Към съдържанието
ИИ11 мин

Преди ИИ — вашите данни: какво трябва да е готово, за да ви бъде полезен един модел

От · съосновател и Chief Executive Officer на Hábil ·

Как да подготвите данните си за изкуствен интелект: пет въпроса за източника, качеството, актуалността и употребата, преди да изберете инструмента.

За 1 минута

ИИ, свързан с вашата компания, отговаря с данните, които намира. Ако продажбите казват едно в системата и друго в Excel файла на Финансите, ИИ не решава разликата: избира едното и го казва със същата увереност, с която би казал вярното. Преди да купите инструмента, си струва да направите прост тест: изберете три въпроса, които ръководството иска да зададе на ИИ, и им отговорете ръчно. Ако два отдела стигнат до различни отговори, работата, която липсва, не е работа по ИИ, а по данни. Тази статия дава пет въпроса, с които да го проверите.

Представете си компания, която продава чрез онлайн магазина си и в своите филиали. Тя е измислена, но прилича на много други. Ръководството вече е видяло какво прави ИИ с документи и иска същото за дейността си: да пита на обикновен език „колко продадохме вчера на север?“, „кой клиент спря да купува?“ или „колко ни дължи този клиент?“ и да получава отговора за секунди.

Доставчикът прави демонстрация с примерни данни и всичко работи. После свързват ИИ с реалните системи и първият въпрос дава число, което никой не разпознава. Продажбите казват, че северът е продал повече. Финансите казват, че това число включва връщанията. Екипът по системите казва, че онлайн магазинът се зарежда на следващия ден. И трите отдела са прави, а ИИ не е имал с какво да разбере коя дефиниция важи.

Тази статия е за онзи, който ще одобрява проект с ИИ върху данните на компанията. Тя защитава една идея: моделът наследява бъркотията в данните; преди да изберете ИИ, всеки бизнес въпрос има нужда от договорен източник за данните си, с дата и история. Не е нужно да разбирате от модели, за да го проверите; нужно е да знаете откъде идва всяко число.

Защо ИИ не оправя данните, а ги използва

Езиковият ИИ се справя много добре с разбирането на въпрос и с формулирането на отговор. Това, което не решава сам, е кое от две числа е вярното, ако никой не му е дал правилата и не му е казал кой източник важи. Когато е свързан със системите на компанията, той отговаря с това, което намира там, и ако намереното е непълно, дублирано или остаряло, такъв е и отговорът — добре формулиран.

Рамката за управление на рисковете от ИИ на NIST, институтът за стандарти на Съединените щати, го поставя сред рисковете, които ИИ носи в сравнение с традиционния софтуер: данните, с които се изгражда една система, може да не представят добре контекста, в който тя ще се използва, а проблемите с качеството на данните могат да повлияят на това доколко системата е надеждна [1].

Същото става, когато ИИ проверява документи, преди да отговори — техниката, известна като RAG. Статията, която я предлага през 2020 г., я представя именно като начин модел да получи достъп до външна памет и посочва като открити проблеми на моделите сами по себе си това да посочват откъде идват отговорите им и да поддържат актуално наученото [2]. RAG помага за това, защото ИИ проверява външна информация, преди да отговори. Но какво намира, зависи от това какво има: ако действащото ръководство и онова отпреди две години са в една и съща папка, търсенето може да върне старото или да остави неясно кое важи. Затова си струва да отбележите действащата версия, да подредите документите и да проверявате важните отговори спрямо техния източник.

Затова полезният въпрос преди проект с ИИ не е кой модел да се използва. Въпросът е дали данните, които той ще използва, могат днес да отговорят добре на въпросите, които ще му бъдат зададени.

Тестът с трите въпроса

Преди да преглеждате системите, изберете три въпроса, които ръководството иска да зададе на ИИ. Нека са конкретни и ежедневни, като тези на компанията от примера. После помолете два различни отдела да им отговорят ръчно, с данните, които използват днес, всеки поотделно.

Ако отговорите съвпадат и всеки отдел може да каже откъде е взел числото си, данните за този въпрос са на прав път. Ако не съвпадат, вече сте открили липсващата работа — и сте я открили, преди да платите за инструмента.

Тестът може да го направи екипът, който днес познава данните, в кратък срок, който не прекъсва дейността. И оставя нещо полезно за следващата стъпка: списъка на данните, които са нужни на всеки въпрос.

Пет въпроса, на които данните ви трябва да отговорят

За всяко данно от този списък проверете пет неща. Първите четири са въпроси за качество, които обединяват шестте измерения на рамката за качество на данните на правителството на Обединеното кралство, взети от професионалната асоциация DAMA [3]. Петият е различен: ако има лични данни — дали предвидената употреба е разрешена от мексиканския закон [4].

1. Има ли един-единствен източник за всяко данно?

Ако „продажбите за деня“ съществуват в системата на онлайн магазина, в тази на филиалите и в Excel файл, който някой сглобява всеки понеделник, ИИ не знае кой важи. Британската рамка нарича последователност това стойностите, които представят едно и също нещо, да не си противоречат [3].

Това, което трябва да се реши, не е техническо: кой е официалният източник на всяко данно и кой отговаря за него. Ако такова споразумение няма, си струва да започнете оттам; за това е друга статия от тази поредица, Преди да преместите данните, назовете техния собственик.

2. Пълно ли е и без дубликати?

Клиент, който се появява три пъти с три различни имейла, за ИИ е трима клиенти. Клиент без зададен регион не се появява в „севера“. Британската рамка разделя двете неща: пълнота — всички записи да са налице, заедно с важното в тях, и уникалност — да има един-единствен запис за всяко нещо, което представят [3].

Бърз начин да започнете: измерете колко клиентски записа имат празно полето, което е нужно на въпроса, и потърсете възможни дубликати с договорени правила — съвпадения по име, имейл, данъчен номер и адрес — преди да ги потвърдите, защото общ имейл или общ данъчен номер не винаги означава дубликат.

3. Актуално ли е за въпроса, който ще му зададат?

„Колко продадохме вчера?“ има нужда от вчерашните данни. Ако онлайн магазинът се зарежда на следващия ден, сутрешният отговор излиза непълен, дори всяко данно да е вярно. Британската рамка нарича своевременност това данните да отразяват периода, който твърдят, че представят, и да са актуални [3].

Не всички въпроси имат нужда от едно и също. Вчерашните продажби искат вчерашни данни; маржът за тримесечието издържа и седмично зареждане. Важното е всеки отговор да казва от каква дата са данните му.

4. Това ли е, което твърди, че е?

Дата на доставка преди датата на поръчката, отрицателна сума при нормална продажба, пощенски код с четири цифри. Британската рамка нарича валидност това данното да е в очаквания диапазон и формат, и точност — това да съответства на действителността [3]. Валидността се проверява с правила. Точността се проверява, когато е нужно, с доказателства за случилото се в дейността; сравнението с изходната система помага да се намерят разликите и да се проследи откъде е започнал проблемът, но не доказва, че източникът е верен.

Тук помага нещо, което същата рамка препоръчва: проблемите да се поправят в източника, а не в копието [3]. Ако датата е грешна в системата за поръчки, поправката само в отчета оставя грешката да чака следващото зареждане.

5. Може ли да се използва за това?

Това, че едно данно съществува, не значи, че може да се използва за каквото и да е. Мексиканският федерален закон за защита на личните данни, притежавани от частни лица, обнародван в Държавен вестник на 20 март 2025 г., изисква от администратора да спазва, наред с други, принципите на ограничение в целите, пропорционалност и качество при обработването на лични данни [4].

На практика, преди да свържете ИИ с клиентски данни, си струва да попитате: покрива ли тази употреба целта, за която са събрани? Има ли ИИ нужда от цялото данно или му стига част от него, например регионът вместо адреса? Кой може да вижда отговора? Отговорите ги дава вашият правен отдел, а не доставчикът на инструмента; проектът трябва да може да ги спази.

Карта за всеки набор от данни

Петте отговора са по-полезни, ако бъдат записани. В машинното обучение има известно предложение за това: всеки набор от данни да се придружава от карта, като техническия лист на електронен компонент, която казва за какво е съставен, какво съдържа, как е събран и за какво се препоръчва да се използва [5].

Не е нужен пълният формат, за да започнете. Кой отговаря за всяко данно и с какви правила се решава в работата по управление на данните; ако това още не е ясно, Преди да преместите данните, назовете техния собственик обяснява как да се договорите. За да подготвите въпрос за ИИ, стига една страница за всяко данно, което той ще използва, с четири полета:

Карта за всеки набор от данни
ПолеПример (продажби за деня)
Договорен източникСистемата за поръчки; онлайн магазинът влиза със собствено зареждане
Актуално къмПриключване на предходния ден, заредено в 6:00 ч.
Какво обхващаФилиали и онлайн магазин; връщанията са отделно, отбелязани като такива
Предвидена употребаВътрешни отчети и отговори на ръководството; без клиентски данни

Измислени данни, за да се илюстрира форматът.

С тази страница, когато ИИ отговори, някой може да каже откъде е числото и от каква дата е. Без нея спорът на срещата се повтаря, този път с ИИ по средата.

Сигналите, че данните ви още не са готови

  • Два отдела идват на срещата с различни числа за един и същ въпрос.
  • Никой не може да каже, без да рови, от коя система идва число от таблото.
  • Важният отчет се сглобява ръчно и само един човек знае как.
  • Грешките се поправят в Excel файла, а не в системата, където са възникнали.
  • Не е записано кои клиентски данни могат да се използват и за какво.

Тези сигнали сами по себе си не изключват употребата на ИИ: показват откъде да започнете.

Пет въпроса за следващия комитет

  1. Кои са трите въпроса, които искаме да зададем на ИИ, и кой им отговори ръчно?
  2. Кой е официалният източник на всяко данно, което им е нужно, и кой отговаря за него?
  3. От каква дата са данните, с които той би отговорил, и стига ли това за въпроса?
  4. Какви клиентски данни би използвал, с каква цел и кой го е проверил?
  5. Ако ИИ даде число, което никой не разпознава, как ще разберем откъде е дошло?

Откъде да започнете тази седмица

Изберете трите въпроса и помолете два отдела да им отговорят поотделно. Запишете за всяко число от коя система е дошло и от каква дата е. Ако съвпадат, имате добър първи тест за пилотен проект с ИИ; ако не — имате списъка с това, което трябва да се подреди преди това.

Когато дойде моментът да тествате ИИ, статията Пилотният проект с ИИ мина добре на демонстрацията обяснява как да измерите дали върши работа; а ако съмнението е за техниката, RAG или fine-tuning? обяснява кое е подходящо за всеки случай.

Какво прави Hábil

В Hábil подреждаме данните на компанията и свързваме ИИ с тях — в този ред.

Ако числата ви не съвпадат между отделите, предложението е в Hábil Lake, платформата за данни на вашата компания. Той събира на едно място данните от вашите системи, с цялата им история и вече подредени. При всяко зареждане ги съгласува — връзва ги — със системата, от която идват, така че Ръководството, Финансите и Търговският отдел идват на срещата с едно и също число и всеки може да види откъде е.

Той съхранява данните в отворени формати и работи във вашата инфраструктура или в нашата, като Hábil отговаря за експлоатацията.

Когато данните вече отговарят добре, Hábil AI свързва ИИ с тях: отговаря с вашите реални данни, с права и запис, и проверява вашите документи, преди да отговори. Двата се договарят поотделно: можете да започнете с този, който решава днешния ви проблем.

Разговорът може да започне с вашите три въпроса и с това, което отговори всеки отдел, дори да не съвпадат. С това заедно преглеждаме кои данни липсват, кои трябва да се подредят и дали си струва да се започне от данните или от ИИ. Пишете ни в WhatsApp; за да защитим информацията, не споделяйте по този канал данни на клиентите си или на системите си: в разговора ще договорим канала за случая.

Поискайте първия си разговор, безплатно.

Консултирани на 18 ноември 2026 г. Всеки източник носи степента си на доверие: висока (прочетен първичен източник).

Източници

  1. NIST, „Artificial Intelligence Risk Management Framework (AI RMF 1.0)“ (NIST AI 100-1, януари 2023 г.), приложение B, сред новите или по-големите рискове на ИИ спрямо традиционния софтуер: „The data used for building an AI system may not be a true or appropriate representation of the context or intended use of the AI system“ и „harmful bias and other data quality issues can affect AI system trustworthiness“. Използва се доброволно. Отворен на живо на 18-ное-2026. Доверие: високо. https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.100-1.pdf
  2. Lewis, P. et al., „Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks“ (2020), резюме: „providing provenance for their decisions and updating their world knowledge remain open research problems“, и предложението моделът да се съчетае с външна памет („explicit non-parametric memory“). Отворен на живо на 18-ное-2026. Доверие: високо. https://arxiv.org/abs/2005.11401
  3. Government Data Quality Hub (Обединено кралство), „The Government Data Quality Framework“, разделът за шестте измерения на качеството „as defined by DAMA UK“: „Accuracy describes the degree to which data matches reality“; „Completeness describes the degree to which records are present“; „Uniqueness describes the degree to which there is no duplication in records“; „Consistency describes the degree to which values in a data set do not contradict other values representing the same entity“; „Timeliness describes the degree to which the data is an accurate reflection of the period that they represent, and that the data and its values are up to date“; „Validity describes the degree to which the data is in the range and format expected“. Препоръчва проблемите да се решават „at source“. Отворен на живо на 18-ное-2026. Доверие: високо. https://www.gov.uk/government/publications/the-government-data-quality-framework/the-government-data-quality-framework
  4. Камара на депутатите (Мексико), „Ley Federal de Protección de Datos Personales en Posesión de los Particulares“, „Nueva Ley publicada en el Diario Oficial de la Federación el 20 de marzo de 2025“; последното изменение е обнародвано в Държавен вестник на 14-11-2025. Член 5: „El responsable deberá observar los principios de licitud, finalidad, lealtad, consentimiento, calidad, proporcionalidad, información y responsabilidad en el tratamiento de datos personales“ (администраторът трябва да спазва принципите на законосъобразност, ограничение в целите, добросъвестност, съгласие, качество, пропорционалност, информираност и отчетност). Отворен на живо на 18-ное-2026. Доверие: високо. https://www.diputados.gob.mx/LeyesBiblio/pdf/LFPDPPP.pdf
  5. Gebru, T. et al., „Datasheets for Datasets“ (2018), резюме: „we propose that every dataset be accompanied with a datasheet that documents its motivation, composition, collection process, recommended uses, and so on“, по аналогия с техническите листове на електронните компоненти. Отворен на живо на 18-ное-2026. Доверие: високо. https://arxiv.org/abs/1803.09010

Вашата дейност среща ли тези предизвикателства?

Да обсъдим вашия проект

Предпочитате имейл? Пишете ни на hola@habil.mx