Data governance

Data governance er de konkrete regler, roller og processer, der afgør, hvem der ejer, må bruge, rette og slette virksomhedens data, og hvilken kvalitet disse data skal have. For AI betyder det især: hvilke data må modellerne få adgang til, hvem godkender at data lægges i en vidensbase, og hvem har ansvar for at fjerne følsomme oplysninger.

Sådan virker Data governance i praksis

Tænk på data governance som husregler for et fælles arkiv. Reglerne siger, hvem der må lægge dokumenter ind, hvem der må rette dem, og hvem der må slette gamle versioner. I praksis er det en kombination af en politik (skriftligt dokument), faste roller (fx dataejer, datasteward, arkivansvarlig) og konkrete processer (godkendelse før publicering, løbende kvalitetstjek). For AI kommer et ekstra krav: dokumenter, som en AI-assistent må søge i eller trænes på, skal vurderes for persondata, fortrolighed og forældet information.

Hvorfor du skal have en simpel datapolitik for AI

Du vil undgå, at medarbejdere selv gætter på reglerne og begynder at uploade alt fra kundemail til gamle tilbud. En simpel datapolitik for AI fastlægger hurtigt to ting: hvad må bruges, og hvad må ikke bruges. Den skal også sige, hvem der godkender nye datakilder til AI og hvem der løbende fjerner forkert eller forældet indhold. Når en model får adgang til jeres dokumenter, kan fejl hurtigt spredes ud som troværdige svar, så et par klare beslutningspunkter fjerner stor risiko.

Eksempel: Data governance hos en kontorleder i en mindre rådgivningsvirksomhed

Kontorlederen i en rådgivervirksomhed får en fredag formiddag besked om, at teamet vil bruge en intern chat-assistent til at besvare kundespørgsmål. Der er 1.200 PDF'er i en delt mappe, en gammel prisliste fra 2018 og tre kollegaer på sommerferie. Kontorlederen sætter en kort regel: ingen up-load af kundemails eller scannede CV'er uden eksplicit samtykke, prislister skal opdateres før de indgår i træningsmaterialet, og alle nye datakilder godkendes af en datasteward. De første to uger opstår problemer: assistenten bruger en gammel prisliste og giver forkerte priser, og en medarbejder har ved et uheld delt en intern notatmappe. Løsningen krævede to timers gennemgang af mappen, fjernelse af fem dokumenter og en opdateret tjekliste for hvad der kan uploades. Det kostede tid, men gjorde samtidig politikken konkret, så næste gang der kommer et forslag, ligger beslutningen klar.

Hvad du skal være opmærksom på

Data governance handler ikke kun om adgang. Det handler om ansvar, kvalitet og dokumentation. For AI er det vigtigt at dokumentere hvilke datakilder en model bruger, og hvem der godkendte dem. Hvis jeres system falder ind under højrisiko efter AI-forordningen, stilles der dokumentationskrav og krav til datastyring; tjek reglerne hos EUR-Lex for den officielle tekst. Samtidig skal I overholde persondataregler; for danske forhold kan Datatilsynet vejlede om hvad der må bruges.

Data governance er ikke det samme som datamanagement eller en datapolitik

Datamanagement er de tekniske og operationelle opgaver: sikker back-up, adgangskontrol og metadata. En datapolitik er dokumentet der beskriver principperne. Data governance binder politik og management sammen: det er rammerne for beslutningstagning, roller og godkendelser. I samtaler om AI hører du også ord som datastyring, dataansvar og datapolitik; brug dem præcist, men forstå at governance er beslutningsmekanikken.

Sådan kommer I i gang med en enkel datapolitik for AI

1. Kortlæg de datakilder medarbejderne allerede bruger til AI: mapper, mail-arkiver, CRM-eksport.
2. Beslut tre klare kategorier: må bruges, kræver godkendelse, må aldrig bruges.
3. Udpeg en dataejer for hver kategori og en datasteward, der tjekker nye kilder.
4. Lav en enkel godkendelsesproces: upload kun efter skriftlig godkendelse fra datasteward.
5. Sæt et kvartalsvist tjek ind i kalenderen, så gamle eller forkert data bliver fjernet.

Gør det simpelt, så medarbejderne kan huske reglerne. Men ikke hvis du er lidt smart: dokumentation af hvem der godkendte hvad, betaler sig senere, når noget går galt.

Når arbejdet med data governance skal passes, mens I laver noget andet, så se, hvad et AI-team i huset kan.