核心观点
构建可信AI需要整合治理、安全、弹性、可观察性等六项关键平台能力,以实现大规模AI创新。
六项关键平台要素
- 治理:通过数据治理框架确保数据完整性、质量、合规性,支持数据目录、数据血缘和访问共享,从而提升数据可信度和决策效率。
- 安全:采用基于角色的访问控制(RBAC)、数据访问策略、持续风险监控和威胁狩猎、数据掩码和标记化等技术,保护数据、应用和AI模型免受未授权访问和攻击。
- 隐私:利用合成数据、差分隐私和数据清洁室等技术,在保护隐私的前提下利用敏感数据进行AI分析和模型训练。
- 互操作性:通过跨云技术层、统一治理策略定义、数据迁移能力和预构建集成,实现跨云、跨平台和跨区域的数据治理和协作。
- 业务连续性和灾难恢复(BCDR):通过数据复制、故障转移/故障回退和客户端重定向等功能,确保在系统故障或攻击时保持业务连续性和数据可用性。
- 可观察性:提供基础设施性能优化、数据管道可靠性、AI系统透明度和应用监控等能力,帮助组织全面了解数据生态系统,加速故障排除和优化。
关键数据
- 59%的受访者将数据治理、安全或隐私问题列为大规模部署AI的主要挑战。
- 63%的受访者将隐私和网络安全视为生成式AI的主要担忧。
- 全球范围内,2024年有超过5,000起勒索软件攻击。
- 根据Uptime Institute的报告,过去两年中,云中断持续时间增加了18%,其中五分之一的中断损失超过100万美元。
研究结论
- AI的兴起加剧了数据保护和管理的挑战,需要整合的平台能力来构建可信AI。
- 整合的信任平台可以简化安全、合规和数据治理,使团队能够访问和使用最新的相关数据,同时确保其得到适当的保护。
- Snowflake平台提供全面的信任能力,是AI时代的理想选择。
建议
- 评估当前数据和AI平台的治理、安全、隐私、互操作性、BCDR和可观察性能力,识别差距和漏洞。
- 与领导团队重新评估当前的数据信任方法,并确定转向统一平台的必要性。