ジャガディッシュ・ゴカヴァラプ氏は、ウィッセンのテクノロジー担当副社長で、IT・サービス分野で25年以上の経験を持ち、AIとデジタルトランスフォーメーションを専門としている。
AIが様々な業界や組織における効率性と意思決定の改善に貢献する中、ほぼすべてのスタートアップが独自のAIモデルを構築している。しかし、多くのスタートアップが見落としがちな重要な側面がある—それは不適切なデータガバナンスによる高い失敗率だ。
効果的なデータガバナンスの実装は、単なる技術的要件ではなく戦略的決断である。それはAIイニシアチブの信頼性、倫理的展開、そして成功の基盤となる。
2022年までに展開されたAIイニシアチブの85%が失敗すると予測されており、不適切なデータガバナンスがその主要な要因である可能性が高い。堅牢なデータガバナンスはAIモデルが訓練されるデータの品質に依存しており、その成功のために最重要視されるべきである。
データ品質：不十分なデータガバナンスの根本原因
「ゴミを入れればゴミが出る」という格言は陳腐かもしれないが、依然として真実である。組織はAIプロジェクトを展開する際に実際の課題に直面しており、基礎となるデータの根本的な問題は重大な懸念事項だ。データ品質とガバナンスシステムが不十分なAIプロジェクトは、適切な設計のない弱い基盤の上に橋を建設しようとするようなものである。
データ品質はあらゆるデータガバナンスシステムの中核にある。それなしでは、AIプロジェクトは成功に苦戦するだろう。不十分なデータ品質とガバナンスは以下につながる可能性がある：
• 信頼性の低いAI出力
• 規制上の懸念
• データ侵害とサイバーセキュリティの脅威
• 時間の経過に伴うAIモデルの劣化
ガートナーによると、不十分なデータ品質は組織に平均して年間1290万ドルのコストをかけている。組織はデータ品質とガバナンスの実践を微調整する必要がある。彼らは健全なデータガバナンスシステムと、データ品質、セキュリティ、プライバシー、倫理に関する確立された方針を必要としている。
避けるべき一般的なデータガバナンスの間違い
AIプロジェクトのための堅牢なデータガバナンスシステムを構築する際に避けるべき一般的な落とし穴は以下の通りである：
1. オーナーシップと説明責任を取らないこと
組織が犯す最も基本的な間違いの一つは、明確なオーナーシップ構造を構築しないことである。異なるチームが自分たちの責任を理解せずに独立して運営している。明確な階層も、中央の権限も、問題が発生した時に誰に連絡すべきかの明確さもない。
これを軽減するために、ビジネスリーダーはデータガバナンスチームにデータオーナー、データスチュワード、データカストディアン、データ保護責任者を必要とする。これらの役割を確立することで、チーム内の誰が何をするかについての曖昧さを排除するために必要な責任を確保するのに役立つ。
2. ビジネス目標との不一致
データガバナンスは、組織の戦略的目標から切り離された孤立したプロジェクトになりがちである。そのため、価値を生み出す活動というよりも、オーバーヘッドの活動と見なされる。
この間違いの根本原因は、チームがビジネスの優先事項をどのように補完するかを理解せずに技術的要件から始めることである。この思考プロセスは、なぜデータをガバナンスする必要があるかではなく、どのデータをガバナンスする必要があるかに焦点を当てている。
3. データガバナンスをITプロジェクトとして扱うこと
組織はしばしばデータガバナンスをITプロジェクトだと考え、それによって技術的ソリューションの構築に焦点が移る。このツール中心のアプローチは、技術がガバナンスの問題を解決すると信じているため不十分である。
ステークホルダーは、ガバナンスが彼らの意見を取り入れて設計されるのではなく、押し付けられていると感じるかもしれない。成功するデータガバナンスには、単にITプロジェクトとして扱うだけでなく、人々がデータをどのように考え、どのように相互作用するかについての考え方の転換が必要である。
4. 文化的・人的要因を無視すること
組織は、人間が彼らの行うすべてのことの中心にいることを認識する必要がある。人間中心の組織における文化変革の実施は、データガバナンスにとって最大の課題の一つである。人的・文化的要因が見過ごされると、ガバナンスは実用的なシステムというよりも形式的な演習になってしまう。
方針と実践のこのギャップは、最終的にAIイニシアチブを損なう可能性がある。データ駆動型の文化を作り出すには、積極的なリーダーシップ、透明なコミュニケーション、包括的な設計、そして前向きな行動を強化する報酬システムが必要である。
AIプロジェクトの成功のためのデータガバナンス
効果的なデータガバナンスは、AIの信頼性のある成功した展開の基盤である。AI信頼性の確保は成功するAIプロジェクトの第一の側面であり、それは効果的なデータガバナンスシステムから始まる。
AI信頼プラットフォームは、機密情報を保護しながら高品質のデータでモデルが訓練されることを確保するのに役立つ一つのアプローチである。これらのシステムは、AI信頼性のための3つの譲れない次元に依存している：品質、機密性、認証である。
マスターデータマネジメント（MDM）は、複雑なコンプライアンス環境に対処し、責任あるAI展開に必要なガバナンスの準備を提供することで、AI成功において補完的な役割を果たす。堅牢なMDM実装により、組織はAIが消費・生成するデータに対する明確な方針、説明責任、オーナーシップを確立できる。MDMのデータガバナンスにおける役割の重要な側面には以下が含まれる：
• メタデータを効果的に管理するためのセマンティックデータモデルのサポート
• データオーナーシップとスチュワードシップを定義することによる説明責任の確立
• 継続的なデータ改善を推進するための基準と指標の開発
• 成功するMDM実装のための機能横断的チームの構築
同様に重要なのは、データを「単一の真実の源」として扱うことである。一貫性があり、包括的で、権威のあるデータは、組織全体で信頼性の高い情報に依存するAIプロジェクトにとって不可欠である。
結論
より複雑で自律的なAIシステムを開発するにつれて、データガバナンスシステムを構築することがますます重要になる。組織は、データガバナンスをコンプライアンスの負担ではなく戦略的な実現要因として見るように考え方を変える必要がある。
データ品質とガバナンスの問題に対処することで、AIプロジェクトの主要なリスクを効果的に軽減できる。覚えておいてほしいのは、データガバナンスは選択肢ではないということだ。それはあらゆるAIプロジェクトの成功した展開のための前提条件である。
フォーブス・テクノロジー・カウンシルは、世界クラスのCIO、CTO、テクノロジーエグゼクティブのための招待制コミュニティです。私は資格がありますか？
