Trije vsebinski sklopi so se smiselno dopolnjevali: najprej temelji upravljanja, nato primeri iz prakse ter na koncu vprašanje, kako podatke in organizacije pripraviti na umetno inteligenco.
DAMA in sodobno upravljanje podatkov: skupen jezik pred tehnologijo
Po uvodnih predstavitvah je Marko Škufca s temo DAMA in sodobno upravljanje podatkov odprl vprašanje, kako povezati različne discipline upravljanja podatkov v celoto. Osrednja ideja tega dela programa je bila, da podatkovno upravljanje ni samo naloga IT-oddelka: poslovni lastniki podatkov, analitiki in tehnološki strokovnjaki morajo razumeti iste pojme, cilje in odgovornosti.
Od strategije do zaupanja vrednih podatkov: štirje različni pogledi
Andreja Štirn je predstavila gradnike uspešne podatkovne strategije. V ospredju je bilo pet povezanih področij: ljudje in kompetence, tehnologija, procesi, vsebina ter upravljanje. Strategija je učinkovita šele takrat, ko jo lahko organizacija prenese v konkretno delo in z njo ustvari merljivo vrednost.
Iztok Zlatar je prikazal upravljanje podatkov v agenciji ACER, Agenciji Evropske unije za sodelovanje energetskih regulatorjev. Primer je odprl praktična vprašanja oblikovanja podatkovne politike, odgovornosti deležnikov, povezave s smernicami DAMA-DMBOK in zagotavljanja kakovosti ter varnosti podatkov v reguliranem okolju.
Matjaž Štajner iz podjetja Henkel je predstavil izziv poenotenja razdrobljenih podatkovnih virov v skupen semantični model proizvodnih procesov. Posebej zanimiva je bila povezava med vsakodnevno analitiko proizvodnih linij in širšim pregledom vodstva: enoten pomen podatkov lahko pomaga različnim uporabnikom sprejemati odločitve na isti podatkovni osnovi.
Aleš Veršič je program dopolnil s pregledom evropske podatkovne zakonodaje – od GDPR in odprtih podatkov do Data Governance Act, Data Act in AI Act. Njegova tema je opozorila, da zaupanja v podatke ne ustvarjamo le s tehnologijo in kakovostjo, ampak tudi s pravili dostopa, deljenja, varovanja in odgovorne uporabe.
Pripravljenost na AI: kako načela prenesti v prakso?
Blaž Podgorelec je predstavil smernice za razvoj, uvedbo in uporabo umetne inteligence v javni upravi. Tema je povezala priložnosti novih orodij z vprašanji odgovornosti, organizacijskih postopkov in varne uvedbe.
Aleš Gorišek je z vidika AI-arhitekta obravnaval, kakšne podatke potrebujemo za uspešno umetno inteligenco. Modelom ne zadostuje velika količina podatkov: pomembni so kakovost, kontekst, ustrezna struktura, dostopnost in sledljivost podatkov.
Matjaž Pušnik je odprl področje zaupanja vredne umetne inteligence, upravljanja tveganj, skladnosti in kibernetske varnosti. Sklop je dopolnil pogled na AI kot poslovno in organizacijsko odgovornost, ne zgolj na novo tehnično možnost.
Organizatorji so se v zaključni zahvali posebej zahvalili tudi Ellen Mildred Brown in Igorju Smirnovu za njun prispevek k programu.
Najpomembnejše spoznanje dneva: tehnologija lahko podatke obdela, vrednost pa nastane šele, ko imajo podatki jasen pomen, odgovorne skrbnike in zaupanje uporabnikov.
