Collibra创新治理应用应对“影子AI”挑战

随着企业竞相实施人工智能，许多公司发现，最大的挑战不在于构建模型，而在于确保基础数据的可靠性与合规性。如果没有有效的人工智能治理，企业面临错误决策和违反隐私法规的风险。

为了解决这一问题，企业数据智能提供商Collibra推出了一套全面的新人工智能工具，专注于治理、自动化和数据民主化，这些都是建立人工智能信任的关键要素。

人工智能治理：新监督时代

新推出的AI治理应用程序旨在作为管理企业内部各种人工智能项目的集中平台。该工具弥补了数据科学团队与需要批准模型运作的风险和合规利益相关者之间的沟通鸿沟。

Collibra首席执行官Felix Van de Maele表示：“我们的客户对人工智能充满期待，但他们意识到成功不仅仅依赖算法。数据是人工智能的核心，因此强大的数据治理至关重要。”他进一步阐述了“影子AI”现象，即组织在缺乏足够监督的情况下进行实验和原型设计。“一个主要挑战是确保数据科学家和工程师能够获得正确且合规的数据。”

实施人工智能治理需要明确的变更管理策略和法律、合规等多个利益相关者之间的合作。Van de Maele强调，遵循现有和新兴法规的重要性日益增长。

AI治理工具建立在Collibra十年对数据治理的投资基础上，充分展示了数据治理原则与AI治理的紧密相关性。该工具简化了政策、角色和责任的定义，为注册、批准、记录和监控人工智能用例创建了标准化工作流程，从而提升了人工智能应用中的透明度和责任性。

Collibra AI：自动化数据管理任务

Collibra AI是此次发布的另一重要功能，利用大语言模型（LLMs）自动化通常需要手动处理的繁琐数据管理流程。其中一个关键功能是为数据资产生成描述和定义，这对有效的数据目录和治理至关重要。

Van de Maele将此称为“副驾驶模式”，系统生成草稿描述供用户审核。“明确的描述对于建立信任和理解数据至关重要。”

此外，Collibra AI还可以基于自然语言请求创建数据质量规则。例如，它可以将“国家代码必须遵循ISO标准”的规范转化为可执行的技术规则。

该系统还能够解析SQL查询和商业智能报告，从中创建数据血缘图。这种可见性使得组织能够有效追踪数据流，识别问题源，并评估数据更改的影响。Van de Maele提到：“常见的问题是用户希望了解仪表板上某个数字是如何计算的。可追溯的血缘让组织更容易信任他们的数据。”

用Collibra数据笔记本实现数据民主化

为了进一步改善数据访问，Collibra推出了数据笔记本，帮助业务用户轻松搜索和访问可信的数据资产。该工具简化了数据集探索的过程，同时确保治理工作流在后台无缝运行，以维护合规性和安全性。

Van de Maele表示：“我们为用户提供一键访问数据集的权限，同时集成治理工作流，”他将这种体验比作在亚马逊购物，迅速高效地找到和访问产品。

未来展望与挑战

Collibra旨在利用其在数据治理方面的丰富经验，优秀于不断扩大的人工智能治理领域。Van de Maele指出：“我们15年来一直专注于数据治理，早在数据目录流行之前就开始关注这一领域。这使我们能更好地满足企业实施AI治理的需求。”

尽管如此，Collibra也面临来自微软、IBM、AWS和谷歌等大型科技公司的竞争，这些公司同样在开发人工智能治理工具。Collibra从红杉资本和ICONIQ资本等投资者那里筹集了超过5.9亿美元的资金，因此必须继续创新和扩展其能力，保持竞争力。

尽管面临挑战，Van de Maele对此持乐观态度，他指出，这些科技公司中的许多也是Collibra的客户和合作伙伴。他相信，公司对数据治理的专注使其在竞争中脱颖而出。

Van de Maele总结道：“我们的使命是改变组织利用数据的方式，最终旨在通过数据改变世界。如果我们能成为企业人工智能领域的核心部分，确保负责任的数据管理，潜在的机会将是巨大的。”