Implementieren Sie eine robuste KI-Governance, um Daten zu demokratisieren

Das Aufkommen von GenAI hat das Tempo beschleunigt, mit dem Menschen das Potenzial von Daten erschließen, und bietet Möglichkeiten für neue Erkenntnisse und bessere Entscheidungen. Um einen umfassenderen Datenzugriff zu erreichen, ist jedoch eine solide Daten-Governance-Strategie erforderlich. Diejenigen Unternehmen, die ein Gleichgewicht zwischen Datendemokratisierung und strenger Datenverwaltung finden, werden sich durch die Erschließung einzigartiger datengesteuerter Erkenntnisse vom Markt abheben.

Laut Gartner werden bis 2026 mehr als 80 % der Unternehmen GenAI-APIs und -Modelle verwenden oder GenAI-fähige Anwendungen in der Produktion bereitstellen, gegenüber weniger als 5 % im letzten Jahr. Die natürliche Sprachschnittstelle von GenAI ermöglicht technisch nicht versierten Benutzern, vom Abteilungsleiter bis zum Frontline-Mitarbeiter, einen einfacheren Zugriff auf Daten und deren Nutzung. Dadurch werden gleiche Wettbewerbsbedingungen beim Zugang zu Informationen und Fähigkeiten geschaffen, was Gartner als „einen der disruptivsten Trends dieses Jahrzehnts“ bezeichnet.

Wenn Unternehmen erhöhte Risiken für Datenschutz, Sicherheit und Datenqualität vermeiden wollen, macht eine solche Demokratisierung von Daten eine starke Governance noch wichtiger, was bedeutet, genau zu wissen, welche Daten Sie haben, wo sie sich befinden, wo, wer Zugriff auf diese Daten hat, und wie jeder Benutzertyp es nutzen darf, aber wie erzwingt ein Unternehmen die vollständige Kontrolle, ohne Innovationen zu unterdrücken?

Auf einer höheren Ebene besteht der bevorzugte Ansatz darin, Daten in einem umfassenden Repository zu konsolidieren, das von verschiedenen Teams und Arbeitsgruppen einfach und sicher gemeinsam genutzt werden kann. Durch die Vereinheitlichung von Daten können Unternehmen die Verwaltung zentralisieren und den Zugriff auf Daten erweitern und gleichzeitig die Komplexität minimieren und die Kosten optimieren. Dieser zentralisierte Ansatz zur Datenspeicherung trägt dazu bei, die Datenkonsistenz und -genauigkeit sicherzustellen und Probleme durch Datenduplizierung und -inkonsistenz zu vermeiden. Darüber hinaus trägt dies auch zur Verbesserung der Datensicherheit und zum Schutz der Privatsphäre bei, da Zugriffskontroll- und Überwachungsmaßnahmen einfacher implementiert werden können. Daher ist die Einrichtung eines einheitlichen Datenspeichers für Unternehmen sehr wichtig.

In der Praxis kann dies einige Herausforderungen mit sich bringen, da Vorschriften zur Datensouveränität verlangen, dass bestimmte Daten in bestimmten Ländern oder Regionen gespeichert werden müssen. Angesichts dieser Situation müssen Unternehmen daran arbeiten, Datensilos zu beseitigen und ein konsistentes Governance-Framework auf ihren Datenplattformen zu implementieren.

Darüber hinaus tragen einige spezifische Methoden und Technologien dazu bei, dass Unternehmen eine effektive Governance aufrechterhalten und gleichzeitig die Sicherheit wahren können, während GenAI den Datenzugriff erweitert. Zu diesen Ansätzen gehören grundlegende Governance-Praktiken, die in einer Vielzahl von Umgebungen gelten, aber besonders wichtig werden, da GenAI die weitere Demokratisierung des Datenzugriffs vorantreibt.

Granulare Kontrollen für Datenschutz und Compliance

Da der Zugriff der Mitarbeiter auf Daten zunimmt, steigt auch das Risiko von Datenschutzverletzungen und dem Zugriff auf personenbezogene Daten (PII) durch unbefugte Benutzer. Daher sind die Implementierung strenger Zugriffskontrollrichtlinien und der Einsatz von Anonymisierungs- und Identifizierungstechnologien von entscheidender Bedeutung, um die Einhaltung sicherzustellen und Daten vor unberechtigtem Zugriff zu schützen.

In unserem neuen Bericht „Datentrends 2024“, der die Trends der Snowflake Data Cloud analysiert, haben wir einen deutlichen Anstieg der Nutzung von Governance-Funktionen festgestellt, die eine detaillierte Kontrolle über Daten ermöglichen und sie gleichzeitig mehr Benutzern für mehr Anwendungsfälle angemessen zur Verfügung stellen, zum Beispiel Die Nutzung angewendeter Masken oder Zeilenzugriffsrichtlinien stieg in den 12 Monaten bis zum 31. Januar 2024 im Vergleich zum Vorjahreszeitraum um 98 %, während die Anzahl der Spalten, denen Maskierungsrichtlinien zugewiesen wurden, um 97 % stieg.

Es ist jedoch erwähnenswert, dass die Gesamtzahl der Abfragen, die für richtliniengeschützte Objekte ausgeführt werden, um 142 % gestiegen ist. Diese Zahl ist von Bedeutung, da sie zeigt, dass es bei guter Datenverwaltung nicht darum geht, „Nein“ zu sagen und die Datennutzung einzuschränken. Obwohl die Governance durch den Einsatz von Kennzeichnungs- und Sperrrichtlinien zunimmt, stellt der Bericht fest, dass der Arbeitsaufwand, der mit diesen Daten verrichtet wird, rapide zunimmt.

In einigen Fällen möchten Mitarbeiter möglicherweise Datensätze untersuchen, auf die ihnen kein direkter Zugriff gewährt werden kann. In solchen Fällen ist die differenzielle Privatsphäre eine leistungsstarke Technik, da sie es Benutzern ermöglicht, Datensätze zu teilen und zu erkunden, ohne die PII eines einzelnen Benutzers preiszugeben. Um noch einen Schritt weiter zu gehen, ermöglichen Datenreinräume mehreren Parteien die Zusammenarbeit an Daten, ohne die Rohdaten gegenseitig offenzulegen. Datenreinräume werden normalerweise für den Datenaustausch zwischen verschiedenen Unternehmen verwendet, aber wir beobachten, dass die Technologie auch intern zur Erfüllung von Anforderungen eingesetzt wird Je nach regulatorischen und datenschutzrechtlichen Anforderungen kann es eine effektive Technik zur Untersuchung personenbezogener Daten im Kontext von GenAI-Schnittstellen sein.

Konsistente, orchestrierte Sicherheit

Sicherheit sollte in die Struktur der Datenplattform integriert werden, anstatt zu versuchen, sie später für einzelne Datensätze und Benutzer festzulegen. Die Technologie, die Konversationsschnittstellen unterstützt, sollte keine Identitäten und andere Kernberechtigungen replizieren Daten, was zu einem fragilen Setup führen wird. Wenn zwei oder mehr Systeme verfolgen, wer Zugriff auf welche Daten hat, erhöht sich das Risiko von Fehlern und unbefugtem Zugriff erheblich.

Zu den Technologien, die beim Schutz von Daten für GenAI-Anwendungsfälle eine Schlüsselrolle spielen, gehören kontinuierliche Risikoüberwachung und -schutz, rollenbasierte Zugriffskontrolle (RBAC) und fein abgestimmte Autorisierungsrichtlinien. Mit rollenbasierten Tags und tagbasierten Maskierungsrichtlinien können Sie Daten auf Spaltenebene schützen, indem Sie einem Tag eine Maskierungsrichtlinie zuweisen und das Tag dann für ein oder mehrere Datenbankobjekte festlegen.

Datensilos sind der Feind guter Governance

Das Speichern von Kopien oder Fragmenten von Daten in unterschiedlichen Systemen macht es äußerst schwierig zu verfolgen, wer Zugriff auf welche Informationen hat und die Konsistenz der Zugriffs- und Kontrollrichtlinien aufrechtzuerhalten, weshalb Datensilos der Feind sind einer starken Regierungsführung.

Datensilos machen es außerdem schwierig sicherzustellen, dass Mitarbeiter die neuesten und genauesten Daten abfragen, was zu kostspieligen Fehlern führen kann. Um über GenAI einen breiten Zugriff auf Daten zu erreichen, benötigen Unternehmen eine einzige Quelle der Wahrheit, um sicherzustellen, dass alle Mitarbeiter die gleichen Informationen sehen und dass Kontrollen und Richtlinien auf alle Daten angewendet und aktualisiert werden können.

Sicherstellung der Datenqualität für genaue Ergebnisse

Selbst wenn Sie Silos beseitigen und über die entsprechenden Berechtigungen verfügen, gibt es keine Garantie dafür, dass die Informationen, auf die Ihre Mitarbeiter zugreifen, korrekt sind. Das Datenqualitäts-Framework basiert auf dem, was bei konkreter Anwendung möglich ist Konfigurieren Sie Datenqualitätsregeln, um Qualitätsprobleme zu erkennen und genaue Informationen sicherzustellen.

Außerdem wissen wir mittlerweile alle, dass GenAI manchmal halluzinieren und Antworten liefern kann, die eigentlich unbegründet sind, was für den Einsatz in Unternehmen inakzeptabel ist. Unternehmen können dieses Problem lösen, indem sie große Sprachmodelle (LLMs) mit Datenquellen kombinieren, von denen sie wissen, dass sie ihnen vertrauen können, etwa interne Kundendatenbanken oder geprüfte Datensätze von vertrauenswürdigen Drittanbietern.

Diese vertrauenswürdigen Datenquellen können mithilfe von Prozessen zusammengeführt werden, die eine LLM-Anpassung erfordern (z. B. Feinabstimmung) oder keine LLM-Anpassung erfordern (z. B. Just-in-Time-Engineering oder Retrieval-Augmented Generation (RAG)). In jedem Fall tragen diese Technologien dazu bei, sicherzustellen, dass Mitarbeiter genaue und qualitativ hochwertige Ergebnisse erhalten und gleichzeitig die in der lokalen Cloud-Umgebung integrierten Governance-Standards einhalten.

Die Macht des Datenzugriffs und der universellen Suche

Ein wichtiger Aspekt der GenAI-Governance besteht darin, es den Mitarbeitern zu erleichtern, die richtigen Datensätze und Datenprodukte zu finden, die sie bei ihrer Analyse unterstützen. Ein Grund dafür, dass KI so leistungsstark ist, ist, dass sie es ermöglicht Die Interaktion der Mitarbeiter mit Daten erfolgt über ein zentrales Team. Dazu müssen diese Mitarbeiter jedoch wissen, welche Daten ihnen zur Verfügung stehen und wie sie diese finden können.

Die Suchfunktion bietet diese Funktionalität und ermöglicht es Benutzern, Datensätze und Datenprodukte zu finden und abzufragen. Diese Suchfunktion selbst kann von LLM unterstützt werden, um die Datensuche intuitiver zu gestalten – das haben wir bei Snowflake als Teil unserer universellen Suche entwickelt .

Governance ist die Grundlage der Datendemokratisierung

Geschäftsanwender sind bestrebt, die Daten ihrer Organisation umfassender zu nutzen, und GenAI macht dies endlich möglich. Dank LLMS und der Verarbeitung natürlicher Sprache können Mitarbeiter in Bereichen wie Finanzen, Personalwesen, Vertrieb und Betrieb jetzt rollenspezifische Fragen formulieren und erhalten die Antworten, die sie benötigen, um fundiertere Entscheidungen zu treffen.

Aber um den Sicherheits- und Compliance-Anforderungen des Unternehmens gerecht zu werden, kann dies nur in einer Umgebung mit starker Governance geschehen. Je stärker die Governance ist, desto freier können Ihre Mitarbeiter die Daten durchsuchen, ohne dass zusätzliche Kosten für das Unternehmen entstehen öffnet die Tür zu einer echten Datendemokratisierung, und eine gute Governance ist die Grundlage, die dies ermöglicht.

Das obige ist der detaillierte Inhalt vonImplementieren Sie eine robuste KI-Governance, um Daten zu demokratisieren. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!