ISO/IEC 5259-3: รากฐานสำคัญของคุณภาพข้อมูล เพื่อ AI ที่น่าเชื่อถือ

AI, Analytics และ Machine Learning ล้วนพึ่งพาข้อมูลเป็นพื้นฐาน หากข้อมูลไม่ครบถ้วน ไม่ถูกต้อง ไม่เป็นปัจจุบัน มีอคติ หรือไม่มีการควบคุมที่ดี ผลลัพธ์จาก AI ก็อาจผิดพลาดได้ แม้ระบบหรือเทคโนโลยีจะดูทันสมัยก็ตาม

ISO/IEC 5259-3:2024 เป็นมาตรฐานที่กำหนดข้อกำหนดและแนวทางสำหรับการบริหารจัดการคุณภาพข้อมูลที่ใช้ใน Analytics และ Machine Learning โดยช่วยให้องค์กรวางระบบการจัดการคุณภาพข้อมูลที่มีความน่าเชื่อถือ ตรวจสอบได้ และสอดคล้องกับความคาดหวังของผู้มีส่วนได้ส่วนเสีย

ISO/IEC 5259-3 คืออะไร

ISO/IEC 5259-3:2024 เป็นส่วนหนึ่งของชุดมาตรฐาน ISO/IEC 5259 ที่เกี่ยวข้องกับ Artificial Intelligence — Data quality for analytics and machine learning โดย Part 3 มุ่งเน้นเรื่อง ข้อกำหนดและแนวทางการจัดการคุณภาพข้อมูล

พูดให้ง่ายขึ้น มาตรฐานนี้ช่วยให้องค์กรตอบคำถามสำคัญ เช่น

• ข้อมูลที่ใช้เหมาะสมกับวัตถุประสงค์หรือไม่
• ข้อมูลมาจากแหล่งใด และตรวจสอบย้อนกลับได้หรือไม่
• มีหลักเกณฑ์ในการควบคุมคุณภาพข้อมูลหรือไม่
• บทบาทและความรับผิดชอบด้านคุณภาพข้อมูลชัดเจนหรือไม่
• วงจรชีวิตของข้อมูลได้รับการควบคุมอย่างเหมาะสมหรือไม่
• มีหลักฐานเพียงพอที่แสดงว่ากระบวนการจัดการคุณภาพข้อมูลทำงานได้จริงหรือไม่

มาตรฐานนี้ออกแบบมาเพื่อช่วยให้องค์กรจัดทำ นำไปใช้ รักษาไว้ และปรับปรุงคุณภาพของข้อมูลที่ใช้ใน Analytics และ Machine Learning ได้อย่างต่อเนื่อง และสามารถประยุกต์ใช้ได้กับองค์กรหลากหลายประเภท ขนาด และอุตสาหกรรม

ทำไม ISO/IEC 5259-3 จึงสำคัญในยุค AI

หลายองค์กรกำลังเร่งนำ AI มาใช้ ไม่ว่าจะเป็นระบบวิเคราะห์ข้อมูล การคาดการณ์ การทำรายงานอัตโนมัติ Chatbot หรือ Machine Learning ในกระบวนการทางธุรกิจ แต่หากไม่มีการจัดการคุณภาพข้อมูลที่ดี AI อาจกลายเป็นความเสี่ยงแทนที่จะเป็นโอกาส

ข้อมูลที่ไม่มีคุณภาพอาจนำไปสู่:

• การคาดการณ์ที่ผิดพลาด
• Insight ทางธุรกิจที่ไม่น่าเชื่อถือ
• ผลลัพธ์ของ AI ที่มีอคติ
• หลักฐานในการตรวจประเมินไม่เพียงพอ
• การตัดสินใจอัตโนมัติที่คลาดเคลื่อน
• ความเชื่อมั่นของผู้มีส่วนได้ส่วนเสียลดลง
• ความเสี่ยงด้าน Governance และ Compliance เพิ่มขึ้น

ISO ระบุว่า ผลลัพธ์จาก Analytics และ Machine Learning จะน่าเชื่อถือได้ก็ต่อเมื่อข้อมูลที่ใช้มีความน่าเชื่อถือ ดังนั้น ISO/IEC 5259-3 จึงช่วยให้องค์กรวางโครงสร้างในการวางแผน รักษา ติดตาม และปรับปรุงคุณภาพข้อมูลตลอดวงจรชีวิตของข้อมูล

ISO/IEC 5259-3 ครอบคลุมเรื่องใดบ้าง

ISO/IEC 5259-3 มุ่งเน้นการจัดการคุณภาพข้อมูลที่ใช้ใน Analytics และ Machine Learning โดย ISO อธิบายว่ามาตรฐานนี้สนับสนุนระบบการจัดการคุณภาพข้อมูลที่สามารถปรับให้เข้ากับวงจรชีวิตของ AI ได้หลากหลาย และช่วยให้ข้อมูลมีความน่าเชื่อถือ ตรวจสอบได้ และสอดคล้องกับความคาดหวังของผู้มีส่วนได้ส่วนเสีย

หัวข้อสำคัญที่องค์กรควรให้ความสนใจ ได้แก่

• วัตถุประสงค์ด้านคุณภาพข้อมูล
• การควบคุมวงจรชีวิตข้อมูล
• บทบาทและความรับผิดชอบด้านข้อมูล
• เอกสารและหลักฐานประกอบ
• การติดตามและปรับปรุงคุณภาพข้อมูล
• ความเหมาะสมของข้อมูลต่อวัตถุประสงค์การใช้งาน
• การเชื่อมโยงกับระบบ Governance และระบบการจัดการอื่น ๆ

อย่างไรก็ตาม ISO/IEC 5259-3 ไม่ได้กำหนดขั้นตอน วิธีการ หรือเครื่องมือวัดอย่างละเอียด แต่ให้ข้อกำหนดและแนวทางสำหรับกระบวนการจัดการคุณภาพข้อมูล ซึ่งองค์กรสามารถนำไปปรับใช้ให้เหมาะสมกับบริบทของตนเองได้

องค์กรแบบใดควรให้ความสำคัญกับ ISO/IEC 5259-3

ISO/IEC 5259-3 เหมาะสำหรับองค์กรที่ใช้ข้อมูลเพื่อ Analytics หรือ Machine Learning และต้องการสร้างแนวทางการจัดการคุณภาพข้อมูลอย่างเป็นระบบ

เหมาะอย่างยิ่งสำหรับองค์กรที่:

• ใช้ AI หรือ Machine Learning ในกระบวนการสำคัญทางธุรกิจ
• ใช้ Predictive Analytics เพื่อการคาดการณ์
• ใช้ข้อมูลลูกค้า ข้อมูลปฏิบัติการ ข้อมูลจาก Sensor รูปภาพ ข้อความ หรือข้อมูลสุขภาพ
• ต้องการเพิ่มความแข็งแกร่งด้าน Data Governance
• ต้องการเตรียมความพร้อมสำหรับการตรวจประเมิน AI
• มีหรือกำลังพิจารณา ISO/IEC 42001
• ต้องการแสดงให้เห็นว่าการใช้ข้อมูลสำหรับ AI มีการควบคุมอย่างรับผิดชอบ

เอกสารแบบสอบถามลูกค้าภายในของ SGS ยกตัวอย่างขอบเขตที่เกี่ยวข้อง เช่น ข้อมูลยอดขายลูกค้าสำหรับการรายงานและคาดการณ์ ข้อมูลฝึกและทดสอบโมเดลสำหรับการประเมินความเสี่ยงด้านเครดิต ข้อมูลข้อความสำหรับฝึก Chatbot ข้อมูลภาพสำหรับตรวจจับข้อบกพร่องในโรงงาน ข้อมูล Sensor สำหรับ Predictive Maintenance ข้อมูลภูมิสารสนเทศ และข้อมูลสุขภาพสำหรับ Clinical Decision Support

ISO/IEC 5259-3 ช่วยสนับสนุน AI Governance อย่างไร

AI Governance ไม่ได้เกี่ยวข้องเฉพาะเทคโนโลยี แต่เกี่ยวข้องกับความรับผิดชอบ ความโปร่งใส การควบคุมความเสี่ยง และหลักฐานที่ตรวจสอบได้ ISO/IEC 5259-3 ช่วยเสริม AI Governance โดยเน้นที่คุณภาพของข้อมูลซึ่งเป็นพื้นฐานของ Analytics และ Machine Learning

SGS ระบุว่า ISO/IEC 5259-3 ช่วยให้องค์กรนำมาตรการ กระบวนการ และการจัดการด้านคุณภาพข้อมูลไปใช้ พร้อมการควบคุมตลอดวงจรชีวิตของข้อมูล

มาตรฐานนี้ยังสามารถใช้ร่วมกับ ISO/IEC 42001 ซึ่งเป็นมาตรฐานระบบการจัดการ AI ได้ โดย SGS ระบุว่า ISO/IEC 5259-3 อาจช่วยเสริมโครงการ ISO/IEC 42001 และองค์กรอาจได้รับประโยชน์จากการบูรณาการข้อกำหนดทั้งสองมาตรฐานเข้ากับระบบการจัดการขององค์กร

กล่าวโดยสรุป:

• ISO/IEC 42001 ช่วยบริหารจัดการระบบ AI
• ISO/IEC 5259-3 เจาะลึกเรื่องคุณภาพและการกำกับดูแลข้อมูลที่ใช้ใน Analytics และ Machine Learning

ประโยชน์ของ ISO/IEC 5259-3

การนำ ISO/IEC 5259-3 ไปใช้ช่วยให้องค์กรมีแนวทางที่เป็นระบบ ตรวจสอบได้ และสม่ำเสมอในการจัดการคุณภาพข้อมูลสำหรับ AI และ Analytics

SGS ระบุว่า ISO/IEC 5259-3 สามารถช่วยให้องค์กรปรับปรุงความน่าเชื่อถือและความถูกต้องของ Machine Learning Models และ Analytics นำแนวทางมาตรฐานด้านคุณภาพข้อมูลมาใช้ เพิ่มขีดความสามารถด้านการจัดการคุณภาพข้อมูล และสร้างความมั่นใจให้ผู้มีส่วนได้ส่วนเสียว่ากระบวนการขององค์กรสอดคล้องกับแนวทางปฏิบัติที่เป็นที่ยอมรับในระดับสากล

ประโยชน์เชิงธุรกิจ ได้แก่

• เพิ่มความมั่นใจในผลลัพธ์จาก AI
• เสริม Data Governance และ Accountability
• เพิ่มความพร้อมต่อการตรวจประเมิน
• ทำให้แนวทางการจัดการคุณภาพข้อมูลมีความสม่ำเสมอ
• เชื่อมโยงการทำงานระหว่างทีมธุรกิจ Data, IT, Risk และ Compliance
• เพิ่มความเชื่อมั่นของผู้มีส่วนได้ส่วนเสีย
• สร้างรากฐานของ Responsible AI

Checklist เตรียมความพร้อมเบื้องต้น

ก่อนเริ่มต้น ISO/IEC 5259-3 องค์กรควรประเมินตนเองด้วยคำถามต่อไปนี้:

• เรารู้หรือไม่ว่าชุดข้อมูลใดถูกใช้สำหรับ Analytics หรือ Machine Learning
• เรากำหนดวัตถุประสงค์การใช้งานของข้อมูลแต่ละชุดชัดเจนหรือไม่
• เราเข้าใจวงจรชีวิตของข้อมูลหรือไม่
• มีผู้รับผิดชอบด้านคุณภาพข้อมูลชัดเจนหรือไม่
• มีกฎและกระบวนการเพื่อควบคุมคุณภาพข้อมูลหรือไม่
• มีเอกสารและหลักฐานรองรับความเหมาะสมของข้อมูลหรือไม่
• มีการติดตามและปรับปรุงคุณภาพข้อมูลอย่างต่อเนื่องหรือไม่
• กระบวนการจัดการคุณภาพข้อมูลเชื่อมโยงกับระบบการจัดการอื่นหรือไม่
• มีเครื่องมือสนับสนุน Data Quality Management หรือไม่
• สามารถกำหนดขอบเขตของระบบการจัดการคุณภาพข้อมูลได้ชัดเจนหรือไม่

หัวข้อเหล่านี้สอดคล้องกับแบบสอบถามลูกค้าภายในของ SGS ซึ่งครอบคลุมเรื่อง Data Quality Culture, Rules and Processes, Data Quality Management Process, การเชื่อมโยงกับ Management Process อื่น ๆ, ขอบเขต, ทรัพยากร และเครื่องมือที่ใช้ในการจัดการคุณภาพข้อมูล

ทำไมควรทำงานร่วมกับ SGS

SGS ให้บริการด้าน ISO/IEC 5259-3 เพื่อช่วยให้องค์กรนำไปใช้ บริหารจัดการ และปรับปรุงคุณภาพข้อมูลสำหรับ Analytics และ Machine Learning โดย SGS ระบุว่ามีบริการ Training, Gap Assessment และ Audit Support และหลังจากการตรวจประเมินสำเร็จ SGS สามารถออก Certificate เพื่อยืนยันการนำข้อกำหนดของมาตรฐานไปใช้อย่างมีประสิทธิผล

นอกจากนี้ SGS ยังมีบริการในกลุ่ม Digital Trust Assurance รวมถึง ISO/IEC 42001 ซึ่งช่วยสนับสนุนองค์กรที่ต้องการยกระดับ AI Governance อย่างครบถ้วนมากขึ้น
เพื่อความปลอดภัยด้านถ้อยคำ แนะนำให้ใช้คำว่า:

• “ISO/IEC 5259-3 audit”
• “ISO/IEC 5259-3 gap assessment”
• “ISO/IEC 5259-3 certification service”
• “สนับสนุนองค์กรในการพัฒนาระบบการจัดการคุณภาพข้อมูลสำหรับ Analytics และ Machine Learning”

บทสรุป

ความสำเร็จของ AI ไม่ได้เริ่มต้นจาก Algorithm แต่เริ่มต้นจาก คุณภาพของข้อมูล

ISO/IEC 5259-3 ช่วยให้องค์กรมีแนวทางที่เป็นระบบในการจัดการคุณภาพข้อมูลสำหรับ Analytics และ Machine Learning สำหรับองค์กรที่ต้องการใช้ AI อย่างรับผิดชอบ เพิ่มความน่าเชื่อถือของผลลัพธ์ และเตรียมพร้อมต่อความคาดหวังด้าน Governance ที่เข้มข้นขึ้น มาตรฐานนี้คือรากฐานสำคัญที่ไม่ควรมองข้าม

คำถามสำคัญสำหรับองค์กรในวันนี้จึงไม่ใช่แค่ “เราควรใช้ AI หรือไม่” แต่คือ “เรามั่นใจได้แค่ไหนว่าข้อมูลที่ AI ใช้นั้นน่าเชื่อถือจริง”