Tornar os dados fiáveis para a decisão antes de os utilizar em IA
A preparação dos dados é específica de uma decisão e de uma utilização; não é uma propriedade que uma plataforma possa declarar globalmente. A MTera liga o significado empresarial, a responsabilidade, a proveniência, os controlos de qualidade e a engenharia às decisões que os dados têm de suportar e define um percurso prático desde as lacunas atuais até uma utilização analítica e de IA fiável.
Os relatórios discordam porque os termos-chave são interpretados de forma diferente.
Os problemas de qualidade são medidos, mas não priorizados segundo as suas consequências empresariais.
A atribuição de responsabilidades existe no papel, mas os direitos de decisão permanecem incertos.
Os dados utilizados para um modelo não podem ser rastreados até à origem e transformação.
As equipas não conseguem explicar se os dados históricos são adequados à utilização prevista.
O trabalho de IA começa antes de serem concebidos o acesso, a retenção e a supervisão humana.
02
Porque falham as correções parciais
Centralizar dados não cria significado comum, e um catálogo não cria responsabilização. As pontuações de qualidade genéricas também podem ocultar os defeitos que mais importam para uma determinada decisão.
03
Consequência empresarial
Os responsáveis tomam decisões com base em evidências incoerentes, as equipas gastam tempo a reconciliar resultados e a IA introduz decisões difíceis de explicar, monitorizar ou atribuir.
04 · Estado-alvo
Os dados críticos têm significado claro, utilização permitida, responsáveis identificados, linhagem rastreável e controlos associados ao risco da decisão; as responsabilidades do modelo e das pessoas são concebidas antes da utilização em produção.
05
Abordagem
01Começar pela decisão, pelo utilizador e pela consequência do erro.
02Mapear elementos de dados críticos, fontes, transformações e responsáveis.
03Definir os requisitos de qualidade e evidência adequados à utilização.
04Avaliar as lacunas de processo, integração e modelo operacional.
05Priorizar as alterações em relação ao valor do caso de utilização e ao risco.
06
Decisões-chave
01Que dados são relevantes para esta decisão e porquê?
02Quem pode definir, alterar, consultar e aprovar a sua utilização?
03Que falhas de qualidade exigem prevenção, deteção ou revisão humana?
04Que evidência deve ser conservada para permitir explicação e contestação?
07
Entregas
01Mapa decisão-dados
02Modelo de elementos de dados críticos e respetivas responsabilidades
