Bagaimana IBM mencapai efisiensi operasional melalui transparansi asal-usul data yang ditingkatkan
Sistem AI hanya dapat dipercaya sebesar data yang digunakan untuk mengembangkannya. Itulah mengapa menggunakan data tepercaya berkualitas tinggi adalah langkah pertama yang penting untuk membangun AI yang bertanggung jawab. Namun tanpa transparansi mengenai asal-usul data, rincian tentang dari mana data berasal, bagaimana data dikembangkan dan bagaimana data dapat digunakan dari sudut pandang hukum dan kontrak, mengevaluasi kepercayaan dari kumpulan data dapat menjadi tantangan, bahkan bagi profesional data yang berpengalaman sekalipun. Kurangnya taksonomi metadata standar untuk kumpulan data adalah titik kesulitan umum di seluruh ekosistem data.
Jadi, ketika Data & Trust Alliance (D&TA) mengambil peran dalam pengembangan Standar Asal-Usul Data lintas industri pertama, IBM sangat ingin berkontribusi. Sepanjang tahun 2024, kami memimpin upaya pengujian awal dan menjadi salah satu organisasi pertama yang mulai menyelaraskan standar data internal kami dengan Standar Asal-Usul Data, di mana diperlukan. Sekarang, tiga bulan setelah kami menyelesaikan pengujian kami dan V1.0 dari Standar Asal-Usul Data diumumkan secara resmi, kami telah melihat dampak yang konsisten dan dapat diukur terhadap efisiensi keseluruhan dari proses uji tuntas dan manajemen data kami.
Berita + Insight AI terbaru
Temukan insight dan berita yang dikurasi oleh para pakar tentang AI, cloud, dan lainnya di Buletin Think mingguan.
IBM berkomitmen untuk mengembangkan dan menerapkan AI secara bertanggung jawab. Dan komitmen itu meluas ke data yang kami gunakan untuk membangun dan melatih sistem AI kami. Sebagai “Client Zero” kami ingin menilai Standar Asal-Usul Data dalam lingkungan yang ketat untuk benar-benar memahami dampaknya dan mengujinya dengan cara yang bermakna. Jadi, kami menerapkan elemen-elemen kunci dalam Program Tata Kelola Terpadu (IGP) kami sendiri yang mengatur data dan model yang dikembangkan dan digunakan oleh IBM, dimulai dengan evaluasi kelengkapan standar. Untuk melakukan ini, kami membandingkan Standar Asal-Usul Data dengan persyaratan asupan data kami sendiri untuk kumpulan data yang digunakan untuk mengembangkan model dasar dan kami menilai sejauh mana taksonomi metadata dari Standar Asal-Usul Data memungkinkan kami memvalidasi kesesuaian data untuk berbagai contoh penggunaan.
Selanjutnya, kami meminta ilmuwan data IBM dan peneliti dari berbagai tingkat pengalaman untuk menerapkan Standar Asal-Usul Data ke beberapa jenis data umum, termasuk data kepemilikan IBM, data pihak ketiga dan data yang mencakup materi HAP (ujaran kebencian, bahasa kasar, dan kata-kata kotor).
Terakhir, kami meminta para pakar dari IBM Office of Privacy and Responsible Technology untuk memeriksa kelengkapan dan keakuratan pengajuan metadata sesuai dengan Standar Asal-Usul Data, meninjau pengajuan tersebut bersama para ilmuwan data dan peneliti untuk lebih memahami kendala atau kebingungan mereka. Masukan kualitatif ini memungkinkan kami untuk menentukan istilah, definisi, dan panduan yang tidak jelas atau ambigu.
Dampak yang paling menonjol yang kami amati sejak menyelaraskan standar data internal kami dengan Standar Asal-Usul Data adalah berkurangnya waktu yang dibutuhkan untuk memproses permintaan izin data. Dalam periode delapan bulan di mana kami menguji Standar Asal-Usul Data dan menerapkan teknologi dan peningkatan proses lainnya, kami mengamati bahwa waktu pemrosesan perizinan data rata-rata menurun 58% untuk data pihak ketiga dan 62% untuk data milik IBM. Peningkatan ini sangat penting mengingat lonjakan permintaan izin yang datang melalui IGP. Pada bulan Agustus 2024, jumlah permintaan izin untuk data pihak ketiga dan data milik IBM telah melampaui jumlah total tahun 2023.
Peningkatan efisiensi ini sangat berharga. Tim tata kelola data kami mampu memproses lebih banyak permintaan data dengan kecepatan yang lebih tinggi, memungkinkan kami untuk menskalakan program tata kelola data kami sambil mempertahankan standar kami untuk kepercayaan dan transparansi. Beberapa aspek dari Standar Asal-Usul Data yang membantu kami mempercepat proses uji tuntas data meliputi hal-hal berikut:
- Metode: Menjelaskan prosedur yang digunakan untuk mengumpulkan, menghasilkan, atau menyusun data. Elemen ini penting karena agregator sering kali tidak menyediakan rincian ini, sehingga lebih sulit untuk menilai keandalan dan validitas data.
- Klasifikasi kerahasiaan: Menentukan jenis data sensitif yang diketahui ada dalam data. Klasifikasi ini memandu akses dan penanganan data yang tepat.
- Penerbit data: Menjelaskan dari mana data berasal dan apakah penyedia data adalah pemilik sebenarnya. Karena pihak ketiga dapat menerbitkan ulang data seolah-olah data itu milik mereka sendiri, elemen ini memungkinkan akuntabilitas dan membuka jalur kontak untuk pertanyaan potensial.
Ini memiliki efek riak di seluruh perusahaan kami. Ketika permintaan izin data akurat dan diproses dengan lebih efisien, pengembangan model dipercepat, sehingga tim kami dapat merespons permintaan klien dengan lebih cepat. Hal ini juga berarti bahwa katalog data yang diizinkan lintas perusahaan kami selalu berkembang dan meningkat kualitasnya, sehingga memungkinkan penggunaan ulang yang lebih efisien dan bertanggung jawab oleh para praktisi kami di seluruh bisnis.
Metadata yang transparan dan konsisten memungkinkan praktisi membuat pilihan yang lebih cepat dan lebih tepat tentang pemilihan data, yang pada akhirnya dapat mengarah pada model dan sistem yang lebih bertanggung jawab. Hal itu berlaku tidak hanya untuk IBM, tetapi juga di seluruh ekosistem data. Penerapan Standar Asal-Usul Data secara lebih luas dapat menghasilkan laba atas investasi yang berarti melalui otomatisasi lebih lanjut dan inovasi yang bertanggung jawab.
Melalui pengalaman “Client Zero” kami dengan Standar Asal-Usul Data, kami memperkuat komitmen kami terhadap kepercayaan dengan meningkatkan standar transparansi tentang data yang mendasari sistem AI kami. Pengalaman kami mengelola Program Tata Kelola Terpadu atau IGP kami sendiri, termasuk menyelaraskan standar data internal kami lebih dekat dengan Standar Asal-Usul Data, memungkinkan kami membawa AI ke pasar dengan kecepatan dan kepercayaan yang lebih tinggi. Ini juga telah mempersiapkan kami untuk lebih mendukung klien dalam menerapkan kerangka kerja data mereka sendiri, termasuk penyelarasan dengan standar industri dan kerangka kerja seperti Standar Asal-Usul Data. Pada ujungnya, jika kami dapat menerapkannya dengan sukses untuk IBM, kami pasti dapat membantu klien kami melakukan hal yang sama.