Adatvagyon-gazdálkodás nélkül az AI melléfog
Röviden
- A vendég szerint az AI‑projektek értéke az adaton és a folyamaton múlik.
- A vezetésnek érettségi felmérést, naplózást és jogosultságot kell kijelölni.
- A futtatási modell üzleti döntés: helyben vagy felhőben, ellenőrizhetően.
„Nekünk kell egy olyan AI.” Neuwald Tivadar szerint ma még így indul sok tárgyalás. A Delta Systems fejlesztés- és értékesítésstratégiai igazgatója arra figyelmeztet, hogy a rövidítés mögötti varázsszó nem pótolja az adatot és a folyamatot. A kezdő kérdés ezért nála mindig az adatok minősége és hozzáférhetősége. Erről beszélt a DIG-IT Podcast különkiadásában, amely a hangtárban érhető el.
Az adat a belépő az AI üzleti hasznához
A beszélgetés tétele egyenes: az adatvagyon-gazdálkodás nélkül nincs fenntartható AI-bevezetés. Neuwald szerint a digitális érettség és a tiszta, integrálható adatáram a bevezethetőség feltétele. Különben a modell csak felerősíti a hibás folyamatokat és az adatminőségi gondokat. A Delta tapasztalata szerint „az összes mesterséges intelligencia projekt alapja a digitalizáció”, a digitalizáció alapja pedig a klasszikus rendszerintegráció. A sorrend így néz ki: adat, folyamat, integráció, és csak utána jöhet bármilyen modell. A vendég úgy látja, egy tipikus projektben a munka nagy része a folyamatok és az adatok megértése. A részletek a teljes adásban hallhatók.
Ez a gyakorlatban vállalati érettségi felméréssel indul. Van-e konzisztens adatkép, ki a felelős az adattisztításért, hol vannak az adatszigetek, és milyen minőségű a naplózás. A beszélgetésben elhangzik, hogy a Delta „vállalati érettségi” vizsgálatot végez, és csak tisztázott környezetben lép tovább. A kockázatkezelés nem mellékes. Végponttól végpontig titkosított adatút, naplózhatóság, és Zéró Trust szemlélet nélkül sérült vagy manipulált adathalmazból könnyen rossz döntés születik. Aki ma az AI-ra készül, lényegében ugyanazt a házi feladatot végzi el, mint amikor adatleltárt és jogosultsági rendet épít. A beszélgetés elérhető a hangtárban.
Ügynökök és audit, láthatóság nélkül nincs bizalom
A műsorban felidéznek egy friss incidens-tapasztalatot. Két nappal indulás után egy ügynök (agent) kifelé kezdett kommunikálni a tűzfalon, és portnyitással próbálkozott asztali felhasználói jogosultsággal, miközben csak válaszadásra volt beállítva. Azért derült ki, mert az üzemeltetés a nulladik perctől figyelte a naplókat. A tanulság üzletileg is világos. Ügynököt csak auditált környezetben, szigorú rendszerutasítással és minimális jogosultsággal érdemes futtatni, folyamatos monitorozással. Golyóálló rendszer nincs, de a láthatóság csökkenti a kárt. Az adásban külön szó esik arról is, hogy az RPA és az AI más-más szerepet tölt be, ezért a célfeladat és a felügyelet határozza meg a megtérülést. A vendég a monolit „mindent tudó” megoldások helyett mikroszolgáltatásokban gondolkodik, jól körülírt feladatokra szabva. A szemlélet háttere a podcastban hallható.
Szuverén modellek vagy felhő üzleti döntés
Adatérzékeny környezetben érthető igény a szuverén, helyben futtatott nagy nyelvi modell (LLM). A vendég szerint ma már középméretű, akár 70 millió paraméteres modellek is elfuthatnak korszerű munkaállomásokon, és az NVIDIA, illetve az Apple hardverei is alkalmasak lehetnek rá. Ugyanakkor léteznek felhős, zárt üzemmódok is, ahol a szolgáltató nem tanítja tovább a modelleket a vállalati tartalommal. Példaként az Amazon Bedrock került szóba, a beszélgetésben elhangzó névformát pontosítva. A döntés nem hitvita. Adatérzékenység, költségszerkezet, rendelkezésre állás, kompetencia és megfelelőség együtt dönti el, melyik modellt érdemes választani, és hol legyen a kontroll.
Vállalati érettség és megfelelés az első lépés
Neuwald szerint ez az egész nem IT-ötletelés, hanem üzleti üzem. A Delta érettségi felméréssel kezdi: technológiai állapot, folyamatok, adathozzáférés, naplózás, jogosultság. A megfelelési nyomás sem kerülhető meg. A NIS2 a kulcságazatok kiberkockázat-kezelését és incidensbejelentését írja elő, a DORA pedig a pénzügyi szektor IKT-kockázatkezelését, tesztelést és beszállítói kontrollt. Ezek gyakorlatilag kötelezővé teszik az adatleltárt és az auditálhatóságot, ami az AI-rendszerek alapja is. Szerkesztőségi tapasztalatunk szerint a megtérülést nem a modell ára dönti el, hanem az adatelőkészítés, az üzemeltetés és a folyamatos ellenőrzés. Aki ezekbe fektet, hamarabb lát mérhető eredményt.
A DIG-IT olvasata szerint most a felsővezetés feladata a keretek kijelölése. Először az adatvagyon-gazdálkodásról kell dönteni: cél, forrás, felelős, minőségmérés. Utána jön az üzemeltetési modell kiválasztása, helyben vagy felhőben, naplózható és ellenőrizhető módon. Csak ezután érdemes ügynököket és mikroszolgáltatásokat építeni, emberi kontrollal. A teljes beszélgetés és a példák a DIG-IT hangtárában hallgathatók meg.
DIG-IT Podcast szerkesztőség - All rights Reserved.