Co jest gorsze – utracone szanse czy shadow AI?

Strach przed shadow AI – niekontrolowanym użyciem narzędzi bez nadzoru ze strony compliance prowadzi często do brdzo restrykcyjnych polityk w zakresie AI. Czy możemy pogodzić bezpieczeństwo organizacji z benefitami nieposkromionej kreatywności w wykorzystaniu narzędzi i modeli AI? Gdzie przebiega granica akceptowalnych kosztów do realnych zysków?

Od Lakehouse do AI-ready data: czy naprawdę rozumiemy nasze dane?

Nowoczesne architektury danych obiecują prostotę: jeden model, jeden system, dane gotowe do wszystkiego — od raportów po AI. Rozwiązania takie jak Data Lakehouse upraszczają dostęp do danych, ale jednocześnie ukrywają rosnącą złożoność związaną z ich jakością, semantyką i przygotowaniem pod modele.

W tej prezentacji przyjrzymy się kompromisom, które stoją za współczesnymi architekturami danych. Co tak naprawdę oznacza „AI-ready data”? Dlaczego dane, które działają w BI, często zawodzą w kontekście modeli ML i RAG? I gdzie w tym wszystkim tracimy kontrolę nad tym, co naprawdę dzieje się z danymi?

Porozmawiamy o tym:
– gdzie kończy się wygoda, a zaczyna ukryty koszt,
– czym jest delegacja odpowiedzialności za dane w nowoczesnych stackach,
– oraz co się dzieje, gdy AI zaczyna korzystać z danych, których do końca nie rozumiemy.