AI治理的四个基本教训

简介: AI治理的四个基本教训

本文来源:企业网D1net


虽然一些IT领导者对新兴技术措手不及,但其他人则有先见之明,建立了AI治理框架来保持事物的平衡,本文介绍了一些他们分享的主动策略和经验教训。


位于奥斯汀的软件公司Planview在大约18个月前开始使用GenAI来提高生产力,同时,他们开始将GenAI集成到产品中,构建了一个供用户进行战略组合管理和价值流管理的助手,这个助手创建计划场景,帮助经理实现产品发布目标,并建议如何在路线图上移动可交付成果,在团队之间共享工作以及重新分配投资。


作为早期采用者,Planview很早就意识到,如果他们真的想深入使用AI,就需要建立政策和治理框架,涵盖他们内部的操作以及增强产品提供的内容。根据该公司的经验以及其他CIO的经验,可以总结出四个教训,帮助企业制定自己的AI治理方法。


依托现有框架


AI治理与其他治理并没有太大区别,事实上,根据Planview的CTO Mik Kersten的说法,因为大多数AI政策都与数据有关,所以很容易利用现有的框架。Planview采用了他们已经用于开源和云的指南,并将其调整为AI治理所需的内容。


Planview


一个完全不同的组织,佛罗里达州立大学(FSU),则从现有的IT治理委员会中发展出了AI治理委员会,该委员会定期开会,优先考虑投资和风险,该大学的CIO Jonathan Fozard说:“我们对投资进行排序,无论是财务方面还是在校园内的价值和影响方面。AI项目成为了讨论的一部分,这就是我们建立AI治理的方式。”


FSU的用例范围从科学研究到办公生产力——他们还在从工程和法律到所有其他专业的课程中教授AI,因为这些学生在进入职场后可能会使用AI。Fozard说,平衡成本和风险与潜在价值的增加就像一种跷跷板的方法。在第一次讨论中,某些项目会优先浮出水面,然后委员会开始查看这些高优先级项目,确保他们能够保护大学需要保护的一切,包括知识产权、研究愿望、用户隐私和敏感数据。


佛罗里达州立大学


“无论你是在高等教育还是在企业环境中,首先专注于生产,”Fozard说,“超越浮华,思考你想要实现的目标,找出如何利用技术在组织各个层面推动创新,然后确保你保护你的数据和员工。”


明确内部开发和外部合作的界限


“我们必须在自建和外购之间制定非常明确的政策,”Kersten说,“我有相当大的AI和数据科学团队,我们的客户希望这些团队构建客户支持功能,但我们需要这些专家来开发产品功能,为了让他们专注于核心工作,我们的政策明确规定了自建和外购的内容。”


Kersten认为,明确开源的使用政策也很重要。Planview选择仅将开源模型集成用于研究和内部用例。至于他们销售的功能,该公司构建在具有明确使用条款的LLM之上。“我们政策的一部分是确保大型语言模型提供商的使用条款符合我们的隐私和合规需求。”他说。


在完全不同的行业中,总部位于香港的国际英语语言学院Wall Street English开发了自己的AI堆栈,以掌握他们认为对其业务核心的技术,该公司的首席产品与技术官Roberto Hortal表示:“我们追求更快的创新,更好的成果以及一系列完全匹配学生和教师需求的定制解决方案,我们保持积极主动的方法,我们的政策之一是掌握最新发展、最佳实践以及潜在风险。”


Wall Street English


作为一家教育机构,Wall Street English将AI集成到其自学课程中,他们使用AI进行语音识别,以提供发音反馈,并作为会话代理的基础,帮助学生通过模拟现实场景练习会话技巧,该公司建立了一个治理框架,不仅包括技术、财务和法律方面的考虑,还包括多元文化环境中的伦理问题。


在整个价值链中保护正确的内容


由于使用代码生成工具,Planview的AI治理包括确保不侵犯版权的规则和指南,它还保护自己的软件,以确保没有代码生成工具会提取并在其他地方重用这些代码。Kersten表示,公司AI治理不仅明确了这些要点,还告诉用户如何配置工具。


GitHub Copilot有一个设置,可以检查以确保它不会给你受版权保护的代码,”Kersten说,“然后还有另一个设置,会检查你的最终代码,以确保它不会与其存储库中的内容过于相似,还有一个设置,可以告诉GitHub Copilot不要保存你的代码。”


自然,需要保护的内容取决于业务领域,Planview关注的是保护知识产权,而Wall Street English则关注文化敏感性,他们调整课程内容,以避免冒犯学生,他们的AI工具也需要做到这一点。Hortal说:“正如我们通过训练有素的教师环绕我们的在线课程,以保证没有不适当的内容一样,我们也必须确保AI避免表达出非预期的观点或不适当的内容,我们采用输入净化、上下文追踪和内容过滤等技术来减轻风险和漏洞,这些都是我们AI治理的一部分。”


无论你在保护什么,规则不应仅限于你自己的组织,应努力确保在外包工作时也能保证相同的保护。提供综合治理、风险和合规平台的软件公司LogicGate的CEO Matt Kunkel表示:“世界上一些最复杂的公司在内部拥有惊人的AI治理结构,但然后他们将所有数据传输给第三方,这些第三方使用大语言模型处理这些数据。如果你的第三方不同意你的AI使用政策,那么在那一点上,你就失去了对AI治理的控制。”


立即开始


已经实施AI治理的IT领导者最常见的建议是立即开始。从IT领导层开始研究AI治理到将规则传达给整个组织可能需要几个月的时间。一个典型的例子是,Planview从开始思考其政策到在其学习管理系统中向全公司发布政策,大约花了六个月时间。


作为AI的早期采用者之一,Kersten经常公开谈论Planview的经验。他说:“那些等待的组织将会落后,现在就制定你的政策,它没有你想象的那么难,一旦政策到位,它将真正有助于你内部的构建方式以及你向市场提供的产品。”


LogicGate


Kunkel表示同意。“影子用例已经在形成,因此CIO尽快掌握AI政策非常重要,”他说,“一个起点是围绕组织对AI的风险偏好达成共识,人们需要就快速推进与保护客户数据之间的平衡进行坦诚的对话。”


一旦你制定了治理政策并传达给整个组织,大家就可以专注于增加价值。


版权声明:本文为企业网D1Net编译,转载需在文章开头注明出处为:企业网D1Net,如果不注明出处,企业网D1Net将保留追究其法律责任的权利。封面图片来源于摄图网


(来源:企业网D1Net)


image.png

如果您在企业IT、网络、通信行业的某一领域工作,并希望分享观点,欢迎给企业网D1Net投稿。

投稿邮箱:

editor@d1net.com

合作电话:

010-58221588(北京公司)

021-51701588(上海公司)

合作邮箱:

Sales@d1net.com


企业网D1net旗下信众智是CIO(首席信息官)的专家库和智力输出及资源分享平台,有五万多CIO专家,也是目前最大的CIO社交平台。


信众智对接CIO为CIO服务,提供数字化升级转型方面的咨询、培训、需求对接等落地实战的服务。也是国内最早的toB共享经济平台。同时提供猎头,选型点评,IT部门业绩宣传等服务。

目录
打赏
0
3
3
0
580
分享
相关文章
容器化AI模型的监控与治理:确保模型持续稳定运行
在前几篇文章中,我们探讨了AI模型的容器化部署及构建容器化机器学习流水线。然而,将模型部署到生产环境只是第一步,更重要的是确保其持续稳定运行并保持性能。为此,必须关注容器化AI模型的监控与治理。 监控和治理至关重要,因为AI模型在生产环境中面临数据漂移、概念漂移、模型退化和安全风险等挑战。全面的监控涵盖模型性能、数据质量、解释性、安全性和版本管理等方面。使用Prometheus和Grafana可有效监控性能指标,而遵循模型治理最佳实践(如建立治理框架、定期评估、持续改进和加强安全)则能进一步提升模型的可信度和可靠性。总之,容器化AI模型的监控与治理是确保其长期稳定运行的关键。
DataWorks X DeepSeek : 用AI实现数据开发治理!
DataWorks X DeepSeek : 用AI实现数据开发治理!
196 3
DataWorks X DeepSeek : 用AI实现数据开发治理!
阿里云DataWorks正式接入DeepSeek-R1系列模型,用户可通过DataWorks Copilot智能助手,以自然语言交互完成代码操作,实现数据开发、分析与治理全流程。DataWorks内置阿里巴巴16年大数据建设方法论,支持多种大数据引擎和AI计算服务,助力“Data+AI”全生命周期管理。开通DataWorks后即可免费体验DataWorks Copilot。
阿里云通过ISO42001人工智能管理认证,引领AI治理推动协同共治
9月19日,在杭州云栖大会「AI治理与安全论坛」上,阿里云宣布通过人工智能技术的全生命周期管理ISO42001体系认证。该项认证由国际标准化组织(ISO)和国际电工委员会(IEC)制定,是第一部可认证的人工智能国际管理体系标准。
261 14
CCF-CV企业交流会:打造大模型时代的可信AI,探索AI安全治理新路径
近日,由中国计算机学会计算机视觉专委会主办的《打造大模型时代的可信AI》论坛顺利举行。论坛邀请了来自上海交通大学、中国科学技术大学等机构的专家,从立法、监管、前沿研究等多角度探讨AI安全治理。合合信息等企业展示了图像篡改检测等技术,助力AI向善发展。
88 11
CCF-CV企业交流会:打造大模型时代的可信AI,探索AI安全治理新路径
PAI企业级能力升级:应用系统构建、高效资源管理、AI治理
PAI平台针对企业用户在AI应用中的复杂需求,提供了全面的企业级能力。涵盖权限管理、资源分配、任务调度与资产管理等模块,确保高效利用AI资源。通过API和SDK支持定制化开发,满足不同企业的特殊需求。典型案例中,某顶尖高校基于PAI构建了融合AI与HPC的科研计算平台,实现了作业、运营及运维三大中心的高效管理,成功服务于校内外多个场景。
AI的关键治理要素
【1月更文挑战第16天】AI的关键治理要素
87 4
AI的关键治理要素
AI日报:麻省理工学院专家呼吁扩大人工智能治理和监管
AI日报:麻省理工学院专家呼吁扩大人工智能治理和监管
AI 与智能化 API 治理的探索实践
1、API 作为一种核心的数字资产,要如何进行有效的管理并提升可观测性? 2、API 贯穿开发测试和运维等多个环节,我们要如何去把不同的团队和现有的工作流加以优化,并提升它的迭代效率? 3、API 作为核心的业务中间层,怎么样提升质量和安全性? 4、API 是否可以作为一种商品进行商业化?
462 0

热门文章

最新文章