В прошлый раз я упомянал, что Data Governance — фундамент для AI. Сегодня я хочу копнуть немного глубже: что конкретно нужно сделать, чтобы AI работал надёжно.

Я прошел курс по AI Governance и выделил для себя три ключевых элемента, без которых AI-инициативы буксуют: 1. Контекст. AI-агенту нужно понимать, что означают данные. Без семантического слоя и бизнес-глоссария он будет «галлюцинировать» даже на качественных данных. Data Catalog и метаданные — это не просто «документация», это «память» агента. 2. Доступы. AI-агент должен видеть только то, что ему разрешено. Это не «закрыть всё», а «разграничить точно». RBAC, классификация данных, логирование — это то, что позволяет агенту работать безопасно. 3. Качество. AI не прощает ошибок в данных. Если в DWH есть дубли или пропуски — агент будет принимать неверные решения. DQ-проверки, SLA, мониторинг — это необходимость, если качество решений AI важно (особенно для Высокого риска).

Главный вывод: AI Governance — это отдельная функция, которая базируется на Data Governance. Без DG не будет качественного и безопасного AI.

А как обстоят дела с AI Governance в вашей компании? Руководство уже начало ощущать необходимость функции?

В следующий раз поговорим подробнее про ключевые риски AI через призму EU AI Act - одного из первых в мире регламентов по управлению рисками AI.

#AIGovernance #DataGovernance #AI #DataQuality #DataCatalog #EU_Ai_Act