随着AI从实验走向运营，AI治理成为IT核心任务，尤其针对非结构化数据。它关乎信任、安全、合规与成本，是AI规模化部署的关键。
译自：AI Governance Is the Next IT Battleground
作者：Krishna Subramanian
AI已从实验阶段果断转向执行阶段。它现在处于企业转型策略的核心，重塑了组织对性能、韧性、风险和问责制的看法。随着AI从探索性转向运营性，治理已成为IT和云基础设施领导者的首要任务，他们负责运营企业的数字骨干。
这一转变在数据中清晰体现。Komprise近期一项关于非结构化数据管理的调查发现，54%的IT领导者现在将AI治理列为核心关注点，几乎是2024年29%的两倍。这种快速增长凸显了思维模式的根本性转变。AI的成功不再仅仅通过模型准确性或试点速度来衡量。它通过AI系统能否在大规模部署中被信任、治理、保护和持续运行来衡量。
鉴于非结构化数据是为AI数据管道提供动力的主要数据，非结构化数据治理的规范在AI时代正获得发展势头。与结构化数据相比，处理非结构化数据治理需要新的技能和工具，这些技能和工具目前正日益成熟。
AI的运营化改变了利害关系
治理的紧迫性反映了AI项目从试点到生产的更广泛转变。根据Foundry对高级IT领导者的一项调查，71%的组织正在积极大规模部署AI，这表明AI不再局限于创新实验室。随着AI嵌入日常运营，容错空间变窄。失败现在会带来监管、财务和声誉方面的后果。
负责基础设施的管理者不再专注于推动孤立的实验。他们的任务是在业务部门、地域和云之间运营AI，同时保持对数据、模型和结果的控制。治理是实现这一目标的机制。
IT新议程
随着AI采用的加速，IT优先级也在同步演变。安全数据访问仍然是基础，64%的IT管理者在Komprise研究中将其列为首要关注点。企业内部的团队正在利用专业模型、Copilot和代理开发自己的AI用例。这些工具必须连接到企业非结构化数据资产，而不会引入新风险或绕过控制。
对AI治理担忧的急剧增加反映了AI生态系统本身的日益复杂性。企业正在为金融、法律、人力资源、医疗保健、制造业和其他受监管领域部署专用模型。他们还在采用将多个任务和数据源串联起来的代理系统。随着AI环境变得更加分布式和自主，治理成为确保一致性、合规性和信任的连接组织。
治理使命
AI治理已从政策讨论演变为多维度的运营责任。IT领导者现在负责监督训练数据的来源和分类、推理数据的访问和记录，以及输出的监控和审计。治理定义了谁可以在什么条件下、出于什么目的、使用哪些数据，以及承担什么责任。
网络韧性是这项使命的核心组成部分。随着AI扩展数据管道和存储库的数量，它也扩大了攻击面。许多管理者现在将AI数据流和模型工件视为勒索软件和数据泄露的高价值目标。在此背景下，治理与安全密不可分。围绕访问、不变性、分段和监控的控制不再是可选的安全措施。它们是AI就绪的先决条件。
企业正在构建什么
AI的日益普及强化了治理的重要性。Komprise调查显示，聊天机器人的采用率最高，为39%，其次是内部Copilot，为26%。这些工具涉及敏感的客户数据、内部文档和操作工作流。它们不是实验系统。它们是人、数据和自动化之间的生产接口。
然而，只有14%的组织限制员工使用AI，这一数字与上一年持平。领导者认识到AI在生产力方面的优势，但广泛访问增加了对清晰治理框架的需求，这些框架定义了可接受的使用、数据边界和可审计性。
数据基础设施作为治理的推动者
基础设施决策日益反映治理要求。近九成的组织报告在存储、GPU和网络方面进行了大量投资以支持AI工作负载。与此同时，87%的公司协调多个供应商，并依靠多云方法来平衡成本效率、韧性和灵活性。
支持企业AI所需的复杂性使数据治理成为一个架构问题。非结构化数据治理尤其具有挑战性，因为这些文件和对象数据分布在许多孤岛中，种类繁多、数量巨大。有时，它们是隐藏的，且理解不足。
数据必须是可发现的、高质量的且具有策略意识的。因此，IT团队正在投资数据目录、分类工具、血缘追踪、策略引擎和统一访问框架，将治理直接绑定到基础设施。AI就绪现在不仅依赖于计算能力，也同样依赖于数据规范。
鉴于目前90%的数据是非结构化的，组织正在投资专为非结构化数据设计的数据治理和数据管理解决方案，因为非结构化数据的需求与传统结构化数据截然不同。
负责任地为AI买单
AI的财务模型进一步强化了治理的重要性。企业正在采用基于投资组合的方法，将资本投资与可变的云成本相结合。支出日益集中在三个领域：数据就绪、模型运营和网络韧性。
治理直接影响所有这三个方面。强大的数据治理减少了返工和合规风险。清晰的运营控制可以防止推理成本失控。韧性架构减轻了安全事件的财务影响。许多组织还在修订费用分摊模型，以便消耗AI资源的业务部门分担基础设施和治理成本。
以非结构化数据治理为先
尽管围绕投资回报、道德和监管仍存在未解决的问题，但IT领导者明白AI将在未来十年塑造企业的竞争力。核心挑战不是是否采用AI，而是如何有效地大规模治理AI。
非结构化数据治理不再是创新之后的一个次要问题。它是评估AI策略的主要视角。将治理视为首要要求的企业将最能安全、可持续、快速地交付AI价值。
