AI就绪度的缺失环节：数据保护

在生成式AI的淘金热潮中，人们很容易忘记，再先进的建模技术也无法弥补低质量数据的缺陷。当企业竞相部署人工智能时，往往忽视了一项看似平凡却至关重要的工作：保护、治理和准备数据基础。这种疏忽不仅是运营上的疏漏，更是战略层面的风险，特别是在AI数据保护方面。

theCUBE Research的Scott Hebner表示："数据是AI的生命线。没有信息架构就没有AI。数据是任何AI系统的关键组成部分，因此数据必须具备最高质量。它必须在处理和使用过程中保持完整性，最重要的是，必须得到保护，既要符合监管要求，也要防范各种潜在威胁。因此，任何优秀的长期AI战略都必须从数据层开始，这包括数据保护。"

Hebner在数据保护与AI峰会上与theCUBE的Christophe Bertrand进行了对话，探讨了数据信任鸿沟、智能体AI带来的风险演变，以及保护在构建弹性智能AI基础设施中的基础作用。

大多数企业数据既未受到保护，也未为AI做好准备。根据Hebner的观察，由于风险担忧或缺乏治理，大部分企业数据实际上被搁置。如果没有强有力的AI数据保护，即使是先进的模型也只能在有限的可用信息上运行，这限制了质量和信任度。

"如果你观察组织拥有的绝大多数专有企业数据，实际上今天只有很少一部分被使用，在AI中使用的更少。当你深入研究这些AI项目时，你会发现这是因为他们不确定如何保护这些数据。这是一个风险评估问题。数据就在那里，但还没有准备好用于AI。我们估计企业约95%的数据根本没有准备好，而保护是其中的重要组成部分。"

有效的保护不仅使数据安全，还使其能够大规模地用于AI应用和重复使用。因此，AI数据保护必须被视为设计要求，而非部署后的补救措施。

Bertrand表示："AI对你的工作流程很重要，对你的工作负载很重要，对你的业务也很重要。因此，AI基础设施的任何部分都必须受到保护。我认为这是基线要求。不要把它当作后续考虑的事情，它实际上是一个设计要求。"

随着AI智能体和自动化以前所未有的速度生成新数据，治理必须跟上步伐。AI数据保护在这一过程中发挥着关键作用，确保系统演进过程中的连续性、完整性和信任度。

Hebner认为："AI将从这些数据中学习，开始理解什么是真正的高质量数据，什么是受保护的，什么不是。然后，它会从中学习并在下次做得更好。随着系统的不断构建，它在所做的事情上会变得越来越好。我确实认为构建一个支撑治理和信任管理的AI架构，包括保护、监管合规和企业政策在内的框架，有时你会想这是否已经成为基本要求。这只是你必须做的事情；否则，你如何跟上这一切？"