Готовность данных: правильный, но неудобный ответ

Digital & AI2026-10-017 минутAtlas Strategy Group

Спросите ИИ-вендора, готовы ли данные компании, — ответом будет слайд со словом «путь». Спросите честно — ответ обычно «ещё нет», и именно этот ответ отделяет компании, чей ИИ копится, от компаний, чей ИИ производит демо. Готовность данных — наименее гламурная тема в области и самая предсказательная: почти каждый разочаровавший ИИ-проект прослеживается не к модели, а к тому, чем её кормили.

Что на самом деле значит «готовы»

• Находимы: данные существуют, и кто-то может их найти — в именованных системах, с именованными владельцами, а не на ноутбуке уволившегося менеджера. Большинство средних компаний этот тест проваливают до всякого обсуждения технологий.
• Согласованы: одно и то же называется одинаково во всех системах; у клиента одна идентичность; статусы значат то, что говорят. Компания с четырьмя определениями «активного клиента» ещё не имеет данных — она имеет четыре привычки в одежде базы данных.
• Достаточны: не «большие» — достаточные. Десять месяцев чистой истории по автоматизируемому процессу лучше десяти лет шума. Готовность измеряется относительно сценария, поэтому аудит идёт за отбором, а не перед ним.
• Юридически чисты: права на использование в задуманной цели есть — проверенные до проекта, а не во время юристского ревью его запуска.

Почему честный ответ никому не нужен

Честный аудит приземляется плохо, потому что задерживает: бюджет согласован, стратегия анонсирована, и вот документ, говорящий, что фундаменту нужны два квартала. Удобный маршрут — «начнём всё равно, данные починим по ходу» — так два квартала становятся двумя годами внутри проекта, невидимо, по проектным ценам. Успешные компании трактуют «ещё нет» как первый результат проекта: очищение, ограниченное по охвату и сроку, нацеленное ровно на отобранные сценарии — шорт-лист оценки, а не на всю историю компании; работа над готовностью покупает право пропустить всё остальное.

Готовность данных — единственная часть ИИ-стратегии, где «починим потом» стабильно стоит дороже, чем починить сейчас.

Прагматичная версия

Замечание о том, как не утонуть: список починки сортируется по цене для выбранных сценариев, а не по идеалу. Сначала то, что блокирует ближайший use case; потом то, что расширит его на второй; «генеральная уборка данных» в конец очереди — она почти всегда не нужна для старта и почти всегда не делается никогда.

Прагматичный аудит соразмерен амбиции: для каждого сценария-кандидата четыре теста — находимость, согласованность, достаточность, чистота — за недели, а на выходе список починки с ценами. Это входной фильтр оценки возможностей, тихая половина вопроса о P&L и стандартная открывающая фаза практики ИИ — потому что выбор модели, вендора и архитектуры значит меньше того, на чём они стоят, и «ещё нет» плохой ответ только тогда, когда его игнорируют.