GenAI為企業如何使用數據創造了新機會，但要建立對AI模型所用數據的信任，強有力的數據治理是必不可少的。

GenAI的出現標志著技術進步的新紀元，承諾將改變各個行業及我們消費數據的方式。數據治理在確保為AI系統提供的燃料——數據的質量和完整性方面起著關鍵作用。

根據TechTarget的企業戰略集團在2024年6月進行的《AI時代的數據治理》研究，70%的企業表示，他們在AI驅動的項目中優先考慮數據的質量和完整性，這種高度關注凸顯了強有力的數據治理與AI項目成功之間不可分割的聯系。

然而，只有46%的企業對用于決策的數據準確性表現出適度的信心，這一數據表明，盡管企業理解數據質量的重要性，但在將這種認知轉化為確保數據信任的具體行動方面仍存在困難，這是企業在構建內部和面向客戶的GenAI工具時需要克服的障礙，包括數據庫、治理工具、機器學習和分析在內的GenAI工具和基礎設施，都可以幫助建立對企業GenAI使用案例中所用數據的更大信任。

為什么在AI時代，數據治理的角色變得如此關鍵？答案在于AI系統的本質。構建由GenAI驅動的應用程序的企業應從定義用例開始，例如，一個由GenAI驅動的知識庫，員工和客戶可以快速獲得公司和產品的答案，這一過程始于數據基礎——即企業數據，如產品目錄、培訓文件和支持數據。這些數據經過向量化數據庫處理，使用檢索增強生成和嵌入等技術，從大型語言模型或基礎模型（如OpenAI的GPT、Google的Gemini或前端聊天機器人）中提取數據，使用戶能夠提出問題，并基于特定企業數據基礎，以自然語言形式獲得回答。這個例子展示了數據質量、準確性、合規性和對用于GenAI應用的企業數據控制的重要性。數據的質量和代表性直接影響GenAI工具的準確性、公平性和可靠性。 

考慮到偏見或不準確數據的影響：一個基于劣質數據訓練的AI系統可能會延續現有的偏見，導致歧視性的結果。例如，使用過時信息的AI算法可能會提供不準確的定價、功能和特性信息，或者，如果未能從數據中清除機密信息，這些信息可能會被泄露。隨著企業從多樣化來源收集和處理越來越多的數據，出現錯誤、不一致和隱私泄露的可能性呈指數增長。如果沒有強有力的數據治理，企業將面臨重大財務、聲譽和法律責任的風險。

為了降低這些風險并充分釋放AI的潛力，企業必須將數據治理作為其AI戰略的核心要素進行優先考慮，它們應實施全面的框架，涵蓋數據質量、安全性、隱私和可訪問性等方面。強有力的數據治理計劃的關鍵組成部分包括：

? 數據質量管理：通過數據清洗、驗證和分析，確保數據的準確性、完整性、一致性和及時性。

? 數據安全：保護敏感數據免受未經授權的訪問、使用、泄露、干擾、修改或破壞。

? 數據隱私：通過數據最小化、匿名化和加密，確保遵守隱私法規并保護個人權利。

? 數據可訪問性：在保持適當控制以防止濫用的同時，使授權用戶能夠方便地訪問數據。

? 數據治理框架：為數據管理建立明確的角色、責任和流程，包括數據所有權、管理和問責制。

通過投資數據治理，企業可以建立對其GenAI工具的信任，提升決策能力并降低風險。GenAI有潛力改變我們獲取信息的方式，但每個企業都有責任建立可信的產品，而這一切都始于強有力的數據治理。