I dati di un’impresa sono una risorsa fondamentale e per questo motivo è importante che siano accurati e gestiti in maniera corretta in tutte le fasi.
Per estrarre valore da questi dati e per utilizzarli in modo corretto, è necessario che vengano manipolati correttamente e dalle persone che sono deputate a farlo, anche per garantirne la conformità secondo le regolamentazioni di legge in vigore (ad es. la GDPR).
Per poter svolgere queste operazioni correttamente, un’impresa può mettere in campo azioni di data governance: con questo termine comprendiamo infatti tutte le politiche e le procedure di gestione del dato e della tutela della sua conformità.
Dato che l’Intelligenza Artificiale fonda i suoi principi sui dati, ed in particolare su dati archiviati in grande quantità (i big data), si rende sempre più urgente stabilire una regolamentazione relativa all’AI Governance, oggetto dell’articolo di oggi.
L’AI GOVERNANCE: IL CASO IBM “AI FACTSHEETS”
Con “AI Governance” s’intende l’insieme di funzioni e tool deputati alla gestione dei dati e degli asset di un’impresa basati sull’Intelligenza Artificiale, comprendendo nello specifico una serie di normative e requisiti aziendali atte alla loro tutela.
I sistemi di AI Governance sono utili, ad esempio, per tracciare gli algoritmi basati sul machine learning e tener conto della loro regolarità normativa, grazie alla capacità di valutare il risultato fornito dai modelli con dei KPI di correttezza e precisione.
IBM è precursore nel mondo dell’AI Governance, perché fornisce AI Factsheets all’interno di Watson Studio e di Watson Knowledge Catalog (il “catalogo dei dati” più famoso di IBM).
Con questo tool si può monitorare da un single point i modelli di Intelligenza Artificiale e di data science, utilizzando dei modelli che analizzano il processo dalla formazione al momento della produzione.
Da questo tool vengono poi forniti come output dei factsheet (schede informative) più semplici da conservare e da utilizzare in caso di audit o verifiche successive.
I modelli di AI Governance su cui è basato AI Factsheets sono totalmente scalabili e personalizzabili, perciò è possibile applicarli su una parte del processo, per studiare il loro comportamento e successivamente scalarli all’intero ambiente di produzione in maniera semplice.
Conclusioni
Implementando una strategia di AI Governance è possibile stabilire delle regole relative ai processi e delle politiche di accesso al dato che permettono di tutelarlo e di tracciarlo in tutto il suo ciclo di vita, prendendo così forma il “data lineage”.
Con questo termine, infatti, identifichiamo il processo di tracciamento del flusso dei dati nel tempo, comprendendo dove il dato viene originato, quali cambiamenti ha subito nel corso del tempo, come e perchè è variato e qual è la sua destinazione in base al progetto complessivo di un’impresa.
Tutto ciò porta diversi benefici, come ad esempio l’aumento delle entrate aziendali, una riduzione dei costi per il trattamento di grandi mole di dati, una standardizzazione degli stessi e una facilità nel risolvere i problemi legati alla gestione del dato.
Comments are closed.