Svaka organizacija koja radi s AI-em obrađuje podatke koji su se prije čuvali samo interno ili se nisu čuvali uopće. Prompti, uploadovi, privremeni izlazni podaci, log-datoteke modela koje sami ne hostirate. Pitanje nije jesu li u tome rizici, nego zna li vaša organizacija gdje se ti rizici nalaze i tko po tom pitanju može poduzeti nešto. To je drugo pitanje od onoga imate li politiku privatnosti. Politika na papiru i zrelost u praksi kod AI-a često se znatno razilaze, jer se tehnologija mijenja brže od procedura koje bi je trebale pratiti.
Privatnost i sigurnost su u mjerenju zrelosti jedna od sedam dimenzija, uz, među ostalim, organizaciju, IT-infrastrukturu i upravljanje podacima. Te posljednje tri su temeljne: određuju postoji li osnova na kojoj se ostalo može izgraditi. Privatnost i sigurnost dijelom ovise o tome. Organizacija sa slabim upravljanjem podacima često ni ne zna koji podaci dospijevaju u neku AI-primjenu, a kamoli odvija li se to prema pravilima. Zato ima malo smisla dotjerivati enkripciju ili upravljanje pristupom prije nego je jasno koji se podaci gdje nalaze i tko je za njih odgovoran. Redoslijed nije stvar preferencije; to je redoslijed u kojem to funkcionira.
Na baseline razini ne postoji izričita politika za AI i podatke. Ono što se događa, događa se ad hoc, obično izvan vidokruga onih koji su za to odgovorni.
Na foundation razini postoji osnovna politika, često preuzeta iz postojeće politike privatnosti, bez prilagodbe onome što AI-primjene čini drugačijima. Postoji svijest, ali nema kontrole.
Na activation razini postoje konkretna pravila o tome koji podaci mogu ući u koju AI-primjenu, i to se nadzire. Upravljanje pristupom i klasifikacija podataka su uspostavljeni, a ne samo opisani.
Na insight razini postaje vidljivo kako se AI-primjene ponašaju u praksi: koje podatke stvarno obrađuju, gdje nastaju odstupanja između politike i uporabe. Postoji praćenje koje donosi rezultate, ne samo nadzorna ploča koju nitko ne pogleda.
Na intelligence razini sigurnost je ugrađena u način na koji se nove AI-primjene procjenjuju i odobravaju, prije nego što se počnu koristiti. Procjena rizika više nije zaseban korak, nego je dio načina na koji se donose odluke.
Za većinu organizacija u kojima AI-pilot-projekti zapinju, nakon provjere se pokaže da lebde između foundation i activation: politika postoji, ali nitko sa sigurnošću ne može reći poštuje li se.
Postoji nekoliko znakova koji, odvojeno od svakog bodovanja, nešto govore o tome gdje se nalazite. Ako nitko u vašoj organizaciji ne može točno navesti koje su AI-primjene trenutno u uporabi, vjerojatno se nalazite na baseline ili foundation razini. Ako se to zna, ali odgovor na pitanje "koji podaci mogu ući u to" razlikuje se po timovima, nalazite se na foundation ili activation razini. Ako znate koji podaci gdje mogu ući, ali ne znate odvija li se to tako i u praksi, nalazite se na activation razini i insight vas čeka. A ako se sigurnost standardno uzima u obzir kod svake nove primjene, bez potrebe za zasebnim postupkom za to, pomičete se prema intelligence razini.
Ova samoprocjena je indikacija, a ne zamjena za krug s dijagramom (plot-ronde). Korisnost tog kruga upravo je u onome što pojedinačna procjena ne pokazuje: raspršenost. Kada CISO postavi ovu dimenziju na activation, a voditelj odjela na baseline, ta razlika sama je informacija. To znači da politika i praksa nisu usklađene, ili da znanje o tome što je dopušteno a što nije nije jednako duboko prodrlo u sve dijelove organizacije.
Korak od foundation do activation rijetko zahtijeva veći proračun za sigurnosni softver. Često zahtijeva jasne dogovore o tome ko može odlučiti da se neka AI-primjena počne koristiti, i na temelju kojih podataka. To se dotiče toga kako je organizacija uređena: bez jasnog vlasnika za takve odluke, politika ostaje dokument bez provedbe. Dotiče se i upravljanja podacima, jer bez pregleda nad vašim podacima nikada ne možete sa sigurnošću reći što neka AI-primjena vidi. I dotiče se etike, jer pitanje što je dopušteno a što nije s AI-uporabom rijetko se pokazuje čisto tehničkim pitanjem.
Ono što korak više košta, ovisi o tome gdje se organizacija sada nalazi i kakva osnovna struktura već postoji. Organizacija s dobrim upravljanjem podacima i jasnom organizacijskom strukturom za ovu dimenziju treba relativno malo dodatnog posla; organizacija koja loše ocjenjuje obje temeljne dimenzije, prvo će se morati pozabaviti njima prije nego se privatnost i sigurnost strukturno poboljšaju. I to je razlog zašto se sedam dimenzija ne mogu čitati odvojeno jedna od druge: ljudi i vještine ovdje također igraju ulogu, o čemu možete pročitati na stranici o tome koliko je zrelo znanje zaposlenika o rizicima AI-a, i na pitanje koliko je zrelo uređeno upravljanje uspješnošću vezano uz uporabu AI-a, jer bez praćenja i najbolja sigurnosna politika ostaje teorija.
Mjerenje zrelosti, uključujući krug s dijagramom za ovu i ostalih šest dimenzija, u izradi je. Tko želi koristiti to mjerenje čim postane dostupno, može se staviti na listu čekanja.
Ova stranica govori o tome može li vaša organizacija podnijeti AI: postoji li osnova za siguran i odgovoran rad s podacima čim ih AI dotakne. Ne govori o tome koje bi zadatke AI mogao preuzeti od vaših zaposlenika. Na to pitanje odgovara radna skeniranje (werkscan) FTE TO AI, koja po zadatku izračunava koji njegov dio je moguće prenijeti na AI. Taj izračun ima vrijednost samo ako se na pitanje koje postavlja ova stranica već može s mirnom dušom odgovoriti.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.