FKI evaluation – Slovakia, 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
- 15%
- Unknown foci
- 25%
- Vine loss
- 99%
- Epidemic burden
- 75.1 points
- Without epidemic burden: 39%
With good practice, the FKI would be about 2.1 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 | 24(13–42) | 22(12–35) | 28(14–46) | 24.3 |
| E1a Confirmed exposure | 12(6–22) | 14(7–24) | 14(5–28) | 13.7 |
| I Infection density | 80.1(58.8–97.7) | 69.9(50–87) | 65.1(42.5–92.3) | 70.8 |
| T9 Introduction pressure | 72(60–84) | 76(65–86) | 69(54–83) | 72.2 |
| T1 Leafhopper distribution | 92(85–97) | 92(85–97) | 90(73–99) | 91.7 |
| T2 Leafhopper density | 62(35–85) | 68(50–82) | 62(34–86) | 63 |
| T3 Lack of control in commercial vineyards | 38(25–52) | 35(22–48) | 42(27–62) | 38.2 |
| T5a Lack of control in abandoned refuges | 80(65–90) | 78(65–88) | 79(56–94) | 79 |
| T5b Lack of control in home-garden vines | 55(40–72) | 55(40–70) | 61(38–83) | 56 |
| T4 Shortfall in control quality | 22(12–35) | 22(12–34) | 38(24–56) | 24.7 |
| T7 Lack of awareness about control | 45(30–60) | 38(25–50) | 44(24–67) | 43.2 |
| T10 Lack of source removal | 32(15–50) | 25(12–40) | 39(17–68) | 32 |
| T11 Lack of economic capacity for control | 68(52–80) | 68(55–80) | 69(45–86) | 68.2 |
| T6 Propagating-material pathway | 38(25–55) | 22(12–35) | 39(22–62) | 35.5 |
| T8 Weather | – | – | – | 50 |
| Unknown foci | ||||
| G1 Unsurveyed share, commercial | 55(35–75) | 45(30–62) | 73(45–93) | 56.3 |
| G5a Unsurveyed share, home gardens | 93(82–98) | 88(75–96) | 87(64–97) | 88.7 |
| G5b Unsurveyed share, abandoned vineyards | 78(60–92) | 78(62–90) | 88(64–98) | 79.7 |
| G2 Survey unreliability | 32(22–50) | 28(18–40) | 47(27–70) | 33.8 |
| G4 Weakness of automated pre-screening | 97(90–100) | 100(95–100) | 97(83–100) | 97.5 |
| G3 Lack of lab confirmation | 80(60–92) | 48(32–65) | 78(52–95) | 73.3 |
| G6 Difficulty of notification | 50(38–62) | 50(40–60) | 49(36–63) | 49.8 |
| G8 Disincentives to notify | 72(58–84) | 76(65–86) | 77(61–89) | 75.5 |
| G11 Lack of economic interest in detection | 66(50–80) | 66(52–78) | 67(42–85) | 66.2 |
| 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 | 55(42–72) | 52(38–65) | 72(48–89) | 57.3 |
| V6 Lack of a market for development | 66(50–80) | 74(62–85) | 73(53–87) | 72 |
| Epidemic burden | ||||
| J Epidemic burden | 76.9(53.7–100) | 85.6(53.7–100) | 57.5(34.4–96.5) | 75.1 |
FD Finder Expert’s summary
Szlovákia 48%-os értéke (sáv: 44–57) előzetes, és a gépi tagokat (E1, E1a, T1, T2) itt is szakértők becsülték: Claude, Gemini és ChatGPT. A T 14,5, a G 25,4, a J 75,1 pont, és J nélkül az érték 39% lenne, tehát itt a már bekövetkezett kár emel számottevően. A karantén a szőlőterület mintegy 75%-át fedi, 2026. június 9-ig 112,05 ha összefüggő szőlőt és mintegy 75 000 egyedi tőt vágtak ki (SK-013), az E1 mégis csak 24,3 pont, mert a szakértők a fertőzött zónás községeket számolták, nem a teljes járásokat; a 120 millió eurós kártalanítási sémából október 27-ig nem indult kifizetés (SK-032). A laborigazolás hiányánál (G3) Gemini 48, ChatGPT 78, Claude 80 pontot adott, mert a labor nélküli zónás kivágást (SK-012) és a késve érkező eredményeket (SK-024) ChatGPT és Claude nagyobb hiánynak számolta, mint Gemini. A legnagyobb bizonytalanság a J számlálója: a becslések 0,28–0,65% között vannak, mert a kivágott tőkék teljes száma nem nyilvános, és az összefüggő kivágásokban a tünetmentes tő aránya nem ismert. A pontosabb értékhez éves hatósági tőszám, községi szőlőterület és a 2026-ban ténylegesen átvizsgált hektár kellene.
By sub-indicator
E1 — Extent of infection
MethodologyFinal value: 24.3 · central value: 24.3 (median: 24 · mean: 24.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 24 | (13–42) | B | 38 egész fertőzött község és új leletek, a 75–78 % karantén csak felső korlát, a községi terület nem nyilvános.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/SK.md |
| Google Gemini | 22 | (12–35) | A | A 12–13 karanténjárás a szőlőterület 75–78%-át fedi le (pufferrel együtt), de a tényleges fertőzött zónás (zamorená) községek száma 38+ a 715 szőlős községből. |
| OpenAI ChatGPT | 28 | (14–46) | C · data gap | A góctelepülések becsült szőlőterületi súlyát vettem, nem a nagyobb járási karanténok 75%-os lefedettségét.Knowledge base: I, J |
E1a — Confirmed exposure
MethodologyFinal value: 13.7 · central value: 13.7 (median: 14 · mean: 13.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 12 | (6–22) | C · data gap | Kb. 40 gócegyüttes 1 km-es köre becsült szőlőaránnyal.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/SK.md |
| Google Gemini | 14 | (7–24) | B | A fertőzött községeken belül az igazolt gócok 1 km-es körével ténylegesen átfedő szőlőterület aránya az országos ~12 981 ha-ból. |
| OpenAI ChatGPT | 14 | (5–28) | C · data gap | A gócok 1 km-es szőlőterületi metszete nem áll rendelkezésre, ezért a kitettség becslés.Knowledge base: I, J |
I — Infection density
MethodologyFinal value: 70.8 · central value: 70.8 (median: 69.9 · mean: 71.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 80.14% | (58.8–97.7) | C · data gap | Kb. 200–250 ezer tő kb. 5,4 M kitett tőből, a nevező becsült.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/SK.md |
| Google Gemini | 69.92.5% | (50–87) | B | A kitett területen 2026 júniusáig ~75–86 ezer egyedi tőkét és 83–112 ha összefüggő (>20%-ban fertőzött) szőlőt vágtak ki. |
| OpenAI ChatGPT | 65.12% | (42.5–92.3) | C · data gap | Becsült 145387 kijelölt tő/7269360 kitett tő; az átvizsgált hektár ismeretlen, a teljesen kivágott parcellák egészét kizártam.Knowledge base: I, J |
T9 — Introduction pressure
MethodologyFinal value: 72.2 · central value: 72.2 (median: 72 · mean: 72.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 72 | (60–84) | B | A határos magyar vármegyékben és Burgenlandban határközeli gócok, az import visszaesett.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/SK.md |
| Google Gemini | 76 | (65–86) | B | Magyarország (mind a 6 határos megye), Ausztria (NÖ, Burgenland) és Csehország (Dél-Morvaország) határ menti sávjában is kiterjedt a fertőzés. |
| OpenAI ChatGPT | 69 | (54–83) | C · data gap | A magyar és osztrák irány erősödő nyomást jelent, de nem minden határszakasz érintettsége igazolt.Knowledge base: C, I, J |
T1 — Leafhopper distribution
MethodologyFinal value: 91.7 · central value: 91.7 (median: 92 · mean: 91.3) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 92 | (85–97) | B | Kumuláltan 34 járás a terület 92 %-a, nem két szezonos lista.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/SK.md |
| Google Gemini | 92 | (85–97) | A | A vektort 34 járásban mutatták ki (a regisztrált szőlőterület 92–95%-a), minden szlovák borvidéken jelen van. |
| OpenAI ChatGPT | 90 | (73–99) | C · data gap | A történeti járási elterjedés széles, de a kumulált adat nem pontos kétszezonos területi arány.Knowledge base: B, E, J |
T2 — Leafhopper density
MethodologyFinal value: 63 · central value: 63 (median: 62 · mean: 64) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 62 | (35–85) | C · data gap | Számszerű hatósági fogás nincs, egyetlen kezeletlen kutatási pont kb. 85 egyed/csapda/10 nap, a jelzések időzítési adatok.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/SK.md |
| Google Gemini | 68 | (50–82) | B | Kezelés előtti mérés Kamenný Mostban 182 imágó/hét (~85/csapda/10 nap, magas); a 2025-ös kalamitás miatt 2026-ban a küszöböt eltörölték. |
| OpenAI ChatGPT | 62 | (34–86) | C · data gap | Kezelés előtti stádiumadat van, országos lárvasűrűség nincs; régi kezeletlen fogás háttér, ismeretlen kezelésű fogást kizártam.Knowledge base: B, E, J |
T3 — Lack of control in commercial vineyards
MethodologyFinal value: 38.2 · central value: 38.2 (median: 38 · mean: 38.3) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 38 | (25–52) | A | A karanténjárásokban (78 %) 3/2 kötelező kezelés ellenőrzéssel, máshol ajánlás, teljesülés nem közölt.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/SK.md |
| Google Gemini | 35 | (22–48) | A | A terület ~78%-át adó karanténjárásokban 3 (fertőzött zóna) illetve ≥2 (puffer) kezelés kötelező (öko művelésben is), azon kívül ajánlott. |
| OpenAI ChatGPT | 42 | (27–62) | A | A kiterjedt zónákban kötelező többszöri kezelés van, a tényleges országos teljesítés nem igazolt. |
T5a — Lack of control in abandoned refuges
MethodologyFinal value: 79 · central value: 79 (median: 79 · mean: 79) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 80 | (65–90) | B | Kb. 1 736 ha nem művelt, felszámolási program nincs, a végrehajtást elhanyagolhatónak mondják.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/SK.md |
| Google Gemini | 78 | (65–88) | B | A regisztrált terület 13,4%-a (1735 ha) nem művelt (Pezinokban helyi becslés szerint 50%), a végrehajtás és felszámolás a ZVVS szerint elhanyagolható. |
| OpenAI ChatGPT | 79 | (56–94) | C · data gap | A felhagyás és végrehajtási nehézség jelentősnek látszik, a helyi termelői állítás nem országos arányszám.Knowledge base: D, E, J |
T5b — Lack of control in home-garden vines
MethodologyFinal value: 56 · central value: 56 (median: 55 · mean: 57) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 55 | (40–72) | B | Kötelező és a községeken át tájékoztatnak, de a 10 ár alatti szőlő regiszteren kívül van.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/SK.md |
| Google Gemini | 55 | (40–70) | A | A karanténban a kiskertekre is kötelező a védekezés és a községeken át tájékoztatnak, de a <1000 m²-es kertek nincsenek regisztrálva, ellenőrzésük minimális. |
| OpenAI ChatGPT | 61 | (38–83) | C · data gap | A kötelezés és lakossági tájékoztatás mellett a kis kertek nyilvántartási és ellenőrzési lefedettsége hiányos.Knowledge base: D, J |
T4 — Shortfall in control quality
MethodologyFinal value: 24.7 · central value: 24.7 (median: 22 · mean: 27.3) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 22 | (12–35) | A | Országos lárvastádium-jelzés, több szer, ökogazdaságnak is van út.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/SK.md |
| Google Gemini | 22 | (12–34) | A | Pontos, lárvastádiumhoz és régióhoz igazított ÚKSÚP-signalizáció és 10 engedélyezett készítmény van; zónában az öko termelőknek is kötelező a hatásos szer. |
| OpenAI ChatGPT | 38 | (24–56) | A | Stádiumhoz igazított felhívások és szerlista vannak, az ökológiai alkalmazhatóság és helyi összehangolás korlátozott. |
T7 — Lack of awareness about control
MethodologyFinal value: 43.2 · central value: 43.2 (median: 44 · mean: 42.3) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 45 | (30–60) | A | E-mail a termelőknek és 715 községi hivatal, a kiskertek elérése ismeretlen.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 45_kabocaterjedes_es_vedekezes_helyzetkep.md, orszagok/SK.md |
| Google Gemini | 38 | (25–50) | A | Az ÚKSÚP 745 regisztrált termelőnek és 715 szőlős községnek küldött közvetlen tájékoztatást, szemináriumokkal és médiakampánnyal, de a kiskertek elérése közvetett. |
| OpenAI ChatGPT | 44 | (24–67) | C · data gap | Több lakossági és szakmai csatorna működik, tényleges elérési arány és képzési részvétel nélkül.Knowledge base: G, J |
T10 — Lack of source removal
MethodologyFinal value: 32 · central value: 32 (median: 32 · mean: 32) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 32 | (15–50) | B · data gap | Nagy tömegű kivágás, de a határidőn túli rész nem nyilvános.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/SK.md |
| Google Gemini | 25 | (12–40) | A | Szigorított kivágási rend (zamorená zónában labor nélkül, >20%-nál teljes tábla); 2026 júniusáig 112 ha és ~75–86 ezer tőke kivágását hajtották végre. |
| OpenAI ChatGPT | 39 | (17–68) | C · data gap | Jelentős eltávolítás történt, de a határidős kötelezések teljes tőkeszáma nélkül a mulasztási arány nem számolható.Knowledge base: D, J |
T11 — Lack of economic capacity for control
MethodologyFinal value: 68.2 · central value: 68.2 (median: 68 · mean: 68.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 68 | (52–80) | C | 2026-ban kb. 40 % kiesés, az ár utoljára az önköltség alatt, friss arány nincs.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 25_gazdasag_karok_kartalanitas_biztositas.md, orszagok/SK.md |
| Google Gemini | 68 | (55–80) | C | Strukturális ágazati válság, csökkenő integrált támogatás (601→354 EUR/ha) és 2026-ban ~40%-os aszálykár gyengíti a termelők gazdasági teherbírását. |
| OpenAI ChatGPT | 69 | (45–86) | C · data gap | A költségnyomás és zsugorodó termelés gyengíti az alapos védekezés fedezetét, országos önköltségsor nincs.Knowledge base: I, J |
T6 — Propagating-material pathway
MethodologyFinal value: 35.5 · central value: 35.5 (median: 38 · mean: 33) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 38 | (25–55) | A · data gap | 2026-ban minden uniós tétel laborvizsgálata, a házi szaporításról nincs adat.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/SK.md |
| Google Gemini | 22 | (12–35) | A | 2026-ban minden telepítendő uniós szaporítóanyag-tételre előzetes bejelentést és díjmentes, kötelező hatósági laborvizsgálatot rendeltek el. |
| OpenAI ChatGPT | 39 | (22–62) | C · data gap | Az uniós telepítési tételek vizsgálata szigorodott, de a házi szaporítás és csere teljes forgalma 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/SK.md |
| Google Gemini | – | not given | A | Őszi futásnál a szezonbeli megfigyelések (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: 56.3 · central value: 56.3 (median: 55 · mean: 57.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 55 | (35–75) | C · data gap | 2025: 732 minta 187 gazdaságból, 2026-os terv 1 500 minta (kb. 69 %, terv), drón nincs, hektár ismeretlen.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/SK.md |
| Google Gemini | 45 | (30–62) | C | 2025-ben 187 gazdaságban 732 mintát vettek; a 2026-os akcióterv 1500 mintát (~9000 ha terv szerinti lefedést) irányzott elő, de a tényleges 2026-os hektárszám nem ismert. |
| OpenAI ChatGPT | 73 | (45–93) | C · data gap | Július 20.–szeptember 30.: hatósági, csoportos, drónos és egyéb tényleges hektár/dátum ismeretlen; a mintaterv nem teljesítés.Knowledge base: D, F, J |
G5a — Unsurveyed share, home gardens
MethodologyFinal value: 88.7 · central value: 88.7 (median: 88 · mean: 89.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 93 | (82–98) | C · data gap | Regiszteren kívül, felügyelőnként egy közterületi minta.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/SK.md |
| Google Gemini | 88 | (75–96) | C | A 10 árnál (1000 m²) kisebb kiskertek nem regisztráltak, hatósági szemléjükről csak elvétve (pl. közterületi minták) van adat. |
| OpenAI ChatGPT | 87 | (64–97) | C · data gap | A nyilvántartáson kívüli kis kertek tünetszezonbeli szemlézett hányada nem ismert.Knowledge base: D, J |
G5b — Unsurveyed share, abandoned vineyards
MethodologyFinal value: 79.7 · central value: 79.7 (median: 78 · mean: 81.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 78 | (60–92) | C · data gap | A pufferben előírt a felmérés, de a számláló nem ismert.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/SK.md |
| Google Gemini | 78 | (62–90) | B | A pufferzónákban előírás a felhagyott szőlők felmérése, de az 1735 ha nem művelt terület tényleges átvizsgálási aránya alacsony. |
| OpenAI ChatGPT | 88 | (64–98) | C · data gap | A felhagyott állomány nagy, a szemlézett terület országos összesítése hiányzik.Knowledge base: D, J |
G2 — Survey unreliability
MethodologyFinal value: 33.8 · central value: 33.8 (median: 32 · mean: 35.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 32 | (22–50) | B | Csak hatósági szemle egységes jegyzőkönyvvel, a kapacitás kicsi.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/SK.md |
| Google Gemini | 28 | (18–40) | B | A hatósági szemlét 26 képzett ÚKSÚP-felügyelő végzi egységes protokollal (GPS, fotó) a tünetablakban; a termelői önellenőrzés gyengébb. |
| OpenAI ChatGPT | 47 | (27–70) | C · data gap | Hatósági protokoll és képzés van, a teljes szemlézői kör képzettségéről nincs adat.Knowledge base: A, D, G |
G4 — Weakness of automated pre-screening
MethodologyFinal value: 97.5 · central value: 97.5 (median: 97 · mean: 98) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 97 | (90–100) | C | Gépi előszűrés nem ismert.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 24_taverzekeles_kepfelismeres_mi.md, orszagok/SK.md |
| Google Gemini | 100 | (95–100) | C | Szlovákiában nincs hatósági vagy ágazati drónos/gépi képfelismerő FD-előszűrés. |
| OpenAI ChatGPT | 97 | (83–100) | C · data gap | Országosan működő, validált FD-gépi előszűrés nem dokumentált.Knowledge base: F, J |
G3 — Lack of lab confirmation
MethodologyFinal value: 73.3 · central value: 73.3 (median: 78 · mean: 68.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 80 | (60–92) | B | Decemberig 595/732 eredmény, augusztusi minták még vártak, a zónában a tünetes tő labor nélkül megy ki.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/SK.md |
| Google Gemini | 48 | (32–65) | A | 2025 őszén több hónapos csúszások voltak (732 mintából decemberig 595 kész), 2026-ra LAMP-pal bővítettek, de a fertőzött zónában már labor nélkül vágatnak ki. |
| OpenAI ChatGPT | 78 | (52–95) | C · data gap | Mintavétel nélküli zónás kivágás és késedelmi jelzés van, a mintázatlan gyanúk országos aránya nem ismert.Knowledge base: D, E |
G6 — Difficulty of notification
MethodologyFinal value: 49.8 · central value: 49.8 (median: 50 · mean: 49.7) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 50 | (38–62) | C | E-mail vagy levél a hatóságnak, fotós alkalmazás és követés nélkül.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, orszagok/SK.md |
| Google Gemini | 50 | (40–60) | C | A gyanúbejelentés e-mailben (ochrana@uksup.sk) vagy postán történik, dedikált fotós bejelentő alkalmazás és visszajelzési határidő nélkül. |
| OpenAI ChatGPT | 49 | (36–63) | C · data gap | Hatósági e-mailes és helyi bejelentési út van, egységes ügykövetés nem igazolt.Knowledge base: D, J |
G8 — Disincentives to notify
MethodologyFinal value: 75.5 · central value: 75.5 (median: 76 · mean: 75) · Evidence: class A
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 72 | (58–84) | A | A 120 M EUR-s séma jóváhagyva, de 2026-10-27-én nem működik, a kifizetés évekre van.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 46_felderites_bejelentes_kartalanitas_helyzetkep.md, 25_gazdasag_karok_kartalanitas_biztositas.md, orszagok/SK.md |
| Google Gemini | 76 | (65–86) | A | A 120 M EUR-s állami kártalanítási sémát (SA.121329) jóváhagyták, de 2026 október végén a végrehajtási dokumentumok még csak előkészítés alatt állnak, kifizetés nem indult. |
| OpenAI ChatGPT | 77 | (61–89) | C · data gap | A 120 millió eurós séma jóváhagyása mellett októberig nincs igazolt kifizetés; tényleges értékarány és átlagidő nincs.Knowledge base: D, I |
G11 — Lack of economic interest in detection
MethodologyFinal value: 66.2 · central value: 66.2 (median: 66 · mean: 66.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 66 | (50–80) | C · data gap | Strukturális válság és kilépési félelem, ár/önköltség adat nincs.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 25_gazdasag_karok_kartalanitas_biztositas.md, orszagok/SK.md |
| Google Gemini | 66 | (52–78) | B | A veszteséges termelés, az aszály és a ténylegesen még nem fizető kártalanítás miatt sok termelő a szőlő felhagyását fontolgatja, voltak be nem jelentésre buzdító hangok is. |
| OpenAI ChatGPT | 67 | (42–85) | C · data gap | A kilépési szándék és gazdasági nyomás gyengíti a keresési érdeket, országos küszöbkivárás 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.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/SK.md |
| Google Gemini | 95 | (90–100) | C | Nincs engedélyezett vagy szabadföldön igazolt gyógymód az FD-re. |
| OpenAI ChatGPT | 75 | (70–91) | C | Laboratóriumi FD-specifikus hatás ismert, engedélyezett vagy meggyőzően igazolt terepi gyógymód 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 „viszonylag ellenálló” nem rezisztencia.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/SK.md |
| Google Gemini | 100 | (99–100) | C | Igazoltan FD-ellenálló szőlőfajtával beültetett terület nincs. |
| OpenAI ChatGPT | 100 | (99–100) | C | Igazoltan FD-ellenálló fajták telepítése nem dokumentált.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 | A hatóság kizárja, külföldi Barbera-adat van, hazai nincs.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 02_korokozo_biologia_genotipusok.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/SK.md |
| Google Gemini | – | not given | C | Az ÚKSÚP szakmai útmutatója kifejezetten kizárja a fertőzött tőke felgyógyulását és regenerációját. |
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 | Tartós aszály, részleges országos adat, kb. 40 % terméskiesés-várakozás.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/SK.md |
| Google Gemini | – | not given | A | 2026-ban tartós, súlyos–extrém talajaszály (S3–S5, 80–150 napig) sújtotta a borvidékeket, ősszel is folytatódó csapadékhiánnyal és ~40%-os terméskieséssel. |
V5 — Lack of resources for community treatment and research
MethodologyFinal value: 57.3 · central value: 57.3 (median: 55 · mean: 59.7) · Evidence: class B
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 55 | (42–72) | B | Felderítési keret és helyi támogatás van, FD-kutatási és közösségi kezelési program nem került elő.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/SK.md |
| Google Gemini | 52 | (38–65) | B | Állami felderítési keret (314 ezer EUR), helyi önkormányzati permetezési támogatások (pl. Rača) és a 120 M EUR-s keret létezik, de hazai FD-kutatási projekt nem ismert. |
| OpenAI ChatGPT | 72 | (48–89) | C · data gap | Elérhető gyógymód- és fajtakutatási, illetve közösségi újratelepítési keret nem igazolt; a kompenzáció nem ilyen kutatási forrás.Knowledge base: H, I, J |
V6 — Lack of a market for development
MethodologyFinal value: 72 · central value: 72 (median: 73 · mean: 71) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 66 | (50–80) | C | Csökkenő terület, további 2–4 ezer ha kivágás várható.Knowledge base: 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, orszagok/SK.md |
| Google Gemini | 74 | (62–85) | C | Zsugorodó szőlőterület (12 981 ha, ebből 1735 ha műveletlen, a ZVVS 2–4 ezer ha kivágástól tart), csökkenő fogyasztás és gyenge fizetőképesség. |
| OpenAI ChatGPT | 73 | (53–87) | C · data gap | A területzsugorodás és gyenge fizetőképesség rontja a piacot, de nemzetközi fejlesztési kereslet marad.Knowledge base: I, J |
J — Epidemic burden
MethodologyFinal value: 75.1 · central value: 75.1 (median: 76.9 · mean: 73.3) · Evidence: class C
Scores and reasons by expert
| Expert | Score | Own range | Class | Reason |
|---|---|---|---|---|
| Anthropic Claude | 76.90.5% | (53.7–100) | C · data gap | Kb. 200–250 ezer tő / kb. 45 M tő (12 981 ha × 3 500); a 112 ha tünetmentes része kihagyva.Knowledge base: 49_orszagok_osszehasonlito_helyzetkep_kockazatbecsleshez.md, 47_gyogymod_fajtak_piac_noveny_allapot_kiterjedes_helyzetkep.md, orszagok/SK.md |
| Google Gemini | 85.60.65% | (53.7–100) | A | Az országos ~12 981 ha (~50 millió tőke) állományból 75–86 ezer egyedi tőkét és 83–112 ha összefüggő (>20%-ban fertőzött) szőlőt vágtak ki 2026 közepéig. |
| OpenAI ChatGPT | 57.50.28% | (34.4–96.5) | C · data gap | Becsült 145387 kijelölt tő/51924000 országos tő, a közölt egyedi eltávolításokra támaszkodva, egészséges táblarész nélkül.Knowledge base: I, J |
Expert estimate, not official data.