We weten allemaal hoe belangrijk data governance is als het gaat om het ethisch en effectief gebruik van geavanceerde technologieën zoals kunstmatige intelligentie (AI). Maar het omgekeerde is ook waar. Bedrijven kunnen AI integreren in hun bedrijfsprocessen om te zorgen voor een effectiever gegevensbeheer.

Het begint allemaal met het begrijpen van de gegevens die een bedrijf heeft en waar deze zich bevinden. Elk raamwerk voor gegevensgovernance vereist dat de privacy van klantgegevens en ethisch verantwoord omgaan met gegevens op één lijn worden gebracht, terwijl er toch zaken moeten worden gedaan. Dit is vooral relevant als het gaat om het beheer van metadata en het waarborgen van gegevens van goede kwaliteit. Het adagium “garbage in and garbage out” is nu relevanter dan ooit.

Algemeen gebruik

Dankzij de beschikbaarheid van krachtigere AI-tools die het opstellen van regels voor gegevenskwaliteit vereenvoudigen, kunnen bedrijfseigenaren hun steentje bijdragen aan het waarborgen van de kwaliteit van gegevens. AI maakt het makkelijker voor meer algemene, zakelijke gebruikers die geen achtergrond hebben in datawetenschap om lekenzinnen in te voeren. De tool kan dan potentiële regels voor gegevenskwaliteit voorstellen die na goedkeuring automatisch worden omgezet in uitvoerbare acties.

Dit alles werkt alleen als de gegevens nauwkeurig, relevant en ethisch verantwoord zijn. Dit helpt ervoor te zorgen dat AI-modellen hun beoogde functies correct uitvoeren. Ethiek is natuurlijk een veelbesproken onderwerp. Wat ethiek inhoudt, kan verschillen tussen bedrijven, individuen en landen, maar in essentie houdt verantwoorde AI in dat privacy, veiligheid, inclusiviteit, transparantie en verantwoordingsplicht vanaf het begin worden geïntegreerd. Maar meer dan alleen de moeren en bouten van de technologie, moeten bedrijven hun interne structuren en hun ethische waarden aanpassen om AI verantwoord te beheren.

Problemen met gegevens

Problemen met de gegevenskwaliteit moeten zo dicht mogelijk bij de bron worden aangepakt. Het is daarom noodzakelijk om de bedrijfseigenaren te betrekken bij de ontwikkeling van datakwaliteitsregels om het datakwaliteitsproces te verbeteren.

Men moet onthouden dat elk AI-model slechts zo nauwkeurig is als de gegevens waarop het getraind is. Als de gegevens onnauwkeurig zijn, zijn de resultaten dat ook. Daarnaast moet het bedrijf de gegevens contextualiseren die het AI-model zal gebruiken, anders zal de technologie antwoorden geven op de verkeerde vragen.

De gegevens moeten ook relevant zijn voor het onderwerp, wat het cruciale belang van data governance nog groter maakt. Hier worden metadata essentieel om te weten of de gegevens geschikt zijn voor het doel en accuraat zijn.

Regelgevende controles

Helaas moet de lokale regelgeving AI nog inhalen. Op dit moment is er nog geen uitgebreide wetgeving die de toepassing en het gebruik van AI en machine learning in Zuid-Afrika regelt. Toch kunnen bedrijven nog steeds op het verkeerde been worden gezet door de toezichthouder en andere belanghebbenden als hun AI-implementatie niet voldoet aan de al afdwingbare regelgeving voor gegevensbescherming.

Het op één lijn brengen van verantwoorde AI-implementatie met gezonde bedrijfsethiek is een belangrijk onderdeel van succes in de moderne, datagestuurde omgeving.