Tata Kelola Data AI

Inventarisasi data dan penggunaannya. Catat dari mana setiap dataset berasal, mengapa diperlukan, siapa yang dapat mengaksesnya, dan apakah izinnya mencakup pelatihan, pengambilan, evaluasi, atau publikasi. Penggunaan tersebut tidak otomatis dapat dipertukarkan. Lacak aset turunan serta aslinya. Teks yang diekstrak, embedding, respons cache, label, dan titik pemeriksaan model dapat menyimpan informasi atau ketergantungan dari data sumber. Proses penghapusan yang hanya menghapus file yang diunggah mungkin meninggalkan salinan yang relevan. Tentukan kontrol kualitas dan perubahan. Dokumentasikan kolom wajib, unit, aturan label, dan pemeriksaan validasi. Tugaskan pemilik untuk menyetujui perubahan skema dan menyelidiki kesalahan. Jaga garis keturunan agar sumber atau transformasi bermasalah dapat dilacak ke output yang terdampak. Tinjau retensi dan akses secara berkala, terutama ketika layanan mendapatkan integrasi baru atau model diadaptasi untuk tujuan berbeda. Buat prosedur operasional jelas: siapa yang menangani koreksi, seberapa cepat koreksi dipropagasikan, dan bagaimana penyelesaian diverifikasi. Tata kelola harus terlihat dalam sistem kerja, bukan hanya sebagai dokumen kebijakan.