डेटा ट्रस्ट पर एआई सफलता का प्रभाव: माइंड रिपोर्ट से पता चलता है कि अधिकांश एआई पहल अस्थिर नींव पर क्यों बनाई जा रही हैं

“डेटा ट्रस्ट पर एआई सफलता का प्रभाव” रिपोर्ट, जिसे माइंड द्वारा सीआईएसओ एक्ज़ेक्यूटिवनेट के सहयोग से तैयार किया गया है, एक स्पष्ट संदेश देती है: एआई अपनाना सुरक्षा और डेटा प्रबंधन की तुलना में बहुत तेजी से बढ़ रहा है। इसका परिणाम एक बढ़ती खाई है जहां अधिकांश उद्यम एआई को बड़े पैमाने पर तैनात कर रहे हैं, लेकिन सुरक्षित और सफल बनाने के लिए आवश्यक नींव नहीं है।

एआई अपनाना डेटा ट्रस्ट को पीछे छोड़ रहा है

एआई अब प्रयोगात्मक नहीं है। यह पहले से ही उद्यम संचालन में निहित है। लगभग 90% उद्यम उद्यम-ग्रेड जनरेटिव एआई टूल चला रहे हैं, लेकिन अंतर्निहित डेटा बुनियादी ढांचे ने इसका पालन नहीं किया है।

यह असंतुलन एक खतरनाक वास्तविकता पैदा करता है। जबकि एआई प्रणाली तेजी से कार्य प्रवाह, निर्णय लेने और ग्राहक-सामना करने वाली प्रणालियों में एकीकृत की जा रही हैं, डेटा जो उन प्रणालियों को खिलाता है वह अभी भी खराब वर्गीकृत, ढीले से प्रबंधित और असंगत रूप से सुरक्षित है। लगभग दो-तिहाई सीआईएसओ का मानना है कि एआई वातावरण में उचित डेटा सुरक्षा नियंत्रण लागू करने में कम विश्वास है।

यह डिस्कनेक्ट सैद्धांतिक नहीं है। यह पहले से ही मापनीय परिणाम उत्पन्न कर रहा है। केवल लगभग एक-पांचवें एआई पहल अपने इरादित केपीआई को पूरा कर रही हैं, जो दर्शाती है कि विफलता एक सिस्टमिक मुद्दा है जो सीधे कमजोर डेटा नींव से जुड़ा हुआ है।

मूल समस्या: गति और सुरक्षा के बीच एक संरचनात्मक अंतर

रिपोर्ट के केंद्र में एक सरल लेकिन शक्तिशाली थीसिस है: डेटा ट्रस्ट एआई की सफलता या विफलता का निर्धारण करने वाला कारक है।

डेटा ट्रस्ट एक संगठन के लिए अपने सिस्टम, जिनमें एआई भी शामिल है, का उपयोग सुरक्षित और उचित तरीके से करने का विश्वास है। जब यह विश्वास उच्च होता है, तो एआई तेजी से बढ़ सकता है और अर्थपूर्ण परिणाम दे सकता है। जब यह कम होता है, तो एआई अप्रत्याशित, जोखिमपूर्ण और अक्सर अप्रभावी हो जाता है।

अधिकांश संगठन अपने शासन मॉडल की तुलना में तेजी से आगे बढ़ रहे हैं। सुरक्षा ढांचे मानव उपयोगकर्ताओं के लिए डिज़ाइन किए गए थे जो मानव गति से काम करते थे, जबकि एआई प्रणालियां तुरंत काम करती हैं, व्यापक रूप से डेटा तक पहुंचती हैं और संदर्भिक निर्णय लेने में कमी होती है।

यह एक संरचनात्मक अंतर पैदा करता है। नीतियां मौजूद हो सकती हैं, लेकिन लागू करने के तंत्र एआई की गति और पैमाने के साथ तालमेल नहीं बिठा सकते हैं। संगठन नियमों को परिभाषित करने के लिए संघर्ष नहीं कर रहे हैं। वे वास्तविक समय में उनका पालन करने के लिए संघर्ष कर रहे हैं।

एआई के लिए डेटा नींव क्यों विफल हो रही हैं

एक सबसे बड़ा खुलासा यह है कि एआई पूरी तरह से नए जोखिम पेश नहीं कर रहा है। इसके बजाय, यह उन डेटा समस्याओं को उजागर कर रहा है जो पहले छिपी हुई थीं।

वर्षों से, खराब डेटा शासन प्रबंधनीय था क्योंकि कोई प्रणाली आसानी से एक बार में सब कुछ एक्सेस नहीं कर सकती थी। एआई इसे पूरी तरह से बदल देता है। एआई प्रणाली के डेटा स्रोत से जुड़ते ही यह तुरंत सभी उपलब्ध जानकारी को सतह पर ला सकती है, जिसमें वर्गीकृत, अधिक साझा की गई या संवेदनशील डेटा शामिल है।

इसका परिणाम यह होता है कि जो कई संगठन अनजाने में भरोसा करते थे वह अब नहीं रहा। अब सब कुछ दिखाई दे रहा है और बड़े पैमाने पर कार्रवाई योग्य है।

परिणाम महत्वपूर्ण हैं। संगठन अक्सर यह नहीं जानते कि एआई टूल्स के लिए कौन सा डेटा सुलभ है, उनके एजेंट कौन सा डेटा उपयोग कर रहे हैं, या यहां तक कि उनके पर्यावरण में कौन से एआई सिस्टम संचालित हो रहे हैं। ये अंधे धब्बे जोखिम की स्थिति पैदा करते हैं जहां जोखिम न केवल मौजूद है बल्कि सक्रिय रूप से जुड़ रहा है।

एआई मानव की तरह व्यवहार नहीं करता और यह सब कुछ बदल देता है

वर्तमान उद्यम सुरक्षा मॉडल में एक प्रमुख दोष यह है कि वे मानव व्यवहार का अनुमान लगाते हैं। मानव निर्णय लागू करते हैं, सीमित गति से काम करते हैं और प्रशिक्षित या लेखा परीक्षा किए जा सकते हैं। एआई एजेंट इनमें से कोई भी काम नहीं करते हैं।

एआई प्रणालियां अनुमतियां विरासत में लेती हैं और संकोच के बिना उन पर कार्रवाई करती हैं। वे संदर्भ या इरादे के आधार पर जानकारी को फिल्टर नहीं करते हैं। यदि वे डेटा तक पहुंच सकते हैं, तो वे इसे संसाधित करेंगे, चाहे वह पहुंच उपयुक्त हो या नहीं।

मानव-केंद्रित सुरक्षा ढांचे और मशीन-गति निष्पादन के बीच यह मेल नहीं होना एक मौलिक शासन समस्या पैदा करता है। संगठन मानवों के लिए डिज़ाइन किए गए नियमों को प्रणालियों पर लागू कर रहे हैं जो पूरी तरह से अलग व्यवहार करती हैं।

परिणाम अधिक जोखिम है। एआई टूल्स अनजाने में संवेदनशील जानकारी को उजागर कर सकते हैं, इरादित सीमाओं से परे काम कर सकते हैं, या विश्वसनीय या अनुसरण करने योग्य डेटा स्रोतों के आधार पर आउटपुट उत्पन्न कर सकते हैं।

अधिकांश एआई पहल विफल हो रही हैं और कई को यह भी नहीं पता

अधिकांश एआई विफलताएं अदृश्य हैं। संगठन अक्सर गतिविधि-आधारित मेट्रिक्स जैसे उपयोग, प्रश्नों को संसाधित करने, या उत्पन्न आउटपुट के आधार पर सफलता को मापते हैं।

इन मेट्रिक्स से एक झूठा प्रगति का एहसास होता है। एक प्रणाली उच्च गतिविधि दिखा सकती है जबकि गलत परिणाम उत्पन्न कर रही है, संवेदनशील डेटा को उजागर कर रही है, या व्यावसायिक मूल्य प्रदान नहीं कर रही है।

यह एक मापने का अंतर पैदा करता है। स्पष्ट रूप से परिभाषित परिणाम-आधारित केपीआई के बिना, संगठन सफल और विफल एआई पहल के बीच अंतर नहीं कर सकते हैं। विफलता सामान्य, गलत निदान, या अनदेखी हो जाती है।

विफलता का मूल कारण अक्सर एआई मॉडल खुद नहीं है। इसके बजाय, यह डेटा की स्थिति है। खराब वर्गीकरण, अनियंत्रित पहुंच, और असंगत डेटा गुणवत्ता अस्थिर नींव बनाते हैं जिसकी भरपाई कोई मॉडल नहीं कर सकता है।

एआई सुरक्षा परिपक्वता के लिए एक तनाव परीक्षण है

एआई मौजूदा कमजोरियों को बढ़ाता है। जिन संगठनों में मजबूत डेटा शासन, पहचान प्रबंधन, और लागू करने की क्षमताएं हैं, वे एआई को प्रभावी ढंग से बढ़ा सकते हैं। जिनमें इन मूलभूत सिद्धांतों की कमी है, वे बढ़ते जोखिमों का सामना करते हैं।

वर्तमान में केवल एक छोटा सा हिस्सा संगठनों में एआई को सुरक्षित रूप से तैनात करने के लिए आवश्यक सुरक्षा परिपक्वता है। अधिकांश के लिए, एआई जोखिम की संभावना पेश करता है जो विफल परियोजनाओं से लेकर नियामक जोखिम और, चरम मामलों में, व्यवसाय-धमकी देने वाली घटनाओं तक हो सकती है।

एआई स्वयं में खतरनाक नहीं है। यह बस मौजूदा स्थितियों का प्रभाव तेज करता है जो पहले से ही एक संगठन के डेटा वातावरण में मौजूद हैं।

प्रतिस्पर्धी विभाजन पहले से ही बन रहा है

जबकि बहुत सारी चर्चा जोखिम पर केंद्रित है, रिपोर्ट एक महत्वपूर्ण अवसर पर भी प्रकाश डालती है। जो संगठन उच्च स्तर के डेटा ट्रस्ट हासिल करते हैं, वे एक स्पष्ट प्रतिस्पर्धी लाभ प्राप्त कर रहे हैं।

साफ, वर्गीकृत और अच्छी तरह से प्रबंधित डेटा के साथ, एआई पहल तेजी से आगे बढ़ सकती हैं, अधिक आत्मविश्वास से बढ़ सकती हैं और अधिक विश्वसनीय परिणाम दे सकती हैं। सुरक्षा एक बोतलनेक के बजाय एक सुविधा बन जाती है।

इन संगठनों को न केवल जोखिम कम करने का लाभ मिल रहा है। वे ऐसी बुनियादी ढांचा बना रहे हैं जो निरंतर प्रयोग, तेजी से पुनरावृत्ति और बनाए रखा गया प्रतिस्पर्धी गति की अनुमति देता है।

दूसरी ओर, जो संगठन डेटा ट्रस्ट में निवेश में देरी करते हैं, वे बढ़ते नुकसान का सामना करते हैं। प्रत्येक नई एआई पहल जटिलता जोड़ती है, जोखिम बढ़ाती है और मूल्य को जोखिम से अलग करना मुश्किल बना देती है। इन दो समूहों के बीच का अंतर पहले से ही चौड़ा हो रहा है और एआई अपनाने के जारी रहने के साथ तेजी से बढ़ने की संभावना है।

संगठनों को आगे क्या करना चाहिए

आगे का रास्ता केवल बढ़ते सुधारों पर केंद्रित नहीं है, बल्कि मूलभूत सुधारों पर है।

पहला कदम दृश्यता है। संगठनों को यह समझने की आवश्यकता है कि उनके पास कौन सा डेटा है, यह कहां रहता है और इसका उपयोग कैसे किया जा रहा है। इसके बिना, शासन और लागू करना असंभव है।

दूसरा कदम गैर-मानव अभिनेताओं को पहचान ढांचे में शामिल करना है। एआई एजेंटों को व्यापक पहुंच विरासत में लेने वाले उपकरण के रूप में नहीं, बल्कि सीमित अनुमतियों के साथ पहचान के रूप में माना जाना चाहिए।

तीसरा कदम तैनाती से पहले सफलता को परिभाषित करना है। एआई पहल के लिए स्पष्ट व्यावसायिक परिणाम, डेटा गुणवत्ता आवश्यकताएं और मापने योग्य केपीआई पहले से ही स्थापित होने चाहिए।

अंत में, संगठनों को एआई गति पर कार्रवाई करने वाले लागू करने के तंत्र बनाने होंगे। नीतियां अकेले पर्याप्त नहीं हैं। वास्तविक समय नियंत्रण, निगरानी और लेखा परीक्षा क्षमताएं डेटा प्रवाह को प्रभावी ढंग से प्रबंधित करने के लिए आवश्यक हैं।

अंततः नींव के बारे में

माइंड द्वारा “डेटा ट्रस्ट पर एआई सफलता का प्रभाव” रिपोर्ट एक मजबूत मामला बनाती है कि एआई का भविष्य मॉडल, एल्गोरिदम या कम्प्यूटिंग शक्ति द्वारा निर्धारित नहीं किया जाता है। यह कुछ और द्वारा निर्धारित किया जाता है – डेटा की गुणवत्ता, शासन और विश्वसनीयता जो इसके नीचे है।

जो संगठन यह पहचानते हैं और डेटा ट्रस्ट में निवेश करते हैं, वे न केवल जोखिम को कम करेंगे, बल्कि एआई की पूरी क्षमता को एक प्रतिस्पर्धी लाभ के रूप में भी अनलॉक करेंगे। जो ऐसा नहीं करते हैं, वे रुकी हुई पहल, छिपी हुई विफलताओं और एआई के बढ़ते पैमाने के साथ बढ़ते जोखिम का अनुभव करते रहेंगे, जिसे वे नियंत्रित नहीं कर पा रहे हैं।