В прошлом посте я писал, что без управления данными не бывает надёжного AI. Сейчас хочу поделиться, как я углубляюсь в эту тему. За последние месяцы я прошёл путь от «понимаю, что AI Governance важен» до «знаю, как его выстраивать»: — Изучил NIST AI RMF и ISO/IEC 42001 — фреймворки, которые определяют, как управлять рисками AI, обеспечивать прозрачность и соответствие регуляторным требованиям. — Разобрался, что такое AI-ready данные: почему каталог, lineage, качество и семантика — это не «бюрократия», а инфраструктура доверия для AI-агентов. — Провёл обследование AI-готовности для клиента: оценил, какие данные есть, как они управляются и что нужно, чтобы AI работал надёжно. На данный момент набираю практический опыт в построении AI Governance, отлично понимаю, как это делается и какие элементы критичны. Главный вывод: Data Governance — это не «про данные». Это про то, как данные превращаются в ценность для бизнеса и AI. А теперь вопрос к вам: что в вашей компании мешает AI работать надёжно — качество данных, доступы, метаданные или отсутствие единых стандартов? Поделитесь в комментариях — мне интересно, с какими вызовами сталкиваются коллеги. #DataGovernance #AIGovernance #AI #DataManagement #AISafety