现在已经就这一原则达成共识：数据治理构成了任何人工智能战略的基础。质量、新鲜度、可追溯性、访问权限和目的决定了结果的可靠性。 NIST AI RMF 还将“治理”功能置于人工智能系统整个生命周期中风险管理的核心。
强大的模型，但对您的业务来说很陌生
从理论角度来看，语言模型知道如何编写、综合、分类信息或构建推理。但是，它不知道“活跃客户”在您的业务中到底意味着什么，应该对分支机构应用什么定价，或者为什么不应自动重新启动被阻止的订单。这些知识仍然分散在信息系统中。有些在存储库中正式化，其他则包含在 ERP、CRM 工作流程的规则中或只是团队的习惯中。因此，通用人工智能可以完美掌握金融或物流词汇……而无需了解您的验证阈值、您的内部职责或特定于您的活动的例外情况。
因此我们很快意识到 提供给模型的上下文变得与模型本身一样重要。
因此，能够回答一些非常具体的问题非常重要。哪个应用程序是权威的？哪个版本的数据是正确的？谁可以咨询一下？它可以用于什么目的？
因为只要这些答案仍然是隐含的，人工智能治理政策就不会产生任何真正可靠的东西。
ERP、CRM 和业务工具携带操作内存
然而，在很大程度上，记录公司日常运营的应用程序中已经存在必要的元素：
- 您的 ERP 汇集了财务流程、订单、库存、采购或生产；
- 您的 CRM 存储机会、交流和部分客户知识；
- 您的 BI 工具会整合这些信息以进行管理；
- 您的业务软件添加了特定于行业、产品和组织的规则。
因此，当 CRM 向 AI 提供准备响应所需的商业历史记录时，ERP 可以向 AI 提供订单的真实状态。结果的质量将取决于这两个读数之间的一致性。当每个应用程序都有自己的定义时，就会出现困难。
因此，连接应用程序涉及调整存储库、记录优先级规则以及保留每条信息的来源。。
“ 成功的人工智能项目不仅仅依赖于技术，它首先依赖于来自业务工具，特别是来自 ERP 和 CRM 的数据的质量、治理和安全性 », Anne CANU 售前经理 TVH咨询公司。
仍然需要让未来的人工智能服务可以访问这些操作内存，而不是不加区别地开放整个信息系统。
开放信息系统不失控
API、连接器、集成平台、数据仓库和 Lakehouse 架构有助于使数据更接近需要它的应用程序。目标是 以可理解的格式和有限的权利向人工智能提供特定用途所需的信息。经过深思熟虑的架构尤其可以避免在项目过程中不断增加的点对点连接。它提供可重用的服务，例如查询客户帐户、检查库存或检索合同状态。因此，每个服务都应用相同的访问规则并跟踪交换。
此外，流通的流量越多，监管就越具有战略性。您需要知道哪个应用程序提供了一段数据，它经历了哪些转换，以及哪个系统消耗了它，因为存储库中的错误现在可以在团队检测到它之前为多个助手、自动化或代理提供信息。
因此，开口必须保留 可逆可控。但应用这些原则首先需要了解每条信息的真正含义。
可用数据仍然必须易于理解
标题为“状态”的栏也可以指定商业、会计或后勤情况。正如日期可以对应于文件的创建、最后一次修改或关闭一样……如果没有通用的定义，人工智能将机械地解释相同的单词，就好像它们描述了相同的现实一样。因此，数据的质量取决于其映射、分类、记录和所有者的身份。当系统相互矛盾时，它还需要补救规则。
事实上，您必须能够将每条数据与其来源、目的及其所经历的处理联系起来。 其新鲜度必须根据用途指定。价格、同意或库存水平可能需要立即更新，而其他信息可能需要更长时间。
ERP、CRM 或业务应用程序中的数据不足以使其可供人工智能使用。仍然有必要能够理解它的起源、意义、质量水平、获得条件和连续的转变。这正是一种方法的作用，它允许 构建整个信息系统的数据治理 SoftProject 产品营销总监 Alexis de Saint-Jean 总结道： “人工智能不会自动将业务数据转化为知识。在两者之间，我们需要能够使这些数据在正确的环境中可靠、可理解、可追踪和可访问的治理。正是这一层信任和环境使我们能够从实验转向真正工业化的人工智能应用。”
这种治理必须存在于工具和流程中。数据集成和管理平台可以应用标准、控制交换并监控应用程序之间的异常情况。互操作性、流程管理和治理也是更加连贯和可用的信息系统的条件。记录下来的、可追踪的数据可以在多个项目中使用。因此，您可以避免每个 POC 重建自己的数据集、自己的连接器和自己的专业定义。
共同治理可持续退出 POC
因为人工智能的产业化需要 横向治理。数据团队无法单独决定使用目的，就像企业不能忽视安全约束一样。因此，将数据治理、应用程序架构、网络安全、监管和业务责任结合在一起至关重要。
必须为用例指定一个所有者，为数据指定另一个所有者，为技术操作指定第三个所有者，并且在投入生产之前必须了解停止、纠正和人工验证的条件。
治理支持系统的评估、部署和监控。
实际上，它使得从一个项目到另一个项目重用相同的数据服务、相同的访问规则和相同的控制机制成为可能。因此，团队可以在不放弃可追溯性的情况下节省时间，并且审计也得到简化，因为责任、来源和转换已经记录在案。
因此，可靠人工智能之战在 ERP、CRM、存储库、界面和产生业务知识的流程中展开。当这些基础仍然脆弱时，人工智能尤其会加速不一致的循环。相反，当它们受到治理时，它最终可以利用信息系统，而不会丢失赋予数据价值的上下文。
内容提供者 云列表，IT行业信息的十字路口
