AI duomenų parengtis: kodėl geriausias modelis nepadės su netvarkingais duomenimis

Duomenų parengtis – tai įvertinimas, ar įmonės turimi duomenys (dokumentai, įrašai sistemose, el. laiškai, skaičiuoklės) yra pakankamai tvarkingi, nuoseklūs ir prieinami, kad juos būtų galima saugiai naudoti su AI įrankiais. Tai ne techninė IT užduotis, o verslo sprendimas: kur duomenys jau tinkami, o kur pirmiausia reikia sutvarkyti namus.

Dažna klaida – manyti, kad problema visada yra modelis. Vadovas nusiperka geriausią AI įrankį rinkoje, paleidžia jį su savo duomenimis, ir rezultatai vidutiniški arba klaidingi. Priežastis retai būna modelio kokybė. Dažniau – duomenys, su kuriais modelis dirba, yra išsibarstę per penkias skirtingas sistemas, skirtingais formatais, su dubliuotais ar pasenusiais įrašais.

Trys klausimai, kuriuos reikia užduoti prieš diegimą

Prieš renkantis įrankį, verta atsakyti į tris klausimus apie duomenis, kuriuos planuojate naudoti su AI.

Ar duomenys yra vienoje vietoje, ar išsibarstę? Jei ta pati informacija apie klientą yra ir CRM, ir el. pašto dėžutėje, ir asmeninėje skaičiuoklėje pardavėjo kompiuteryje, AI įrankis matys tik dalį paveikslo. Prieš diegimą verta nuspręsti, kuris šaltinis yra „tiesos šaltinis", ir bent minimaliai suvienodinti likusius.

Ar duomenys nuoseklūs formatu? Datos formatu „2026-07-11" ir „11 liepos" tame pačiame stulpelyje, laisvo teksto laukai vietoj išskleidžiamų sąrašų, skirtingi produktų pavadinimų variantai – visa tai apsunkina bet kokį automatizavimą, ne tik AI. Tai dažnai pigiausia sutvarkyti dar prieš diegimą, nei vėliau taisyti modelio klaidas, kurios iš tikrųjų yra duomenų klaidos.

Ar žinote, kas duomenis atnaujina ir kaip dažnai? Nuolat atnaujinamų duomenų (užsakymų, užklausų) ir vieną kartą suvestų istorinių duomenų (senų sutarčių) parengties reikalavimai skiriasi. Pirmuoju atveju svarbu automatinė sinchronizacija, antruoju – vienkartinis, bet kruopštus sutvarkymas.

Kaip atrodo praktinis patikrinimas

Nereikia sudėtingo audito su konsultantais – dažniausiai pakanka pusdienio darbo su komanda, kuri tuos duomenis naudoja kasdien.

• Imkite 20–30 realių įrašų iš šaltinio, kurį planuojate naudoti su AI, ir peržiūrėkite juos ranka. Ar formatas nuoseklus? Ar trūksta laukų? Ar yra akivaizdžių dublikatų?
• Paklauskite darbuotojų, kurie tuos duomenis pildo kasdien, kur jie „apgaudinėja sistemą" – t. y. kur įveda ne tai, kas tinka, o tai, kas greičiau praeina per privalomą lauką. Tokios vietos beveik visada sukuria problemų automatizacijai.
• Patikrinkite prieigą. Ar AI įrankiui (ar žmogui, kuris jį prižiūrės) bus techninė prieiga prie šaltinio, ar duomenys užrakinti sistemoje be API arba eksporto galimybės?

Jei po šio patikrinimo matote, kad duomenys išsibarstę per kelias sistemas be aiškaus tiesos šaltinio, tai nereiškia, kad AI diegimas neįmanomas – tai reiškia, kad pirmas žingsnis yra ne įrankio pirkimas, o duomenų sutvarkymas vienam konkrečiam procesui, kurį norite automatizuoti pirmiausia.

Kodėl tai aktualu būtent dabar

Pagal 2025 m. Eurostato duomenis, AI naudojimas ES įmonėse per metus išaugo nuo 13,5 iki 20,0 proc., o Lietuvoje šis rodiklis pakilo net 12,5 procentinio punkto – vienas sparčiausių šuolių Europoje (Eurostat, 2025 m. gruodžio 11 d.).

Tai reiškia, kad vis daugiau įmonių Lietuvoje pradeda diegti AI sprendimus per trumpą laiką – o kartu auga rizika, kad diegimas vyksta greičiau, nei sutvarkomi duomenys, su kuriais tas AI dirbs. Įmonės, kurios skiria savaitę duomenų parengčiai prieš pradėdamos, dažniausiai pasiekia stabilesnį rezultatą per pirmą mėnesį nei tos, kurios pradeda iškart nuo pilno diegimo.

Kada verta pradėti nuo mažo proceso

Praktinis patarimas: nesistenkite iš karto sutvarkyti visų įmonės duomenų. Pasirinkite vieną procesą, kuriam norite taikyti AI, ir sutvarkykite tik tuos duomenis, kurie tam procesui reikalingi. Taip duomenų parengtis netampa atskiru mėnesių trunkančiu projektu, o organiška pirmo piloto dalimi.

Jei norite struktūruotai peržiūrėti, kurie procesai ir duomenys jūsų įmonėje jau parengti AI diegimui, o kurie reikalauja pirminio sutvarkymo, AI parengties auditas padeda tai nustatyti per vieną susitikimą, o procesų automatizavimo ir AI sprendimų komanda gali padėti sujungti sutvarkytus duomenis su realiu įrankiu.

---

Jei nesate tikri, ar jūsų įmonės duomenys jau tinkami AI diegimui, ar pirmiausia reikia juos sutvarkyti, susisiekite – aptarsime jūsų konkretų atvejį per trumpą pokalbį.