„Nasze dane nie nadają się do AI”
Lemur Media · autor: Dominik Dębski · aktualizacja 28.10.2026
Dane gromadzone na potrzeby raportowania zwykle nie są przygotowane do wykorzystania przez modele AI: brakuje metadanych, taksonomii i uporządkowanych uprawnień. Prace warto zacząć od danych potrzebnych do 1–2 konkretnych przypadków użycia.
Jakie są objawy?
- Asystent AI udziela błędnych odpowiedzi o produktach firmy.
- Wiedza firmy jest rozproszona w plikach PDF, wiadomościach e-mail i arkuszach.
- Dane nie mają opisów, więc ich znaczenie zna tylko kilka osób.
- Uprawnienia do danych nie są uporządkowane.
Jakie są przyczyny?
- 01Dane gromadzone pod raportyStruktura danych obsługuje raporty i nie opisuje kontekstu potrzebnego modelom.
- 02Brak metadanych i taksonomiiBez opisów i wspólnych pojęć model nie odróżnia informacji aktualnych od nieaktualnych.
- 03Nieuporządkowane uprawnieniaIstnieje ryzyko udostępnienia danych osobom, które nie powinny mieć do nich dostępu.
| Liczba pracowników | Typowy obraz |
|---|---|
| 50–249 osób | Potrzebny jest właściciel danych dla wybranego przypadku użycia i podstawowa taksonomia. |
| 250–999 osób | Potrzebne są zasady zarządzania danymi i właściciele domen danych. |
| 1000+ osób | Potrzebny jest wspólny katalog danych i kontrola uprawnień w wielu systemach. |
Jakie pytania powinien zadać zarząd?
- Jakie dane są potrzebne do pierwszego przypadku użycia i gdzie się znajdują?
- Czy dokumenty mają datę ważności i właściciela?
- Kto dziś ma dostęp do danych, które trafią do modelu?
Jakie wskaźniki sprawdzić?
- Odsetek dokumentów z metadanymi dla wybranego przypadku
- Trafność odpowiedzi na zestawie pytań testowych
- Liczba źródeł z przypisanym właścicielem
Jakich błędów unikać?
- Porządkowanie wszystkich danych firmy przed pierwszym pilotażem.
- Udostępnianie modelowi danych bez przeglądu uprawnień.
Jak przebiega rozwiązanie?
Metody: Łańcuch wartości danych + LEMUR AI Readiness Index. Kolejność działań dobiera Kompas Lemur na podstawie fazy rozwoju, skali, modelu biznesowego i rentowności firmy.
- 01Mapa źródełWyłącznie dla 1–2 wybranych przypadków użycia.
- 02Metadane i taksonomiaOpisy i wspólne pojęcia.
- 03Jakość i uprawnieniaKompletność, aktualność, dostęp zgodny z RODO.
- 04Pilotaż na wycinku danychWeryfikacja na danych produkcyjnych przed rozszerzeniem zakresu.
Od czego zacząć?
Diagnoza z priorytetem wymiaru M (model danych).