29.10.2025 Экспертиза, Искусственный интеллект, МенеджментТеперь, когда искусственный интеллект стал темой для обсуждения на уровне советов директоров, организации спешат достичь успешных результатов, но для этого требуется планирование, пишет на портале BigDATAwire Кит Беланжер, технический директор DataOps.live. По данным Gartner, более 60% проектов в области ИИ не соответствуют бизнес-соглашениям об уровне обслуживания (SLA) и часто закрываются из-за низкого качества данных, слабого управления или отсутствия контекстной релевантности. Хотя модели ИИ/МО получают большое внимание, правда в том, что они хороши настолько, насколько хороши данные, которые их питают. Если организации не доверяют своим данным, они не могут доверять своему ИИ. Именно здесь вступает в игру наблюдаемость данных. Выходя за рамки простого мониторинга или проверки качества данных, наблюдаемость данных непрерывно оценивает состояние, достоверность и репрезентативность данных на протяжении всего их жизненного цикла. Она гарантирует, что конвейеры данных выдают результаты, соответствующие ожиданиям бизнеса, и подходят для обучения и эксплуатации моделей ИИ/МО. Тем не менее, наблюдаемость данных также оказалась в центре ажиотажа. В отчете Gartner «Hype Cycle for Data Management 2025» отмечается, что, несмотря на быстрый рост популярности наблюдаемости, сейчас она находится во «впадине разочарования», в то время как организации изо всех сил пытаются сделать ее практичной и ценной. Урок: наблюдаемость — это не просто инструмент, который вы покупаете; это ...
читать далее.
