...

Klucz do zarządzania jakością danych w Ai

Picture of Dariusz Rycek

Dariusz Rycek

ISO/IEC 5259-5:2025: Klucz do zarządzania jakością danych w sztucznej inteligencji

Norma ISO/IEC 5259-5:2025 zatytułowana „Sztuczna inteligencja — Jakość danych dla analityki i uczenia maszynowego (ML) — Część 5: Ramy zarządzania jakością danych” oferuje organizacjom kompleksowe ramy zarządzania jakością danych wykorzystywanych w analityce i systemach uczenia maszynowego. W artykule omówiono kluczowe elementy normy (paragrafy 5-8), jej znaczenie płynące z wdrożenia, szczególnie w kontekście systemów zarządzania sztuczną inteligencją (AIMS) wg ISO 42001.

Mamy więc w artykule zarys kluczowych kwestii przedstawionych w nagłówkach, gdyż temat norm tej rodziny podejmowaliśmy już w artykule: „Ai-Data Quality” – link na końcu artykułu, a przed nami jeszcze ostatnia norma w tym zakresie, która może być zwodowana do końca 2025 roku, gdyż jej obecny status to „Close of comment period” [30.60].

ISO 42001, ISO 5259

Kluczowe sekcje normy ISO/IEC 5259-5:2025

Paragraf 5: Kontekst zarządzania jakością danych

Ta sekcja podkreśla wyzwania związane z zarządzaniem danymi dla SI/ML w porównaniu z danymi tradycyjnymi. Niska jakość danych (np. problemy z dostępnością, dokładnością lub aktualnością) może bezpośrednio wpłynąć na wyniki ML16. Organy zarządzające muszą rozumieć te ryzyka i przypisać jasne role (np. właściciele danych, stewardzi) do kontroli danych w całym ich cyklu życia.

  • Ryzyko błędnych danych: Niska jakość danych (np. nieaktualne lub tendencyjne zbiory) prowadzi do błędnych prognoz ML. Przykład: dane treningowe bez reprezentacji mniejszości mogą generować dyskryminujące wyniki1.
  • Niejasne odpowiedzialności: Dane SI często pochodzą od zewnętrznych dostawców (czujniki IoT, media społecznościowe), co utrudnia identyfikację winnych w przypadku awarii. Standard wymaga przypisania ról np. właścicieli danych do nadzoru
  • Zgodność z przepisami: Zbiory z publicznych źródeł (np. posty) wymagają zabezpieczeń prywatności zgodnych z RODO.

Paragraf 6: Projekt ram zarządzania

Ramy obejmują sześć filarów efektywnego zarządzania jakością danych:

  1. Zasady przewodnie: Dostosowanie strategii danych do celów biznesowych (np. dokładne dane do analizy klientów).
  2. Strategie i polityki: Definiowanie wymagań jakościowych dla ML (np. walidacja przed szkoleniem modelu).
  3. Planowanie biznesowe: Alokacja środków (np. narzędzia wykrywające błędne dane).
  4. Odpowiedzialności: Role np. stewardzy kontrolują metryki jakości.
  5. Zarządzanie ryzykiem: Ocena ryzyk jak tendencyjne zbiory.
  6. Procesy zarządcze: Automatyczne wykrywanie „dryfu” danych1.

Paragraf 7: Obowiązki organu zarządzającego

Organ zarządzający musi:

  • Strategiczne priorytety: Jakość danych wpływa na innowacje (np. błędy opóźniają wdrożenie produktu).
  • Komitety: Powołanie komitetu DQ z zespołów IT, prawnych i analityków.
  • Strategie: Integracja z etyką ISO 42001 (np. zasady przejrzystości)

Paragraf 8: Obowiązki kierownictwa

Kierownictwo wdraża ramy poprzez:

  • Wdrażanie strategii: Planowanie audytów danych.
  • Egzekwowanie polityk: Wymóg walidacji na każdym etapie cyklu życia danych.
  • Kontrola ryzyka: Codzienne procedury (np. oznaczanie przestarzałych zbiorów)
ISO 42001, ISO 5259-5

Korzyści z ISO/IEC 5259-5 dla systemów Ai

  1. Mniejsze ryzyko błędów SI: Proaktywne zarządzanie ogranicza błędy (np. tendencyjność).
  2. Jasne role: Zarządcy nadzorują oznaczanie danych; właściciele zatwierdzają zmiany.
  3. Zgodność: Śledzenie danych wspiera RODO.
  4. Uniwersalność: Ramy działają w ochronie zdrowia (dane pacjentów) i finansach (wykrywanie oszustw)

Synergia z ISO 42001 w systemie AIMS

ISO 42001 zapewnia ramy zarządzania dla SI, skupiając się na etyce, transparentności i ryzyku. ISO/IEC 5259-5 wzmacnia to poprzez:

  1. Wiarygodne dane: Zapewnia jakość danych wejściowych (np. reprezentatywne zbiory),
  2. Harmonizacja ryzyk: Mapuje ryzyka jakości danych na procesy ISO 42001. Łączy ryzyka jakości danych (np. uprzedzenia) z procesami oceny ryzyka w ISO 42001,
  3. Uproszczenie audytów: Raporty komitetu DQ ułatwiają audyty zgodności. Przejrzyste struktury zarządzania danymi upraszczają audyty zgodności wg ISO 42001.

Przykład: Szpital stosujący ISO 42001 w systemie diagnostycznym używa ISO/IEC 5259-5 do walidacji danych pacjentów, zapewniając etyczne i trafne diagnozy. Przy wdrażaniu narzędzia SI do obsługi klienta użyj ISO/IEC 5259-5 do walidacji danych treningowych (dokładność, różnorodność) i ISO 42001 do zarządzania ryzykami etycznymi (np. prywatność).

ISO 5259-5, ISO 42001

Podsumowanie

ISO/IEC 5259-5:2025 jest jedną z kluczowych części norm serii 5259 dla organizacji wykorzystujących SI/ML. Jej ramy zarządzania zapewniają jakość danych, a integracja z ISO 42001 tworzy solidny system AIMS. Razem budują godne zaufania, zgodne systemy SI gotowe na przyszłe wyzwania. Będąc komplementarną normą do ISO 42001, niniejsza norma stanowi kolejną część wymagań znanych jako „Data quality” znanych z załącznika A 7.4 oraz B 7.4., które w istotny sposób pozwalają zapewnić element jakości w zarządzaniu danymi na różnych etapach cyklu życia. Dla firm wdrażających AIMS, połączenie tych standardów oznacza nie tylko zgodność z przepisami, ale i realną wartość biznesową.

Zapraszamy do współpracy
Zespół Centre of Excellence & QSCert-Poland

Bibliografia:

Scroll to Top