Datele sintetice sunt informații generate artificial de un algoritm, care imită statistic date reale, fără a proveni direct din evenimente sau persoane reale.
Acestea sunt create prin modele generative sau simulări, având scopul de a reproduce tiparele, distribuțiile și relațiile din datele originale, dar fără riscurile asociate utilizării informațiilor reale.
În business, datele sintetice sunt folosite pentru a antrena modele AI atunci când datele reale sunt insuficiente, costisitoare de obținut sau sensibile din punct de vedere al confidențialității — de exemplu în sectorul medical sau financiar.
Principalul avantaj este protejarea confidențialității și posibilitatea de a genera volume mari de date rapid și ieftin. Riscul este ca datele sintetice de slabă calitate să introducă erori sau tipare artificiale care nu reflectă realitatea.
Pe măsură ce reglementările privind protecția datelor devin tot mai stricte, datele sintetice câștigă tot mai mult teren ca soluție practică pentru antrenarea responsabilă a modelelor AI.