Монетизация качества данных в эпоху ИИ-агентов: требования к CDO, контексту и корпоративным знаниям
Форум Data Day 2026 «ИИ + Данные». Организатор — Издательский дом «Регламент».
Сама механика работы с данными принципиально не изменилась: по-прежнему нужно собирать данные, строить витрины, обеспечивать доступность и корректность. Но радикально изменился контекст использования. Если раньше данные в основном предназначались для людей, дашбордов и отдельных ML-моделей, то теперь их потребляют агенты, которые быстро обрабатывают большие объёмы информации и сразу показывают пользователю результат. Из-за этого влияние качества данных стало намного более заметным и более быстрым: плохие данные теперь почти мгновенно превращаются в плохое решение, а значит — в понятный всей организации ущерб.
Ключевой аналитический вывод состоит в том, что качество данных перестаёт быть только технической метрикой и становится прямым бизнес-фактором. Чем лучше данные в конкретном агенте, тем выше эффект для компании; чем хуже качество, тем быстрее проявляются потери. В этом смысле происходит монетизация качества: стоимость данных и их использования начинает напрямую связываться с экономическим результатом работы агента. Это делает вопрос качества не просто зоной ответственности data-команды, а частью бизнес-результата, который можно измерять и обсуждать на языке денег.
Ещё один важный тезис — требования к моделированию данных частично смещаются. По сравнению с прежним подходом, когда данные тщательно моделировали под витрины и аналитические модели, теперь от систем всё чаще ожидается способность работать и с более денормализованными структурами. При этом усиливается значение сбора данных, метаданных и документации. Именно здесь возникает и укрепляется контекстный слой — пространство, в котором хранится описательная информация о таблицах, витринах и бизнес-смыслах, чтобы и человеку, и агенту было проще правильно интерпретировать данные.
Отдельно подчёркивается, что вместе с данными масштабируются и знания компании. Это означает, что ответственность роли CDO выходит за рамки управления информацией как таковой и затрагивает накопление, структурирование и передачу корпоративного знания. Чем лучше этот слой знаний и контекста, тем точнее работают агенты и тем меньше риск неверной интерпретации данных.
Важный практический момент связан и с контролем последствий решений, которые принимают агенты. Раньше основной акцент делался на валидации данных и моделей перед принятием решений человеком. Теперь нужно контролировать не только метрики качества, но и реальные последствия автоматизированных действий. Если агент ошибочно спрогнозирует спрос и инициирует лишние закупки, компания понесёт прямые финансовые потери. Поэтому на критических точках бизнес-процессов требуется human-in-the-loop — человеческий контроль в узловых местах принятия решений.
Наконец, выступление показывает ещё два следствия роста числа агентов. Во-первых, разные агенты могут по-разному интерпретировать одни и те же данные, если у них нет общего контекста. Во-вторых, большое количество агентов создаёт дополнительную нагрузку на инфраструктуру. Поэтому возникает потребность в собственных скиллах, накоплении знаний о данных и в механизмах вроде MCP, к которым смогут обращаться другие агенты, чтобы использовать уже проверенную экспертизу.
