10.07.2026 Экспертиза, Искусственный интеллект, МенеджментАгенты искусственного интеллекта терпят неудачу, когда упускают из виду «невидимые данные». Нитин Сингхал, вице-президент по инжинирингу данных и монетизации компании GitLab, рассказывает на портале The New Stack о том, почему необходимо фиксировать институциональную логику, лежащую в основе решений, прежде чем она исчезнет. При создании платформ данных для крупных организаций решения часто принимаются на основании того, что видим, игнорируя слепые зоны, или то, что мы называем «невидимыми данными», которые могут быть опаснее, чем плохие данные. Эти невидимые данные включают исключения, согласования, контекст, недокументированные институциональные знания, межсистемные синтезы и решения, которые помогают вести бизнес, но редко попадают в какую-либо систему. Я наблюдал этот шаблон во всех отраслях, в которых работал. Моя команда в одной крупной компании социальных сетей провела аудит метаданных, который показал, что большинство производственных наборов данных были «осиротевшими», не имеющими принадлежности или избыточными. Ни у кого не было достоверного подсчета работающих API. Традиционные инструменты каталогизации предоставляли устаревшие метаданные по мере их поступления. Чтобы решить эту проблему, мы с нуля создали коннекторы на основе графов, сшили воедино цепочки активов и вернули сотни миллионов долларов экономии. Но даже после того, как мы решили проблему видимости структурированных данных, мы продолжили сталкиваться с той же проблемой: логику, лежащую в основе данных ...
читать далее.
