CLOUDY Podcast | #35 Prečo väčšina AI projektov zlyhá na dátach

Prečo je správne riadenie dát (Data Governance) pre AI kritické?

Algoritmy umelej inteligencie (AI) nie sú len samostatne fungujúce nástroje; ich úspech priamo závisí od kvality vstupných dát. Ak si predstavíme AI ako motor v našom biznise, potom dáta sú palivom, ktoré tento motor poháňa. Zatiaľ čo v klasickej Business Intelligence (BI) sú dáta pasívne a interpretuje ich človek, v prípade generatívnej AI sa model z dát učí a na ich základe odpovedá. Ak sú tieto dáta nekvalitné, historické alebo nesprávne, model bude taktiež nesprávny. Práve preto je systematické a koncepčné riadenie dát – Data Governance – dnes úplne kľúčové a kritické.

Kde firmy robia najčastejšiu chybu pred nasadením AI?

Najčastejšou chybou je, že firmy chcú nasadiť AI len preto, aby „mali AI“, bez reálneho pochopenia stavu svojich dát. Firmy často nemajú zavedené skutočné riadenie dát (Data Governance), čo vedie k otázkam, na ktoré nikto nepozná odpoveď: Kto vlastní tieto dáta? Kto je za ne zodpovedný? Dáta v organizáciách sa navyše často správajú ako „silo“ – jednotlivé oddelenia majú vlastné dáta, ktoré nie sú prepojené, čím firma stráca celkový pohľad na realitu. Namiesto plošného nasadzovania AI na všetkých oddeleniach naraz odporúčame začať s pilotnými projektmi, kde je jasne zadefinovaný cieľ a merateľné biznisové výsledky (KPI).

Akú rolu zohráva dátový audit a stratégia?

Ak firma nevie, či svojim dátam dôveruje, prvým krokom musí byť dátový audit. Ten vypovedá o skutočnej kvalite dát, ich pôvode, spôsobe tvorby a úpravy (tzv. data lineage). Dátová stratégia a AI stratégia sú dve rozdielne veci, ktoré sa musia dopĺňať. Cieľom nie je zaviesť AI ako takú, ale vylepšiť biznis, zefektívniť procesy a zvýšiť konkurencieschopnosť spoločnosti.

Ako začať s AI projektom úspešne?

Pre úspešnú implementáciu AI v rámci firmy odporúčame nasledovné tri kľúčové kroky:

• Zavedenie jasného modelu vlastníctva dát (Data Ownership): Je nevyhnutné presne definovať, kto je vlastníkom dát a kto zodpovedá za ich kvalitu na operatívnej úrovni.

• Investície do dátovej infraštruktúry: Cesta k úspešnému biznis modelu vedie cez kvalitné dátové platformy a spôsob, akým sú dáta prečistené a využívané.

• Viazanie AI projektov na konkrétny biznis outcome: Nerobíme AI pre AI, ale robíme ju pre konkrétny, merateľný prínos pre firmu (napr. zníženie nepodarkov vo výrobe alebo zvýšenie predajnosti).

Celý podcast si môžete vypočuť na 👉 Spotify, 👉Apple podcastoch alebo pozrieť na 👉 YouTube.