近年来，人工智能一直是人们谈论的话题, 各领域快速发展，破解难题取得新进展. 人工智能正在通过风险管理迅速为许多组织创造价值, automation, reducing human error, analyzing large volumes of data, generating insights, etc. 通过技术飞跃和大规模投资, 人工智能也已经成为现实，成为日常生活的重要组成部分.
通过使用可供公众消费的知名工具，人工智能已经变得更容易为公众所接受. For example, ChatGPT已经成为一个非常流行的工具，一个家喻户晓的名字，允许用户用它做很多事情, such as analyzing reports, creating budgets, building virtual assistants, writing code, etc. 对人工智能工具的依赖对个人知识产生了重大影响, livelihood and even personal health. 人工智能工具通过即时和创造性的解决方案为用户节省了时间和金钱.
尽管人们经常谈论人工智能，但并不总是理解它. At a high level, 人工智能是一种使机器能够模拟人类学习的技术, comprehension, problem-solving, decision-making, creativity and autonomy. AI也有不同类型，如反应型、一般型、超级型、有限型、理论型等. 所有这些都包括快速处理大量数据的能力.
人工智能和数据之间是什么关系?
人工智能和数据之间的关系至关重要. 人工智能的运行和发展严重依赖于数据. 人工智能利用数据来学习、改进和做出不同的预测. 数据的质量对系统如何学习和适应有重大影响. 这就是为什么数据治理对于确保有效甚至合乎道德地使用人工智能至关重要.
数据治理通过可用性来关注数据生命周期管理, 澳门赌场官方下载系统中数据的完整性和安全性. 这也包括遵守法律框架, 例如数据隐私法和通过问责制实现合乎道德的数据实践, fairness and transparency.
有效的数据治理可以帮助组织减轻潜在风险, including producing flawed insights, 产生偏见，做出错误的决定. These further impact customer trust, 整体声誉和最终可能花费组织很多钱.
随着组织希望将人工智能引入他们的环境, 他们需要将注意力转移到整体数据基础上. 他们的数据治理和数据战略计划是什么样的? Is the data fit for purpose?
组织需要审核数据源以确保准确性和质量. 考虑数据的敏感性和潜在的偏差. 审查安全和隐私要求，包括全球法律和行业最佳实践. 通过记录审计跟踪以及如何在人工智能系统中使用数据来确保透明度和问责制.
转移注意力，记住一切都以数据开始和结束.
Editor’s note:玛丽亚将在会议上作为联合主持人分享关于这个主题的其他见解, “人工智能的数据治理:从数据开始，到数据结束” ISACA 2024 Europe Conference，将于10月23日至25日在爱尔兰都柏林举行.
