CPMAIは、データパイプラインの準備と管理が基礎となることを強調しています。フェーズIII：データ準備では、チームは「トレーニング用および推論用のデータを収集、取り込み、準備するための再利用可能なデータパイプラインを作成する」必要があります。これらのパイプラインが存在し、維持されることを保証するのは、データエンジニアリングの専門家の責任です。
データサイエンティストはこれらのパイプラインをモデリングに活用するが、ビッグデータ環境を支える上で最も重要な人材は、専任のデータエンジニアリング担当者である。

生成型AIは、学習したパターンに基づいて新しいデータを生成する技術を包括するものです。アウトペインティングは、画像の内容を元の境界を超えて拡張するための、生成型AIの具体的な手法です。インペインティングやスーパーレゾリューションと同様に学習した表現を利用しますが、既存の画像の周囲に全く新しい領域を生成することに重点を置いています。

フェーズIII：データ準備では、「データの選択」タスクにおいて、モデリングに必要なレコードと属性のみを選択し、包含と除外を文書化することで、データ量と複雑さを軽減するようチームに指示します。このように列と行を選択的に絞り込むことが、モデリング前に過剰なデータを削減するための主要な手段となります。

ラベル付けされていないデータを意味のあるカテゴリにグループ化または整理することが目的の場合、CPMAIは教師なしクラスタリングアルゴリズムの使用を規定しています。例えば、「K平均法などの教師なしクラスタリングアルゴリズムを使用することが決定された場合、ツールはそのようなニーズをサポートする必要があります」。クラスタリングは、タイプ別にグループ分けを発見するための適切な方法です。

フェーズIのAIゴー／ノーゴータスクグループでは、ビジネス実現可能性のステップにおいて、明確な問題定義を含むすべてのビジネス実現可能性に関する質問に「ゴー」と回答してからでないと先に進むことができません。重要な実現可能性基準のいずれかに回答が得られない場合、または「ノーゴー」と回答された場合は、プロジェクトを一時停止し、時期尚早に先に進むのではなく、それらの不確実性を解消する必要があります。