למה ארגונים חייבים לעבור מניהול מוצרי דאטה להשקעה בתשתית ארגונית ורגולציית AI

ממשל נתונים כבר אינו פרויקט ציות, אלא שכבת תשתית

הדיון על ממשל נתונים עבר בשנים האחרונות שינוי עמוק. אם בעבר הארגון הסתפק בבדיקות תקופתיות, גיליונות מעקב ותהליכי אישור ידניים, הרי שבעידן חוק הבינה המלאכותית של האיחוד האירופי, חוק חוסן הסייבר וחוק הנתונים האירופי, הגישה הזאת הופכת למסוכנת עסקית. מערכות AI נשענות על שרשראות נתונים מורכבות, וכאשר אין שליטה ברורה במקור הנתונים, בהרשאות, בתיעוד ובאחריות, הסיכון אינו רק רגולטורי. הוא פוגע באמון, ביכולת להרחיב מוצרים ובמהירות קבלת ההחלטות.

מאמר שפורסם ב-Towards Data Science מציף נקודה חשובה במיוחד: הבעיה אינה בהכרח במוצרי הדאטה עצמם, אלא באופן שבו ארגונים בוחרים למדוד אותם. כאשר צוותי ממשל בוחנים מוצר אחר מוצר, הם רואים תקלות מקומיות. כאשר הם מסתכלים על תחומי פעילות שלמים, כמו כספים, משאבי אנוש, רכש או שיווק, הם מתחילים לזהות דפוסים מערכתיים.

מלכודת הטיפול הנקודתי במוצרי דאטה

בארגונים רבים, ממשל נתונים מתנהל כמו מוקד תמיכה פנימי. מוצר אחד חסר מטא-דאטה, מוצר אחר לא הגדיר בקרת גישה מבוססת תפקידים (RBAC), מוצר שלישי אינו עומד בדרישות תיעוד, והרביעי תקוע בגלל חוסר בעלות עסקית. כל תקלה מקבלת כרטיס, כל כרטיס מקבל אחראי, וכל פגישה ניהולית הופכת לרשימת חסמים.

בטווח קצר זה נראה כמו שליטה. בפועל, זהו סימפטום של כשל תפעולי. אם אותה בעיית RBAC מופיעה במקביל בכמה יחידות עסקיות, אין טעם להטיל את האחריות על חמישה נאמני דאטה שונים. ייתכן שהבעיה נמצאת בכלי ניהול הזהויות, באינטגרציה מול פלטפורמת הנתונים או במדיניות ארגונית שאינה מיושמת באופן אחיד. במילים אחרות, הארגון מטפל בעשן במקום לטפל באש.

מפת בגרות לפי תחומים: המדד שמנהלים צריכים לראות

החלופה האפקטיבית היא מעבר למדידה תחומית. במקום לשאול איזה מוצר עבר או נכשל, הנהלה צריכה לשאול אילו עמודי ממשל נכשלים בכמה תחומים במקביל. מפת בגרות כזו מציגה כל תחום עסקי מול עמודי ממשל מרכזיים: בעלות על נתונים, איכות מטא-דאטה, הרשאות, שושלת נתונים, תיעוד ומוכנות להסמכת מוצר.

הערך של המפה אינו בציון ממוצע יפה, אלא באיתור אשכולות כשל. אם שושלת נתונים נכשלת גם במשאבי אנוש וגם ברכש, סביר שלא מדובר בחוסר משמעת מקומי. ייתכן שכלי איסוף המטא-דאטה אינם מחוברים לצנרות הנכונות, או שהארכיטקטורה אינה מאפשרת מעקב אוטומטי. במקרה כזה, השקעה בצוות הפלטפורמה תניב תועלת רחבה בהרבה מהעסקת עוד בודקים ידניים.

ההשלכה העסקית: פחות ציות ידני, יותר סקיילביליות

המעבר ממוצר לתחום משנה גם את שפת התקציב. במקום לבקש משאבים כדי לנקות תור אינסופי של חריגות, מנהלי דאטה יכולים להציג היכן השקעה תשתיתית אחת תשפר עשרות מוצרים. זהו הבדל קריטי בעידן שבו ארגונים מנסים להפעיל AI גנרטיבי, אנליטיקה בזמן אמת ואוטומציה רגולטורית על בסיס אותם נכסי נתונים.

עם זאת, מפת בגרות אינה מחליפה מומחיות. היא מצביעה על המקום שבו המערכת נכשלת, אך לא תמיד מסבירה מדוע. שני תחומים יכולים להציג 15% עמידה בדרישות שושלת נתונים, אך באחד מדובר בחיבור טכני חסר שייפתר ביום עבודה, ובאחר מדובר בהיעדר בעלות עסקית שדורש שינוי ארגוני של שבועות.

השאלה החדשה לדירקטוריון הדאטה

לפני סקירת סטטוס של מוצר בודד, ועדת ממשל נתונים צריכה לשאול שאלה פשוטה: אילו עמודי ממשל נכשלים בכמה תחומים עסקיים במקביל. זו השאלה שמפרידה בין ארגון שמכבה שריפות לבין ארגון שבונה תשתית נתונים אמינה ל-AI, לציות רגולטורי ולצמיחה עסקית.