Budżet na dane dostaje się za odpowiedzi, a nie za platformę

Wniosek o budżet na inżynierię danych trafia zwykle na zarząd w najgorszej możliwej formie: jako platforma. Nowa warstwa składowania, katalog, narzędzia do kontroli jakości, harmonogram na półtora roku i obietnica, że „potem wszystko będzie łatwiejsze”. Zarząd słusznie pyta, co konkretnie się zmieni i kiedy, i nie dostaje odpowiedzi, którą dałoby się sprawdzić.

Ten sam wydatek opisany inaczej przechodzi znacznie łatwiej. Nie „potrzebujemy porządnych danych”, tylko „ten system odpowiada źle w tych przypadkach, z tego powodu, i tyle nas to dziś kosztuje”.

Dlaczego wniosek o platformę przegrywa

Nie ma odbiorcy. Platforma służy wszystkim, więc nikt konkretny nie odpowiada za to, czy się opłaciła. Pozycja bez właściciela wyniku jest pierwsza do skreślenia, gdy budżet się zaciska.

Nie ma momentu sprawdzenia. Korzyść jest obiecana na czas po zakończeniu, a zakończenie jest daleko. Zarząd, który raz już finansował taki program, zwykle pamięta, jak się skończył.

Konkuruje z wydatkami, które mają liczbę. Obok leży wniosek o nowego handlowca z prognozą przychodu i o maszynę z policzonym zwrotem. Wniosek o „fundament” przegrywa z każdym, kto umie powiedzieć, co firma dostanie i kiedy.

Od czego zacząć zamiast tego

Od jednego systemu AI, który już działa albo właśnie dostaje budżet, i od pytania, ile kosztuje to, że jego odpowiedziom nie da się ufać. Ten koszt rzadko siedzi w jednej pozycji księgowej, ale da się go złożyć z kilku.

Ręczne sprawdzanie. Jeśli eksperci weryfikują każdą odpowiedź, bo nie wiedzą, na jak świeżych danych powstała, system nie oszczędza ich czasu, tylko go przesuwa. Te godziny da się policzyć.

Pilotaż, który nie przechodzi na produkcję. Pokaz działał na wybranym zestawie, a prawdziwe dane go zatrzymały. Każdy miesiąc w tym stanie to koszt zespołu bez zwrotu.

Spory bez odpowiedzi. Klient albo audytor pyta, skąd wzięła się dana odpowiedź. Bez pochodzenia danych odpowiedzią jest kilka dni czyjejś pracy i niepewny wynik.

Wymogi regulacyjne. Jeśli system należy do kategorii wysokiego ryzyka w rozumieniu unijnego aktu w sprawie sztucznej inteligencji (AI Act), zarządzanie danymi i rejestrowanie zdarzeń są obowiązkiem prawnym, a nie dobrą praktyką.

Infografika

Na czym stoi wartość systemu AI

1. 01DecyzjaCo ktoś robi inaczej dzięki odpowiedzi systemu.
2. 02OdpowiedźTo, co system zwraca i co widzi użytkownik.
3. 03Dane pod odpowiedziąŚwieże, kompletne i z wiadomym pochodzeniem — albo nie.
4. 04Źródła i właścicieleSystemy, skrzynki i dyski, każde z kimś odpowiedzialnym.

Co powinno być we wniosku

Jeden system i jedna ścieżka. Nie pięć źródeł naraz, tylko jedno istotne źródło doprowadzone porządnie: od pobrania, przez kontrole, po pochodzenie. Wzorzec powtarza się potem taniej, a wniosek jest dość mały, żeby go przerwać, jeśli nie działa.

Pytania, na które po wszystkim da się odpowiedzieć. Jak świeże są dane pod tą odpowiedzią? Skąd pochodzą? Czego w nich brakuje? Kto dowiaduje się pierwszy, gdy ładowanie zawiedzie? Dziś na każde z nich pada zwykle „nie wiemy”. To definicja sukcesu, którą zarząd rozumie bez słownika.

Termin, który da się sprawdzić. Kontrole jakości na istniejącym procesie da się wstawić w kilka dni i zwykle od razu pokazują prawdziwy problem. Porządna ścieżka dla jednego istotnego źródła to zwykle kwestia tygodni. Ten pierwszy krok jest najtańszym dowodem w całym wniosku.

Koszt prowadzenia. Procesy danych nie kończą się w dniu odbioru. Ktoś musi je prowadzić, a składowanie i osadzenia kosztują co miesiąc. Wniosek, który tego nie pokazuje, wróci za rok jako niespodzianka.

Pułapka po pierwszym sukcesie

Gdy pierwsza ścieżka zadziała, pojawi się pokusa, żeby od razu rozszerzyć ją na całą firmę. To moment, w którym wniosek o odpowiedź po cichu zamienia się z powrotem we wniosek o platformę — tylko z lepszym uzasadnieniem.

Lepiej dołożyć drugie źródło pod drugi system, z tym samym rachunkiem, niż ogłaszać program. Wspólna warstwa wyłoni się z powtórzeń, jeśli naprawdę jest potrzebna. Hurtownię warto zbudować, gdy kilku odbiorców potrzebuje spójnej historii, a nie jako warunek wstępny pierwszego systemu AI.

Najlepszy argument

Najmocniejszym argumentem za pracami na danych jest pierwsza opublikowana liczba: świeżość źródła, kompletność, odsetek dokumentów, których nie da się wiarygodnie odczytać. Zwykle jest gorsza, niż ktokolwiek zakładał, i od tej chwili rozmowa o budżecie wygląda inaczej.

Tak układamy inżynierię danych dla AI: od jednego systemu, któremu trzeba zaufać, i jednej ścieżki doprowadzonej do końca, z liczbami jakości opublikowanymi, zanim ktokolwiek poprosi o kolejny budżet.