Bu Help Net Security röportajında, IBRS Danışmanı Dr. Joseph Sweeney, yapay zekayı bilgi yönetimi sistemlerine entegre etmenin risklerini tartışıyor.
İçerik bilişi gibi yeni ortaya çıkan trendlerden bahsediyor. Daha incelikli analizler için bilgi grafiklerinin entegrasyonunun yanı sıra, yapay zeka destekli bilgi yönetimi araçlarındaki ilerlemeleri de öngörüyor.
Kuruluşlar yapay zekayı bilgi yönetimi sistemlerine entegre ederken veri gizliliğini ve güvenliğini sağlamak için hangi önlemleri uygulamalıdır?
Yapay zeka, bilgi yönetiminde çeşitli şekillerde uygulanabilir ve her birinin risk sonuçları vardır.
Bunlardan ilki ve en büyük riskin yattığı yer, yapay zekayı bir arama ve üretim aracı olarak kullanmaktır. Burası AI’nın bir kuruluşun bilgileri ile beslendiği yerdir ve insanlar, ChatGPT’ye çok benzer şekilde arama yapıp sorular sorabilir.
Kimin hangi bilgiye erişmesi gerektiği konusunda çok dikkatli bir planlama yapılmadan, bu tür üretken yapay zeka hizmetlerinin hem dahili hem de harici olarak hassas ve özel bilgileri sızdıracağını fark edene kadar bu kulağa harika geliyor. Kısacası, mevcut kurumsal içeriğinizin üzerinde üretken yapay zeka kullanmak, bilgi duyarlılığı etiketlemesine, bilgi sınıflandırmasına ve yönetimine sıkı bir şekilde dikkat edilmesini gerektirir.
İkinci tür yapay zeka, risklerin nerede olduğunu anlamak için kullanılır. İşbirliği ile birçok kuruluşun bilgileri birçok farklı yere dağılmış halde olur. Bir ‘büyük patlama’ projesine sahip olmak ve bu farklı belgeleri merkezi olarak yönetilen bir EDRMS’ye (elektronik belge ve kayıt yönetimi çözümü) getirmek artık mümkün değil.
Ortaya çıkan daha iyi bir uygulama, her birinde ne kadar hassas veya özel bilginin saklandığını belirlemek ve en acil risklerin nerede bulunduğunu haritalamak için birden fazla veri havuzunu taramak için yapay zekaları kullanmaktır. Bu bilgilerle donanmış olan bilgi yönetimi ekipleri, iş için en büyük bilgi sızıntısı risklerini gidermeye odaklanarak çabalarına öncelik verebilir.
Son olarak yapay zeka, bilgileri geniş ölçekte sorgulamak ve otomatik olarak sınıflandırmak için kullanılabilir. Bununla birlikte, bu tür yapay zeka hizmetlerinin bu görevi nasıl yerine getirdiğini dikkate almak önemlidir: bilgiler analiz için üçüncü taraf bir yapay zeka hizmetine mi gidiyor, bilgiler saklanıyor mu veya önbelleğe alınıyor mu ve eğer öyleyse, nasıl ve nerede, bilginin kalitesi nedir? analiz?
Özetle, yapay zeka aramasının ve üretken hizmetlerin bilgilerinizi ele geçirmesine izin vermeden önce bilgi yönetimini sıkı bir şekilde kontrol etmek hayati önem taşıyor. Bu tür yapay zekaya büyük miktarda bilgi hazırlamak için yapay zeka hizmetlerinin yardımına ihtiyacınız olacak!
İşletmelerin bilgi hiperenflasyonunu yönetmedeki en büyük zorlukları nelerdir ve yapay zeka bu zorlukları nasıl azaltabilir?
Kuruluşlar artık bilgileri manuel olarak yönetemez. Oldukça büyük bir bilgi yönetimi ekibine sahip olsalar bile, çok fazla kaynaktan ve çok fazla formattan gelen çok fazla bilgi var.
Son IBRS/EncompaaS çalışmasından, hacimle başa çıkmanın tek yolunun yapay zekayı bilgileri okumak, hassas içerikleri ele almak, sınıflandırmak ve bunun üzerinde yönetişim ve erişim kurallarını uygulamak için görevlendirmek olduğu açıktır. Yapay zeka bu en temel ve önemli görevi bilgi yönetimi ekiplerinden alabilir.
Ayrıca yapay zeka, bilgi yönetiminin ne zaman iyileştirilmesi gerektiğini de tespit edebilir: yeni sınıflandırmalar önermek ve bilgi yönetimi profesyonellerinin sorularını sormak.
Özellikle artan düzenleyici baskılar göz önüne alındığında, yapay zeka uyumluluk ve yönetişime nasıl katkıda bulunuyor?
Yapay zeka hizmetleri, hassas bilgilerin tespit edilmesi, sınıflandırılması ve (bazı özel durumlarda) çıkarılmasında ölçeklenebilirlik sağlar. Bu hizmetler uzun zamandan beri personelin belgeleri manuel olarak sınıflandırma girişiminden daha üstün olduğu bir noktaya ulaştı. Uyumluluğu sağlayan otomatik süreçleri tetikleyen bir sınıflandırmadır.
Bir belgenin oluşturulduğu andan itibaren ve kullanım ömrü boyunca değerlendirilmesi ve sınıflandırmaların uygulanması için yapay zeka kullanıldığında, bilgi uyumsuzluğunun en büyük nedeni ortadan kaldırılır. Bu, çok daha yüksek uyumluluk ve dolayısıyla çok daha düşük riskle sonuçlanan bir otomasyon durumudur.
İçerik bilişi kavramını açıklayabilir ve bunun gelecekteki bilgi yönetimi stratejileri üzerindeki potansiyel etkisini tartışabilir misiniz?
Otomatik sınıflandırma neredeyse on yıldan beri var. İçerik bilişi, daha güçlü yapay zeka algoritmalarından yararlanarak otomatik sınıflandırmaya yönelik ilk girişimlere dayanır. Dolayısıyla içerik bilişi, belgenin daha iyi, daha doğru ve incelikli bir şekilde otomatik sınıflandırılmasını sağlar. Ancak içerik bilişi daha da ileri gidiyor. Sınıflandırma için aynı temeller kullanılarak, yapılandırılmış veriler yapılandırılmamış belgelerden çıkarılabilir.
Bunun potansiyel kullanımları olağanüstüdür. Örneğin bir hizmet şirketi, belirli bir coğrafyada bulunan müşteriler için belirli değerin üzerindeki tüm sözleşmeleri bulmak üzere bir rapor çalıştırabilir ve ardından belirli bir sözleşme şartının değişmesi durumunda bir durum analizi gerçekleştirebilir. Yapılandırılmamış verileri yapılandırılmış veri olarak ele almak yeni iş fırsatlarının önünü açacaktır.
İçerik bilişi aynı zamanda bir kuruluşun veri kümesindeki riski haritalandırabilmenin de anahtarıdır ve bilgi yöneticilerinin dikkatlerine öncelik vermelerine olanak tanır. Benzer şekilde, hangi belgelerin yönetim açısından önemli olmadığını da belirleyebilir. Neyi yönetmeniz gerekmediğini bilmek, maliyet ve zamandan büyük bir tasarruf sağlar.
Son olarak, içerik bilişi, bir sınıflandırma şemasının hedefi tam olarak karşılamadığını belirleyebilir ve bilgi yönetimine öneriler sağlayabilir.
Yapay zeka destekli bilgi yönetimi araçlarının gelişmesiyle birlikte şirketler, ihtiyaçlarına göre doğru araçları seçerken hangi kriterleri göz önünde bulundurmalıdır?
Bazı kuruluşlar, eski bir EDRMS’den ve geleneksel paylaşımlı sürücülerin kaosundan yeni bir işbirliği platformuna geçmelerine yardımcı olacak bir yapay zeka aracı istiyor. Çoğu durumda bunun arkasındaki itici güç, Microsoft’un 365 platformlarının kullanımının yaygınlaşmasıdır.
Bu durumlarda, bir içerik biliş aracı ilk olarak risklerin nerede bulunduğunu (uyumsuz belgelerin çoğunun nerede bulunduğunu) haritalayarak yardımcı olabilir. Araç daha sonra sınıflandırma için seçici bilgi kaynaklarını hedefleyebilir ve (politikaya dayalı olarak) dosyaları yeni platformda doğru konuma taşıyabilir, arşivleyebilir veya imha edebilir. Yapay zeka, yeni platforma geçişin bir parçası olarak bilgi temizleme ve uyumluluk için kullanılabilir.
Diğer kuruluşlar, birden fazla platformda ‘yerinde yönetim’ deneyimi sunmak için bir içerik biliş aracı kullanarak daha uzun vadeli bir bakış açısına sahiptir. Bu, özellikle uyumluluk ihtiyaçları yüksek olan kuruluşlar için önemlidir.
Özellikle yapay zeka teknolojilerinin devam eden ilerlemesi ile birlikte önümüzdeki yıllarda akıllı bilgi yönetiminde hangi temel eğilimleri öngörüyorsunuz?
Makine öğrenimi ve üretken yapay zeka, yapay zeka tabanlı bilgi yönetiminin performansında ve kalitesinde önemli sıçramalar sağlayıp içerik bilişine yol açarken, performansı ve kaliteyi daha da artıracak başka bir yapay zeka teknolojisi daha var: bilgi grafikleri.
Grafikler, diğer iki geniş yapay zeka kategorisiyle birleştirildiğinde, yalnızca belgenin ötesine geçen çok daha ayrıntılı analizler sunma potansiyeline sahiptir. Örneğin belgede yer alan kişilerin rolleri, belgede adı geçen kişiler, belgenin ilgili olduğu projeler veya faaliyetler ve daha fazlası dikkate alınabilir.
Bu hala bilim kurgu, ancak grafik araştırmasının durumu göz önüne alındığında, önümüzdeki üç ila beş yıl içinde yüksek düzeyde otomatikleştirilmiş yapay zeka tabanlı bilgi yönetiminde sıçramalar görmeyi bekliyorum. Halihazırda içerik bilişiyle sınırları zorlayan satıcılar, muhtemelen bir sonraki yapay zeka dalgasının en hızlı benimseyenler olacak.