 25_gazdasag_karok_kartalanitas_biztositas.md, orszagok/SI.md |
| Google Gemini | 48 | (35–62) | A | Egyedi tőkére is jár állami kártalanítás (≤20% fertőzöttségnél, 2025: 1,61 M EUR) és >20%-nál szerkezetátalakítási támogatás, de 2026-ban a lejárt rendelet miatt szünetel a kifizetés (2027-re ígérték visszamenőleg). |
| OpenAI ChatGPT | 68 | (49–84) | C · data gap | A 2025-ös térítés után 2026-ban szünet van; a tőkénkénti összeg teljes értékfedezete és az átlagos várakozás ismeretlen.Knowledge base: D, I |
G11 — Lack of economic interest in detection
MethodologyFinal value: 55.2 · central value: 55.2 (median: 55 · mean: 55.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 55 | (40–70) | B | A szőlőt eladók helyzete évek óta rossz, csődök, a szerkezetátalakítás FD alapján is elérhető.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 25_gazdasag_karok_kartalanitas_biztositas.md, orszagok/SI.md |
| Google Gemini | 52 | (38–65) | A | A gyenge jövedelmezőség, a 2026-os hőség miatti terméskiesés és a kártalanítás idei felfüggesztése mérsékli a termelők saját felderítési és bejelentési aktivitását. |
| OpenAI ChatGPT | 59 | (38–79) | C · data gap | A romló ár–költség-viszony gyengíti a saját keresési érdeket, általános szándékos 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.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/SI.md |
| Google Gemini | 95 | (90–100) | C | Nincs engedélyezett vagy szabadföldön igazolt gyógymód az FD-re. |
| OpenAI ChatGPT | 75 | (70–91) | C | Nemzetközi laborhatás ismert, engedélyezett vagy meggyőzően igazolt szabadföldi gyógymód nincs.Knowledge base: E, H, I |
V2 — Lack of resistant varieties
MethodologyFinal value: 100 · central value: 100 (median: 100 · mean: 100) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 100 | (99–100) | B | A szakértő szerint nincs ellenálló fajta, a fajták közti különbség nem rezisztencia.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/SI.md |
| Google Gemini | 100 | (99–100) | B | A maribori szaktanácsadás is megerősíti, hogy nincs az FD-re rezisztens szőlőfajta. |
| OpenAI ChatGPT | 100 | (99–100) | C | Igazoltan FD-ellenálló fajtákkal telepített terület nincs, a tolerancia nem csökkenti ezt az arányt.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 | Hazai Kékfrankos-megfigyelés n = 4, négyből három PCR-negatív lett, háló alatt.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 02_korokozo_biologia_genotipusok.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/SI.md |
| Google Gemini | – | not given | C | Kékfrankoson kísérletben megfigyeltek tünetmentesedést, de a gyakorlatban nem alkalmazható és a fertőzött tőke kivágása kötelező. |
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 | Rekordmeleg nyár, 72 % csapadék, keleten szeptemberben is nagyon száraz.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/SI.md |
| Google Gemini | – | not given | A | 2026 nyara 1950 óta a legmelegebb (+2,8 °C) és nagyon száraz (72% csapadék) volt, szeptemberben Kelet-Szlovéniában 35–60%-os csapadékindexszel és hőstressz miatti terméskieséssel. |
V5 — Lack of resources for community treatment and research
MethodologyFinal value: 40 · central value: 40 (median: 40 · mean: 40) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 40 | (28–55) | A | Eseti kutatás és szerkezetátalakítás, 2026-ban szünet, többéves akcióterv készül, 2027-re forrás.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/SI.md |
| Google Gemini | 34 | (22–48) | A | 2026 októberében kormányzati FD-munkacsoport alakult többéves akciótervre, a 2027-es költségvetésben biztosították a kártalanítási forrást, működik a szerkezetátalakítás (3,9 M EUR) és a NIB/KIS kutatásfinanszírozás. |
| OpenAI ChatGPT | 46 | (27–69) | C · data gap | Projektkutatás és tényleges újratelepítési támogatás van, tartós gyógymód- és fajtakutatási keret nem teljesen igazolt.Knowledge base: H, I, J |
V6 — Lack of a market for development
MethodologyFinal value: 60 · central value: 60 (median: 60 · mean: 60) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 60 | (45–72) | B | −14 % 2013–2025, gyenge jövedelem, magánfejlesztés nem ismert.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/SI.md |
| Google Gemini | 58 | (45–70) | A | Lassan csökkenő szőlőterület (13 887 ha, –1,5%) és gyenge termelői jövedelmezőség mellett a felvásárlási árak (0,9–1,2 EUR/kg) és az állami szerkezetátalakítási program fenntartják a piacot. |
| OpenAI ChatGPT | 62 | (42–79) | C · data gap | A területcsökkenés és romló jövedelmezőség gyengíti a keresletet, a nemzetközi fejlesztési piac fennmarad.Knowledge base: I, J |
J — Epidemic burden
MethodologyFinal value: 90 · central value: 90 (median: 92.6 · mean: 87.5) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 92.60.8% | (73.3–100) | B | Kb. 350 ezer tő (2023: 315 ezer, 2024: 201 ezer térített, 2025: kb. 290 ezer becsült) / kb. 48 M tő.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/SI.md |
| Google Gemini | 73.30.45% | (46.3–100) | A | Az országos ~13 887 ha (~50 millió tőke) állományból évi ~180–315 ezer tőke után igényelnek kártalanítást, és 2026-ban a fertőzöttség tovább nőtt. |
| OpenAI ChatGPT | 96.50.9% | (53.7–100) | C · data gap | Becsült 499932 kijelölt tő/55548000 országos tő; a korábbi térítési tőkeszámok támpontok, nem a tárgyévi teljes számláló.Knowledge base: I, J |
Expert estimate, not official data.