Ժամանակակից բիզնեսում տվյալները նոր արժույթ են, սակայն ոչ բոլոր տվյալներն են հավասարազոր։ Մինչ թվային փոխակերպման ռազմավարությունների մեծ մասը կենտրոնանում է ներքին ցուցանիշների վրա՝ հաճախորդների հոսքի կորուստ, մատակարարման շղթաների խոչընդոտներ կամ վաճառքի հունի արագություն, համաշխարհային առևտրի ենթակառուցվածքում առկա է մի «կույր կետ»՝ Բնապահպանական տվյալների ամբողջականությունը։ Ամեն առավոտ՝ միջմայրցամաքային բեռնատար ինքնաթիռի օդաչուների խցիկից մինչև ազգային էներգահամակարգերի կառավարման կենտրոններ, կենսական կարևորության ռազմավարական որոշումներ կախված են մեկ ընդհանուր թելից՝ եղանակի կանխատեսումից։
Մենք հասել ենք մի կետի, երբ եղանակի վերաբերյալ տվյալներն այլևս պարզապես գործառնական պլանավորման ֆոն չեն, այլ բարձր ռիսկայնություն ունեցող ավտոնոմ որոշումների կայացման առաջնային մուտքային տվյալներ։ Երբ այս տվյալների հոսքը վտանգվում է, դրա հետևանքը լոկ փոքր ուշացում չէ, այլ ֆինանսական անկայունության և համակարգային ռիսկերի շղթայական ռեակցիա։ Քանի որ բիզնեսները գնալով ավելի շատ են ներդնում արհեստական բանականությամբ (ԱԲ) աշխատող լոգիստիկա և ավտոմատացված մատակարարման շղթաներ, եղանակային տվյալների սաբոտաժի սպառնալիքը տեսական անհարմարությունից վերածվում է կառավարման խորհրդի օրակարգի հրատապ հարցի։
Ավտոմատացված որոշումների կայացման շղթաների փխրունությունը
Ժամանակակից արդյունաբերությունը շարժվում է դեպի Հիպեր-ավտոմատացում (Hyper-Automation), որտեղ ԱԲ գործակալները մշակում են բնապահպանական տվյալները՝ իրական ժամանակում գները կարգավորելու, ակտիվների երթուղիները փոխելու և ռեսուրսների բաշխումն օպտիմալացնելու համար։ Ավիաընկերության համար ճշգրիտ կանխատեսումը միայն հարմարավետության հարց չէ. այն վերաբերում է վառելիքի լցավորմանը, թռիչքուղիների գրաֆիկին և անձնակազմի հոգնածության կառավարմանը։ Տեղային եղանակային տվյալների աննշան, կանխամտածված շահարկումը՝ օրինակ՝ բարձր բարձրության վրա տուրբուլենտության մասին կեղծ հաղորդագրությունը կամ տեղային «ուրվական» փոթորիկը, կարող է ստիպել ավտոմատացված համակարգին անհիմն կերպով փոխել տասնյակ չվերթների երթուղիները։ Արդյունքը միլիոնավոր դոլարների վատնված վառելիքն ու գործառնական ծախսերն են։
Հիմնական խնդիրը տվյալների կուտակային խողովակաշարերի վրա հիմնվելն է, որոնք չունեն ստուգման պատշաճ մակարդակներ։ Երբ մենք քննարկում ենք Թվային փոխակերպումը (Digital Transformation), հաճախ գովերգում ենք տվյալների վրա հիմնված որոշումների արագությունը։ Սակայն մենք հազվադեպ ենք հաշվի առնում «աղբ մուտքում՝ աղբ ելքում» (garbage in, garbage out) թակարդը, երբ այդ «աղբը» ներարկվում է չարամտորեն։ Այս խաթարումներին ներկայումս ամենախոցելին են հետևյալ ոլորտները.
- Վերականգնվող էներգիայի ցանցերի կառավարում. Ավտոմատացված համակարգերը, որոնք հաշվեկշռում են ծանրաբեռնվածությունը՝ հիմնվելով քամու կամ արևային էներգիայի ակնկալվող արտադրության վրա, հանդիսանում են մանիպուլյացիաների հիմնական թիրախներ։
- Ճշգրիտ գյուղատնտեսություն. Խոշոր կորպորատիվ ֆերմերային տնտեսությունները հիմնվում են ոռոգման և պարարտացման ավտոմատացված գրաֆիկների վրա, որոնք գործարկվում են տեղային կլիմայական կանխատեսումներով։ Այստեղ սաբոտաժը կարող է հանգեցնել բերքի զանգվածային կորստի։
- Ալգորիթմական ապրանքային առևտուր. Երբ եղանակի կանխատեսումները սահմանում են հացահատիկի, բնական գազի կամ նավթի ֆյուչերսների գները, տվյալների ամբողջականության նույնիսկ փոքր, ժամանակավոր խափանումը շահութաբեր հնարավորություններ է ստեղծում չարամիտների համար՝ շուկայական տրամադրությունները մանիպուլյացիայի ենթարկելու համար։
Բիզնեսի ղեկավարների համար սա նշանակում է ներդրումների վերադարձի (ROI) լուրջ ռիսկ։ ԱԲ-ի վրա հիմնված արդյունավետության մեջ ներդրումը այնքան ամուր է, որքան այն տելեմետրիան, որը նա սպառում է։ Եթե մուտքային տվյալները ենթակա են կեղծման, ողջ թվային ճարտարապետությունը դառնում է թանկարժեք պարտավորություն՝ աճի շարժիչ լինելու փոխարեն։
Խելացի ձեռնարկության անվտանգության ապահովում
Այս ռիսկերը մեղմելու համար կազմակերպությունները պետք է վերանայեն իրենց մոտեցումը տվյալների կառավարման հարցում։ Այլևս բավարար չէ միայն պաշտպանել ամպային միջավայրը, որտեղ գտնվում են CRM կամ ERP համակարգերը. անվտանգության թիմերը պետք է արտաքին տվյալների հոսքերը՝ հատկապես ավտոմատացված աշխատանքային հոսքերի վրա ազդողները, դիտարկեն որպես բարձր ռիսկային մուտքային տվյալներ։ Սա պահանջում է անցում «Զրոյական վստահության» տվյալների վավերացման (Zero-Trust Data Validation)։
Ընկերությունները պետք է ներդնեն հետևյալ պաշտպանական մեխանիզմները՝ իրենց ավտոմատացված որոշումների կայացման շղթաները պաշտպանելու համար.
- Բազմաղբյուր եռանկյունաչափում. Երբեք մի հիմնվեք եղանակային միայն մեկ API-ի կամ հոսքի վրա։ Ինտեգրեք տվյալներ մրցակից մատակարարներից և օգտագործեք վիճակագրական մոդելավորում՝ անոմալիաները կամ շեղումները հայտնաբերելու համար, որոնք կարող են մատնանշել հնարավոր կեղծումը։
- Բացատրելի ԱԲ-ի (XAI) պաշտպանիչ արգելակներ. Համոզվեք, որ ձեր ավտոմատացման գործընթացներն ունեն «անջատիչներ»։ Եթե եղանակային տվյալը հուշում է մի որոշում, որը զգալիորեն շեղվում է պատմական տվյալներից կամ տեղային երկրորդային սենսորների ցուցմունքներից, ԱԲ գործակալը պետք է դադարեցնի գործընթացը և այն փոխանցի մարդկային վերահսկողության։
- Բլոկչեյնով հաստատված տելեմետրիա. Քանի որ մենք անցնում ենք դեպի տվյալների
