DATA123 / VERSLO SISTEMOS · CUSTOM APPS · AI · DUOMENŲ INŽINERIJAAI ir duomenų konsultacijos: labas@data123.lt

DATA123 tinklaraštis · praktinis gidas · DAMA-DMBOK 2.0 Revised · atnaujinta 2026-11-10

Duomenų ir AI valdysenos ratas

Kaip duomenų ir AI valdyseną paversti išmatuojama praktika? 11 DAMA-DMBOK žinių sričių, mūsų 12-oji AI žinių ir agentų sritis, 130 tikrinamų taisyklių, dinaminė RACI atsakomybių matrica, konkretūs KPI ir diegimo pavyzdžiai.

DG-01 pastovus taisyklės IDPatikra įrodymas, o ne deklaracijaAI mūsų savarankiška 12-oji sritis

Trumpai: nuo ko pradėti?

Nepradėkite nuo visų taisyklių vienu metu. Pasirinkite vieną kritinį verslo rodiklį ar duomenų produktą, paskirkite savininką, apibrėžkite jo prasmę ir sutikrinkite kelią nuo šaltinio iki vartotojo. Tik tada plėskite kontrolę į kitus domenus.

Minimalus branduolys: savininkas → apibrėžimas → kritiniai laukai → šaltinis / lineage → prieigos teisės → kokybės testai → stebėsena → incidentų sprendimas.

Kas yra DAMA-DMBOK ir kam šis ratas?

DAMA-DMBOK (Data Management Body of Knowledge) yra duomenų valdymo žinių sistema. Ji padeda susitarti, kokių gebėjimų reikia organizacijai: nuo duomenų kokybės ir architektūros iki saugos, metaduomenų bei BI. Tačiau pats DMBOK nėra parengtas kontrolinis sąrašas, kurį galima mechaniškai įdiegti.

Šiame puslapyje išsaugotas oficialių 11 žinių sričių skirstymas. Centre yra duomenų valdysena, aplink ją dešimt susijusių sričių. Išorinis AI žinių, modelių ir agentų žiedas yra mūsų papildymas, o ne 12-oji oficiali DAMA sritis. Taisyklės yra praktinės rekomendacijos, ne tiesioginės DAMA normos.

2026 m. aktualus atskaitos taškas yra DMBOK 2.0 Revised Edition; DMBOK 3.0 dar rengiamas. Todėl šie punktai nėra pažodinis naujo leidimo standartas.

Kuo taisyklė skiriasi nuo gero ketinimo?

„Duomenys turi būti kokybiški“ yra tikslas. „Pajamų ataskaita publikuojama tik tada, kai jos suma pagal tą patį laikotarpį ir valiutą sutampa su patvirtintu šaltiniu pagal nustatytą toleranciją“ jau yra taisyklė. Ji turi savininką, patikros metodą ir aiškią nesėkmės pasekmę.

RACI atsakomybių matrica po ratu parodo tipinius vaidmenis pasirinktai sričiai. Slenkant puslapį ji keičiasi pagal sritį: A galutinė atsakomybė, R vykdymas, C konsultavimas, I informavimas. Tai pradinis šablonas; tikroje organizacijoje kiekvienam procesui jį reikia patvirtinti atskirai.

Šiame registre kiekviena taisyklė turi ID, reikalavimą, paaiškinimą ir patikrą. Patikros eilutę galima paversti SQL testu, stebėsenos KPI, audito klausimu ar savininko užduotimi.

Svarbu: 15 minučių reagavimas, 90 dienų archyvavimas, visuotinis Gold sluoksnio naudojimas ar vienas pirminis šaltinis visiems atributams nėra universalūs DAMA reikalavimai. Terminai ir kontrolės parenkami pagal kritiškumą, naudojimo paskirtį, teisę ir ekonominį poveikį.

Praktinis pavyzdys: kodėl dvi pajamų ataskaitos skiriasi?

Vienas KPI, kelių sričių bendras darbas

  1. Valdysena (DG): finansų atstovas patvirtina, kas yra „pajamos“, kas atsakingas už skaičių ir kaip sprendžiami ginčai.
  2. Modeliavimas (DM) ir BI (DW): užfiksuojamas fakto grūdėtumas, sąskaitos ar užsakymo datos taisyklė, valiuta, PVM ir koregavimai.
  3. Integracija (DI) ir kokybė (DQ): įtraukiami vėluojantys įrašai, sutikrinamos sumos ir tikrinami dublikatai.
  4. Metaduomenys (MD) ir sauga (SEC): matomas duomenų kelias (lineage), atnaujinimo laikas ir tinkamos prieigos teisės.
  5. AI: agentas atsako tik pagal tą patį patvirtintą apibrėžimą ir pateikia patikrinamą šaltinį.

Rezultatas: ne tiesiog dar viena lentelė, o rodiklis, kurio reikšmę galima paaiškinti, atkurti ir patikrinti.

Kaip pritaikyti per 30 dienų?

  1. 1 savaitė. Pasirinkite vieną kritinį KPI arba duomenų produktą ir verslo savininką; aprašykite painiausias sąvokas.
  2. 2 savaitė. Pažymėkite šaltinius, transformacijas, vartotojus, jautrumo klasę ir pagrindinius duomenų elementus (CDE).
  3. 3 savaitė. Įdiekite 3–5 automatinius testus: pilnumo, unikalumo, šviežumo ir sumų sutikrinimo.
  4. 4 savaitė. Sutarkite dėl incidentų, išimčių ir eskalavimo; išmatuokite būklę ir nuspręskite, ką plėsti toliau.

Pradinis prioritetas: didžiausias poveikis × klaidos tikimybė × neaptikimo rizika, koreguojamas pagal įgyvendinimo sąnaudas. Tai orientyras atrankai, o ne formalus DAMA brandos balas.

Toliau pateikiamas patikrinamų taisyklių registras. Sritį pasirinkite ratu arba turiniu; paieška viršuje filtruoja konkrečias taisykles.

Mūsų 12-oji sritis · AI knowledge governance

AI žinių ir agentų valdysena: kas pasikeičia, kai duomenys pradeda veikti?

DAMA-DMBOK paaiškina, kaip valdyti duomenų turtą. Tačiau AI sistema jo ne tik skaito: ji pasirenka kontekstą, daro išvadas, rašo kodą, kviečia įrankius ir kartais inicijuoja veiksmus. Todėl čia siūlome papildomą, mūsų sukurtą AI žinių sritį: ne oficialią DAMA dalį, o patikrinamą praktinį modelį.

Raktinė mintis: kontekstas yra valdomas produktas, o AI rezultatas yra tik hipotezė, kol nėra patikrintas pagal užduotį. Viena svarbiausių kontrolės ribų yra tarp to, ką sistema žino arba perskaito, ir to, ką jai leidžiama padaryti.

Šeši mūsų AI valdymo posričiai

01 / AI

Vertė ir rizika

Ne AI dėl AI: sprendimo nauda, savininkas, teisė ir poveikis.

AI-01 AI-08 AI-17 AI-18 AI-30 AI-33

02 / AI

Duomenys ir kontekstas

Kilmė, semantika, leidimai, RAG kokybė, aktualumas ir sintetinių duomenų atskyrimas.

AI-03 AI-04 AI-06 AI-07 AI-16 AI-19 AI-28 AI-35

03 / AI

Modeliai ir mokymasis

Vertinimų rinkiniai, generalizacija, mažesni modeliai ir naujų duomenų įtraukimas.

AI-05 AI-14 AI-20 AI-21 AI-22 AI-27 AI-29

04 / AI

Agentai ir sauga

Tapatybė, įrankių teisės, veiksmų ribos, neveikimo taisyklė, delegavimas.

AI-02 AI-09 AI-12 AI-13 AI-23 AI-31 AI-32 AI-34

05 / AI

Eksperimentai ir programavimas

Promptai kaip kodas, kontroliuojamas ciklas: hipotezė → testas → sprendimas.

AI-11 AI-24 AI-25 AI-26

06 / AI

Eksploatacija ir atsekamumas

Stebėsena, žurnalai, realių naudotojų poveikis, incidentai ir patikrinimai.

AI-10 AI-15

Ką pasiskoliname iš Karpathy ir Sutskeverio idėjų?

Andrej Karpathy: „Software 3.0“ ir autoresearch

Natūralios kalbos instrukcijos keičia programos elgesį, todėl jas reikia versijuoti ir testuoti. Jo autoresearch eksperimentinė kilpa leidžia agentui keisti kodą, ribotą laiką paleisti bandymą, išmatuoti metriką ir pasilikti tik pagerėjimus. Mūsų praktinė išvada: agentams suteikiame eksperimentavimo laisvę tik izoliuotoje aplinkoje su aiškiais stabdžiais.

Ilya Sutskever: generalizacija svarbiau už vien aukštą testų balą

2025 m. pokalbyje jis akcentavo, kad modeliai gali atrodyti stiprūs vertinimuose, bet būti nepatikimi naujose realiose situacijose; taip pat aptarė efektyvesnį mokymąsi ir galimybę mokytis po įdiegimo. Mūsų praktinė išvada: tikrinti naujus atvejus, nepriklausomus testus, tikrą naudą ir saugiai valdytą grįžtamąjį ryšį.

Šios dvi idėjos yra įkvėpimas, ne Karpathy ar Sutskeverio parašytas valdysenos standartas. Konkrečios valdymo kontrolės papildomai grindžiamos NIST AI RMF, OWASP 2026 ir aktualiu ES AI akto grafiku.

Praktiškai: vienas AI agentas, kurį verta patikrinti

Užduotis: darbuotojas klausia agento: „Kodėl šio mėnesio pajamos mažesnės nei planuota?“

  1. Semantika: agentas turi naudoti patvirtintą pajamų ir plano apibrėžimą, laikotarpį, valiutą ir filtrus.
  2. Prieiga: užklausa turi paveldėti vartotojo teises; agentas negali skaityti kito padalinio duomenų.
  3. Vertinimas: tikriname teisingą SQL / KPI rezultatą, pagrįstą paaiškinimą, nežinojimo atvejus ir vėlavimą.
  4. Veiksmai: agentas gali siūlyti tikrinimo veiksmus, bet negali tyliai keisti biudžeto ar išsiųsti konfidencialių duomenų.
  5. Grįžtamasis ryšys: klaidingas atsakymas užregistruojamas su tikra priežastimi (duomenys, paieška, semantika, modelis ar įrankis) ir papildo regresinius testus.

Ką matuosime: užduoties tikslumą, nepagrįstų teiginių dalį, teisių pažeidimus, rankinių taisymų dalį ir vieno teisingo atsakymo kainą.

Nuo ko pradėti diegti per 4 savaites?

  1. 1 savaitė. Vienas konkretus scenarijus ir savininkas; sutartos sėkmės bei nepriimtinos klaidos ribos.
  2. 2 savaitė. Duomenų šaltiniai, teisės, konteksto versijos, paprastas bazinis metodas ir 20–50 tipiškų testinių klausimų (pradinė, ne universali apimtis).
  3. 3 savaitė. 5–10 sudėtingų ar nepažįstamų klausimų, prompt injection testai, atsisakymo taisyklė, riboti įrankiai.
  4. 4 savaitė. Bandomasis naudojimas, kaina už teisingą rezultatą, klaidų biblioteka, naujų versijų išleidimo ir atstatymo procedūra.

Pereiti prie 35 AI taisyklių ir patikrų

01

DG · 10 taisyklių

Duomenų valdysena

Kas sprendžia apie duomenis, kaip sprendimai įgyvendinami ir kaip matuojama, ar jie veikia.

  1. DG-01

    Kiekvienas kritinis duomenų domenas turi verslo savininką ir duomenų prižiūrėtoją (steward).

    Savininkas atsako už sprendimus ir reikšmę, prižiūrėtojas (steward) – už kasdienę priežiūrą. IT gali administruoti, bet ne automatiškai tapti verslo savininku.

    Patikra Kritinių domenų be savininko / prižiūrėtojo dalis

  2. DG-02

    Kiekvienas esminis politikos reikalavimas turi patikrinamą kontrolę.

    Aprašykite kontrolės savininką, dažnį, įrodymą ir veiksmą pažeidus reikalavimą.

    Patikra Esminių reikalavimų be kontrolės dalis

  3. DG-03

    Sprendimai dėl duomenų registruojami vienoje vietoje.

    Data, sprendimas, kas priėmė, iki kada įgyvendinti.

    Patikra Neįgyvendintų sprendimų po termino skaičius

  4. DG-04

    Taisyklių išimtys yra dokumentuotos, terminuotos ir peržiūrimos pagal riziką.

    Nurodykite priežastį, atsakingą asmenį, kompensuojančias priemones ir peržiūros datą; 90 dienų gali būti vidaus orientyras, ne universalus standartas.

    Patikra Aktyvios išimtys be peržiūros datos

  5. DG-05

    Valdysenos būklė stebima nedideliu sprendimams naudingu KPI rinkiniu.

    Pavyzdžiui, 5–10 rodiklių; tikslai, savininkai ir peržiūros dažnis priklauso nuo organizacijos brandos bei rizikos.

    Patikra Rodikliai, neturintys savininko ar priimamo sprendimo

  6. DG-06

    Naujiems kritiniams duomenų produktams taikomi valdysenos priėmimo kriterijai.

    Prieš publikuojant patikrinami savininkas, klasifikacija, paskirtis, kokybės kriterijai ir vartotojų teisės.

    Patikra Kritinių produktų, paskelbtų be patikros, skaičius

  7. DG-07

    Taisyklė, kurią galima patikrinti kodu, tikrinama kodu.

    Rankinė patikra lieka tik sprendimams, kurių automatizuoti negalima.

    Patikra Automatizuotų patikrų dalis

  8. DG-08

    Valdysenos branda ir veiksmingumas vertinami periodiškai.

    Kasmetinis palyginimas naudingas, tačiau svarbiausia vertinti realius incidentus, išlaidas ir verslo rezultatą.

    Patikra Neįgyvendintų ankstesnio vertinimo veiksmų dalis

  9. DG-09

    Kritiniai duomenų elementai (CDE) atrenkami pagal poveikį verslui.

    Pirmiausia registruokite rodiklius ir laukus, nuo kurių priklauso finansai, atitiktis, sauga ar klientų sprendimai.

    Patikra CDE be savininko, apibrėžimo ar kokybės ribų dalis

  10. DG-10

    Valdysena turi aiškų sprendimų ir eskalavimo kelią.

    Nuspręskite, kas tvirtina apibrėžtis, prieigas ir kokybės išimtis; užfiksuokite kas sprendžia nesutarimus tarp padalinių.

    Patikra Neišspręstų tarpdominių ginčų amžius

02

DA · 9 taisyklių

Duomenų architektūra

Kaip duomenys keliauja tarp sistemų, sluoksnių ir vartotojų ir kas lemia šiuos sprendimus.

  1. DA-01

    Kritiniams verslo objektams nustatyti autoritetingi šaltiniai.

    Šaltinis gali skirtis pagal atributą ar gyvenimo ciklo etapą; fiksuokite, kuri sistema atsakinga už kuriuos duomenis.

    Patikra Kritinių atributų be autoritetingo šaltinio dalis

  2. DA-02

    Kritinių duomenų srautų kelias nuo šaltinio iki vartotojo yra atsekamas.

    Pirmiausia dokumentuokite reguliuojamus ir svarbiausius srautus; kur įmanoma, lineage rinkite automatiškai.

    Patikra Kritinių srautų be aktualaus kelio dalis

  3. DA-03

    Duomenų sluoksniai turi aiškią paskirtį ir prieigos taisykles.

    Bronze/raw skirtas kilmei ir atkūrimui, Silver – transformacijoms, Gold/curated – patvirtintam vartojimui; tyrimai iš raw galimi su tinkama kontrole.

    Patikra Nesertifikuotų šaltinių naudojimas oficialiems KPI

  4. DA-04

    Architektūriniai sprendimai fiksuojami kaip ADR šalia kodo.

    Kontekstas, sprendimas, alternatyvos, pasekmės.

    Patikra Esminių pakeitimų be ADR skaičius

  5. DA-05

    Kiekviena papildoma fizinė kopija turi pagrįstą priežastį.

    Vertinkite našumą, kainą, saugą, duomenų rezidavimą ir atkūrimą; nuoroda ar rodinys ne visada pakeičia kopiją.

    Patikra Dubliuoti rinkiniai be dokumentuotos paskirties

  6. DA-06

    Gamybiniai pakeitimai diegiami valdoma ir atkuriama tvarka.

    Atskirkite aplinkas pagal riziką; naudokite CI/CD, versijas ir įregistruotas avarines išimtis (break-glass).

    Patikra Nefiksuoti arba neatkuriami PROD pakeitimai

  7. DA-07

    Sistemų sąveika vyksta per patvirtintas duomenų sąsajas.

    API, įvykiai, CDC, failai ar valdomi DB ryšiai pasirenkami pagal paskirtį; draudžiami nevaldomi tiesioginiai pakeitimai šaltinyje.

    Patikra Integracijų be atsakingo savininko ir sutarties dalis

  8. DA-08

    Kritinės technologijos turi savininką ir gyvavimo ciklo planą.

    Išėjimo ar migracijos scenarijus būtinas pagal priklausomybės, tiekėjo ir kaštų riziką.

    Patikra Kritinių technologijų be alternatyvos vertinimo skaičius

  9. DA-09

    Kritiniams duomenų produktams nustatyti paslaugos lygio tikslai (SLO).

    Apibrėžkite prieinamumą, šviežumą, vėlavimą ir kainos ribas; suderinkite su vartotoju.

    Patikra Produktų, kurių SLO nematuojami, dalis

03

DM · 9 taisyklių

Duomenų modeliavimas ir projektavimas

Kaip verslo sąvokos virsta struktūromis, kurias galima teisingai užklausti.

  1. DM-01

    Kritinio duomenų modelio verslo sąvokos suderintos su domeno savininku.

    Prieš naudojimą patvirtinkite objektus, ryšius ir reikšmes; galima iteracinė peržiūra, nebūtina stabdyti prototipų.

    Patikra Kritinių modelių su nepatvirtintomis sąvokomis skaičius

  2. DM-02

    Kiekvienai faktų lentelei deklaruotas grain.

    „Viena eilutė = …“ vienu sakiniu, patikrintas unikalumo testu.

    Patikra Faktų be grain skaičius

  3. DM-03

    Dimensiniame modelyje raktai ir nežinomi nariai apibrėžti nuosekliai.

    Pakaitiniai raktai ir UNKNOWN nariai taikomi, kai to reikia žvaigždės schemai; tai nėra universali taisyklė visoms duomenų bazėms.

    Patikra Faktų su nenustatytomis / neteisingomis sąsajomis dalis

  4. DM-04

    Bendros dimensijos ir jų atvaizdavimai valdomi tarp sričių.

    Bendra data, klientas ar organizacija padeda sulyginti KPI; skirtingoms verslo reikšmėms gali reikėti atskirų dimensijų.

    Patikra Nesuderintų dimensijų naudojimas oficialiuose KPI

  5. DM-05

    Istorijos saugojimo poreikis nustatomas pagal atributo naudojimą.

    SCD Type 1/2, valid-from/to arba įvykių istorija pasirenkama pagal klausimus, į kuriuos reikės atsakyti.

    Patikra Istoriškai jautrių atributų be išsaugojimo politikos dalis

  6. DM-06

    Duomenų tipai ir apribojimai atitinka prasmę.

    Datos kaip datos, pinigai DECIMAL, tinkamos laiko zonos, raktams taikomi pagrįsti apribojimai; vengti universalių VARCHAR.

    Patikra Neteisingų tipų ir neapibrėžtų laiko zonų skaičius

  7. DM-07

    Modelis versijuojamas kartu su DDL, o pakeitimai suderinami atgal arba turi migraciją.

    Stulpelio prasmė nekeičiama be naujos versijos.

    Patikra Neversijuotų schemos pakeitimų skaičius

  8. DM-08

    Pavadinimų konvencija viena ir tikrinama automatiškai.

    Objektų, schemų, stulpelių ir raktų šablonai.

    Patikra Pavadinimų pažeidimų naujuose objektuose skaičius

  9. DM-09

    Semantinė modelio sutartis nurodo KPI grūdėtumą ir filtravimo taisykles.

    Pajamos pagal sąskaitos datą gali skirtis nuo pajamų pagal užsakymo datą; apibrėžkite dimensijas ir išimtis.

    Patikra Kritinių KPI be semantinės sutarties dalis

04

DS · 8 taisyklių

Duomenų saugojimas ir operacijos

Kaip duomenys saugomi, atkuriami, prižiūrimi ir pašalinami per visą gyvavimo ciklą.

  1. DS-01

    Kritiniams duomenų produktams nustatyti RPO, RTO ir išbandytas atkūrimas.

    Testų dažnis priklauso nuo rizikos; patikrinti vien atsarginės kopijos buvimą nepakanka.

    Patikra Kritinių produktų be sėkmingo atkūrimo testo dalis

  2. DS-02

    Saugojimo terminai nustatyti pagal duomenų tipą ir teisės aktus.

    Pasibaigę duomenys trinami ar anonimizuojami automatiškai.

    Patikra Duomenų, saugomų ilgiau nei terminas, apimtis

  3. DS-03

    Kritiniai duomenų darbai turi savininką, stebėseną ir eskalavimą.

    15 min. įspėjimas gali būti tinkamas avariniams srautams, bet ne kiekvienam naktiniam pakrovimui; nustatykite SLA/SLO.

    Patikra Kritinių darbų be galiojančių įspėjimų dalis

  4. DS-04

    Krovimai yra idempotentiški arba turi saugų pakartojimo scenarijų.

    Tarpiniai įrašai, transakcijos, merge ar atomizuotas publikavimas saugo nuo dalinių rezultatų.

    Patikra Nesaugių pakartotinių krovimų / dalinių publikavimų skaičius

  5. DS-05

    Talpa, našumas ir kaštai stebimi pagal pasirinktus slenksčius.

    Slenksčiai nustatomi pagal realų pajėgumą ir biudžetą; vienodos 70 % ir 90 % ribos visiems netinka.

    Patikra Pajėgumo ar biudžeto viršijimai be atsako

  6. DS-06

    Infrastruktūra ir konfigūracija versijuojama kaip kodas.

    Aplinką galima atkurti iš repozitorijos.

    Patikra Rankiniu būdu sukonfigūruotų komponentų skaičius

  7. DS-07

    Reikšmingi ir pasikartojantys incidentai turi priežasties analizę.

    Po incidento fiksuojamas poveikis, priežastis, atstatymas ir prevencinis veiksmas.

    Patikra Pasikartojančių incidentų be prevencijos skaičius

  8. DS-08

    Nenaudojami duomenų objektai periodiškai peržiūrimi.

    90 dienų be skaitymo yra signalas peržiūrai, ne automatinio šalinimo pagrindas: patikrinkite sezoniškumą ir priklausomybes.

    Patikra Peržiūrėtų nenaudojamų objektų dalis

05

SEC · 9 taisyklių

Duomenų sauga

Kas ir kokiu pagrindu gali matyti, keisti ar perduoti duomenis.

  1. SEC-01

    Duomenys klasifikuojami prieš suteikiant plačią prieigą.

    Laikina saugi numatytoji klasė taikoma, kol savininkas patvirtina ribojimus ir duomenų kategoriją.

    Patikra Rinkinių be patvirtintos klasifikacijos skaičius

  2. SEC-02

    Prieiga suteikiama per grupes ir roles pagal mažiausių teisių principą.

    Asmeniniai leidimai tik laikinai.

    Patikra Tiesioginių asmeninių leidimų skaičius

  3. SEC-03

    Prieiga peržiūrima pagal duomenų jautrumą ir naudotojo riziką.

    Jautrių prieigų peržiūra gali būti kas ketvirtį, kitų – rečiau; darbuotojų išėjimo prieigos atšaukiamos nedelsiant.

    Patikra Neperžiūrėtų ir nebeturinčių pagrindo prieigų skaičius

  4. SEC-04

    Slaptažodžiai ir raktai laikomi tik paslapčių saugykloje.

    Kodas skenuojamas prieš kiekvieną pakeitimą; radinys pirma keičiamas, tada valomas.

    Patikra Paslapčių kode ir istorijoje skaičius (tikslas 0)

  5. SEC-05

    Duomenys šifruojami perduodant ir saugant.

    TLS sertifikato tikrinimas niekada neišjungiamas.

    Patikra Nešifruotų jungčių ar išjungtų tikrinimų skaičius

  6. SEC-06

    Ne gamybinėse aplinkose laikomasi duomenų minimizavimo.

    Naudokite sintetinius, maskuotus ar pseudonimizuotus duomenis, kai įmanoma; realių duomenų išimtį pagrįskite teisiškai ir techniškai.

    Patikra Nereikalingų jautrių kopijų ne PROD aplinkose skaičius

  7. SEC-07

    Jautrių duomenų prieigos audituojamos proporcingai rizikai.

    Fiksuokite prieigos veiksmus nepažeisdami darbuotojų privatumo ir auditavimo žurnalų saugojimo terminų.

    Patikra Kritinių duomenų prieigų be reikalingo audito dalis

  8. SEC-08

    Duomenų perdavimas išorėje turi teisinį ir organizacinį pagrindą.

    Patikrinkite paskirtį, sutartis, tiekėjus, duomenų lokaciją ir AI įrankių naudojimą.

    Patikra Nepatvirtintų išorinių srautų skaičius

  9. SEC-09

    Duomenų prieigos teisės galioja ir RAG bei agentų įrankiams.

    Prieš paiešką ir prieš rezultatą tikrinkite vartotojo bei paslaugos tapatybę; vektorinis indeksas nesuteikia naujų teisių.

    Patikra Neautorizuotų RAG užklausų sėkmingų rezultatų skaičius

06

DI · 9 taisyklių

Integracija ir sąveika

Kaip duomenys patikimai juda tarp sistemų nepamesdami prasmės.

  1. DI-01

    Kiekviena kritinė integracija turi duomenų sutartį (data contract).

    Schema, semantika, grūdėtumas, šviežumas, savininkas, tolerancijos, SLA/SLO ir pakeitimų procesas.

    Patikra Kritinių integracijų be suderintos sutarties dalis

  2. DI-02

    Struktūros pakeitimai pranešami iš anksto ir versijuojami.

    Lūžtantys pakeitimai turi pereinamąjį laikotarpį.

    Patikra Nepraneštų lūžtančių pakeitimų skaičius

  3. DI-03

    Nesuderinti struktūros pakeitimai aptinkami prieš publikavimą.

    Kritinės klaidos blokuojamos; toleruotinus papildomus laukus galima priimti pagal sutarties versijavimo politiką.

    Patikra Nepastebėti lūžtantys pakeitimai

  4. DI-04

    Inkrementinis krovimas turi patikimą pokyčio aptikimo mechanizmą.

    CDC, watermark ar šaltinio žurnalas; aprašykite delete ir update apdorojimą bei vėlavimo langą.

    Patikra Prarastų arba dubliuotų pakeitimų skaičius

  5. DI-05

    Vėluojantys duomenys apdorojami perkraunant langą.

    Langas nustatytas sutartyje.

    Patikra Skirtumų dėl vėlavimo skaičius

  6. DI-06

    Klaidingi įrašai neprarandami tyliai.

    Naudokite karantiną / dead-letter eilę, savininką ir patikimą pakartotinį apdorojimą.

    Patikra Neišnagrinėtų karantino įrašų amžius

  7. DI-07

    Priklausomi žingsniai paleidžiami pagal tikrą rezultatą, ne vien proceso pabaigą.

    Retry taikykite laikinoms klaidoms su ribotu bandymų skaičiumi; dubliavimą stabdo idempotentiškumas.

    Patikra Neteisingai po klaidos paleistų procesų skaičius

  8. DI-08

    Kiekvienas paleidimas registruojamas.

    Pradžia, pabaiga, eilutės, būsena, versija.

    Patikra Paleidimų be įrašo skaičius

  9. DI-09

    Šaltinio pakeitimai suderinami su duomenų vartotojais.

    Prieš išleidžiant naują versiją patikrinkite svarbiausias ataskaitas, API ir agentų užklausas.

    Patikra Lūžusių vartotojų po šaltinio pakeitimo skaičius

07

DCM · 8 taisyklių

Dokumentų ir turinio valdymas

Kaip valdomi nestruktūruoti duomenys: dokumentai, failai, el. laiškai ir įrašai.

  1. DCM-01

    Kiekvienas dokumentų rinkinys turi savininką, klasifikaciją ir saugojimo terminą.

    Galioja ir bendroms aplankų struktūroms.

    Patikra Rinkinių be šių laukų skaičius

  2. DCM-02

    Dokumentams aišku, kuri versija galioja.

    Versijų istorija gali likti, tačiau vartotojams ir AI indeksui turi būti aiški aktuali versija.

    Patikra Kelių nepažymėtų aktyvių versijų skaičius

  3. DCM-03

    Metaduomenys pildomi įkeliant, ne vėliau.

    Tipas, data, šalis, susijęs objektas.

    Patikra Dokumentų be privalomų metaduomenų dalis

  4. DCM-04

    Teisiškai reikšmingi įrašai saugomi su vientisumo kontrole.

    Nekeičiami įrašai, versijų istorija ar WORM taikomi pagal taikomą teisę ir dokumento tipą.

    Patikra Netinkamai pakeistų teisinių įrašų skaičius

  5. DCM-05

    Paieška ir dokumentų indeksai išlaiko šaltinio prieigos apribojimus.

    Gavėjas neturi matyti nei dokumento, nei jo citatos, jei neturi teisės į originalą.

    Patikra Teisių nutekėjimai per indeksus

  6. DCM-06

    Kritiniai Excel ir SharePoint failai turi savininką ir valdomą schemą.

    Migraciją planuokite pagal riziką, klaidų kainą ir naudojimo dažnį, o ne automatiškai po 3 mėnesių.

    Patikra Kritinių nevaldomų failų skaičius

  7. DCM-07

    Dokumentai prieš AI indeksavimą tikrinami ir klasifikuojami.

    Pašalinkite pasenusias versijas ir dublius; įvertinkite jautrų turinį, teisines ribas ir galimą prompt injection tekstą.

    Patikra Pasenusių / neleistinų šaltinių AI indekse dalis

  8. DCM-08

    Indeksas atnaujinamas ir išvalo ištrintus ar uždraustus dokumentus.

    Dokumento šalinimas ar teisių pasikeitimas atsispindi paieškos ir vektoriniame indekse per sutartą laiką.

    Patikra Laikas nuo teisių pakeitimo iki indekso atnaujinimo

08

RMD · 7 taisyklių

Referenciniai ir pagrindiniai duomenys

Kaip svarbiausi verslo objektai turi vieną tapatybę visose sistemose.

  1. RMD-01

    Pagrindiniams verslo objektams žinomi autoritetingi šaltiniai.

    Klientai, tiekėjai, produktai, turtas ir darbuotojai; tiesos šaltinis gali skirtis tarp atributų.

    Patikra Kritinių objektų be šaltinių žemėlapio dalis

  2. RMD-02

    Pagrindiniai įrašai susiejami per valdomus identifikatorius.

    Nereikalaukite vieno fizinio ID visose sistemose; turėkite canonical ID arba susiejimo lentelę su kilme.

    Patikra Nesusietų ir klaidingai susietų įrašų dalis

  3. RMD-03

    Dublikatų aptikimo ir sujungimo taisyklės patvirtintos.

    Dviprasmius sujungimus peržiūri žmogus; išsaugoma audito istorija ir, jei įmanoma, atšaukimas.

    Patikra Netaisyklingų sujungimų ir dublikatų dalis

  4. RMD-04

    Referenciniai kodų sąrašai turi autoritetingą šaltinį ir versiją.

    Pavyzdžiai: ISO 3166, ISO 4217, SI / UN/CEFACT; vietinės išimtys dokumentuojamos.

    Patikra Neautorizuotų sąrašų dublių skaičius

  5. RMD-05

    Nauji pagrindiniai įrašai kuriami pagal valdomą procesą.

    Procesas gali būti federuotas, jeigu užtikrinti validavimo kriterijai, atsakomybė ir dublikatų patikra.

    Patikra Įrašų, sukurtų apeinant patikrą, skaičius

  6. RMD-06

    Pagrindinių duomenų kokybė matuojama kas mėnesį.

    Pilnumas, dublikatai, galiojimas.

    Patikra Kokybės balo tendencija

  7. RMD-07

    Hierarchijos versijuojamos su galiojimo datomis.

    Organizacinė struktūra, sąskaitų planas, produktų grupės.

    Patikra Hierarchijų be galiojimo datų skaičius

09

DW · 9 taisyklių

Duomenų sandėlis ir BI

Kaip duomenys virsta patikimomis ataskaitomis ir rodikliais.

  1. DW-01

    Oficialūs KPI skaičiuojami iš patikimų ir patvirtintų duomenų.

    Dažniausiai tai kuruotas sluoksnis ar sertifikuotas semantinis modelis; tiesioginis valdomas šaltinis gali būti pagrįsta išimtis.

    Patikra Oficialių KPI su nepatvirtintais šaltiniais dalis

  2. DW-02

    Kritiniai KPI turi vieną suderintą verslo apibrėžimą.

    Jis gali turėti kelias technines realizacijas, bet jos turi duoti suderintą rezultatą ir bendrus filtrus.

    Patikra KPI su nesuderintomis formulėmis ar filtrais skaičius

  3. DW-03

    Sertifikuota ataskaita turi savininką, SLA, KPI žodyne ir testus.

    Nesertifikuota ataskaita aiškiai pažymėta.

    Patikra Sertifikuotų ataskaitų be šių laukų skaičius

  4. DW-04

    Ataskaita rodo duomenų atnaujinimo laiką.

    Vartotojas mato, kokio šviežumo duomenys.

    Patikra Ataskaitų be atnaujinimo laiko skaičius

  5. DW-05

    Datų logika ir finansiniai laikotarpiai naudojami nuosekliai.

    Bendras kalendorius ar dokumentuoti atvaizdavimai; Power BI auto date/time išjungimas yra rekomenduojama praktika, ne universali pareiga.

    Patikra Nesuderintų laiko dimensijų oficialiose ataskaitose skaičius

  6. DW-06

    Eilučių / objektų lygio teisės testuojamos ten, kur jų reikia.

    RLS, OLS, rolės ar atskiri modeliai parenkami pagal duomenų jautrumą; tikrinamos ir draudžiamos užklausos.

    Patikra Jautrių modelių su nesėkmingais teisių testais skaičius

  7. DW-07

    Savitarnos ir oficialus turinys aiškiai atskirti.

    Savitarnos ataskaitos gali būti sertifikuotos po kokybės, savininko ir KPI patikros.

    Patikra Nesertifikuotų ataskaitų, naudojamų kaip oficialios, skaičius

  8. DW-08

    Nenaudojamos ataskaitos periodiškai peržiūrimos su savininku.

    90 dienų yra signalas; prieš archyvuojant patikrinkite ketvirtines, metines ir teisines ataskaitas.

    Patikra Neperžiūrėtų mažai naudojamų ataskaitų skaičius

  9. DW-09

    Kritiniams KPI atliktas sutikrinimas su šaltinio apskaita.

    Finansiniams skaičiams palyginkite sumas, laikotarpius, valiutas, filtrus ir koregavimus.

    Patikra KPI be naujausios rekonsiliacijos dalis

10

MD · 8 taisyklių

Metaduomenų valdymas

Kaip žinoma, kas yra duomenys, iš kur jie atėjo ir kas juos naudoja.

  1. MD-01

    Kritiniai duomenų produktai turi katalogo įrašą.

    Savininkas, aprašas, klasifikacija, šaltinis, paskirtis, atnaujinimo dažnis ir vartotojai; aprėptį plėskite etapais.

    Patikra Kritinių produktų be aprašo dalis

  2. MD-02

    Techniniai metaduomenys renkami automatiškai.

    Schemos, lineage ir naudojimas iš sistemų; ranka pildoma tik verslo prasmė.

    Patikra Ranka pildomų techninių laukų dalis

  3. MD-03

    Verslo žodyne terminai turi kontekstinį apibrėžimą ir savininką.

    „Pajamos“ gali reikšti skirtingas metrikas; kiekvienai versijai nurodykite domeną, formulę ir susietus objektus.

    Patikra Dviprasmių kritinių terminų be konteksto skaičius

  4. MD-04

    Kritinių KPI kilmė (lineage) atsekama iki patikimo šaltinio.

    Įtraukite reikšmingas transformacijas, filtrus, modelio versiją ir, kai įmanoma, įrašų lygio kilmę.

    Patikra Kritinių KPI be pakankamo lineage dalis

  5. MD-05

    Aprašų pilnumas matuojamas.

    Stulpelių su aprašu dalis kuruojamame sluoksnyje.

    Patikra Aprašytų stulpelių dalis

  6. MD-06

    Metaduomenų atnaujinimas yra pakeitimo dalis.

    Pakeitimas be aprašo atnaujinimo nepriimamas.

    Patikra Pakeitimų be metaduomenų atnaujinimo skaičius

  7. MD-07

    Naudojimo metaduomenys renkami atsakingai.

    Vertinkite naudojimą valydami objektus, bet nepertekliai nekaupkite individualių vartotojų veiksmų.

    Patikra Objektų be naudojimo statistikos dalis

  8. MD-08

    AI konteksto šaltiniai turi galiojimo ir kilmės metaduomenis.

    Dokumentui ar KPI nurodykite versiją, atnaujinimo laiką, prieigos taisykles ir patikimumo ribas.

    Patikra AI šaltinių be datos / kilmės dalis

11

DQ · 9 taisyklių

Duomenų kokybė

Kaip įrodyti, kad duomenys tinka konkrečiai paskirčiai, ir kaip stebėti jų kokybę per pakeitimus.

  1. DQ-01

    Duomenų kokybės ribos priklauso nuo verslo paskirties.

    Pvz., mokėjimų ID pilnumas 100 %, kitų laukų ribos pagal klaidų kainą; jokios bendros 99 % normos visiems.

    Patikra CDE be patvirtintų kokybės ribų dalis

  2. DQ-02

    Kritiniai duomenų produktai turi automatinius kokybės testus.

    Raktų unikalumas, pilnumas, validumas, nuoseklumas, šviežumas ir referencinis vientisumas pagal paskirtį.

    Patikra Kritinių produktų be taikomų testų dalis

  3. DQ-03

    Kritiniai faktai periodiškai sutikrinami su autoritetingu šaltiniu.

    Lyginkite sumas, kiekius ir kitus kontrolinius dydžius pagal sutartą toleranciją; vien checksum nepakanka verslo teisingumui.

    Patikra Sutikrinimo nuokrypiai virš sutartos ribos

  4. DQ-04

    Kokybės testų nesėkmės stabdo arba pažymi publikavimą pagal kritiškumą.

    Kritiniai pažeidimai blokuoja, įspėjimai gali leisti tęsti su matoma būsena ir savininko sprendimu.

    Patikra Kritiniai pažeidimai, pasiekę vartotojus

  5. DQ-05

    Kokybės klaidos taisomos kuo arčiau šaltinio.

    Jei tai neįmanoma, transformacijos žymimos, versijuojamos ir suderinamos su duomenų savininku.

    Patikra Nedokumentuotų rankinių pataisymų skaičius

  6. DQ-06

    Pasikartojantys kokybės incidentai įtraukiami į regresinius testus.

    Aukšto poveikio klaidos gauna automatizuotą patikrą, jei ją galima patikimai suformuluoti.

    Patikra Pasikartojančios kritinės klaidos

  7. DQ-07

    Naudotojas mato kokybės būseną ir svarbiausias jos dimensijas.

    Neslėpkite problemų po vienu „kokybės balu“; rodykite šviežumą, pilnumą ir patikros būseną.

    Patikra Kritinių produktų be matomos kokybės būsenos dalis

  8. DQ-08

    Kokybės problemų registras turi savininką ir terminą kiekvienai problemai.

    Problemos be savininko neegzistuoja.

    Patikra Problemų po termino skaičius

  9. DQ-09

    Duomenų kokybė vertinama ir po pakeitimų, ir po šaltinio dreifo.

    Stebėkite ne tik schemą, bet ir pasiskirstymo pokyčius, naujas kategorijas, neįprastas sumas.

    Patikra Nepastebėtų kritinių duomenų dreifo atvejų skaičius

12

AI · 35 taisyklių

AI žinių, modelių ir agentų valdysena

Mūsų savarankiška 12-oji žinių sritis: kaip AI gauna prasmingus duomenis, kaip matuojamas jo veikimas, leidžiami autonominiai veiksmai ir valdomas mokymasis. Ne oficiali DAMA-DMBOK sritis.

Pasirinkite svarbiausias patikras pagal riziką ir naudojimo atvejį. Kiekviena taisyklė turi ID ir matuojamą kriterijų.

  1. AI-01

    Kiekvienas reikšmingas AI naudojimo atvejis registruojamas ir įvertinamas.

    Tikslas, savininkas, duomenys, tiekėjas, modelis, poveikis, taikomas ES AI akto vaidmuo ir rizikos kategorija, jei aktualu.

    Patikra Produkcinių AI naudojimo atvejų be rizikos vertinimo dalis

  2. AI-02

    AI agentai pasiekia tik savo tikslui leistinus duomenis ir įrankius.

    Leidžiamų šaltinių ir teisių sąrašas; raw prieiga galima kontroliuojamam naudojimui, bet ne apeinant saugą ir semantiką.

    Patikra Agentų su nepatikrintomis prieigomis skaičius

  3. AI-03

    AI kontekstas valdomas kaip versijuojamas produktas.

    Konteksto šaltiniai, metrikų reikšmės, terminai ir prieigos sąlygos turi savininką; dokumentai ir modelių instrukcijos atsekami.

    Patikra Konteksto šaltiniai be savininko / versijos

  4. AI-04

    Žinių grafas kuriamas tik esant pagrįstam ryšių poreikiui.

    Jei reikalingi sudėtingi verslo ryšiai, kiekvienas grafo ryšys turi kilmę ir galiojimą; paprastam RAG grafas nebūtinas.

    Patikra Nepagrįstų ryšių ir nepatikimų grafo išvadų dalis

  5. AI-05

    AI atsakymai ir veiksmai tikrinami versijuotu vertinimų rinkiniu.

    Versijuotas realių ir neigiamų atvejų golden set; atskirai matuokite faktų teisingumą, retrieval, įrankių veiksmus, p95 vėlavimą, kainą ir neatsakymo kokybę. Galutinį holdout laikykite atskirai.

    Patikra Neįvertintų modelio / prompt / konteksto pakeitimų dalis

  6. AI-06

    AI atsakymai apie faktus pateikia patikrinamą pagrindimą.

    Citata turi rodyti realų šaltinį ir teisingą vietą; vien citatos buvimas negarantuoja, kad teiginys pagrįstas.

    Patikra Nepagrįstų teiginių / klaidingų citatų dalis

  7. AI-07

    RAG paieškos indeksai prižiūrimi kaip gyvi duomenų produktai.

    Savininkas, versija, atnaujinimas, šalinimai, teisių pasikeitimai ir kokybės tikrinimas; taikoma visam ingest → retrieve → answer keliui.

    Patikra Pasenę, neteisėtai matomi ar ištrinti dokumentai rezultate

  8. AI-08

    AI duomenų naudojimas pagrįstas teisėtu tikslu ir minimizavimu.

    Konfidencialių ir asmens duomenų siuntimas vertinamas pagal teisinį pagrindą, tiekėjo sąlygas ir tinkamas saugos priemones; maskavimas ne visada vienintelė priemonė.

    Patikra Nepagrįsti jautrių duomenų perdavimai

  9. AI-09

    AI agentų veiksmai ribojami pagal pasekmes ir grįžtamumą.

    Skaitymas pagal mažiausias teises; rašymo įrankiai tik su aiškiu scope, auditu, testais ir žmogaus patvirtinimu didelio poveikio veiksmams.

    Patikra Neleistinų įrašymo / išorinių veiksmų skaičius

  10. AI-10

    AI sąveikų auditas saugo atsekamumą nepertekliai kaupdamas turinį.

    Fiksuokite modelio, prompt, įrankio ir duomenų versiją, veiksmą, rezultatą; jautrų turinį ribokite pagal saugojimo terminą.

    Patikra Kritinių AI sąveikų be atsekamumo dalis

  11. AI-11

    AI sugeneruotas kodas vertinamas pagal tas pačias inžinerines taisykles.

    PR peržiūra, testai, licencijos, secret scanning ir sauga; atsakomybė lieka organizacijai bei kūrėjui.

    Patikra AI kodo pakeitimų be kontrolės dalis

  12. AI-12

    Agentai atsparūs prompt injection ir nepatikimam išoriniam turiniui.

    Dokumentai, svetainės ir įrankių atsakymai laikomi duomenimis, ne nurodymais; testuokite užklausų peradresavimą ir duomenų išnešimą.

    Patikra Sėkmingų prompt injection testinių atakų dalis

  13. AI-13

    Kiekvienas AI įrankis turi atskirą mažiausių teisių tapatybę ir apribojimus.

    Leidžiami įrankiai, argumentai, rate limits, išorės domenai ir žurnalai; MCP jungtys tikrinamos kaip trečiųjų šalių integracijos.

    Patikra Agentų įrankių su neapribotomis teisėmis dalis

  14. AI-14

    Modelio, indeksavimo ir instrukcijų pakeitimai testuojami prieš publikavimą.

    Vertinimų rinkinyje įtraukite senas klaidas, hallucination, citatų tikslumą, saugos ir verslo atvejus.

    Patikra Pakeitimų be regresijos ir saugos testų dalis

  15. AI-15

    Nuolatinė stebėsena matuoja kokybę, kainą ir vartotojo poveikį.

    Stebėkite atsakymo klaidas, atsisakymus, vėlavimą, tokenų kainą ir neleistinų veiksmų bandymus; eskaluokite nukrypimus.

    Patikra Neaptikti kokybės / saugos slenkstį viršiję atvejai

  16. AI-16

    AI atmintis ir ilgalaikis kontekstas turi galiojimo bei išvalymo taisykles.

    Saugokite nuo pasenusio konteksto ir memory poisoning; vartotojo teisės bei ištrynimo prašymai galioja ir agentų atminčiai.

    Patikra Pasenę arba neautorizuoti įrašai agentų atmintyje

  17. AI-17

    AI sprendimai turi žmogaus atsakomybę ir incidentų stabdymo kelią.

    Didelio poveikio atvejams – rollback, kill switch, žmogaus peržiūra ir tiekėjo incidentų valdymas; žmogaus patvirtinimas turi būti informuotas, ne aklas mygtuko paspaudimas.

    Patikra Kritinių AI sistemų be stabdymo / eskalavimo plano dalis

  18. AI-18

    Kiekvienas AI sprendimas lyginamas su paprastesne alternatyva.

    Prieš renkantis agentą ar LLM, išbandykite SQL, taisykles, paiešką ar mažesnį modelį su ta pačia užduotimi. Sudėtingumas turi duoti išmatuojamą papildomą naudą.

    Patikra AI scenarijų be bazinio palyginimo dalis

  19. AI-19

    AI naudojamų duomenų kilmė, teisės ir apribojimai atsekami iki šaltinio.

    Registruokite mokymo, derinimo, vertinimo ir RAG korpusų versijas, licencijas, sutikimus, atranką ir pašalinimus. Nesutapatinkite galimybės nuskaityti su teise naudoti.

    Patikra Svarbių korpusų be kilmės ir leistinos paskirties dalis

  20. AI-20

    AI testuojamas ne vien pažįstamais, bet ir naujais scenarijais.

    Atskirai tikrinkite naujus laikotarpius, nepažįstamus skyrius, formatų variantus, kalbas ir neįprastus klausimus. Geras vidinis balas neįrodo generalizacijos.

    Patikra Kokybės kritimas naujuose / nepanašiuose atvejuose

  21. AI-21

    Nepriklausomi AI vertinimo duomenys saugomi nuo kontaminacijos.

    Laikykite atskirą uždarą holdout rinkinį; neoptimizuokite instrukcijų, retriever ar modelio pagal tuos pačius galutinius testus. Versijuokite atvejus ir kilmę.

    Patikra Testų rinkinių su nustatytu persidengimu arba nutekėjimu dalis

  22. AI-22

    Modeliai parenkami pagal užduoties kokybės, kainos ir spartos kompromisą.

    Kiekvienam scenarijui lyginkite bent du variantus, įskaitant mažesnį / vietinį, jei tinka. Išmatuokite tikrą užduočių sėkmę, p95 vėlavimą ir visą užklausos kainą.

    Patikra Scenarijų be pakartojamo kainos–kokybės palyginimo dalis

  23. AI-23

    AI turi aiškią nežinojimo ir perdavimo žmogui taisyklę.

    Nepakanka įtikinamo teksto: kai trūksta šaltinių, nėra teisių ar rezultatas prieštaringas, agentas prašo patikslinti, atsisako arba perduoda žmogui.

    Patikra Klaidingo užtikrintumo ir neperduotų kritinių atvejų dalis

  24. AI-24

    Kiekvienas AI eksperimentas turi tikslą, bazinį rezultatą ir atkuriamą protokolą.

    Fiksuokite hipotezę, duomenų / modelio / kodo versijas, vienodą biudžetą, išankstinę metriką, bandymo rezultatą ir sprendimą palikti ar atšaukti.

    Patikra Eksperimentų be pakartojamo įrašo arba bazinio rezultato dalis

  25. AI-25

    Autonominiai AI eksperimentai veikia izoliuotai ir ribotais resursais.

    Karpathy autoresearch principas: agentas gali siūlyti, bandyti ir atmesti pakeitimus, bet ne savarankiškai keisti PROD. Nustatykite biudžetą, laiko limitą, leidžiamus failus ir išjungimą.

    Patikra Bandymų su viršytu biudžetu / neleistinais pakeitimais skaičius

  26. AI-26

    Natūralios kalbos instrukcijos, promptai ir įrankių schemos versijuojami kaip kodas.

    „Software 3.0“ praktinė išvada: instrukcija yra elgesį keičianti konfigūracija. PR, diff, testai ir atstatymas galioja promptams, agentų vaidmenims, įrankiams ir sisteminiam kontekstui.

    Patikra Produkcinio elgesio pakeitimų be versijos ir regresijos dalis

  27. AI-27

    Grįžtamasis ryšys apie AI atsakymus tampa patikrintais mokymosi pavyzdžiais.

    Atskirti vartotojo signalus, ekspertų patvirtintus pataisymus ir modelio sugeneruotas etiketes; žymėti neaiškius atvejus ir laikyti klaidų biblioteką.

    Patikra Taisymų be patikimos etiketės / sprendimo istorijos dalis

  28. AI-28

    Sintetiniai duomenys atskiriami nuo tikrų pasaulio stebėjimų.

    Kiekvienas sintetinis rinkinys turi generavimo metodą, paskirtį ir etiketę; vertinkite pasiskirstymo skirtumus ir modelių grįžtamojo ryšio ciklus.

    Patikra Nežymėtų sintetinių duomenų dalis AI mokymo / vertinimo rinkiniuose

  29. AI-29

    Nuolatinis modelio ar konteksto mokymasis turi saugų išleidimo kelią.

    Nauji duomenys automatiškai netampa nauja tiesa: tikrinamas žmogaus grįžtamasis ryšys, atliekama regresija, shadow/canary bandymas ir numatytas rollback.

    Patikra Mokymosi / perindeksavimo leidimų be regresijos arba atstatymo dalis

  30. AI-30

    AI kokybė matuojama pagal realios užduoties rezultatą, ne vien testų balą.

    Vertinkite, ar vartotojas gavo teisingą sprendimą, sutaupė laiko ir nesukėlė klaidos; neprilyginkite aukštam benchmarkui tikrai vertei.

    Patikra Realių užduočių sėkmės procentas ir korekcijų kaina

  31. AI-31

    Struktūruoti AI rezultatai validuojami prieš įrašant ar naudojant sprendimui.

    SQL, JSON, finansiniai skaičiai ir veiksmo argumentai tikrinami schema, referenciniu vientisumu, verslo taisyklėmis ir leidimais; nevykdyti tik todėl, kad atsakymas taisyklingai suformuluotas.

    Patikra Neteisingų argumentų / rezultatų, pasiekusių įvykdymą, skaičius

  32. AI-32

    Kelių agentų delegavimas neišplečia įgaliojimų.

    Perduodant užduotis kitam agentui perduodamas tik būtinas kontekstas ir siauresnės arba tokios pačios teisės; tikrinkite atsakomybės grandinę ir ciklų ribas.

    Patikra Deleguotų veiksmų be patvirtintos tapatybės ir ribų dalis

  33. AI-33

    Aukšto poveikio AI sprendimams vertinamas klaidų pasiskirstymas.

    Kur aktualu, tikrinkite sistemines klaidas tarp vartotojų grupių, laikotarpių ir padalinių; saugokite teisinį pagrindą ir venkite perteklinio jautrių atributų kaupimo.

    Patikra Neištirtų reikšmingų rezultatų skirtumų skaičius

  34. AI-34

    Išorinių modelių ir agentų priklausomybių pakeitimai valdomi kaip tiekimo grandinės rizika.

    Fiksuokite modelio / API / MCP / bibliotekų versijas, pakeitimų pranešimus ir sutartines duomenų naudojimo sąlygas. Tiekėjo pasikeitimas inicijuoja atrankinius testus.

    Patikra Kritinių pakeitimų be poveikio patikros dalis

  35. AI-35

    RAG paieškos kokybė vertinama atskirai nuo teksto generavimo.

    Atskirkite šaltinio radimą (recall@k), atsakymo pagrįstumą ir galutinį teisingumą; taip aišku, ar klaida paieškoje, dokumente, ar modelyje.

    Patikra Paieškos nepataikymų ir nepagrįstų atsakymų dalis

Ko dažniausiai trūksta realiose organizacijose?

Ne dokumentų skaičiaus, o trijų ryšių: kas atsako už reikšmę, kuo grindžiamas rezultatas ir kas nutinka suklydus. Įrankiai gali automatiškai surinkti lineage, katalogą ar testų žurnalus, tačiau už „pajamų“ apibrėžimą ir priimtiną finansinę riziką vis tiek turi atsakyti žmonės.

Kas pasikeitė atsiradus AI agentams?

Anksčiau duomenų vartotojas dažniausiai žiūrėdavo į ataskaitą. Dabar agentas gali atlikti paiešką, kviesti įrankius, vykdyti SQL ir inicijuoti veiksmą. Todėl vien kokybės balo ar citatos nepakanka: reikia tikrinti konteksto kilmę, vartotojo teises, agento įrankių ribas, prompt injection atakas ir išvesties teisingumą. RAG paieškos indeksas taip pat privalo atspindėti dokumentų ištrynimą ir prieigų pakeitimus.

AI valdymo kontrolės papildytos pagal NIST AI RMF GenAI profilį, OWASP Agentic Top 10 ir ISO/IEC 42001. ES AI aktas taikomas pagal konkrečią sistemos paskirtį, vaidmenį ir rizikos kategoriją; ne kiekvienas BI asistentas savaime yra didelės rizikos AI sistema.

Dažniausi klausimai

Ar visos taisyklės būtinos mažai organizacijai?

Ne. Pradėkite nuo kritinių duomenų, savininko, aiškių KPI, prieigos ir 3–5 kokybės testų. Kontrolės gylį didinkite pagal poveikį ir riziką.

Ar Bronze → Silver → Gold sluoksniai privalomi?

Ne. Tai naudinga architektūrinė praktika, bet ne oficiali DAMA prievolė. Svarbiausia atsekti šaltinį ir aiškiai atskirti nepatikrintus duomenis nuo patvirtintų.

Ar duomenų savininkas turi būti iš IT?

Dažniausiai ne. DMBOK 2.0 Revised pabrėžia verslo žmogų, atsakingą už sprendimus konkrečiame duomenų domene; IT gali atlikti technines pareigas.

Ar AI agentui reikia žinių grafo?

Ne visada. Daugeliui užduočių pakanka prižiūrimo semantinio modelio ir dokumentų paieškos. Grafas vertingas, kai iš tiesų reikia nagrinėti sudėtingus ryšius tarp objektų.

Ar šis sąrašas yra oficialus DAMA standartas?

Ne. DAMA pateikia žinių sričių sistemą. Čia esančios taisyklės ir 12-oji AI sritis yra atskiras, praktinis jos pritaikymas.

Kuo mūsų AI sritis skiriasi nuo MLOps ar LLMOps?

MLOps ir LLMOps daugiausia aprašo modelių kūrimo, išleidimo ir stebėjimo procesus. Šioje papildomoje srityje sujungiame duomenų kilmę, semantiką, teises, agentų veiksmus, eksperimentus, riziką ir realios užduoties rezultatą.

Ar Karpathy autoresearch reiškia, kad AI reikia leisti savarankiškai keisti produkciją?

Ne. Jo pavyzdyje agentas eksperimentuoja su riboto biudžeto modelio treniravimu ir vienos metrikos gerinimu. Produkcinėms sistemoms rekomenduojame izoliuotą aplinką, nepriklausomą vertinimą ir patvirtintą išleidimą.

Ar užtenka vieno AI tikslumo procento?

Ne. Net 95 % atsakymų tikslumas gali būti netinkamas kritiniams finansiniams sprendimams. Atskirkite šaltinių paieškos kokybę, teiginių pagrįstumą, veiksmų saugą, naujus atvejus, p95 vėlavimą ir klaidos kainą.

Šaltiniai ir metodika

Šaltiniai naudoti žinių sričių struktūrai ir šiuolaikiniam AI valdymo kontekstui patikrinti. Terminai, kontrolės, KPI ir pavyzdžiai yra praktinės rekomendacijos, o ne pažodinės šių leidinių taisyklės.

Praktinė interpretacija pagal DAMA-DMBOK 2.0 Revised. Taisyklių formuluotės yra savarankiškos rekomendacijos, ne oficialus DAMA tekstas. AI sritis yra mūsų nepriklausoma praktinė metodika, o ne oficialus DAMA standartas. Paskutinė peržiūra: 2026-11-10.