A solução para o problema de Genai do Gerenciamento de Dados? Mais genai.

AI generativa tem muitas empresas conversando - e olhando para o diretor de dados para colocar as palavras em ação. Com seus algoritmos transformadores de criação de conteúdo, a tecnologia cai na casa do leme de uma CDO: transformar dados em valor. Mas também coloca modelos existentes para Governança de dados e gerenciamento na mira. Poucas empresas têm experiência em classificar ou avaliar esse tipo de material. Além disso, a governança de dados raramente é a criança -propaganda para obter eficiência e eficácia. Para muitas empresas, é um ponto de dor, o trabalho muito manual e tedioso - uma verdadeira dor de cabeça, especialmente em indústrias que são altamente regulamentadas ou incorporam grandes quantidades de informações de identificação pessoal. As empresas jogam muitas pessoas no esforço ou não o suficiente. Entre indústrias, as empresas estão alavancando Genai para

That’s because GenAI learns how to create content by training on massive amounts of unstructured data: text, video, audio, even programming code. Few companies have experience classifying or assessing this kind of material. Moreover, data governance is rarely the poster child for efficiency and effectiveness. For many companies, it’s a pain point, the work too manual and tedious—a real headache, especially in industries that are highly regulated or incorporate vast amounts of personally identifiable information. Businesses either throw a lot of people at the effort or not enough.

GenAI, in short, makes a process that was already a challenge even more of one.

Tackling this dilemma should be—if it isn’t already—at the top of every CDO’s to-do list. Across industries, companies are leveraging GenAI to TurboCharge Atendimento ao cliente e Personalização , Assim, automatizar processos tradicionalmente manuais , e Crie valor de maneiras cada vez maiores . Mas, sem adaptar sua estratégia de dados, políticas e capacidades, as empresas enfrentam a escolha de uma Hobson. Eles podem ficar atolados em mais trabalho manual para garantir que todos os novos dados de treinamento passem sobre qualidade, integridade, segurança e uso responsável. Ou eles podem seguir em frente sem essa governança e arriscar as consequências - um risco que pode fazer com que a alta gerência puxe o plug -sp e seu valor potencial. A mesma tecnologia que aumenta o ônus da governança de dados também pode aliviá -la. De fato, Genai pode fazer mais do que abater a dor de todo esse trabalho manual e tedioso. Pode eliminá -lo amplamente. Genai cria e interpreta o conteúdo. Isso significa que ele pode aumentar ou automatizar muitas tarefas importantes de gerenciamento de dados; Por exemplo, rotulando dados com preocupações de privacidade ou propriedade intelectual, para que não sejam usadas de maneira inadequada. Finalmente trazendo eficiência para o gerenciamento de dados, a Genai demonstra mais uma maneira pela qual é um avanço. E com os algoritmos fazendo o trabalho de dados, os profissionais de dados podem dedicar mais tempo ao trabalho de agregação de valor-criando ainda mais oportunidades para expandir os negócios.

But here’s the twist—and the silver lining. The same technology that increases the burden on data governance can also alleviate it. In fact, GenAI can do more than deaden the pain of all that manual, tedious work. It can largely eliminate it. GenAI creates and interprets content. That means it can augment or automate many key data management tasks; for example, labeling data with privacy or intellectual property concerns so it’s not used inappropriately. In finally bringing efficiency to data management, GenAI demonstrates one more way in which it’s a breakthrough.

By embedding GenAI in their data governance and management processes, companies can reap the opportunities without the burden. And with algorithms doing the legwork, data professionals can devote more time to value-adding work—creating still more opportunities to grow the business.

O desafio de dados não estruturados

Data governance—the rules around capturing, storing, and using data, as well as verifying its quality and integrity—builds trust in data. Data management implements those rules, ensuring that organizations know where data is and where it came from, provide access to the right people for the right uses, and are aware of any issues—such as privacy and regulatory concerns—that might impact how they utilize the data.

Enquanto as empresas adotam diferentes abordagens para governança e gerenciamento de dados, um elemento permanece constante: dados estruturados. Armazenado em forma padronizada em bancos de dados, os dados estruturados são facilmente rotulados e classificados, para que as empresas possam entender facilmente suas principais características - e como podem e não podem usá -lo. Linhagem, rastreabilidade de fontes, garantias de qualidade, sinalizadores para informações pessoalmente identificáveis ​​ou outras preocupações: tudo está no registro.

dados não estruturados - o combustível da GENAI - não é tipicamente armazenado, bem rotulado e classificado, dentro de um banco de dados. É tudo, desde documentos de e -mail e palavras até vídeos do YouTube e diálogo de jogos de computador. As empresas podem ter os dados, mas é provável que não tenham muita, se houver, insights sobre quem, como, faça e não o uso. Eles usam uma quantidade enorme disso. E os processos para rotular, classificar e garantir a qualidade dos dados são em grande parte manual. As empresas podem não estar começando do zero: é provável que tenham aplicado práticas de gerenciamento de dados a documentos usados ​​internamente, por exemplo. Mas eles ainda enfrentam uma tarefa gigantesca compreendendo todos esses dados e garantindo sua qualidade e uso apropriado nos processos e fluxos de valor centrados no cliente. Uma empresa que aplica processos manuais a tantas informações não estruturadas pode ficar rapidamente para trás na correção de erros e inconsistências de dados. Isso é preocupante para qualquer negócio, mas pode ser uma preocupação especialmente grande para empresas grandes e regulamentadas. Os principais traços de Genai - uma afinidade por dados não estruturados e uma capacidade de criar conteúdo - fazem uma ferramenta natural para aumentar a eficiência e a eficácia do gerenciamento de dados. Em nossa experiência, existem seis casos principais de uso da Genai para gerenciamento de dados:

GenAI models don’t use some unstructured data. They use an enormous amount of it. And the processes for labeling, classifying, and ensuring data quality are largely manual. Companies may not be starting from scratch: they’re likely to have applied data management practices to documents used internally, for instance. But they still face a gargantuan task understanding all this data and ensuring its quality and appropriate use in customer-centered processes and value streams.

They also face risks, particularly around data remediation. A company that applies manual processes to so much unstructured information can quickly fall behind in correcting data errors and inconsistencies. That’s concerning for any business, but it can be an especially big worry for large, regulated firms.

GenAI Can Solve Its Own Problems

It doesn’t have to be this way. GenAI’s key traits—an affinity for unstructured data and an ability to create content—make it a natural tool for boosting the efficiency and effectiveness of data management. In our experience, there are six main GenAI use cases for data management:

• Criando etiquetas de metadados. Se houver um aplicativo assassino para a Genai na governança e gerenciamento de dados, é a capacidade de criar descrições - os metadados - de dados não estruturados. Esses rótulos especificam detalhes como a fonte dos dados, os direitos de uso aplicáveis ​​e como o conteúdo se relaciona com outros dados. Os metadados ajudam a garantir que as empresas treinem algoritmos sobre os dados corretos no contexto certo de maneiras responsáveis, cumprindo qualquer regulamentação, restrição ou política aplicável. Em um cenário de TI da empresa, capturar e manter dados de linhagem entre sistemas normalmente é um esforço complexo e demorado. A Genai pode acelerar o processo por meio de técnicas de pular de código e gerando rascunhos iniciais de dados de linhagem. Em vez de criar manualmente as informações de linhagem, as equipes de governança de dados validam a saída Genai, tornando -se um uso mais eficiente de seu tempo.
• Annotating Lineage Information. In an enterprise IT landscape, capturing and maintaining cross-system lineage data typically is a complex and time-consuming effort. GenAI can accelerate the process through code-parsing techniques and by generating initial drafts of lineage data. Instead of manually creating the lineage information, data governance teams validate the GenAI output, making for more efficient use of their time.
• Aumentando a qualidade dos dados. Remediação de dados normalmente é um processo de trabalho intensivo-isso é ainda mais complicado quando as práticas de dados e a qualidade variam em toda a organização (como costumam fazer). Os modelos Genai podem acelerar e até automatizar muitas tarefas -chave: remover registros duplicados; padronizando formatos, tipos e valores de dados; Preencher lacunas nos valores.
• Aprimorando a limpeza de dados. Para garantir que os algoritmos forneçam resultados confiáveis ​​e consistentes, as empresas podem usar o Genai para sintetizar dados de treinamento ausentes e remover "ruído" - dados sem sentido, corruptos ou inutilizáveis. Com algum treinamento e engenharia imediata (a criação de entradas ou instruções que provocam saída ideal de um modelo Genai), a Genai pode criar o código para corrigir as anomalias de dados, liberando as equipes que, de outra forma, assumiriam este trabalho. As empresas podem promover a conscientização e a observância de suas políticas de dados por meio de bases de conhecimento, verificações de conformidade e recomendações de ação movidas a Genai. A tecnologia também pode apoiar os chatbots, fornecendo uma maneira interativa e de conversação para os funcionários explorarem as políticas-e uma alternativa ao suporte e treinamento ad-hoc. O Genai pode transformar dados que contêm informações sensíveis ou pessoalmente identificáveis. Isso permite que as empresas garantem confidencialidade e privacidade - com seu risco e postura de conformidade - enquanto preservando a utilidade e a integridade dos dados. Encarregada de garantir a qualidade dos dados e promover a confiança nos dados, essas equipes dedicam grande parte de seu tempo a atividades manuais e repetitivas. Com a Genai aumentando seu trabalho, os administradores de dados e os custodiantes podem focar sua atenção-e capacidade-em tarefas mais complexas, estratégicas e de agregação de valor.
• Managing Policy Compliance. Companies can foster awareness and observance of their data policies through GenAI-powered knowledge bases, compliance checks, and action recommendations. The technology can also power chatbots, providing an interactive, conversational way for employees to explore policies—and an alternative to ad-hoc support and training.
• Anonymizing Data. GenAI can transform data that contains sensitive or personally identifiable information. This lets companies ensure confidentiality and privacy—bolstering their risk and compliance posture—while preserving the utility and integrity of the data.

These use cases can have a particularly big impact on data stewards and data custodians. Tasked with ensuring data quality and promoting trust in data, these teams devote much of their time to manual, repetitive activities. With GenAI augmenting their work, data stewards and custodians can focus their attention—and capacity—on more complex, strategic, and value-adding tasks.

Como começar

Recomendamos que os CDOs adotem uma abordagem dupla. Primeiro, prepare a base de dados - a arquitetura de dados, os recursos da plataforma de dados e o gerenciamento do ciclo de vida dos dados (cobrindo tudo, desde o fornecimento de dados até a preparação de algoritmos para uso operacional) - para casos de uso de negócios da Genai. Segundo, incorpore o Genai nos processos de governança e gerenciamento de dados da Companhia.

Enquanto a jornada varia de um negócio para outro, existem três roteiros gerais. The one to take depends on a company’s current level of digital maturity, that is, on whether it’s a digital passive (a company whose digital and data foundation is still at a low level of maturity), a digital literate (typically a business that’s in the midst of a digital transformation but has yet to build out its data foundation fully or launch use cases at enterprise-level scale), or a digital performer (a company with an enterprise-wide data and digital platform that is fueling use cases em escala). 

Passivos digitais. Para essas empresas, o foco principal deve ser a base de dados, desenvolvendo os principais recursos e estratégias para efetuar uma transformação digital orientada a dados. Isso começa com a avaliação dos recursos de dados existentes. Como os dados suportam funções de negócios? Onde mais os dados podem criar valor? Quais fundamentos - como identificar, rotular e limpar os principais ativos de dados - exigem atenção? Essa análise permite que as empresas entendam onde estão alavancando dados e onde desejam estar. Ele serve como uma luz orientadora para a elaboração de uma estratégia holística de dados: definindo a arquitetura ideal de dados, refinando os recursos de governança e gerenciamento de dados e priorizando os casos de uso. Mas, mesmo quando desenvolvem essa base de dados, as empresas devem considerar como podem usar o Genai para melhorar o trabalho interno. A integração do Genai na governança e gerenciamento de dados torna esses processos mais eficientes, mas também prepara o terreno para alavancar Genai de maneira mais ampla e ajuda as empresas a identificar o talento necessário para desenvolver casos de uso de negócios.

The great advantage of this approach is that it lets companies focus on what matters most and steadily build their capabilities instead of trying to do everything in one fell swoop, which is often unsuccessful. But even as they develop this data foundation, companies should consider how they might use GenAI to improve internal work. Integrating GenAI into data governance and management makes those processes more efficient, but it also sets the stage for leveraging GenAI more broadly down the road and helps businesses identify the talent they’ll need to develop business use cases.

Digital Literates. As empresas deste grupo têm uma base de dados robusta o suficiente para apoiar suas incursões iniciais na IA e análise avançada. Sua tarefa agora é estender suas capacidades em apoio a casos de uso da Genai. Para esse fim, os CDOs devem impulsionar as iniciativas de prova de conceito (POC) a explorar-e demonstrar-o valor que a Genai pode trazer à governança e gerenciamento de dados. Ao buscar os POCs, as empresas podem testar a tecnologia e aparecer casos de uso sem interromper os processos e fluxos de trabalho existentes. Para cada iniciativa, os CDOs devem desenvolver um plano que abranja requisitos de tecnologia e talento, bem como implicações de risco e conformidade. As lições aprendidas com os pilotos podem ajudar as empresas a refinar o caso de negócios para cada POC, otimizar a ordem em que escalam iniciativas (eliminando os POCs que não valeram a pena), entender melhor - e planejar - os requisitos de avaliação e de capacidade e dirigir os atores digitais.

We recommend starting with one to three POCs, based on an initial review of feasibility and the potential for value creation. For each initiative, CDOs should develop a blueprint covering technology and talent requirements, as well as risk and compliance implications. Lessons learned from the pilots can help companies refine the business case for each POC, optimize the order in which they scale initiatives (weeding out those POCs that didn’t pay off), better understand—and plan for—talent and capacity requirements, and steer around roadblocks and bottlenecks when scaling.

Digital Performers. Com casos de uso de IA bem -sucedidos, essas empresas estão prontas para integrar a Genai em seus negócios. Como os alfabetizados digitais, eles devem considerar como eles podem melhorar os recursos de dados fundamentais com a Genai, buscar POCs e alavancar insights de pilotos para planejar e dirigir a implantação em escala. Mas seu alto nível de maturidade digital coloca esse grupo em posição de se mover mais rápido e ambiciosamente. A chave é criar esquadrões em águias - e desencadear - compostos por cientistas de dados, desenvolvedores de IA e especialistas em governança de dados. Trabalhando juntos, os membros do esquadrão podem avaliar a viabilidade de alavancar dados não estruturados (como imagens digitalizadas ou email) para criar valor comercial. Eles podem então implementar - de uma maneira eficiente e colaborativa - os casos de uso de Genai que fazem o corte.

Digital performers are likely to already excel at agile, so applying its structures and methodologies to GenAI should be relatively seamless. Working together, squad members can assess the feasibility of leveraging unstructured data (such as scanned images or email) to create business value. They can then implement—in an efficient and collaborative way—the GenAI use cases that make the cut.

Maximizando o valor

Não importa qual caminho uma empresa segue, algumas práticas recomendadas podem acelerar a jornada. Primeiro, seja seletivo: priorize os esforços por valor e impacto. Os pilotos são uma ótima maneira de demonstrar - ou descartar - um caso de negócios e acertar o pedido. Em seguida, o IMBUE escala com gerenciamento robusto de mudanças e gerenciamento de riscos, com um foco particular na privacidade de dados e AI responsável . As organizações que fazem isso garantem que os usuários-e, por sua vez, os negócios-tirem o máximo proveito das soluções habilitadas para Genai, sem abrir a porta para novos riscos e preocupações. Esse indivíduo também a bordo e permitirá que qualquer especialista em ético-AI adicional que a organização possa exigir. É difícil enfatizar demais a importância da IA ​​responsável. Ele não apenas reduz o potencial de dano, mas também fortalece a confiança, melhora o desempenho dos sistemas de IA e aumenta a criação de valor.

All companies, no matter their data maturity, should appoint an AI ethics officer, accountable for the company’s responsible and regulatory-compliant use of AI. This individual will also onboard and enable any additional ethical-AI experts the organization may require. It’s hard to overemphasize the importance of responsible AI. It not only reduces the potential for harm but also strengthens trust, improves the performance of AI systems, and boosts value creation.

Genai é uma tecnologia emergente e seu histórico é uma breve leitura. Mas não há tempo para esperar e ver como as coisas evoluem. Genai tem o potencial de transformar tudo, desde P&D ao suporte ao cliente. Para realizar essa promessa, os CDOs precisam agir agora: antecipando - e movendo -se para aliviar - o ônus que Genai coloca na governança e gerenciamento de dados. Ao usá -lo para automatizar processos críticos de dados, as empresas podem criar uma base que alimenta a tecnologia - e as possibilidades que ela traz. O Genai pode criar conteúdo, mas com a preparação certa, também pode criar vantagem competitiva. Inscreva -se

Fortunately, GenAI is its own best enabler. By using it to automate critical data processes, companies can create a foundation that fuels the technology—and the possibilities it brings. GenAI may create content, but with the right preparation, it can create competitive advantage, too.