Privatnost i bezbednost podataka AI brine

Organizacije su oduševljene potencijalom generativne AI za povećanje produktivnosti svog poslovanja i ljudi, ali nedostatak strateškog planiranja i nedostatak talenata ih sprečavaju da shvate njegovu pravu vrednost. 

 Ovo je prema studiji koju je početkom 2024. sproveo Coleman Parkes Research i koju je sponzorisala firma za analizu podataka SAS, koja je anketirala 300 američkih donosioca odluka o strategiji ili analitici podataka za analizu podataka kako bi pulsirala provera glavnih oblasti ulaganja i prepreka sa kojima se organizacije suočavaju. 

 Marinela Profi, strateški savetnik za veštačku inteligenciju u SAS-u, rekla je: „Organizacije shvataju da veliki jezički modeli (LLM) sami po sebi ne rešavaju poslovne izazove. 

 „GenAI treba tretirati kao idealnog doprinosioca hiper automatizaciji i ubrzanju postojećih procesa i sistema, a ne kao novu sjajnu igračku koja će pomoći organizacijama da ostvare sve svoje poslovne aspiracije. Vreme utrošeno na razvoj progresivne strategije i ulaganje u tehnologiju koja nudi integraciju, upravljanje i objašnjivost LLM-a su ključni koraci koje sve organizacije treba da preduzmu pre nego što uskoče sa obe noge i „zaključaju se“.“ 

 Organizacije nailaze na kamen spoticanja u četiri ključne oblasti implementacije: 

• Povećanje poverenja u korišćenje podataka i postizanje usklađenosti. Samo jedna od 10 organizacija ima pouzdan sistem za merenje pristrasnosti i rizika privatnosti u LLM. Štaviše, 93% američkih preduzeća nema sveobuhvatan okvir upravljanja za GenAI, a većina je u riziku od neusaglašenosti kada je u pitanju regulativa. 
• Integrisanje GenAI u postojeće sisteme i procese. Organizacije otkrivaju da imaju problema sa kompatibilnošću kada pokušavaju da kombinuju GenAI sa svojim trenutnim sistemima. 
• Talenat i veštine. In-house GenAI nedostaje. Pošto se odeljenja za ljudske resurse susreću sa nedostatkom odgovarajućih radnika, organizacioni lideri se brinu da nemaju pristup neophodnim veštinama kako bi maksimalno iskoristili svoje ulaganje u GenAI. 
• Predviđanje troškova. Lideri navode previsoke direktne i indirektne troškove povezane sa korišćenjem LLM-a. Kreatori modela obezbeđuju procenu troškova simbola (za koju organizacije sada shvataju da je previsoka). Ali troškovi privatne pripreme znanja, obuke i upravljanja ModelOps-om su dugi i složeni. 

 Profi je dodala: „Svešće se na identifikaciju slučajeva upotrebe u stvarnom svetu koji daju najveću vrednost i rešavaju ljudske potrebe na održiv i skalabilan način. Kroz ovu studiju, nastavljamo našu posvećenost pomaganju organizacijama da ostanu relevantne, mudro ulažu svoj novac i ostanu otporne. U eri u kojoj se tehnologija veštačke inteligencije razvija skoro svakodnevno, konkurentska prednost u velikoj meri zavisi od sposobnosti da se prihvate pravila otpornosti.” 

Izvor: artificialintelligence-news.com