AI時代におけるデータ管理の再評価について、IBMブログが新たなリスクとして、大規模言語モデル（LLM）を通じた機密データの漏洩や、規制当局や政府からの要求の増加を指摘しています。組織は、エンタープライズや非公開データを大規模言語モデルに適切に組み込むために、データ管理の基本原則を見直すことが重要です。データの保護能力の検証と作成、データアクセス、使用、第三者とのエンゲージメントの管理、監査可能性と監督の向上などが挙げられます。
IBMでは、企業データの潜在能力を解放するために、IBM gen AIデータ摂取ファクトリーという管理サービスを開発しました。このサービスは、企業データをgen AIソリューションに統合するプロセスを簡素化し、加速します。データのスケーラブルな摂取、規制とコンプライアンス、データプライバシー管理などが主な機能です。このサービスを使用することで、データ統合にかかる時間の削減、企業によるgen AIアプリケーションのデータ使用規制の遵守、リスクの軽減、一貫性と再現性のある結果の提供が可能になります。
IBMコンサルティング®のチームは、元規制当局者、業界リーダー、技術専門家から成り、この複雑なデータリスクをナビゲートするためのクロスファンクショナルな専門知識を提供します。
【ニュース解説】
現代の技術業界において、生成型AI（Generative AI）は、新たなデータリスクをもたらし、規制当局や政府からの要求を増加させています。特に、大規模言語モデル（LLM）を通じた機密データの漏洩が懸念されています。このような環境を成功裏に航行するためには、組織がデータ管理の基本原則を見直し、エンタープライズや非公開データをLLMに適切に組み込むための確かなアプローチを使用することが重要です。
データ保護能力の検証と作成には、暗号化、匿名化、トークン化などの従来の機能に加えて、機械学習を使用して自動的にデータを分類する能力（感度、分類体系の整合性など）を作り出すことが含まれます。データの発見とカタログ化ツールは役立ちますが、組織の独自のデータ理解に特化した分類を行うために強化する必要があります。これにより、組織は新しいポリシーを効果的に適用し、データの概念的理解とデータソリューションの実装現実との間のギャップを埋めることができます。
データアクセス、使用、第三者とのエンゲージメントの管理、監査可能性と監督の向上には、データの使用方法、変更時期、第三者とのやり取りを通じてデータが共有された場合の追跡が含まれます。データアクセスを制限するだけでなく、データがアクセスされ、分析的および運用ソリューション内でどのように適用されるかの使用事例を追跡することが不可欠です。
IBMでは、企業データの潜在能力を解放するために「IBM gen AIデータ摂取ファクトリー」という管理サービスを開発しました。このサービスは、企業データを生成型AIソリューションに統合するプロセスを簡素化し、加速するための事前定義されたアーキテクチャとコードの青写真を提供し、管理サービスとして展開されます。データのスケーラブルな摂取、規制とコンプライアンス、データプライバシー管理などが主な機能であり、企業はデータ統合にかかる時間の削減、データ使用規制の遵守、リスクの軽減、一貫性と再現性のある結果の提供を実現できます。
このような取り組みは、データリスクの複雑さをナビゲートするために、元規制当局者、業界リーダー、技術専門家など、様々な分野の専門知識を持つIBMコンサルティング®のチームによって支えられています。この取り組みにより、企業は生成型AIの活用を進めながら、データの安全性を確保し、規制への対応を強化することができるようになります。また、データの透明性を高めることで、モデルのリスクを減らし、規制当局への説明責任を果たすために費やす時間を短縮することが可能です。これらの取り組みは、データ管理の新たな標準を設定し、将来の技術革新に向けた基盤を築くことに寄与するでしょう。
from Re-evaluating data management in the generative AI age.
