如果您是大多数组织,审计人工智能(AI)和大数据,同时解决安全性和治理要求仍然是正在进行的工作。但是,根据最近的TechRepullic文章,您可能有实践中已体现在您的IT策略和程序中,您可以适应AI和大数据。这件作品提供了九个问题组织可以用来自我审核这些技术,我们更详细地探索下面。

1。你知道你的数据来自哪里吗?

重要的是,您评估您购买的任何数据以及在AI和分析中使用之前从外部供应商处使用以获得其可靠性和质量。事实上,TechRepublic敦促审查第三方数据的每个RFP。

2。您是否解决了数据隐私?

重要的是,不仅与客户有隐私协议,还要考虑如何在扩展到可能没有相同数据隐私标准的外部业务合作伙伴时如何变化。

3.你有锁定程序吗?

事物(IOT)和边缘计算的互联网正在将大数据的卷带入企业系统。鉴于流动和分布式性质,这些设备丢失,错位或损害了非常容易。它必须认识到这种漏洞,并在报告缺失时实施计划以锁定它们。

4。所有它与您的安全设置一致吗?

对于这些边缘和物联网设备无法与企业标准同步的默认安全设置到达并不罕见。

5。你的数据有多干净?

另一个重要的审计考虑是确保适当的数据清洁水平,涉及数据丢弃,数据标准化和ETL工具的使用。这可确保输入您的分析和AI系统的所有数据尽可能干净和准确。

6。你的ai有多准确?

AI系统中使用的算法和数据持续改变。因此,今天的AI真实的假设可能不是那么明天。此外,始终有机会包含未立即检测到的偏差。为了解决这些问题,您应该确保监控和修改AI算法,查询和数据是一个连续和正在进行的过程。

7.谁有权接触你的大数据和人工智能?

为了确保只有授权用户访问大数据存储库,AI和分析系统,这些都应该在24/7的基础上监控这些系统。

8。您的AI是否满足其使命?

应评估AI系统,以确认他们正在每年为业务需求进行解决,如果不是更频繁的话。如果他们未能提供,他们应该被修改或丢弃。

9。如果AI失败,你能进行故障转移吗?

如果人工智能被嵌入到业务流程中,那么至关重要的是,您的灾难恢复计划要解决如果这些系统无法运行会发生什么情况。

更多关于上述考虑因素以及它们如何帮助加强AI部署的信息,请访问TechRepublic对于完整的文章。