Звучит логично. Но «все данные» — это бесконечный объект: пока одни массивы очищают и описывают, появляются новые системы, поля, документы и версии процессов. В результате компания годами строит фундамент, не проверив, нужен ли он для конкретного AI-сценария. Для старта не нужны идеальные данные всей компании. Нужен минимально достаточный набор данных для одной понятной задачи.

Я бы проверяла его по трём критериям.

1. Данные связаны с конкретным действием Не «возьмём всё, что накопилось в CRM», а «какие данные нужны, чтобы подготовить менеджеру черновик ответа, найти отклонение или классифицировать обращение». AI работает не с данными компании вообще, а с определёнными данными внутри конкретной задачи. Сначала — действие и ожидаемый результат. Потом — состав данных.

2. Понятны источник и права доступа Откуда взялись данные? Какая система является источником истины? Какая версия актуальна? Кто может их видеть и использовать? Должен ли агент учитывать права конкретного пользователя? Без ответов на эти вопросы сценарий может хорошо выглядеть на демонстрации, но его опасно переносить в production.

3. Качество соответствует цене ошибки Опечатка в черновике внутреннего письма и неверная сумма в финансовом документе требуют совершенно разного уровня качества и контроля. Не существует абстрактно «хороших данных». Есть данные, качество которых достаточно или недостаточно для конкретного решения и связанных с ним рисков. Это не означает, что плохое качество данных можно игнорировать. Наоборот: первый реальный AI-сценарий быстро показывает, какие именно проблемы критичны — дубли, пропуски, устаревшие справочники, разрозненные форматы или отсутствие владельца. Но исправлять их стоит не «вообще», а в контексте процесса, где это создаёт измеримую ценность.

Не нужно сначала подготовить все данные для AI. Нужно выбрать задачу, которая покажет, какие данные действительно стоит привести в порядок.

А вы сталкивались с такой ситуацией: сначала пытаются привести в порядок все данные и только потом начать проект AI-трансформации?

#AITransformation #DataStrategy #DataQuality #ArtificialIntelligence #DigitalTransformation