Az értéklánc összekötése a jelentés és az adat állapotán áll, nem a technikai lehetőségen. Egy hibás adatot gyorsan és széles körben terjesztő rendszer rosszabb, mint egy lassú, széttagolt működés, ezért az adatoldal a módszertan korlátozó tényezője.
Három tényező
Az adat szerepe a teljesítményben
A gépi kogníció teljesítménye három tényezőtől függ, ezek közül kettő a vállalat kezében van. Az első a modell képessége, amely adott és vásárolható. A második a rendelkezésre álló kontextus, vagyis mit lát a rendszer a feladat elvégzéséhez. Harmadikként az elfogadási kritérium élessége számít. A gyakorlati kudarcok döntő többsége a második és a harmadik tényezőből származik, és mindkettő adatkérdés, hiszen a kontextus és a kritérium is rögzített, karbantartott információ.
Ennek fontos következménye, hogy a modellválasztás jellemzően kisebb hatású döntés, mint az adatállapot javítása. Egy gyengébb modell jó kontextussal és éles kritériummal jobb eredményt ad, mint egy erősebb modell hiányos és ellentmondásos alapon.
Dimenziók
Minőségi dimenziók
A klasszikus adatminőség dimenziói érvényesek, és a gépi felhasználás néhány továbbival bővíti őket. Együtt adja a két csoport a felmérés szempontrendszerét.
| Dimenzió | Kérdés | Tipikus hibajelenség |
|---|---|---|
| Pontosság | megfelel-e az adat a valóságnak | téves állítás meggyőző formában |
| Teljesség | kitöltöttek-e a szükséges mezők | a gép pótolja a hiányt, találgatással |
| Konzisztencia | ugyanazt mondja-e több rendszer | ellentmondó kimenetek |
| Időszerűség | elég friss-e a döntéshez | elavult áron adott ajánlat |
| Érvényesség | megfelel-e a formai szabálynak | feldolgozási hiba, kiesett eset |
| Egyediség | van-e kettőzés | ugyanaz az ügyfél több néven |
| Követhetőség | tudható-e, honnan jött | hivatkozhatatlan állítás, auditálhatatlan döntés |
| Jelentés egyértelműsége | egyféleképpen értelmezhető-e a mező | két terület más dolgot számol ugyanazon a néven |
| Kontextuális teljesség | elég-e az adat a döntés megértéséhez | formailag helyes, tartalmilag félrevezető kimenet |
| Visszakereshetőség | megtalálható-e a kérdéshez tartozó rész | a válasz a meglévő tudás ellenére hiányos |
| Jogi tisztaság | felhasználható-e erre a célra | szerződésszegés, adatvédelmi kockázat |
| Reprezentativitás | leképezi-e a tényleges esetek szóródását | a kivételeken rosszul működő folyamat |
A kár
Miért nagyobb a rossz adat kára, mint korábban
Emberi munkában a rossz adat jellemzően fennakadt a végzőn, mert a tapasztalt munkatárs észrevette a valószerűtlen értéket és visszakérdezett. Gépi feldolgozás mellett ez a szűrő kikerül a rendszerből, a kimenet pedig megformált, határozott és hivatkozásokkal ellátott állítás lesz. A hibás bemenet így hitelesnek látszó következtetéssé alakul, és a téves eredmény gyorsabban kerül döntésbe.
A helyzetet rontja, hogy a gépi kimenet bizalmi szintje nem a bemenet minőségét tükrözi. Hiányos alapon is magabiztos megfogalmazás születik, ezért a felhasználó nem kap jelzést a bizonytalanságról. A tervezés feladata ennek a jelzésnek a beépítése, vagyis a hiányzó adat esetén a folyamat álljon meg, ne pótoljon.
Adattermék
Adattermék, szerződés, szemantikai réteg
A működő megoldás az adat termékként való kezelése. Minden adattermékhez adatlap tartozik, amely hat kérdésre válaszol.
- Mit tartalmaz és milyen jelentéssel, mezőszinten leírva.
- Ki a felelős, név szerint.
- Milyen gyakran frissül, és mi a megengedett késés.
- Milyen minőségi vállalás tartozik hozzá, mérhető formában.
- Honnan származik, és milyen átalakításon ment át.
- Ki és milyen célra használhatja fel.
A fogyasztó és az előállító között szerződés áll, amely a felület és a jelentés stabilitását rögzíti. Ennek megszegése, vagyis a néma sémaváltás vagy jelentésváltás a gyakorlatban a leggyakoribb hibaforrás a termelésbe állított folyamatokban, ezért a változáskezelés szabálya is az adatlap része.
A szemantikai réteg feladata, hogy a központi fogalmak egyetlen definícióból származzanak. Ez a réteg mondja meg a gyakorlatban, mely szűrések és összegzések tartoznak az aktív ügyfél fogalmához, és minden felhasználás ebből indul.
Visszakeresés
A visszakeresésre kész tudás
A vállalati tudás nagy része dokumentumokban él, és ebben a formában gépi felhasználásra alkalmatlan. Négy feltételt jelent a visszakeresésre kész állapot.
Szemléletes egységekre bontás. A dokumentum olyan részekre tagolva álljon, amelyek önmagukban értelmesek, mert a visszakeresés ezeket a részeket adja át.
Metaadat. Minden egységhez tartozzon érvényességi idő, forrás, felelős terület és hozzáférési szint, különben az elavult és az érvényes anyag összekeveredik.
Elavult anyag kivonása. A régi szabályzatok eltávolítása nélkül a rendszer ellentmondó forrásokból dolgozik, és a kimenet véletlenül választ közülük.
Hozzáférés leképezése. A jogosultság az eredeti dokumentumhoz tartozik, és a visszakeresésnek ezt meg kell őriznie, különben a kimenet olyan tartalmat szivárogtat ki, amelyhez a kérdező nem jogosult.
Megelőzés
A megelőzés ökonómiája
A minőségmenedzsmentből ismert arányszabály szerint a hiba megelőzése egy, a javítása tíz, a következményeinek kezelése száz egységbe kerül. Gépi feldolgozásnál ez az arány romlik, mert a hiba hatóköre nagyobb és a felderítés nehezebb. A gyakorlati következtetés a bemeneti kapuk elsőbbsége, vagyis az adat helyességét a keletkezés helyén kell biztosítani, nem a felhasználás helyén javítani.
A bevezetési gyakorlatban ez sorrendi döntést jelent. Egy folyamat automatizálása előtt a felhasznált adattermékek állapotát fel kell mérni, és a hiányzó minőséget pótolni kell. Az ettől eltérő sorrend előre ismert kudarc, az adatállapot javítása ugyanis a bevezetés közben derül ki, akkor pedig már a projekt hitelessége is kockán van.
Íráskultúra
Az íráskultúra mint adatgyártás
A módszertan egyik nem várt következménye, hogy a szervezet írásbeli kultúrája közvetlen termelési tényezővé válik. Ami nincs leírva, az a gép számára nem létezik, és a gépi kogníció haszna ezért attól függ, mennyi szervezeti tudás él visszakereshető formában.
Ebből három gyakorlati szabály következik. A döntések indoklása írásban készüljön, mert az indoklás a későbbi hasonló esetek kontextusa lesz. Strukturált formában rögzüljön a megbeszélések eredménye, ne hangfelvételként és ne egyéni jegyzetként. A szóbeli egyeztetés pedig ne helyettesítse a dokumentálást, mert a nem írott döntés újratárgyalást és következetlen működést szül.
Az íráskultúra fejlesztése önmagában is javítja a működést, függetlenül a gépi kogníciótól, a két hatás pedig egymást erősíti. Írott tudásból lesz a gép bemenete, a gép pedig az írás költségét csökkenti, így a korábbi dokumentálási ellenállás nagy része megszűnik.
Tovább
Kapcsolódó gyakorlati anyagok
Az itt leírt elvek gyakorlati kifejtése három cikkben olvasható. Az adatállapot felméréséről és a tisztítás sorrendjéről szól az AI annyit ér, amennyit az adat alatta. Az ellentmondó belső dokumentumok kezeléséről és az érvényesség jelöléséről szól melyik dokumentum az igaz az AI szemében. A visszakeresésre kész tudásbázis felépítésének technikai oldalát adja a RAG és belső AI tudásbázis építése.
Hivatkozások
Hivatkozott források
Az anyag állításai az alábbi szakirodalomra épülnek.
- DAMA International (2017). DAMA-DMBOK. Data Management Body of Knowledge. 2. kiadás, Technics Publications.
- Redman, T. C. (2016). Getting in Front on Data. Who Does What. Technics Publications.
- Dehghani, Z. (2022). Data Mesh. Delivering Data-Driven Value at Scale. O'Reilly Media.
- Shumailov, I., Shumaylov, Z., Zhao, Y., Papernot, N., Anderson, R., Gal, Y. (2024). AI Models Collapse When Trained on Recursively Generated Data. Nature, 631, 755-759.
- Zuboff, S. (1988). In the Age of the Smart Machine. The Future of Work and Power. Basic Books.
- Az Európai Parlament és a Tanács (EU) 2016/679 rendelete a személyes adatok védelméről.