Ano nga ba ang tunay na gawain ng isang synthetic data curator?

Kapag pinag-uusapan ng mga tao ang sintetikong datos, naiisip din ng lahat ang mga algorithm, generative na mga modelo at privacy, ngunit bihira sa pangunahing tauhan na siyang nagbibigay-kahulugan sa lahat ng ito: ang tagapangasiwa ng sintetikong datosAng propesyonal na profile na ito ay naging mahalaga sa mga proyekto ng AI, advanced analytics, at data spaces, dahil responsable ito sa pagtiyak na ang "pekeng" datos na ito ay, kasabay nito, kapaki-pakinabang, makatotohanan, at sumusunod sa mga regulasyon.

Sa konteksto kung saan ang pag-access sa de-kalidad at totoong datos ay nagiging lalong mahirap, at kung saan ang mga batas sa proteksyon ng datos ay nagiging mas mahigpit, Ang tagapangasiwa ng sintetikong datos ay nagsisilbing tulay sa pagitan ng negosyo, teknolohiya, at pagsunod sa batas. Hindi lamang nito pinangangasiwaan kung paano nabubuo ang datos, kundi nagpapasya rin ito kung ano ang maaaring imodelo, anong mga panganib ang umiiral, anong analytical value ang pinapanatili, at kung paano ipinapaalam ang lahat ng ito sa mga stakeholder upang magtiwala sila sa mga resulta.

Ano ang mga sintetikong datos at bakit kailangan ng mga ito ng curation?

Ang mga sintetikong datos ay mga set ng datos na artipisyal na nilikha Ginagaya ng mga dataset na ito ang kilos at distribusyon ng datos sa totoong buhay, ngunit hindi naglalaman ng personal o kumpidensyal na impormasyon. Hindi lamang sila basta-basta random na datos: idinisenyo ang mga ito upang mapanatili ang istruktura, mga ugnayan, at mga istatistikal na pattern na may kaugnayan sa isang partikular na use case.

Ang datos na ito ay pangunahing ginagamit para sa Bumuo, sumubok, at magpatunay ng mga modelo ng machine learningAng mga sistema ng AI at mga solusyon sa analytics ay lalong kapaki-pakinabang kapag ang datos sa totoong mundo ay kakaunti, sensitibo, o wala. Ang mga ito ay lubhang kapaki-pakinabang para sa paggaya ng mga bihira o matinding senaryo, tulad ng madalang na pandaraya, mga paglabag sa seguridad, mga kritikal na sitwasyon sa mga autonomous na sasakyan, o mga bihirang klinikal na kaganapan.

Bukod pa rito, pinapayagan ng sintetikong datos ang pagbabahagi ng impormasyon sa pagitan ng mga organisasyon (halimbawa, sa mga espasyo ng pampublikong-pribadong datos) na binabawasan ang panganib ng paglalantad ng mga lihim ng kalakalan o paglabag sa privacy. Sa ganitong paraan, nagiging dalawahan silang teknolohiya: pinapalakas nila ang ekonomiya ng datos habang kumikilos din bilang isang kasangkapan sa proteksyon ng privacy.

Upang makamit ito, ang pagbuo ng sintetikong datos ay nakasalalay sa mga pamamaraan tulad ng probabilistikong pagmomodelo, mga simulasyon, mga puno ng desisyon o mga generative adversarial network (GAN)Ang mga huling nabanggit ay binubuo ng dalawang nagtutunggaling neural network: ang isa ay bumubuo ng sintetikong datos at ang isa naman ay sinusubukang iiba ito mula sa totoong datos, na paulit-ulit na nagpapabuti sa kalidad ng sintesis.

Ang problema, kung gagamitin nang walang muwang, ang mga pamamaraang ito ay maaaring magdulot ng hindi nakakatulong, may kinikilingan, o posibleng muling matukoy na datos. Dito pumapasok ang [solusyon/pamamaraan]. pag-aayos ng sintetikong datosKailangang may magdesisyon kung aling mga baryabol ang isasama, paano susuriin ang kalidad, anong antas ng pagiging hindi nagpapakilala ang katanggap-tanggap, at kung ang resulta ay talagang nagsisilbi sa layunin ng proyekto.

Mga pangunahing tungkulin ng isang tagapangasiwa ng sintetikong datos

Pinagsasama ng tungkulin ng isang synthetic data curator ang mga kasanayang teknikal, analitikal, legal, at komunikasyon. Ang kanilang trabaho ay higit pa sa simpleng "pagpindot sa buton ng pagbuo ng datos": Ito ay mas katulad ng sa isang content editor na sinusuportahan ng creative AI.maliban na sa halip na mga teksto, gumagana ito sa mga kumplikadong dataset.

Isa sa kanilang mga pangunahing responsibilidad ay tukuyin ang use case at mga layunin ng sintetikong datosHindi nabubuo ang datos para sa bawat isport, kundi upang matugunan ang isang partikular na pangangailangan: pagsasanay ng isang modelo ng pagmamarka ng panganib, pagsubok ng isang sistema ng computer vision, paglalabas ng isang pang-edukasyon na dataset, o pagpapagana ng pagpapatunay ng isang medikal na algorithm nang hindi gumagamit ng mga totoong medikal na rekord. Isinasalin ng curator ang mga layuning ito sa mga kinakailangan sa datos: kung anong mga baryabol ang kinakailangan, kung anong mga distribusyon ang dapat mapanatili, at kung anong mga senaryo ang dapat masuri.

Inaalagaan din piliin at ihanda ang aktwal na panimulang datos kapag umiiral ang mga ito. Kabilang dito ang paglilinis, paghawak ng mga outlier, pagtukoy ng metadata, at pagsusuring eksploratoryo. Ang mga kagamitang tulad ng SDV (Synthetic Data Vault) ng MIT, na ginagamit sa mga kapaligirang tulad ng Google Colab, ay nangangailangan na ang aktwal na dataset at ang metadata nito ay maayos na nakabalangkas upang maayos na matutunan ang mga ugnayan sa pagitan ng mga baryabol.

Ang isa pang mahalagang tungkulin ay ang pagtukoy ng kinakailangang antas ng sintesis: ganap na sintetiko o bahagyang sintetikong datosSa ilang konteksto, magagawa lamang na i-synthesize ang mga pinakasensitibong baryabol (mga identifier, datos sa kalusugan, impormasyon sa pananalapi) habang iniiwan ang iba na hindi nagbabago; sa iba naman, dahil sa panganib ng muling pagkakakilanlan, kinakailangang i-synthesize ang buong dataset. Ang desisyong ito ay may direktang implikasyon para sa usability at privacy.

Dapat ding pumili ang curator ang pinakaangkop na mga pamamaraan ng henerasyon Para sa bawat uri ng datos: advanced resampling, probabilistic models, simulations, GANs, o mga kombinasyon ng mga ito. Ang pag-synthesize ng tabular data ng customer ay hindi katulad ng pag-synthesize ng mga medikal na imahe, audio, mga sequence ng oras ng sensor, o mga klinikal na teksto. Bukod pa rito, mahalagang tiyakin na ang mga napiling pamamaraan ay tumpak na nakukuha hindi lamang ang mga mean at variance, kundi pati na rin ang mga correlation, distribution tails, at mga potensyal na temporal pattern.

Kalidad, kapakinabangan at kontrol ng sintetikong datos

Ang isang pangunahing aspeto ng trabaho ng curator ay ang pagtiyak na Ang sintetikong datos ay may tunay na analitikal na halagaKung ang nabuong dataset ay hindi nagpapahintulot ng mga konklusyong katulad ng makukuha gamit ang totoong datos, hindi ito angkop para sa nakasaad na layunin. Kabilang dito ang mga istatistikal na sukatan ng pagkakatulad, pagsubok sa hipotesis, pagsusuri ng mga modelong sinanay gamit ang isang uri ng datos o iba pa, atbp.

Ang kalidad ay hindi lamang tumutukoy sa katumpakan sa istatistika, kundi pati na rin sa pagsasama ng datos ilang pagkakaiba-iba at mga kaugnay na bihirang kasoMaraming generation algorithm ang nahihirapang muling likhain ang mga outlier at anomalya, partikular na ang mga elementong kadalasang kritikal para sa pagsubok sa katatagan ng mga sistema ng pagtuklas ng pandaraya, mga cyberattack, o matinding pagkabigo sa mga sistema ng kontrol.

Upang makontrol ang katangiang ito, pinagsasama ng curator mga awtomatikong pagsusuri at manu-manong pagsusuriAng mga awtomatikong pagsusuri ay nagbibigay-daan para sa pag-verify ng malalaking dami ng data, habang ang mga manu-manong pagsusuri ay ginagamit upang siyasatin ang mga partikular na halimbawa, patunayan na ang mga ito ay may katuturan sa negosyo, at tuklasin ang mga kakaibang pattern na hindi itinuturing na problematiko ng isang algorithm ngunit, sa paningin ng tao, ay malinaw na hindi makatotohanan.

Gayunpaman, palaging kinakailangan na mapanatili ang balanse. kalidad at privacyUpang maiwasan ang pag-uugnay ng isang sintetikong rekord sa isang totoong tao, kung minsan ay kinakailangang bahagyang bawasan ang katumpakan ng ilang mga katangian, maglagay ng ingay, o gawing maayos ang mga distribusyon. Dapat mahanap ng tagapangasiwa ang punto ng balanse kung saan ang dataset ay mananatiling kapaki-pakinabang para sa pagsusuri nang hindi lumilikha ng hindi katanggap-tanggap na mga panganib ng muling pagkakakilanlan.

Bukod pa rito, ipinapaalam at pinag-uusapan ng curator ang antas ng tiwala sa datos sa mga stakeholder. Ang ilan ay maaaring magpakita ng pag-aalinlangan tungkol sa kaugnayan ng mga resultang nakuha gamit ang sintetikong datosBagama't ang ilan ay may tendensiyang labis na bigyang-kahulugan ang mga ito na parang perpektong representasyon ng realidad. Bahagi ng gawain ang paglilinaw sa mga limitasyon, pagpapalagay, at mga margin ng pagkakamali.

Patakaran sa privacy, GDPR at pamamahala ng sintetikong datos

Ang paglikha ng sintetikong datos ay hindi isang "daya" upang iwasan ang mga regulasyon sa proteksyon ng datos. Sa katunayan, Kung magsisimula sa totoong personal na datos, ang paglikha mismo ay isang operasyon sa pagproseso napapailalim sa GDPR. Samakatuwid, bago magsimula, dapat tiyakin ng controller na mayroong sapat na legal na batayan, na ang prinsipyo ng proactive na responsibilidad ay inilalapat, at na ang nagreresultang panganib ng muling pagkakakilanlan ay tinasa.

Sa loob ng balangkas ng Europa, ang mga pamantayan tulad ng ang GDPR at ang EU AI Act Hinihingi nila ang mahigpit na mga kasanayan sa pamamahala ng datos, lalo na sa mga high-risk na AI system. Kabilang dito ang mga kinakailangan patungkol sa kalidad ng pagsasanay, pagpapatunay, at pagsubok ng datos, pati na rin ang pagsubaybay, dokumentasyon, at pangangasiwa ng tao. Ang synthetic data curator ay nagiging mahalagang pigura sa pagpapakita na natutugunan ang mga kinakailangang ito.

Ang isang pangunahing prinsipyo ay ang sintetikong datos na dapat ituring na "hindi personal" Hindi nila dapat pahintulutan ang direkta o hindi direktang pagkilala sa mga indibidwalBagama't nabuo mula sa datos ng mga totoong tao, ang mga anonymization na ito ay dapat lamang magpanatili ng pinagsama-samang mga istatistikal na katangian at mga pattern na may kaugnayan sa pagsusuri. Upang higit pang mapahusay ang anonymization na ito, maaaring ilapat ang mga karagdagang pamamaraan tulad ng differential privacy o iba pang kontroladong mekanismo ng perturbation.

Sinusuri rin ng curator kung mas mainam na piliin ang ganap o bahagyang sintetikong datos Mula sa perspektibo ng proteksyon ng datos, ang mga partially synthetic dataset ay mas mapanganib dahil pinaghahalo nito ang mga hyper-realistic na talaan sa orihinal na datos, na maaaring mapadali ang pag-uugnay ng mga pag-atake kung isasama sa iba pang mga mapagkukunan. Samakatuwid, sa mga kontekstong may mataas na panganib, karaniwang inirerekomenda ang buong synthesis.

Sa anumang kaso, bago ilabas o ibahagi ang isang sintetikong dataset, dapat isagawa ng curator isang pagtatasa ng panganib ng pagiging hindi nagpapakilala at muling pagkakakilanlanKung ipinapakita ng pagsusuri na magpapatuloy ang mataas na panganib, kakailanganing ayusin ang proseso ng sintesis, maglapat ng mga karagdagang hakbang, o gumamit pa ng iba pang mga Teknolohiya sa Pagpapahusay ng Privacy (PET), tulad ng malakas na pseudonymization, kontroladong pag-access sa mga saradong kapaligiran, o homomorphic encryption.

Mga limitasyon, hamon at panganib ng sintetikong datos

Bagama't kung minsan ay nagpapakita ang mga komersyal na naratibo ng sintetikong datos bilang isang uri ng silver bullet, kabilang sa trabaho ng curator ang upang ilagay ang kanilang mga paa sa lupa at ipaliwanag ang kanilang mga limitasyonHindi lahat ng problema sa datos ay nalulutas sa pamamagitan ng pagsasama-sama ng mga ito, at may mga konteksto kung saan ang solusyong ito ay direktang hindi sapat.

Isa sa mga pangunahing kahirapan ay ang malawakang kontrol sa kalidadHindi praktikal ang manu-manong pag-verify ng napakaraming set ng sintetikong datos, at hindi laging nakukuha ng mga awtomatikong sukatan ang mahahalagang aspeto ng negosyo. Maaari itong magresulta sa mga dataset na mukhang tama sa istatistika ngunit hindi tumpak na sumasalamin sa totoong dinamika ng sistema o merkado na minomodelo.

Mayroon ding mga seryosong teknikal na hamonAng pagbuo ng mahusay na imitasyon ng realidad ay nangangailangan ng masusing pag-unawa sa mga pamamaraan ng pagmomodelo, pag-alam kung paano isaayos ang mga hyperparameter, iwasan ang overfitting, at matukoy kung kailan "kinokopya" ng isang generative model ang labis na dami ng orihinal na datos. Kahit na ang mga pangkat na may mataas na karanasan ay nahihirapang kopyahin ang mabibigat na buntot, kumplikadong mga nonlinear dependency, o hindi pangkaraniwang mga interaksyon sa pagitan ng mga variable.

Bilang karagdagan, mayroong isang bahagi ng pamamahala ng inaasahan at komunikasyonMaaaring ituring ng ilang stakeholder ang sintetikong datos bilang "masyadong artipisyal" at hindi magtiwala sa anumang pagsusuri batay dito; ang iba naman, sa kabaligtaran, ay maaaring ipagwalang-bahala ang halos perpektong katumpakan nito dahil ang kapaligiran ng pagbuo ay lubos na kontrolado. Dapat malinaw na ipaliwanag ng curator kung ano ang masasabi at hindi masasabi sa atin ng datos na ito.

Panghuli, ang sintetikong datos ay maaaring magpakilala mga bagong bias o palakasin ang mga dati nang bias Kung ang proseso ng pagbuo ay hindi maayos na nasusubaybayan, at kung ang modelo ay natututo mula sa totoong datos na mayroon nang kinikilingan (halimbawa, sa mga desisyon sa kredito, mga medikal na diagnosis, o mga pattern ng pagsubaybay), maaaring pagsama-samahin ng sintetikong dataset ang mga kinikilingan na iyon at gawing mas mahirap itong matukoy. Ang gawain ng curator ay suriin at, kung maaari, bawasan ang mga pagbaluktot na ito.

Mga praktikal na aplikasyon kung saan mahalaga ang curator

Sa mga sektor tulad ng automotive, pangangalagang pangkalusugan, pananalapi, at pagmamanupaktura, ang paggamit ng sintetikong datos ay karaniwan na, at Ang interbensyon ng isang curator ay mahalaga para maging matagumpay ang mga proyekto.Hindi lamang ito tungkol sa pagbuo ng datos, kundi tungkol din sa pag-ayon ng pagbuong iyon sa mga teknikal, regulasyon, at mga kinakailangan sa negosyo.

Sa kaso ng autonomous na sasakyanHalimbawa, milyun-milyong iba't ibang senaryo ang kinakailangan upang sanayin at patunayan ang mga sistema ng paningin at pagpapasya: matinding kondisyon ng panahon, hindi pangkaraniwang pag-uugali ng mga naglalakad, pagkasira ng signal ng trapiko, atbp. Tinutukoy ng curator kung anong uri ng mga eksena ang kinakailangan, kung paano dapat ipamahagi ang mga ito, anong mga anomalya ang dapat ipakilala, at kung paano susuriin kung sapat na sakop ng dataset ang mga kritikal na kaso ng edge.

En biomedisina at genomikaAng sintetikong datos ay nagbibigay-daan sa paggamit ng mga sequence ng DNA, mga imaheng medikal, o mga klinikal na rekord nang hindi direktang inilalantad ang impormasyon ng pasyente. Dapat tiyakin ng tagapangasiwa na ang mga kaugnay na epidemiological at klinikal na mga pattern ay napanatili, na ang panganib ng muling pagkakakilanlan ay mababa, at na ang datos ay nananatiling kapaki-pakinabang para sa pananaliksik, pagbuo ng gamot, o pagsasanay sa mga diagnostic algorithm.

En mga kontrol sa kalidad ng industriyaMaaaring i-synthesize ang mga sensor reading, maintenance log, o production data upang sanayin ang mga early fault detection system. Nakikipagtulungan ang curator sa mga plant engineer upang maunawaan kung aling mga fault ang pinakamahalaga, kung anong mga signal ang inaasahang mangyayari ang mga ito, at kung paano ipapakita ang mga kilos na iyon sa kunwang data.

Sa bukid pagtuklas sa pananalapi at pandarayaAng limitadong pagkakaroon ng totoong datos ng pandaraya (dahil sa pagiging pambihira at sensitibo nito) ay ginagawang partikular na kaakit-akit ang sintetikong datos. Tinutukoy ng tagapangasiwa ang mga profile ng kahina-hinalang pag-uugali, binabalanse ang mga rate ng mapanlinlang at lehitimong mga kaganapan, at pinapatunayan na ang mga modelong sinanay gamit ang datos na ito ay hindi lumilikha ng napakaraming maling positibo o, mas malala pa, hindi natutukoy ang aktwal na pandaraya.

Sintetikong datos, ekonomiks ng datos, at mga espasyo ng datos

Higit pa sa mga partikular na teknikal na kaso, ang sintetikong datos ay gumaganap ng estratehikong papel sa ekonomiyang pinapagana ng datos at ang paglikha ng mga ibinahaging espasyo ng datosAng mga pampubliko at pribadong organisasyon ay kadalasang nag-aatubiling magbahagi ng mga totoong dataset dahil sa takot na malantad ang mga sikreto sa kalakalan, mga kahinaan, o sensitibong personal na impormasyon.

Ang tagapangasiwa ng sintetikong datos ay tumutulong sa mga organisasyong ito na magdisenyo ng mga bersyon ng iyong data na maaaring ibahagiPinapanatili ng pamamaraang ito ang pakinabang para sa pagsusuri at kolaborasyon habang binabawasan ang panganib ng pagtagas ng mahahalagang impormasyon. Maaari itong maging mahalaga, halimbawa, para sa ilang mga kumpanya sa iisang sektor na magkasamang suriin ang mga uso sa merkado, mga banta sa cyber, o mga sistematikong panganib nang hindi ibinubunyag ang mga maliliit na detalye ng kanilang mga panloob na operasyon.

Sa pampublikong sektor, maaaring gumamit ang mga tanggapang pang-estadistika o mga institusyong pang-edukasyon ng sintetikong datos upang maglathala ng impormasyong kapaki-pakinabang sa mga mananaliksik, guro, at mag-aaralHabang pinoprotektahan ang pagkakakilanlan ng mga respondent o mga indibidwal na kasama sa mga talaang administratibo, ang curator ay nagdidisenyo ng mga proseso upang matiyak na ang datos na ito ay magagamit para sa eksperimento, pagkatuto, at pagpapaunlad ng mga kasanayan sa pagsusuri nang hindi nagdudulot ng panganib sa mga indibidwal na kasangkot.

Sa kontekstong ito, ang mga sintetikong datos ay pinagsasama-sama bilang Dual na teknolohiya: nagbibigay-daan sa mga bagong modelo ng negosyo na pinapagana ng datos At kasabay nito, kumikilos ang mga ito bilang isang mekanismo ng privacy-by-design. Gayunpaman, ang desisyon na gamitin ang mga ito o hindi ay hindi kailanman awtomatiko: ang bawat kaso ay nangangailangan ng isang partikular na pagtatasa ng balanse sa pagitan ng pagiging kumplikado ng dataset, kapasidad ng pagmomodelo, at ang panganib ng muling pagkakakilanlan.

Kapag ang mga dataset ay lubhang kumplikado, na may mga interaksyon na mahirap i-modelo o mga outlier na lubos na maimpluwensya, maaaring maghinuha ang curator na ang sintesis ay hindi nag-aalok ng sapat na garantiya o nagdudulot ito ng mga hindi pagkakaunawaan sa mga kritikal na yugto ng pagbuo, pagsubok, o pagpapatunay. Sa mga kasong ito, dapat isaalang-alang ang mga sumusunod: iba pang alternatibo o komplementaryong mga PET sa halip na pilitin ang paggamit ng sintetikong datos.

Mga pagkakatulad sa pagpili ng nilalaman at generative AI

Ang trabaho ng isang synthetic data curator ay halos kapareho ng sa isang tagapangasiwa ng nilalaman na pinapagana ng generative AISa parehong mga kaso, kayang gawin ng makina ang mabibigat na gawain (pagbuo ng mga bersyon, pagpapaikli ng impormasyon, paggawa ng mga baryasyon), ngunit ang responsibilidad sa pagpili, pagsala, pag-konteksto, at pagpapatunay ay nasa tao na.

Para sa datos, nangangahulugan ito na ang curator ay dapat bumuo ng mga tiyak na prompt o instruksyon sa mga kagamitan sa pagbuo: kung aling mga baryabol ang mahalaga, anong mga distribusyon ang aasahan, anong hanay ng mga outlier ang gagayahin, aling mga matinding senaryo ang mahalaga, at anong antas ng ingay ang katanggap-tanggap. Tulad ng pagbibigay ng mga tagubilin ng isang editor sa isang manunulat ng AI, "sinasanay" ng data curator ang generator upang gumana para sa kanila.

Bukod pa rito, ang propesyonal na ito ay dapat na maging napakalinaw ang target na madla at ang mga layunin para sa paggamit ng datos na iyonMga pangkat ng agham ng datos, mga opisyal ng pagsunod, mga panlabas na mananaliksik, mga developer ng produkto, atbp. Depende sa kung sino ang gagamit ng datos at para sa anong layunin, inaayos ng curator ang antas ng detalye, ang pagkakaiba-iba ng mga kaso, ang format, at ang kaugnay na dokumentasyon.

Katulad ng paghahati ng isang content curator sa isang "inang" dokumento sa mga piraso para sa social media, mga newsletter, o mga blog, magagawa rin ng isang data curator... kumuha ng mga sintetikong subset espesyalisado: isa para sa stress testing, isa para sa regulatory validation, isa para sa internal training, bawat isa ay naka-calibrate na may naaangkop na antas ng realismo at anonymization.

Propesyonal na profile at kinabukasan ng tagapangasiwa ng sintetikong datos

Ang synthetic data curator ay isang hybrid profile na pinagsasama ang Kaalaman sa agham ng datos, estadistika, AI, batas digital at komunikasyonHindi niya kailangang maging lubos na eksperto sa lahat ng bagay, ngunit kailangan niya ng sapat na kaalaman tungkol sa bawat larangan upang makabuo ng mga multidisciplinary team at makagawa ng matalinong mga desisyon.

Sa pagsasagawa, kadalasan itong nagmumula sa mga kapaligirang tulad ng agham ng datos, inhinyeriya ng datos, proteksyon ng datos, analitika ng negosyo, o mga opisyal na estadistikaat kinukumpleto ang pundasyong iyon ng mga partikular na pagsasanay sa mga pamamaraan ng synthetic generation, pagtatasa ng anonymity, at pamamahala ng datos. Ang kakayahang ipaliwanag ang mga kumplikadong konsepto ay halos kasinghalaga ng teknikal na kadalubhasaan.

Habang ang AI ay isinasama sa mas kritikal na mga proseso at regulasyon tulad ng EU AI Act ay lumalakas, Ang pangangailangan para sa ganitong uri ng mga profile ay lalago nang malakasAng mga organisasyong kasalukuyang umaasa sa mga panlabas na consultant upang makabuo ng sintetikong datos ay may posibilidad na magsama ng mga panloob na pangkat sa pagpili at pamamahala ng datos upang mapanatili ang kontrol at pagsubaybay.

Sa ganitong sitwasyon, hindi pinapalitan ng AI ang curator, kundi gumaganap bilang iyong advanced assistantAwtomatiko nito ang mga nakakapagod na gawain, nagmumungkahi ng mga alternatibo, at tumutulong sa pagsusuri ng mga padron, ngunit ang pangwakas na desisyon tungkol sa kung anong datos ang gagamitin, kung paano ito bibigyang-kahulugan, at kung anong mga limitasyon ang naaangkop ay nananatiling pantao. Ang kombinasyon ng paghatol, etika, at pagkamalikhain na inilalapat sa datos ay mahirap i-automate.

Gayunpaman, ang tagapangasiwa ng sintetikong datos ay nagiging isang estratehikong pigura sa anumang organisasyon na gustong samantalahin ang potensyal ng AI at advanced analytics nang hindi nawawala ang pananaw sa privacy, kalidad, at pagsunod sa mga regulasyon, na ginagawang isang maaasahang kasangkapan ang "imbentong" datos para sa pagbabago, pagsubok, pakikipagtulungan, at paggawa ng matalinong mga desisyon.