Dane jako fundament rozwiązań AI
Rozwiązanie AI przetwarza dane organizacji, a jego wyniki są tak wiarygodne, jak dane, na których pracuje. Dlatego gotowość danych oceniamy przed rozpoczęciem budowy, w odniesieniu do konkretnego zastosowania.
Ocena daje organizacji jasny obraz: które źródła są gotowe do wykorzystania, które wymagają przygotowania i jakiego nakładu pracy to wymaga. Decyzja o wdrożeniu opiera się wtedy na faktach.
O wartości rozwiązania AI decydują dane, na których pracuje.
Jakość danych
Jakość oceniamy w wymiarach, które przesądzają o wiarygodności wyników:
- Dostępność — lokalizacja danych, sposób dostępu i podstawa, na której rozwiązanie z nich korzysta.
- Kompletność — pokrycie informacji potrzebnych do realizacji zadania.
- Spójność — zgodność tych samych informacji między systemami.
- Aktualność — częstotliwość odświeżania dopasowana do potrzeb procesu.
- Pochodzenie — możliwość prześledzenia, skąd pochodzi każda informacja i jakim przekształceniom podlegała.
- Ujednolicenie pojęć — wspólne definicje kluczowych pojęć we wszystkich działach korzystających z danych.
Bezpieczeństwo danych
Dane trafiające do rozwiązań AI podlegają tym samym zasadom ochrony co w systemach źródłowych. Na etapie przygotowania:
- klasyfikujemy dane według poziomu wrażliwości, w tym dane osobowe i tajemnicę przedsiębiorstwa,
- przenosimy uprawnienia z systemów źródłowych, tak aby każdy użytkownik otrzymywał odpowiedzi wyłącznie na podstawie danych, do których ma dostęp,
- stosujemy minimalizację, pseudonimizację i anonimizację tam, gdzie wymaga tego zastosowanie,
- określamy lokalizację przetwarzania i przechowywania danych oraz zasady retencji,
- zapewniamy rejestrowanie dostępu i pełną ścieżkę audytu.
Organizacje, które przetwarzają dane w szczególnie chronionym obszarze, łączą tę pracę z prywatnym środowiskiem AI.
Dostarczanie danych do rozwiązań
Przygotowane dane trafiają do rozwiązań AI w sposób powtarzalny i kontrolowany. Projektujemy przepływy z systemów źródłowych, przekształcenia, indeksy wyszukiwania wykorzystywane przez modele oraz warstwę wspólnych definicji, z której korzystają zarówno analityka, jak i AI.
Uzgodnienia między dostawcami i odbiorcami danych zapisujemy w formie kontraktów danych. Jakość monitorujemy w sposób ciągły: kompletność, aktualność i zgodność ze schematem są stale kontrolowane, a odchylenia trafiają do właściciela danych, zanim wpłyną na wyniki.
Właścicielstwo i rozwój
Każde źródło danych ma właściciela, który odpowiada za jego jakość i decyduje o zmianach. Właścicielstwo ustalone na tym etapie staje się częścią zasad i nadzoru nad AI.
Wraz z kolejnymi zastosowaniami rosną wymagania wobec danych: nowe źródła, większa szczegółowość, częstsze odświeżanie. Dlatego gotowość danych prowadzimy jako proces wpisany w cykl życia rozwiązań i rozwijany razem z nimi.
Rezultat prac
Organizacja otrzymuje:
- ocenę gotowości danych dla wybranych zastosowań,
- klasyfikację danych i model uprawnień dla rozwiązań AI,
- wspólny słownik pojęć biznesowych,
- przepływy danych zasilające rozwiązania wraz z monitorowaniem jakości,
- przypisane właścicielstwo źródeł danych.