Spotkanie w ramach konferencji AI Summit Poland

W niejednej organizacji projekt AI rozbił się jakość danych: szumnie zapowiadany model sztucznej inteligencji nie działa prawidłowo, ponieważ został zasilony niskiej jakości bądź zbyt małą ilością danych. Wiele organizacji deklaruje, że posiada wdrożony data governance, który ma zapewnić odpowiedniej jakości dane.

Dopiero praktyka wdrożeń weryfikuje deklaracje i pokazuje na ile pokrywają się z rzeczywistością. Bez odpowiedniego przygotowania przez Chief Data Officera organizacji do gromadzenia i przetwarzania danych projekt wdrożenia sztucznej inteligencji okaże się kosztem, który nie przynosi oczekiwanej wartości.

Przejście do świata big data i AI oznacza też, że dotychczasowy data governance może po prostu nie wystarczać. Dane zbierane na potrzeby poprawnego działania systemu CRM, rozliczenia z kontrahentami i stworzenia prostego raportu były wystarczająco dobrej jakości. Ale do stworzenia modelu predykcyjnego sprzedaży może być potrzebny większy data set – podzielony na mniejsze interwały czasowe, z drobniejszą granulacją, z mniejszą granicą błędu, itd.

Czy w takim razie rozwój big data i sztucznej inteligencji powoduje, że musimy od nowa przemyśleć data governance w organizacji?