Generative AI មានអត្ថប្រយោជន៍ ប៉ុន្តែក៏មានគុណវិបត្តិផងដែរ ដូចជាការយល់ច្រលំ កំហុសកូដ ការរំលោភបំពានសិទ្ធិអ្នកនិពន្ធ ភាពលំអៀង និងការលេចធ្លាយទិន្នន័យ។ ស្ថាប័នមានការព្រួយបារម្ភជាពិសេសអំពីហានិភ័យនៃការលេចធ្លាយទិន្នន័យ។

77% នៃក្រុមហ៊ុនមាន Generative AI pilots ជោគជ័យ ប៉ុន្តែ 80% ប្រឈមមុខនឹងបញ្ហាឯកជនភាព និងសុវត្ថិភាពទិន្នន័យនៅពេលធ្វើមាត្រដ្ឋាន AI ។ 45% នៃស្ថាប័នបានជួបប្រទះការប៉ះពាល់ទិន្នន័យដោយអចេតនាកំឡុងពេលអនុវត្ត AI ។ ការលេចធ្លាយទិន្នន័យរបស់ Microsoft AI 38 terabytes បង្ហាញពីផលប៉ះពាល់យ៉ាងសំខាន់នៃបញ្ហានេះ។

AI បានបង្កើនបញ្ហាប្រឈមក្នុងការគ្រប់គ្រងទិន្នន័យ ដូចដែលបានបញ្ជាក់ដោយ Dana Simberkoff ដែលជាហានិភ័យ ឯកជនភាព និងសន្តិសុខព័ត៌មាននៅ AvePoint ។

ព័ត៌មានលេចធ្លាយជាញឹកញាប់មានទិន្នន័យដែលមិនមានរចនាសម្ព័ន្ធដែលមានទីតាំងនៅកន្លែងសហការដែលមិនបានការពារ ដែលត្រូវបានចាត់ថ្នាក់ជាទិន្នន័យងងឹតដោយ Simberkoff ។

Arvind Jain មកពី Glean សង្កត់ធ្ងន់លើសម្ពាធខ្លាំងលើមន្ត្រីព័ត៌មានដើម្បីអនុវត្ត AI ដោយបង្ហាញពីលក្ខណៈផ្លាស់ប្តូរនៃ AI ក្នុងការសម្រួលដល់ការចូលប្រើទិន្នន័យតាមរយៈការសាកសួរដោយផ្ទាល់ ធ្វើបដិវត្តដំណើរការស្វែងរក។ Jain សង្កត់ធ្ងន់លើសារៈសំខាន់នៃការធានាការអនុញ្ញាតសម្រាប់ទិន្នន័យសហគ្រាសដើម្បីការពារព័ត៌មានសំខាន់ៗពីការលាតត្រដាង ដោយបញ្ជាក់ពីតម្រូវការសម្រាប់អ្នកដឹកនាំដើម្បីដោះស្រាយការគ្រប់គ្រងទិន្នន័យ មុនពេលរួមបញ្ចូលបច្ចេកវិទ្យា AI ។

 Shining a light on unprotected “dark data”

ឯកសាររសើបផ្សេងៗនៅក្នុងស្ថាប័ន ដូចជាសំបុត្រ និងការពិភាក្សាបញ្ចូលគ្នា បង្កហានិភ័យ ប្រសិនបើភាគីគ្មានការអនុញ្ញាត។ ការមិនពេញចិត្តរបស់និយោជិត ការជួញដូរខាងក្នុង និងបញ្ហាផ្សេងទៀតបង្ហាញពីហានិភ័យជាក់ស្តែងដែលទាក់ទងនឹងការការពារព័ត៌មានរសើប។

ទោះបីជាគ្មាន AI ក៏ដោយ ក៏ព័ត៌មានដែលនឹងលេចធ្លាយចេញនៅតែមិនអាចការពារបាន។ Simberkoff បាននិយាយថា “ការមិនស្គាល់គឺមិនប្រសើរឡើយ” ។

Simberkoff រស់នៅដោយ mantra “យើងការពារអ្វីដែលយើងរក្សា ហើយយើងកែលម្អអ្វីដែលយើងវាស់វែង”។ ដូច្នេះ តើអ្នកដឹកនាំកែលម្អការអនុញ្ញាត និងការការពារទិន្នន័យដោយរបៀបណា ឬតាមឧត្ដមគតិណា មុនពេលអនុវត្ត AI?

Jason Hardy ដែលជា CTO សម្រាប់ AI នៅក្រុមហ៊ុន Hitachi Vantara សង្កត់ធ្ងន់លើសារៈសំខាន់នៃការរៀបចំទិន្នន័យមុនពេលអនុវត្ត AI ដោយសង្កត់ធ្ងន់លើសារៈសំខាន់នៃការយល់ដឹង និងរចនាសម្ព័ន្ធទិន្នន័យប្រកបដោយប្រសិទ្ធភាព។ លោកបានលើកឡើងពីភាពចាំបាច់នៃគោលនយោបាយដ៏រឹងមាំ ដើម្បីទប់ស្កាត់ការលេចធ្លាយទិន្នន័យ និងការអនុវត្តវិធានការគ្រប់គ្រងសុវត្ថិភាពព័ត៌មានប្រកបដោយប្រសិទ្ធភាព។

Simberkoff សង្កត់ធ្ងន់លើសារៈសំខាន់នៃការបណ្តុះបណ្តាលអ្នកប្រើប្រាស់ចុងក្រោយឱ្យដឹងពីទំនួលខុសត្រូវទិន្នន័យរបស់ពួកគេ និងប្រើប្រាស់ឧបករណ៍ដែលបានអនុម័តជាមួយនឹងការការពារបន្ថែម។ ការផ្តល់អាទិភាពដល់ព័ត៌មានដែលមានហានិភ័យខ្ពស់នៅក្នុងស្ថាប័ន និងការអនុវត្តការដាក់ស្លាកទិន្នន័យ ចំណាត់ថ្នាក់ និងដំណើរការដាក់ស្លាកគឺជាទិដ្ឋភាពសំខាន់នៃការគ្រប់គ្រងទិន្នន័យប្រកបដោយប្រសិទ្ធភាព។

An anti-rushing approach to AI implementation

Simberkoff គូសបញ្ជាក់ពីសារៈសំខាន់នៃការផ្អាកនៅក្នុងដំណើរការអនុម័ត AI ដោយសង្កត់ធ្ងន់លើប្រសិទ្ធភាពនៃជំហានបន្ថែម ដូចជាការចាប់ផ្តើមជាមួយនឹងគោលនយោបាយ និងយុទ្ធសាស្ត្រប្រើប្រាស់ដែលអាចទទួលយកបាន មុនពេលផ្លាស់ទីទៅការធ្វើតេស្តសាកល្បង។ ការយល់ដឹងអំពីបទប្បញ្ញត្តិ និងទិន្នន័យដែលកំពុងវិវឌ្ឍន៍តាមពេលវេលាគឺមានសារៈសំខាន់ក្នុងការរុករកទិដ្ឋភាពផ្លាស់ប្តូរនៃការទទួលយក AI ។

Hardy សង្កត់ធ្ងន់លើសារៈសំខាន់នៃការការពារលើការគ្រប់គ្រងការខូចខាត ដើម្បីជៀសវាងការផ្សព្វផ្សាយជាសាធារណៈអវិជ្ជមាន ដោយបញ្ជាក់ពីសារៈសំខាន់នៃសកម្មភាពដែលមានសីលធម៌ជាមុន។

Simberkoff គូសបញ្ជាក់អំពីភាពមិនល្អឥតខ្ចោះរបស់ AI និងសង្កត់ធ្ងន់លើតម្រូវការសម្រាប់ការត្រួតពិនិត្យជាបន្ត ដើម្បីធានាបាននូវភាពត្រឹមត្រូវ និងគោលបំណងនៃការប្រើប្រាស់ AI algorithms។

Simberkoff សង្កត់ធ្ងន់លើសារៈសំខាន់នៃការអប់រំអ្នកប្រើប្រាស់ក្នុងការប្រើប្រាស់ AI ប្រកបដោយប្រសិទ្ធភាព ដោយប្រៀបធៀប AI ទៅនឹងអ្នកហាត់ការដ៏មានតម្លៃដែលតម្រូវឱ្យមានការត្រួតពិនិត្យដើម្បីធានាថាការងារត្រូវបានអនុវត្តយ៉ាងត្រឹមត្រូវ និងស្របតាមគោលបំណង។

Jain ស្នើឱ្យបង្កើតយុទ្ធសាស្ត្រ AI កណ្តាលសម្រាប់ក្រុមហ៊ុន ជាពិសេសសហគ្រាសធំៗ ដើម្បីវាយតម្លៃឧបករណ៍ និងសម្រេចចិត្តលើការតភ្ជាប់ទិន្នន័យ។ ការពង្រីកព័ត៌មានដែលបានភ្ជាប់ជាអតិបរមា ខណៈពេលដែលរក្សាការអនុញ្ញាត បង្កើនតម្លៃនៃការប្រើប្រាស់ទិន្នន័យ។ គាត់ក៏បានណែនាំផងដែរ ឱ្យចាប់ផ្តើមដំណើរការជាបណ្តើរៗ ដើម្បីសាកល្បងកម្មវិធីថ្មី មុនពេលការអនុម័តពេញលក្ខណៈ។

Simberkoff សង្កត់ធ្ងន់លើតម្លៃនៃ AI ក្នុងការបង្ហាញ និងដោះស្រាយអនាម័យទិន្នន័យមិនល្អនៅក្នុងស្ថាប័ន ដោយបន្លិច AI ជាឧបករណ៍សំខាន់ដែលជំរុញឱ្យស្ថាប័នបង្កើនការអនុវត្តការគ្រប់គ្រងទិន្នន័យដែលពួកគេគួរតែអនុវត្តមុន។