Collibra 透過創新的治理應用應對影子 AI 挑戰

隨著企業加速實施人工智慧，許多公司發現最大挑戰不在於建立模型，而是在於確保基礎數據的可靠性與合規性。若缺乏有效的人工智慧治理，企業可能會面臨錯誤決策及違反隱私法規的風險。

為了解決這一問題，企業數據智慧提供商Collibra推出了一系列針對治理、自動化與數據民主化的全新人工智慧工具，這些都是建立人工智慧信任的關鍵要素。

人工智慧治理：全新監管時代

新推出的其中一項工具是人工智慧治理應用程式，旨在作為管理組織內各種人工智慧計劃的集中平台。此工具彌補了數據科學團隊（負責原型設計模型）與風險合規持有者（必須在模型投入生產前給予批准）之間的gap。

Collibra首席執行官Felix Van de Maele表示：「我們的客戶對人工智慧感到興奮，但他們意識到成功不僅僅依賴算法。數據是人工智慧的核心，強有力的數據治理至關重要。」

Van de Maele詳細說明了“影子人工智慧”現象，即組織在缺乏足夠監督的情況下進行實驗與原型設計。「一個主要挑戰是確保數據科學家和工程師可以訪問合規的正確數據。」

實施人工智慧治理需要明確的變更管理策略及多方利益相關者的合作，包括法律與合規團隊。Van de Maele強調遵守現有及新興法規越來越重要。

人工智慧治理工具建立在Collibra十年的數據治理投資基礎上，顯示數據治理原則與人工智慧治理密切相關。該工具促進定義政策、角色和責任，建立標準化工作流程以登記、批准、記錄及監控人工智慧用例，提高人工智慧應用的透明度和問責性。

透過Collibra AI自動化數據管理任務

Collibra AI是此次發佈的另一重要特徵，利用大型語言模型（LLMs）自動化通常需要人工努力的繁瑣數據管理過程。其中一個關鍵功能是為數據資產生成描述和定義，這對有效的數據目錄和治理至關重要。

Van de Maele將其形容為「副駕駛方案」，該系統為用戶審核生成草稿描述。「擁有清晰的描述對於建立數據的信任和理解至關重要。」

此外，Collibra AI還可以根據自然語言請求創建數據質量規則。例如，它可以將「國家代碼必須遵循ISO標準」這一規範轉化為可執行的技術規則。

另外，該系統可以解析SQL查詢和商業智能報告以創建數據血緣圖，這種可見性使組織能更有效地追踪數據流、識別問題來源及評估數據變更的影響。「用戶常常想了解儀表板上某個數字是如何計算出來的，」Van de Maele指出，「可追溯的血緣數據讓組織更能信任數據。」

透過Collibra數據筆記本實現數據存取民主化

為進一步改善數據可訪問性，Collibra推出了數據筆記本，使用戶能輕鬆搜索和訪問可信的數據資產。該工具簡化了探索數據集的過程，同時確保所有治理工作流程在背景中無縫運行，以維持合規與安全。

Van de Maele表示：「我們為用戶提供一鍵訪問數據集的能力，同時整合治理工作流程。」他將這一體驗比喻為在Amazon上購物，快速且高效地找到並訪問產品。

未來展望與挑戰

Collibra希望利用其在數據治理領域的豐富經驗，在日益擴大的人工智慧治理領域脫穎而出。Van de Maele表示：「我們專注於數據治理已有15年，早在數據目錄流行之前，這使我們能夠更好地迎合實施人工智慧治理的組織需求。」

不過，Collibra面臨來自Microsoft、IBM、AWS和Google等大型科技公司的競爭，這些公司也在開發人工智慧治理工具。Collibra從Sequoia Capital及ICONIQ Capital等投資者籌集超過5.9億美元，必須不斷創新和擴大能力，以保持競爭力。

儘管面臨挑戰，Van de Maele充滿信心地指出，許多科技公司也是Collibra的客戶和合作夥伴。他相信該公司在數據治理方面的專業聚焦使其有別於競爭對手。

他最後總結道：「我們的使命是改變組織利用數據的方式，最終希望透過數據改變世界。如果我們能成為企業人工智慧生態系統中不可或缺的一部分，確保負責任的數據管理，那麼潛在的機會將是巨大的。」