Är din data rätt och läsbar?
Vad: SFK Café Kvalité; del av programserien ”AI Accelererar”
När: 25 mars,15:00-16:00
Var: Online på Teams
Anmälan: LÄNK
Presentatör:
Magnus ”PM” Sjöström
Klicka på namnet för att läsa mer om Magnus
Struktur, kvalitet och datatillit – för både mätdata och textdata, ur kvalitets- och förbättringsledarens perspektiv.
AI kan analysera snabbare än vi hinner tänka. Men AI kan inte rädda otydliga begrepp, motsägelsefulla KPI:er eller processdata som har varierande format. När AI kopplas på en verksamhet förstärker den det som redan finns i systemet: robust systematik blir starkare – bristande struktur blir farligare.
Datakvalitet är inte en IT fråga; det är en kvalitetsfråga. Och det är här kvalitets- och förbättringsledare får en nyckelroll.
Det här handlar detta Café om:
Vi tar ett helhetsgrepp på vad som krävs för att AI ska skapa värde i industrin och andra komplexa verksamheter – från standarder och gemensamt språk till smart, säker infrastruktur, och vidare till datatillit i beslutsflödet.
Två perspektiv som hänger ihop
Grunden för att lyckas med AI i industrin – från standarder till smart infrastruktur. Vi går igenom byggstenar som gör AI “på riktigt” möjlig:
-
Begreppsmodeller (ontologier) och namnstandarder (t.ex. RDS/81346): ett gemensamt språk mellan människor, maskiner och system
-
Robust och cybersäker tillgänglighet: Hur man bygger nätverk/infrastruktur så att den både är driftsäker och cybersäker.
-
Integrationsplattformen: realtidskoppling mellan industriella system och körplattformar för analys/automation
-
Kärnkompetenser: tekniska, organisatoriska och applikationsnära förmågor som gör data → beslut → värde
-
AI-redo data – struktur, kvalitet och beslutsintegritet: vi fokuserar datatilliten, med kvalitets- och förbättringsledarens “systemglasögon”.
Spår A, Datataxonomi & struktur – från begreppsförvirring till tydlighet
AI kräver tydlighet i begrepp, KPI-hierarkier och kopplingen mellan strategi–process–data. Vi pratar också roller: vem ansvarar för vad? Målet: färre parallella Excel-sanningar, mer “single source of truth”.
Spår B, Datakvalitet i praktiken – numerisk och icke-numerisk data
AI matas med mer än siffror: fritext, avvikelser, instruktioner, loggar, sensorflöden. Vi tar upp typiska risker:
-
mätosäkerhet, variation och kapabilitet innan AI optimerar
-
begreppsglidning, kontextbrister och historisk bias i beslut och texter
AI kan vara “think fast”. Kvalitetsarbete är “think slow”. Tillsammans blir det robust styrning.
Du går därifrån med:
-
se var och varför datatilliten brukar brista
-
förstå kopplingen mellan processmognad och AI-risk
-
få grepp om hur taxonomi + datastyrning kan integreras i ledningssystemet
-
tydligare formulera kvalitets- och förbättringsledarens roll i del av AI-arbetet
AI är en accelerator: Datakvalitet är bränslet.
Och kvalitets- och förbättringsledaren? Motorkonstruktören.
Välkomna!
SFK Programråd
