ainews
Создать
Войти
AI-агенты научились легко подключаться к базам данных и API, но никто не решает проблему контроля доступа к данным. Системные промпты ненадёжны, read-only права не спасают от дорогих запросов и галлюцинаций. Появился Agentic Data Protocol — попытка создать слой политик между агентом и данными, но он пока сырой.
Компании часто воспринимают переход на Databricks как технологический проект, но на деле это испытание качества данных и управления ими. Платформа не может автоматически исправить годами накопленные проблемы: дубликаты, неполноту записей, устаревшие бизнес-правила и недокументированные преобразования.
ML-инженер предлагает создать формальный слой контроля качества обучающих данных — систему, которая перед началом тренировки модели выдаёт вердикт PASS/FAIL на основе чётких правил (утечки, противоречия, покрытие, происхождение данных), а не размытых метрик. Цель — избежать ситуаций, когда критические проблемы теряются в общих показателях или субъективных оценках.
