Topik kecerdasan buatan (AI) telah merambah hampir setiap ruang rapat di seluruh dunia. Dan pembahasannya bukan lagi tentang apakah akan mengadopsi AI, tetapi seberapa cepat AI dapat diintegrasikan ke dalam operasi bisnis. Urgensi ini, meskipun dapat dipahami, sering kali mengabaikan persyaratan awal yang kurang menarik namun penting: manajemen data yang kuat yang memastikan kualitas dan integritas data yang mendukung sistem cerdas ini. Inilah fondasi sejati untuk integrasi AI yang sukses dan bertanggung jawab.
Tantangan data gelap
Inti dari masalah ini adalah “data gelap”—informasi yang tidak terstruktur, tidak diberi tag, dan tidak digunakan yang diam-diam terakumulasi dalam infrastruktur digital suatu organisasi. Jauh dari sekadar masalah kecil, rata-rata, data ini mencakup lebih dari 50% dari total volume data perusahaan. Seiring bisnis beralih ke model bahasa yang besar untuk mendorong AI generatif dan teknologi bertenaga AI lainnya, implikasi dari data gelap ini menjadi sangat besar dan berpotensi berbahaya.
Bila digunakan untuk pembelajaran mesin oleh sistem AI, data yang tidak terkelola ini dapat menyebabkan pengambilan keputusan yang tidak tepat, keluaran yang bias, dan bahkan akibat hukum. Bayangkan model AI yang secara tidak sengaja dilatih pada kekayaan intelektual milik sendiri atau data yang sudah usang dan tidak lengkap. Mungkin yang lebih mengkhawatirkan adalah risiko informasi pribadi yang berpotensi sensitif dan tidak diketahui.
Seiring dengan pesatnya adopsi AI, demikian pula regulasi seputar penggunaan dan privasi data pribadi. Mulai dari Peraturan Perlindungan Data Umum Uni Eropa hingga berbagai undang-undang tingkat negara bagian seperti Undang-Undang Privasi Konsumen California dan regulasi khusus industri seperti Undang-Undang Portabilitas dan Akuntabilitas Asuransi Kesehatan, organisasi menghadapi jaringan persyaratan kepatuhan privasi data yang rumit. Tanpa disadari, mengizinkan sistem AI mengakses informasi pribadi yang berpotensi sensitif dapat berarti melanggar undang-undang ini.
AI yang bertanggung jawab dengan mengelola data gelap
Untuk mengurangi risiko ini dan memanfaatkan potensi AI secara maksimal, organisasi harus mengelola data mereka secara proaktif. Pendekatan ini dimulai dengan pemahaman menyeluruh terhadap semua data dalam perusahaan—bukan hanya informasi yang terstruktur dan mudah dikategorikan, tetapi juga berkas log yang sulit dipahami, data sensor, draf dokumen, dan jenis data gelap lainnya yang tersembunyi di sudut-sudut infrastruktur digital yang terlupakan. Pendekatan ini juga melibatkan penetapan asal data yang jelas dan pelacakan asal, pergerakan, dan transformasi data sepanjang siklus hidupnya.
Menerapkan alat pemantauan, klasifikasi, dan analisis data yang kuat sangatlah penting. Teknologi ini dapat membantu organisasi memperoleh visibilitas ke seluruh aset data mereka. Dengan memahami data apa yang mereka miliki dan di mana data tersebut berada, organisasi dapat membuat keputusan yang lebih tepat tentang cara menggunakannya dalam aplikasi AI untuk memastikan model AI mereka dilatih pada set data berkualitas tinggi.
Penting untuk memberikan perhatian ekstra khusus dalam mengidentifikasi dan mengklasifikasikan informasi pribadi yang berpotensi sensitif. Praktik terbaik yang utama adalah menyelaraskan kebijakan tata kelola data organisasi dengan persyaratan kepatuhan paling ketat yang berlaku untuk bisnis. Pendekatan ini memastikan bahwa kebutuhan pengaduan saat ini terpenuhi dan organisasi berada dalam posisi yang baik untuk beradaptasi dengan cepat seiring dengan perkembangan peraturan. Dengan menerapkan strategi manajemen data komprehensif yang memperhitungkan standar privasi dan keamanan yang paling ketat, organisasi dapat membangun landasan kepercayaan dengan pelanggan dan pemangku kepentingan sekaligus menghindari pelanggaran kepatuhan yang merugikan.
Sebagai penutup
Saat kita memasuki era baru ini, keharusannya jelas: organisasi harus memprioritaskan pemahaman dan pengelolaan data mereka sebagai prasyarat untuk mengintegrasikan AI ke dalam proses bisnis mereka. Ini berarti mengatasi tantangan dark data dan juga menumbuhkan budaya kesadaran dan tanggung jawab data di seluruh organisasi.
Berinvestasi dalam program literasi data bagi karyawan, menetapkan kebijakan tata kelola data yang jelas, dan memanfaatkan teknologi manajemen data yang canggih merupakan langkah penting dalam perjalanan ini. Dengan mengambil tindakan ini, bisnis dapat membuka potensi penuh data mereka, mendorong inovasi melalui AI sambil mempertahankan kualitas dan kepatuhan.
Tentang Penulis
Soniya Bopache, wakil presiden dan manajer umum, kepatuhan dan tata kelola data di Veritas Technologies. Soniya memimpin visi, strategi, dan penyampaian portofolio kepatuhan data Veritas dan memiliki pengalaman luas dalam migrasi cloud, penyampaian cloud, dan pengelolaan penawaran yang dihosting SaaS. Soniya memperoleh gelar master dalam rekayasa perangkat lunak dari Birla Institute of Technology and Science di Pilani, India.
Daftar untuk menerima buletin berita insideAI yang gratis.
Bergabunglah dengan kami di Twitter: https://twitter.com/InsideBigData1
Bergabunglah dengan kami di LinkedIn: https://www.linkedin.com/company/insideainews/
Bergabunglah dengan kami di Facebook: https://www.facebook.com/insideAINEWSNOW