Jak ugryźć zgodność z AI Act i zbudować swoje data governance?
Michał Nowakowski · 1 lipca 2026
Od zgodności do governance? Jak skorzystać z AI Act i zacząć budować własne data governance?
Boimy się danych. Boimy się przyznać, że zaniedbaliśmy ten obszar i przez lata mała kupka urosła do góry i stała się dla nas problemem. Problemem, który w końcu nas przytłoczy, jeżeli nie zareagujemy.
Jakość danych. To odwieczny problem i jedno z pytań, które zadają ludzie także w kontekście wdrożenia AI Act. Dlaczego? Ze względu na art. 10, który odnosi się jednak jedynie do wycinka naszych problemów - systemów wysokiego ryzyka. Ale na bazie tego przepisu możemy zbudować coś więcej. O tym za chwilę.
Zależność pomiędzy danymi a rozwiązaniami AI jest prosta - dane stanowią paliwo dla silnika opartego o "AI". Mało tego, na koniec dnia rezultat działania takiego rozwiązania to też dane, które przekształcamy w informacje i kroki, które podejmujemy lub podejmuje "za nas" agent. Im lepsza jakość, tym potencjalnie lepsze rezultaty - dokładność, adekwatność, zgodność etc.
Problem w tym, że zapewnienie jakości danych rzadko jest możliwe, o ile w ogóle, w "100%". Narzędzia "automatyzujące", jak platformy danych są dobre, ale czynnik ludzki odkrywa tutaj bardzo dużą rolę. A gdzie człowiek tam potencjał do błędu. Ludzie zwyczajnie:
nie wiedzą, że muszą utrzymywać odpowiednią jakość danych, bo nie słyszeli nawet o czymś takim jak polityka w tym zakresie,
jeżeli wiedzą, to nie do końca rozumieją jak przełożyć to na konkretne działania, w szczególności co oznaczają dane jakościowo "niedobre",
nie chcą robić lub zapominają o swoich obowiązkach i tworzą przez to dane, które trzeba "poprawiać", co jest rzecz jasna kosztem.
Stąd też tak istotne jest, aby w organizacji funkcjonowało uporządkowane podejście do danych i ich jakości. To temat złożony i obejmujący rozwiązania organizacyjne i techniczne, ale można spróbować zacząć mniejszym kosztem, żeby przekonać się jak jest to istotne. Jak?
Tutaj przychodzi nam z pomocą art. 10, który wymaga od nas zarządzania danymi (to nie to samo co governance!) na potrzeby systemów wysokiego ryzyka. Wymaga od nas wprowadzenia mechanizmów zapewnienia i weryfikacji jakości danych treningowych, walidacyjnych i testowych a w połączeniu z art. 17 i 26 de facto produkcyjnych (o ile to możliwe).
To co możemy zrobić, żeby zapewnić zgodność i jednocześnie zacząć budować nasze podejście, to "polityka szczegółowa jakości danych", która będzie wycinkiem dla np. systemów AI (szerzej niż high risk). Do niej dobudujemy odpowiednie "oprzyrządowanie" w postaci instrukcji dla działu danych czy IT, a także zobowiążemy do konkretnego działania.
Rzecz jasna nie rozwiąże to nam całego problemu braku data governance, ale będzie dla nas krokiem naprzód. A dane i ich jakość to jedna z podstawowych zasad, które adresujemy w AI Governance, więc bez "czegoś" trudno mówić o dobrym podejściu do AI.
Więcej na ten temat będę pisał w kolejnych postach i felietonach, a już niedługo legal architect będzie miał też całą sekcję temu poświęconą. Stay tuned!