![](https://2b.uz/wp-content/uploads/2024/06/960x0-275.jpg)
Саймон Джелли, генеральный менеджер по SaaS Protection, Endpoint и Backup Exec в компании Veritas Technologies.
Идет ожесточенный дебат о том, стоит ли искусственный интеллект (ИИ) всего того ажиотажа, который на него обрушился. Я лично придерживаюсь убеждения, что потенциал ИИ крайне многообещающий, однако я также согласен с многими другими экспертами в том, что ключевым фактором успеха ИИ является поиск правильных сценариев применения. Ведь если “потому что я могу” – это вполне обоснованная причина для многих вещей в жизни, то это редко бывает достаточным обоснованием в бизнесе.
Например, применение ИИ в средах с низким объемом данных, автоматизация несущественных процессов, обнаружение мошенничества в средах с низким уровнем мошенничества и анализ настроений на основе ИИ при незначительных взаимодействиях обычно не обеспечивают приемлемый уровень возврата инвестиций (ROI), но поскольку это модно, это все равно происходит. Не то чтобы эти сценарии применения были “неверными” в том смысле, что они приведут к негативным результатам, кроме низкого уровня ROI, но они определенно не являются “правильными” сценариями применения, на которых я сослался выше, сценариями, которые действительно способны создать реальную бизнес-ценность и закрепить ИИ как неотъемлемый инструмент в бизнесе.
Однако использование ИИ для улучшения управления данными является “правильным” сценарием применения. Вот три способа, как вы можете добавить реальную ценность в управлении данными через ИИ – два из них вы можете реализовать уже сегодня, и один будет доступен в скором времени.
Есть момент, когда объем данных становится слишком велик, и уже нецелесообразно или реально просто бросать больше усилий людей на его управление. Объем данных, который ваша организация производит сегодня, вероятно, далеко превышает возможности ручного анализа на предмет потенциальных аномалий, которые могут указывать на атаку, и автоматизированный анализ может пройти только определенное расстояние в современных динамичных данных и кибербезопасности. ИИ может выходить за пределы простой автоматизации, чтобы постоянно учиться и активно реагировать на изменения в том, как выглядят “нормальные” события в огромных наборах данных и сложных процессах обработки данных сегодня.
Кроме того, злоумышленники все чаще пытаются скомпрометировать резервные копии данных, последнюю линию обороны от угроз, таких как программы-вымогатели. Таким образом, администраторы управления данными находятся под осадой, поскольку злоумышленники используют социальную инженерию и другие злонамеренные методы для взлома их учетных записей в надежде просто войти в них, а не взломать. Как и в обнаружении аномалий в данных, ИИ может изучить, как выглядит “нормальное” поведение администратора управления данными, и затем динамически настраивать защиту, такую как многофакторная аутентификация, чтобы гарантировать, что потенциально скомпрометированная учетная запись администратора не сможет получить доступ.
Сегодняшние все более обширные и сложные наборы данных могут быть трудны для навигации и защиты даже для опытных администраторов управления данными, не говоря уже о многозадачных общих IT-менеджерах. Так что, независимо от опыта и доступности, сопровождающие ИИ – разговорные инструменты на основе современных больших языковых моделей (LLM) – могут обеспечить как наиболее ценное руководство, так и оперативную помощь на основе данных, что в конечном итоге позволит человеческим администраторам принимать лучшие решения. Это подобно наличию специализированных экспертов на подхвате, готовых помочь настроить и защитить данные.
Конечная цель для ИИ в управлении данными – это управление данными, которое просто происходит. Как я указывал в предыдущей статье:
“Следующим шагом, и это произойдет в ближайшем будущем, будет ИИ-технология, которая сможет полностью автономно предоставлять, оптимизировать и восстанавливать услуги управления данными для огромных объемов данных в мультиоблачных средах, к которым предприятия переходят. Моя компания и другие компании отрасли уже начали работать над этими решениями. На практике это будет выглядеть как автономное предоставление политик защиты данных при развертывании новых служб и пользователей, а также автономное мониторинг и внедрение новых политик, соответствующих наблюдаемому использованию данных компанией.”
Это все будет происходить под контролем человеческого администратора, но без необходимости в человеческих решениях. Ключ к достижению этого – это полностью надежные LLM и связанный с ними метод аугментации извлечения, также известный как RAG, к достижению которого отрасль на грани. Это не сильно отличается от ситуации с автомобилями на автопилоте – у большинства из нас еще нет полностью автономных транспортных средств, потому что мы все еще строим доверие, но мы движемся вперед по направлению к ним, поскольку все больше автомобилей оснащаются надежными автономными функциями, такими как ассистент по удерживанию на полосе, ассистент при парковке и адаптивный круиз-контроль.
В заключение, хайп вокруг ИИ находится в полном разгаре, и не зря – ИИ имеет силу полностью изменить то, как мы делаем определенные вещи. Ключ – понять, где имеет смысл внедрять ИИ. Начать стоит с вашего управления данными, где можно использовать ИИ для обнаружения аномалий, сопровождающего помощника и, в конечном счете, полностью автономного управления данными. Forbes Business Council – это ведущая организация по росту и сетевому взаимодействию для бизнес-владельцев и лидеров. Подхожу ли я?