Հանրային անվտանգության ոլորտում վերջին քաղաքական փոփոխությունները, մասնավորապես՝ տվյալների կառավարման հսկայական համակարգերի վերաբերյալ, ուսանելի օրինակ են ցանկացած կազմակերպության համար, որը փորձում է հավասարակշռել Թվային փոխակերպման (Digital Transformation) և տվյալների կառավարման միջև առկա հակասությունները։ Երբ այնպիսի խոշոր խաղացող, ինչպիսին է Flock Safety-ն, որը շահագործում է ավելի քան 120,000 ավտոմատ պետհամարանիշներ ճանաչող (ALPR) սարքերի լայնածավալ ենթակառուցվածք, հայտարարում է իր հարթակի գաղտնիության ճարտարապետության արմատական փոփոխությունների մասին, դա միայն քաղաքացիական ազատությունների պաշտպանների հաղթանակը չէ։ Սա ազդանշան է յուրաքանչյուր գործարար առաջնորդի, որ «ամեն ինչ հավաքիր, հետո վերլուծիր» սկզբունքով տվյալների ռազմավարության դարաշրջանը արագորեն ավարտվում է։

Բիզնեսի համար դասը պարզ է. ամենակատարյալ AI համակարգերն այլևս այն համակարգերը չեն, որոնք ամենաշատ տվյալներն են կուտակում, այլ այն համակարգերը, որոնք ցուցադրում են բարձր ճշգրտություն, համաձայնության առկայություն և ստուգելի արդյունքներ։

Տվյալների կուտակումից դեպի նպատակային հետախուզություն (Intentional Intelligence)

Նախկինում AI-ի ներդրման հիմնական մոտեցումը տվյալների առավելագույն ձեռքբերումն էր։ Եթե պահեստային հզորություն ունեիր, տվյալները պահում էիր։ Սակայն այժմ, երբ մենք մուտք ենք գործում Գեներատիվ AI-ի (Generative AI) և ինքնավար AI գործակալների (AI Agents) դարաշրջան, չկառուցվածքավորված կամ «հնացած» տվյալներ պահելու ռիսկը շատ ավելին է, քան դրանց պոտենցիալ օգտակարությունը։ Flock-ի քայլը՝ տվյալների պահպանման և որոնման պարամետրերի նկատմամբ ավելի խիստ վերահսկողություն սահմանելու ուղղությամբ, արտացոլում է տեխնոլոգիական էկոհամակարգի ավելի լայն տեղաշարժը. Պատասխանատու AI-ն (Responsible AI) այլևս պարզապես PR թեմա չէ, այն երկարաժամկետ մասշտաբայնության նախապայման է։

Երբ ընկերությունները ներդնում են առաջադեմ վերլուծական կամ ավտոմատացված հսկողության գործիքներ, նրանք պետք է հաշվի առնեն «վստահության դեֆիցիտը»։ Եթե համակարգը ընկալվում է որպես տվյալների անկանոն հավաքագրող մեքենա, դրա ընդունումը դանդաղում է, կարգավորող մարմինների ուշադրությունը մեծանում է, իսկ տեխնոլոգիայի ներդրումների եկամտաբերությունը (ROI) արագորեն մաշվում է իրավաբանական ծախսերի և հեղինակային վնասների պատճառով։ Ներդնելով տեղեկատվության որոնման և պահպանման տևողության վերաբերյալ կոնկրետ, քաղաքականության վրա հիմնված սահմանափակումներ՝ տեխնոլոգիական մատակարարները հիմնականում շարժվում են դեպի «Privacy-by-Design» (գաղտնիությունը՝ որպես նախագծման սկզբունք) ճարտարապետություն։ Սա միայն էթիկայի մասին չէ, սա գործառնական արդյունավետության մասին է։

Ավելի սահմանափակ և բարձր նպատակայնություն ունեցող AI ճարտարապետությունների ընդունումը պայմանավորված է հետևյալ գործոններով.

  • Հաշվետվողականություն (Auditability): Բիզնես առաջնորդներն այժմ պահանջում են անփոփոխ հետագիծ այն մասին, թե ինչու է AI գործակալը կայացրել որոշակի որոշում։ Տվյալների անկանոն հավաքածուները դարձնում են այդ հետագիծը պղտոր և անվստահելի։
  • Ծախսերի օպտիմալացում: Հսկայական և կրկնվող տվյալների հավաքածուների պահպանումը թանկ է։ Խելացի զտման միջոցով տվյալների ծավալի կրճատումը զգալիորեն նվազեցնում է ամպային ենթակառուցվածքների ծախսերը։
  • Կարգավորող համապատասխանություն: ԵՄ AI ակտի կամ ազգային գաղտնիության մասին նոր օրենքների պայմաններում այն բիզնեսները, որոնք «տվյալների գերեզմանոցներ» են պահում, բախվում են լուրջ ռիսկերի։ Տվյալների ավտոմատ ջնջումը և հասանելիության սահմանափակված մոդելները մեղմում են այդ ռիսկերը։

AI ավտոմատացման համապատասխանեցումը ձեռնարկության արժեքներին

Շատ կազմակերպությունների համար խնդրահարույց է Ավտոմատացման (Automation) ուժը վերահսկողության անհրաժեշտության հետ հավասարակշռելը։ Մենք հասել ենք մի կետի, երբ ավտոմատացված համակարգերի արագությունը գերազանցում է մարդկային միջամտությանը։ Երբ համակարգը կարող է վայրկյանում վերլուծել հազարավոր տվյալներ՝ լինի դա մանրածախ առևտրում հաճախորդների վարքագծի հետևում, թե լոգիստիկայի մոնիթորինգ, «ալգորիթմական շեղման» (algorithmic drift) ռիսկը դառնում է ռազմավարական սպառնալիք։

Թվային արդյունավետ փոխակերպումը պահանջում է, որ մենք մեր համակարգերը հագեցնենք հստակ, բիզնեսի վրա հիմնված սահմանափակումներով։ Ինչպես ALPR ցանցը պետք է սահմանափակված լինի աշխարհագրական և ժամանակային պարամետրերով՝ օրինական մնալու համար, այնպես էլ կորպորատիվ CRM համակարգը կամ հաճախորդներին սպասարկող չաթբոտը պետք է սահմանափակված լինեն իրենց սեփական «անվտանգության արձանագրություններով»։

Նման համակարգերի ROI-ը գնահատելիս պետք է հաշվի առնել «բացասական տվյալների» արժեքը՝ այն տվյալները, որոնք դուք չեք հավաքում, կամ այն հարցումները, որոնք թույլ չեք տալիս։ Այն ընկերությունները, որոնք ներդնում են հասանելիության խիստ, դերային կառավարում և տվյալների հարցման հստակ շրջանակներ, հաճախ ստանում են երկարաժամկետ ավելի բարձր եկամտաբերություն, քանի որ նրանց համակարգերն ավելի կայուն են, ավելի քիչ հակված են «հալյուցինացիաների» կամ սխալ օգտագործման, և դրանք ավելի հեշտ է ինտեգրել առկա աշխատանքային հոսքերին։

Բիզնես առաջնորդների համար եզրակացությունը հետևյալն է. գնահատեք ձեր AI համակարգը ոչ թե նրանով, թե որքան տվյալ է այն կլանում, այլ նրա սահմանափակումների խստությամբ։ Հարցրեք ձեր տեխնոլոգիական թիմերին՝ արդյո՞ք մեր AI գործակալները լայնածավալ գործողություններ են իրականացնում, որոնք ապագայում պարտավորություններ կստեղծ