Priprema podataka za AI: kvaliteta, pristup i provjera

Podaci za AI trebaju biti relevantni za zadatak, dovoljno potpuni i dostupni samo ovlaštenim osobama. „Očistiti podatke” nije jedan univerzalan postupak. Pretraživanje internih dokumenata traži pouzdan tekst i verzije; predviđanje prodaje traži dosljednu povijest i jasno definiranu ciljnu vrijednost.

Najprije odredite kako će se podaci koristiti

Za odgovore iz pravilnika često je prikladnije dohvaćati odlomke iz dokumenata nego trenirati novi model. Za izdvajanje polja iz računa trebate primjere formata i pravila provjere. Za predviđanje morate odvojiti buduće informacije od podataka koji bi bili dostupni u trenutku stvarne odluke.

Napravite inventar i pravila kvalitete

Za svaki izvor upišite vlasnika, format, vrijeme osvježavanja i dozvoljene korisnike. Uvedite stabilne identifikatore: ime kupca nije zamjena za njegov jedinstveni zapis. Ne brišite duplikate samo zato što imaju isti naziv; prvo ustanovite označavaju li istu poslovnu stvar.

Provjera	Primjer pravila
Obvezna polja	Nalog mora imati interni broj i datum
Jedinice	Količina ima oznaku jedinice, valuta je eksplicitna
Verzije	Dokument ima status važeći ili zamijenjen
Pristup	Rezultat ne otkriva dokument izvan korisničke ovlasti
Sljedivost	Izdvojena tvrdnja vodi do izvornog zapisa

Kako pripremiti testni skup?

Uključite uobičajene dokumente, prazne skenove, loš OCR, slične nazive i proturječne verzije. Dio primjera ostavite izvan podešavanja. Zabilježite očekivani izlaz i kada je ispravno odbiti odgovor. Osjetljive podatke anonimizirajte kada nisu nužni za provjeru.

Pravo pristupa ne smije nestati nakon indeksiranja dokumenta. OWASP authorization guidance preporučuje provjeru ovlasti pri svakom zahtjevu. Za osobne podatke koristite EDPB SME guide: data protection basics kao početnu podlogu za odgovornosti i zaštitu; konkretna obrada zahtijeva provjeru vlastitih okolnosti.

Što predati prije izrade?

Predajte opis izvora, mali reprezentativni skup, pravila pristupa i kriterije prihvata. Ako vlasnik procesa ne može pokazati koji je odgovor ispravan, prvo razjasnite pravilo. Za AI savjetovanje takva priprema vrijedi više od velike mape neoznačenih datoteka.