데이터가 업무 결과와 연결되는지 확인합니다
많은 데이터보다 문제를 설명하는 입력과 결과가 함께 기록되어 있는지가 중요합니다.
품질 문제를 유형별로 측정합니다
누락, 중복, 시간 불일치, 분류 기준의 변화처럼 모델에 영향을 주는 오류를 샘플링해 수치화합니다.
작은 범위로 검증 가능한 질문을 만듭니다
전사 자동화 같은 넓은 목표보다 한 팀의 한 업무에서 개선 여부를 확인할 수 있는 질문으로 시작합니다.
AI 도입 전 데이터 준비도를 진단하는 실무 기준
AI를 시작하기에 완벽한 데이터는 거의 없습니다. 중요한 것은 현재 상태를 측정하고 첫 검증에 필요한 최소 조건을 만드는 일입니다.
