2025 年，预防网络犯罪和AI使用带来的风险将成为大多数 CIO 的首要任务。尤其是勒索软件，它继续困扰着企业，而非结构化数据是一项庞大且基本不受保护的资产。
人工智能解决方案已从实验走向主流，所有主要的科技公司和云提供商都在为企业客户构建交钥匙生成（GenAI）和人工智能解决方案方面进行了大量投资。
CXO 希望充分利用 AI，但不能以不负责任的使用方式损害客户关系、声誉和市场份额为代价。当员工开始将公司数据发送给 AI 时，负责数据和基础设施的 IT 专业人员需要做好准备。以下预测重点关注正确实施 AI 数据治理的紧迫性——从系统和政策到 IT 技能。
AI系统数据采集将成为数据存储的首要任务
人工智能热潮势不可挡，但到目前为止，企业参与主要由员工主导，他们使用 GenAI 工具来协助完成日常任务，例如写作、研究和基本分析。人工智能模型训练主要是专家的职责，存储 IT 尚未涉及人工智能。但这种情况将在未来一年迅速改变。
企业领导者知道，如果他们在人工智能淘金热中落后，他们可能会失去市场份额、客户和相关性。
企业数据将与 AI 一起用于检索增强生成 (RAG) 和推理，这将占到 AI 投资的 90%。随着
日常员工开始将公司数据发送给 AI，每个接触数据和基础设施的人都需要承担起责任。
存储 IT 需要为用户创建系统的方法，以便用户跨公司数据存储进行搜索、整理正确的数据、检查敏感数据，并通过审计报告将数据移动到 AI。
存储经理需要明确支持业务和 IT 部门的要求。
AI非结构化数据治理流程将日趋成熟
保护公司数据免遭泄露和滥用，并防止人工智能产生不必要的错误结果是当今高管们的首要任务。北美缺乏公认的标准、指导方针和法规，这让这项任务变得更加困难。
IT 领导者可以首先使用数据管理技术来查看存储中的所有非结构化数据。这种可见性是更好地了解不断增长的数据量的起点，以便为 AI 妥善治理和管理这些数据。
数据分类是 AI 数据治理的另一个关键步骤，它涉及使用标签丰富文件元数据，以识别无法在 AI 程序中使用的敏感数据。元数据丰富还可用于帮助研究人员和数据科学家，他们需要通过搜索识别文件内容的关键字来快速整理项目数据集。
借助数据分类的自动化流程，IT 可以创建工作流，不断将受保护的数据集发送到安全位置，并将 AI 就绪数据集发送到对象存储，以便 AI 工具提取它们。自动化数据工作流编排工具对于在 PB 级数据资产中有效管理这些任务非常重要。
支持人工智能的非结构化数据管理解决方案还将提供一种监控正在进行的工作流程和审计风险结果的方法。
存储管理员的角色不断演变，以适应安全性和 AI 数据治理
数据安全和人工智能方面的迫切需求正在改变存储 IT 专业人员的角色。存储管理工作已经发生了变化，现在的技术更加自动化和自我修复，基于云，并且更易于管理。
与此同时，网络安全、数据隐私、存储和人工智能之间的重叠和相互依赖性日益增加。存储专业人员需要使数据易于访问和分类以供人工智能使用，同时跨职能工作以创建数据治理程序，以对抗勒索软件并防止公司数据被人工智能滥用。
存储团队需要知道敏感数据隐藏在哪里，并有工具来开发可审计的数据工作流程，以防止敏感数据的泄露。
非结构化数据的勒索软件防御变得更加紧迫
传统上，数据保护侧重于关键任务数据，因为这些数据需要更快的恢复。
然而，形势已经发生了变化，非结构化数据已占过去 10 年生成的所有数据的 90%。非结构化数据规模庞大，达到 PB 级，加之其广泛使用和快速增长，使其极易受到勒索软件攻击。
网络犯罪分子可以利用非结构化数据作为特洛伊木马来感染企业。以经济高效的方式保护非结构化数据免受勒索软件的侵害将成为一项关键的防御策略，首先要将冷数据、非活动数据移动到不可修改的不可变对象存储中。
非结构化数据管理解决方案不断扩展，以满足 AI 数据治理和监控需求
“ Komprise 2024 非结构化数据管理状况”调查发现，IT 领导者将 AI 数据治理和安全列为未来解决方案的首要功能。
人工智能数据治理包括保护数据免遭泄露或滥用、保持遵守行业法规、管理数据偏见以及确保人工智能不会导致虚假、误导或诽谤的结果。
去年的首选是监控和警报容量问题或异常，今年与分析和报告一起再次名列前茅。IT 和存储主管将寻找非结构化数据管理解决方案，这些解决方案提供自动化功能来保护、分段和审计 AI 中的敏感和内部数据使用情况——随着 AI 的成熟，这一用例必将扩大。
原文地址：https://www.dbta.com/Editorial/Trends-and-Applications/What-to-Expect-in-AI-Data-Governance-2025-Predictions-167491.aspx
