Какой должна стать разработка дата-продуктов в эпоху ИИ-агентов? Своим мнением делится ... — 26 августа 2026 г. в 18:21:46.371
Какой должна стать разработка дата-продуктов в эпоху ИИ-агентов? Своим мнением делится Лариса Малькова, управляющий директор практики Data&AI AXENIX. Главная задача — встроить генеративный ИИ в разработку дата-продуктов как управляемый и воспроизводимый процесс. Специально для этого эксперты нашей компании разработали уникальную методологию AI-Powered Data Delivery. Почему это важно? ИИ уже умеет писать SQL-запросы, формировать требования и генерировать тесты — это ускоряет отдельные задачи. Но для создания качественного дата-продукта этого недостаточно — важно понимать смысл и происхождение данных, их связь с бизнес-логикой, а также обеспечить проверяемость результата. Но главное, без перестройки самого процесса разработки эффект от ИИ останется точечным. Что входит в методологию? AI-Powered Data Delivery переосмысливает Data Governance с учетом возможностей ГенИИ и меняет сам процесс создания дата-продукта: ➡️ конвейер превращений — сквозная цепочка, в которой каждый артефакт (от требований до кода, тестов и мониторинга) выводится из предыдущего и прослеживается до исходного смысла; ➡️ опорный слой (grounding layer) — фундамент, на который опираются ИИ-агенты вместо догадок: онтология, семантика и контур доверия (статусы, версии, подписи, гейты); ➡️ сквозные принципы — генерация только под guardrails, quality gates между этапами, разделение труда между человеком и агентами, lineage как позвоночник процесса, DataOps-дисциплина; ➡️ лестница зрелости и новые роли — от ассистированной разработки до полуавтономного конвейера, с ролями вроде куратора опорного слоя и владельцев доменов. Что это дает? Такой подход повышает автономность ИИ-агентов, сохраняя контроль, прослеживаемость и объяснимость результата — это особенно важно для управленческой и регуляторной отчетности. При этом отказываться от существующей инфраструктуры не нужно: каталоги, глоссарии и инструменты контроля качества встраиваются в новую архитектуру. Как отмечает Лариса Малькова: Крайне важно определить для ИИ «смысл» данных компании, погрузить его в контекст — иначе есть риск получить «черный ящик», корректность которого нельзя проверить. Ознакомьтесь подробнее с мнением нашего эксперта и методологией AI-Powered Data Delivery — в полной версии документа на сайте AXENIX. #AXai 🔥 AXENIX: Telegram | MAX | ВК