Tehnologia AI a înregistrat o creștere explozivă în ultimii ani și s-a infiltrat aproape în tot: de la aplicații care ne recomandă conținut până la platforme care automatizează fluxuri de lucru. Discuția de față vizează o problemă mai puțin vizibilă, dar esențială: calitatea datelor ce alimentează aceste sisteme. Krishna Subramanian, co-fondator și COO la Komprise, detaliază de ce guvernanța datelor e crucială pentru o implementare responsabilă a AI-ului și la ce să se pregătească liderii IT în perioada următoare.
Mulți au început rapid experimente cu AI generativ și agenți autonomi, însă nu toate abordările au fost prudente. Frecvent, organizațiile leagă aceste instrumente de seturi de date neîngrijite, considerând că mai multe date înseamnă automat mai multă valoare. Realitatea arată însă că datele neguvernate pot conține erori, prejudecăți sau informații sensibile care pot provoca daune de imagine, breșe de conformitate sau erori operaționale costisitoare. Când astfel de eșecuri apar, ele nu sunt simple bug-uri; pot deveni incidente mediatizate și scumpe, forțând o reevaluare serioasă. Mulți lideri IT suspectează deja că riscul principal nu vine din modelele AI, ci din datele care le antrenează.
Aceasta nu înseamnă un val anti-AI, ci o reacție împotriva adoptării neglijente. Companiile nu renunță la AI, dar vor ridica mai multe întrebări: vor încetini ritmul, vor testa mai riguros instrumentele și vor separa soluțiile mature și bine guvernate de cele imature și riscante. Hype-ul se temperează, dar tehnologia rămâne, ceea ce se schimbă este așteptarea că AI se poate integra fără a construi mai întâi fundamente solide de guvernanță, gestionare a riscului și administrare a datelor.
Guvernanța datelor specifică pentru AI nu mai este un lux; devine o necesitate. Până acum, cadrele de guvernanță s-au concentrat în principal pe conformitate, arhivare și retenție. AI ridică însă mize noi: dacă datele sunt etichetate greșit, neclasificate sau nesecurizate, modelele vor prelua și amplifica aceleași greșeli. Răspunsul pe care îl pregătesc CIO-ii este includerea auditului sistematic, monitorizării proactive și alertelor în timp real pentru a preveni utilizarea abuzivă a datelor. Nu e doar despre respectarea reglementărilor, ci despre protejarea valorii de business și evitarea unor erori potențial catastrofale.
Un aspect care înrăutățește situația este volumul mare de date nestructurate. Estimările indică faptul că între 70% și 90% din datele dintr-o companie sunt nestructurate: e-mailuri, chat-uri, PDF-uri, fișiere de design, videoclipuri sau fluxuri de la senzori IoT. Acestea au fost adesea neglijate pentru că sunt dezordonate și greu de clasificat, dar AI are nevoie tocmai de contextul lor. Fără clasificare, etichetare și pregătire adecvată, datele nestructurate devin o vulnerabilitate: documente sensibile pot ajunge la modele fără protecții sau informații irelevante pot diminua acuratețea rezultatelor. Soluția este să gestionăm haosul nestructurat prin instrumente automate de tagging, clasificare și administrare sistematică.
Automatizarea joacă un rol esențial. Volumul imens de date și viteza cu care AI le consumă impun mecanisme automate de audit continuu, detectare a anomaliilor și generare de alerte imediate. Automatizarea asigură consistență, reduce erorile umane, elimină blocajele și transformă guvernanța dintr-un proiect punctual într-un proces continuu. Pe măsură ce adopția AI se extinde, automatizarea va fi practic singura modalitate de a aplica politici la viteza necesară.
Pe lângă riscurile tehnologice, există și presiuni externe care accelerează necesitatea guvernanței: instabilitatea geopolitică, creșterea tarifelor și întreruperile în lanțurile de aprovizionare obligă organizațiile să regândească unde stochează datele și cine le poate accesa. Sănătatea guvernanței devine un avantaj strategic: controlul asupra locației datelor, a fluxurilor transfrontaliere și a securității în diverse jurisdicții se traduce în reziliență în perioade instabile. Astfel, guvernanța nu e doar o măsură defensivă, ci poate fi un diferențiator competitiv.
Bugetele reprezintă un prag realist. AI implică costuri: infrastructură (storage și compute) pentru LLM-uri, licențe software, platforme de guvernanță, dezvoltare și procese pentru pregătirea datelor. Un studiu IBM arată că marile companii planifică alocări de aproximativ 3% din venituri pentru AI, adică în jur de 33, 2 milioane de dolari anual pentru o firmă cu venituri de 1 miliard. Pentru IMM-uri, estimările HubSpot vorbesc despre 5–20% din venituri. Asta înseamnă că nu există luxul experimentării nelimitate. Optimizarea costurilor va deveni o problemă de guvernanță: companiile care pot scala AI eficient, cu tehnologii flexibile, ușor de utilizat și fără vendor lock-in vor avea avantaj. Tactici concrete includ eliminarea datelor redundante, mutarea către stocare mai ieftină a datelor mai puțin folosite și vizibilitatea centralizată a silozurilor de date pentru eficientizare.
Pe termen scurt observăm prudență și evaluare strategică. Pe termen lung perspectivele rămân optimiste: organizațiile care investesc acum în guvernanță specifică AI vor obține sisteme mai sigure, reziliente și aliniate obiectivelor de business. Guvernanța nu frânează inovația; pune baza pentru o creștere durabilă. Gestionarea eficientă a datelor nestructurate, supravegherea automatizată și arhitecturile optimizate din punct de vedere al costurilor și suveranității pot transforma AI dintr-un pariu bazat pe hype într-un avantaj competitiv sustenabil.
Komprise, prin vocea lui Krishna Subramanian, evidențiază că mulți lideri IT vor trece de la experimentare haotică la implementări atent supravegheate, cu audit și automatizare. Pe termen mediu asta înseamnă mai puține proiecte „testate pe fugă” și mai multe inițiative bine articulate care iau în considerare clasificarea, etichetarea și protecția datelor, în special a celor nestructurate.
Costurile certe rămân: 3% din venituri pentru companii mari, zeci de milioane pentru infrastructură, iar pentru IMM-uri procente mai mari din buget. Fără o gestionare adecvată, aceste cheltuieli pot transforma entuziasmul într-o povară financiară. Măsuri practice, precum eliminarea duplicatelor și mutarea datelor pe clase de stocare pe măsură ce devin mai puțin folosite, pot elibera resurse pentru investiții strategice în AI.
Krishna subliniază două idei centrale: guvernanța devine indispensabilă, iar automatizarea este instrumentul care permite aplicarea ei la scară. Fără aceste elemente, riscurile reputaționale, de conformitate și operaționale rămân ridicate, iar potențialul de monetizare al AI-ului rămâne limitat.
Komprise și alți furnizori anticipează un viitor în care cei bine pregătiți vor reveni la rigurozitate și la instrumente care oferă transparență. În loc să tratezi datele ca pe un moft, consideră-le un activ ce trebuie clasificat, protejat și utilizat cu atenție. Aceasta pare mai mult un plan de lucru decât o promisiune exagerată, iar aici se vede diferența între proiectele care eșuează după prima criză și cele care devin parte din strategie.
Komprise, date estimate precum 70–90% pentru date nestructurate, procentul de 3% din venituri pentru AI, studiile care arătau că doar circa 5% din companii obțin o accelerare rapidă a veniturilor, toate acestea conturează o realitate limpede: abordarea pragmatică și guvernată va decide câștigătorii în lumea AI-ului enterprise. Creșterea sustenabilă cere acțiuni concrete, nu doar entuziasm.
Krishna Subramanian discută despre guvernanță, automatizare și optimizare a costurilor. Acestea sunt elementele pe care CIO-ii le vor prioriza în 2025. Consideri că organizația ta are deja procese de guvernanță și automatizare suficient de solide pentru a susține proiecte AI la scară?
Fii primul care comentează