Müəssisələr AI-ni daha az etibarlı etmədən məlumatları qoruya bilərmi?

AI sahəsinə artan sərmayələr qoyan müəssisələr gözlənilməz maneə ilə üzləşir: həm qorunan, həm də faydalı məlumat əldə etmək. The New Stack-də dərc olunan sponsorlu yazıda Perforce Delphix-in baş məhsul meneceri Mayank Ahluwalia, məxfilik təşəbbüslərinin AI və mühəndis komandalarının asılı olduğu məlumat dəstlərinə çıxışı necə çətinləşdirdiyini izah edir.

Maneənin arxasındakı rəqəmlər

Yazı Perforce Delphix-in "2026 State of AI and Data Privacy Report" hesabatına əsaslanır. Sorğuda iştirak edən təşkilatların 26%-i məxfilik nəzarətlərinin istehsal keyfiyyətli məlumatların əldə edilməsini çətinləşdirdiyini bildirir, 25%-i isə məlumat vahidləri arasındakı əlaqələri qorumaqda çətinlik çəkir. Respondentlərin yarıdan çoxu, 51%-i, məlumat keyfiyyəti problemlərini qeyd edir. Ən diqqətçəkən rəqəm budur: 84%-i qeyri-istehsal mühitlərində məlumat məxfiliyi istisnası saxlayır. Bu, şirkətlərin hələ də uyğunluqla innovasiya arasında seçim etdiyini göstərir.

Ahluwalia yazır: "Məlumatları qorumaq, əgər onlar artıq asılı olduqları sistemləri dəstəkləyə bilmirsə, kifayət deyil." Onun sözlərinə görə, aşağı keyfiyyətli məlumatlar qeyri-dəqiq analitikaya, zəif öyrədilmiş modellərə, natamam test əhatəsinə, artan yenidən işə və gecikmiş buraxılışlara gətirib çıxarır.

Əlaqə bütövlüyü niyə indi daha vacibdir

Həssas sahələrin maskalanması problemin yalnız bir hissəsidir. Mühafizə zamanı qeydlər arasındakı əlaqələr pozularsa, məlumatlar reallığa bənzəməyi dayandırır: müştəri, sifariş və ya ödəniş qeydi hələ də mövcud ola bilər, lakin bir neçə cədvəli əhatə edən hesablaşma yoxlaması artıq düzgün nəticə verə bilmir. Analitika axınları ardıcıl identifikatorlardan, maşın öyrənməsi prosesləri tam biznes kontekstindən, proqram testləri isə qeydlər arasındakı real əlaqələrdən asılıdır.

Belə nasazlıqları aşkar etmək çətindir, çünki axınlar işləməyə davam edir və səssizcə pisləşmiş nəticələr istehsal edir. Məhz buna görə sorğu iştirakçılarının dörddə biri məlumat vahidləri arasındakı əlaqələrin qorunmasını ciddi problem kimi qeyd edib.

Uyğunluq göstəricilərindən məlumat strategiyasına

Müəllif məxfilik təşəbbüslərinin yalnız uyğunluq göstəriciləri ilə deyil, məlumat keyfiyyəti, reallığa uyğunluq, əlaqə bütövlüyü, əlçatanlıq və hazırlanma sürəti ilə ölçülməsini tövsiyə edir. O, idarəçiliyin iş axınlarına əvvəlcədən daxil edilməsini — məlumatın həyat dövrünün sorğu və aşkardan təkrar istifadə və arxivləşdirməyə qədər xəritələnməsini — və kombinə edilmiş yanaşmanı təklif edir: sürət üçün məlumat virtuallaşdırılması, təhlükəsizlik üçün maskalama, əhatə üçün sintetik məlumatlar.

Ahluwalia yekunlaşdırır: "AI dövründə son rəqabət üstünlüyü sürətli model çıxışı deyil, etibarlı məlumatlar ola bilər."