La promesse de l'IA de transformer les entreprises grâce à des gains de productivité et d'efficacité opérationnelle considérables est bien réelle. Pourtant, pour de nombreuses organisations, les projets d'IA n'atteignent pas leur pleine production faute de confiance dans la fiabilité des résultats. Des résultats inexacts ou mal interprétés exposent les organisations à des risques financiers ou de réputation lorsqu'elles naviguent à vue sur les données qui alimentent les modèles.
Les organisations ont besoin d'une solution évolutive Plateforme de gouvernance de l'IA pour garantir l'intégrité des données, réduire les risques et améliorer la confiance dans les résultats de l'IA.
Sortie inexacte de invites de l'IA Les flux de travail des agents autonomes souffrent d'un problème commun. Il est bien établi que les défaillances de l'IA sont directement liées à l'intégrité du système. modèles d'alimentation en données. Ce qui est moins bien compris, c'est à quel point l'infrastructure d'IA dépend du contexte entourant les données au moment où un modèle est exécuté.
Pourquoi la couche de contexte d'entreprise est importante
• La fiabilité des systèmes d'IA dépend de leur niveau de fiabilité. contexte de données sous-jacent
• La gouvernance exige visibilité sur les données, les politiques et l'accès
• Les outils fragmentés créent angles morts et risques
• BigID et Atlan s'unifient Intelligence des données et contexte pour la gouvernance de l'IA
• Les organisations peuvent réduire les risques et accélérer l'adoption de l'IA
La couche de contexte d'entreprise
BigID et Atlan Nous nous associons pour fournir aux organisations privilégiant l'IA des données et un contexte fiables et conformes. Atlan définit la couche de contexte d'entreprise comme “ l'infrastructure gouvernée entre votre pile de données et vos systèmes d'IA. Elle encode la signification des données, notamment les définitions métier, les relations, les règles opérationnelles, la traçabilité et les politiques, afin que les agents d'IA raisonnent correctement lors de l'inférence. ».
Construire le couche de contexte d'entreprise est complexe et nécessite des partenariats et une collaboration au sein de l'écosystème des données et de l'IA. Sandipan Bhaumik, expert en données et IA chez Databricks, a inventé l'expression « dérive de contexte » sur son blog. La couche de gouvernance de l'IA d'entreprise faisait défaut. Bhaumik explique que la dérive contextuelle survient lorsque “ l'infrastructure d'évaluation d'une IA est déconnectée du contexte régi qui détermine la signification d'une réponse correcte à un instant donné ”. Autrement dit, ce n'est pas toujours le modèle d'IA ou les données utilisées qui sont en cause, mais le manque de contexte entourant les données au moment de l'exécution de l'IA.
Bhaumik définit quatre composantes clés du contexte d'entreprise. Ces quatre composantes, présentées dans le tableau ci-dessous, doivent être découvertes, indexées et inférées afin de garantir que les modèles d'IA produisent des résultats précis et constants.
Tableau 1 : Composants du contexte d'entreprise
| Composant | Définition |
| Contexte des données | Les métadonnées techniques décrivant la structure, l'emplacement et la provenance des données à travers des sources structurées et non structurées. . |
| Contexte sémantique | La signification métier, la logique et les définitions normalisées (par exemple, les termes du glossaire) qui permettent une interprétation cohérente des données pour les humains et l'IA. |
| Contexte politique | Les règles réglementaires, de sécurité et de confidentialité — telles que la conservation, la classification de sensibilité et les alertes de risque — qui régissent la manière dont les données peuvent être utilisées. |
| Contexte utilisateur | Les détails relatifs à l’identité, notamment les autorisations d’accès, la propriété et la finalité prévue (cas d’utilisation) des données consultées. . |
BigID et la couche de contexte
La précision de tout projet de données et d'IA commence par découverte et classification des données. En bref, on ne peut gérer ce qu'on ne voit pas. BigID fournit… Les meilleures solutions de découverte et de classification de données du secteur Fournir une base solide pour le contexte, la visibilité et le contrôle des données.
Développer la visibilité, la confiance et le contrôle des données permet aux organisations de passer de la paralysie face à l'IA à une production d'IA évolutive. Plateforme de gouvernance de l'IA avec des résultats fiables et correctement contextualisés. Vous trouverez ci-dessous une analyse détaillée de la manière dont BigID et Atlan apportent de la valeur ajoutée à travers les 4 composantes de contexte décrites ci-dessus.
Contexte des données
BigID enrichit la couche de contexte d'entreprise d'Atlan avec le contexte des données contenues dans un fichier, un objet ou un champ de base de données, permettant ainsi aux organisations d'obtenir un contexte de données couvrant les données non structurées, structurées et semi-structurées. Le graphe de données d'entreprise d'Atlan exploite… Étiquettes de classification et de sensibilité BigID pour informer les flux de travail des agents sur les données à utiliser (et à ne pas utiliser) pour les modèles d'IA.
Contexte sémantique
Le registre de métadonnées de BigID fournit un enregistrement dynamique des métadonnées techniques de l'ensemble du patrimoine de données d'une organisation, à tout moment. Ces métadonnées techniques enrichissent le catalogue d'Atlan, offrant aux utilisateurs métier un contexte supplémentaire sur l'état des règles métier au moment de l'exécution des modèles d'IA.
Contexte politique
BigID associe les données sensibles d'une organisation à des politiques d'IA, de sécurité et de confidentialité qui régissent la manière dont les données doivent être utilisées (ou non utilisées), notamment flux de travail de gestion des risques liés à l'IA. BigID signale les données non conformes d'une organisation et prend des mesures pour les protéger conformément aux réglementations en vigueur. BigID enrichit le catalogue de données d'Atlan avec ces informations contextuelles. Les étiquettes de classification et les alertes de conformité se propagent à travers les graphes de traçabilité des données d'Atlan, fournissant aux responsables des données le contexte nécessaire pour nettoyer les pipelines de données et d'IA.
Contexte utilisateur
Les alertes de classification et de politique de BigID peuvent également servir à contextualiser l'utilisateur. Grâce à une technologie graphique brevetée, BigID met en corrélation les données sensibles détectées dans tous les ensembles de données de l'entreprise. La vue ainsi obtenue offre une représentation précise de l'emplacement des données sensibles, des personnes ou des systèmes y accédant et du nombre de tentatives d'accès. BigID déclenche des actions directement ou via des appels d'API à la couche de contexte de l'entreprise. appliquer les contrôles de gouvernance d'accès aux données protéger les données en fonction du rôle de l'utilisateur.
Conclusion
BigID et Atlan contribuent à combler le fossé en matière de contexte pour l'IA, permettant ainsi aux organisations de tirer pleinement parti de l'IA grâce à des données gouvernées et sécurisées. La figure 1 illustre comment BigID et Atlan fournissent des données fiables et conformes via la couche de contexte d'entreprise. Rejoignez le Atlan Activer événement virtuel le 29 avril pour en savoir plus sur la manière dont Atlan, BigID et l'écosystème de partenaires de la couche de contexte accélèrent la mise en production d'une IA fiable.
Transformer le contexte de l'IA en action
Assurez-vous que vos systèmes d'IA fonctionnent avec des données fiables et contrôlées, et avec un contexte complet.
Auteur
