금융, 의료, 안전 등과 같은 고위험 인공지능 적용 분야에서 모델 구축에 필수적인 데이터의 중요성은 증가하고 있다. 그러나 인공지능 모델 구축 초기 단계인 데이터 품질 관리는 인공지능 분야에서 가장 저평가 받는 영역이다. 데이터 분야를 과소평가하는 관행으로 인해 모델의 오류가 누적되는 데이터 캐스케이드 현상은 인공지능 업계 전반에 만연되어 있다. 따라서 데이터 캐스케이드 징후를 사전에 식별하고 방지하기 위해서는 인공지능 생태계의 사회적, 구조적, 기술적 고려가 필요하다.