Pievienojieties mūsu ikdienas un nedēļas biļeteniem, lai iegūtu jaunākos atjauninājumus un ekskluzīvu saturu par nozares vadošo AI pārklājumu. Uzziniet vairāk
Paļautiesdatu pārvaldības platformas nodrošinātājs, kas nodrošināja 32,1 miljons dolāru B sērijas finansējumā Pagājušā gada oktobrī, uzsākot a jauns risinājums Mērķis ir atrisināt vienu no aktuālākajiem izaicinājumiem uzņēmuma AI ieviešanā: precīzi izprast, kā dati pārvietojas caur sarežģītām sistēmām.
Uzņēmuma jaunā Datu braucienu platformašodien paziņots, pievēršas kritiskai neredzīgai vietai organizācijām, kas ievieš AI-izsekošanu ne tikai tur, kur atrodas dati, wager arī kā un kāpēc tie tiek izmantoti dažādās lietojumprogrammās, mākoņa pakalpojumos un trešo personu sistēmās.
“Pamatnoteikums ir pārliecināties, ka mūsu klientiem ir šis AI vietējais, konteksta apzinīgais skats, ļoti vizuāls skats uz visu datu ceļojumu visā viņu lietojumprogrammās, pakalpojumos, infrastruktūrās, trešajās personās,” ekskluzīvā intervijā ar Ventureat teica Abhi Sharma, izpilddirektors un Relyance AI līdzdibinātājs. “Jūs patiešām varat iegūt datu apstrādes iemeslu, kas ir visvairāk pamata slānis, kas vajadzīgs vispārējai AI pārvaldībai.”
Palaišana notiek galvenajā brīdī uzņēmuma AI pārvaldībai. Tā kā uzņēmumi paātrina AI ieviešanu, viņi saskaras ar pieaugošo regulatoru spiedienu visā pasaulē. Vairāk nekā ceturtdaļa no Fortune 500 uzņēmumiem ir esŽurnāls AI regulējums kā dangers SEC iesniegumos un Ar GDPR saistītās naudas sodi sasniedza 1,2 miljardus eiro Tikai 2024. gadā (aptuveni 1,26 miljardi USD pēc pašreizējiem valūtas maiņas kursiem).
Kā datu braucieni izseko informācijas plūsmu tur, kur citi atpaliek
Platforma atspoguļo būtisku evolūciju no parastās datu cilts pieejām, kas parasti izseko datu kustību uz tabulas līdz galdam vai kolonnai līdz kolonnai noteiktās sistēmās.
“Datu līnijas established order būtībā ir tabulas un kolonnu līmeņa līnija tabulā un kolonnu līmenī. Es redzu, kā dati pārvietojās manā sniegpārslas instancē vai manos S3 spaiņos,” skaidroja Šarma. “Guess neviens nevar atbildēt: no kurienes tas radās sākotnēji? Kāda niansēta transformācija notika starp datu cauruļvadiem, trešo personu pārdevējiem, API zvaniem, lupatu arhitektūru, lai beidzot šeit nokļūtu?”
Datu braucieni Mērķis ir nodrošināt šo visaptverošo skatu, parādot pilnu datu dzīves ciklu no oriģinālās kolekcijas, izmantojot katru transformācijas un lietošanas lietu. Sistēma sākas ar koda analīzi, nevis vienkārši savienojumu ar datu krātuvēm, dodot tai kontekstu par to, kāpēc dati tiek apstrādāti noteiktā veidā.
AI solījums ir ievērojams atbildība par datu izmantošanu. Ieraudzījis paļāvības AI datu braucienus, mēs nekavējoties atzīstam tā potenciālu revolucionizēt mūsu pieeju atbildīgajai AI attīstībai, ”sacīja Heather Allen, privātuma amatpersona un privātuma pārvaldības direktore. CHG HealthcareApvidū “Automatizētas, konteksta apzinātas datu līnijas iespējas risinātu mūsu aktuālākos izaicinājumus. Tas atspoguļo tieši to, ko mēs esam meklējuši, lai atbalstītu mūsu globālo AI pārvaldības sistēmu.
Četras biznesa problēmas, kuras datu redzamība solās atrisināt
Pēc Sharma teiktā, datu braucieni nodrošina vērtību četrās kritiskās jomās:
Pirmkārt, atbilstība un riska pārvaldība: “Mūsdienās jums ir jāaptver datu apstrādes integritāte, wager jūs nevarat redzēt iekšā. Tā būtībā ir akla pārvaldība,” sacīja Šarma. Platforma ļauj organizācijām pierādīt savu datu prakses integritāti, saskaroties ar normatīvo pārbaudi.
Otrkārt, precīza aizspriedumu noteikšana: tā vietā, lai tikai pārbaudītu tūlītēju datu kopu, ko izmanto modeļa apmācībai, uzņēmumi var izsekot iespējamām aizspriedumiem līdz tā avotam. “Neobjektivitāte bieži notiek secinājuma laikā, nevis tāpēc, ka jums bija aizspriedumi datu kopā,” atzīmēja Šarma. “Lieta ir tāda, ka tas faktiski nav tā datu kopa. Tas ir ceļojums, kas tam nepieciešams.”
Treškārt, izskaidrojamība un atbildība: AI AI lēmumiem, piemēram, aizdevuma apstiprinājumiem vai medicīniskām diagnozēm, ir būtiska izpratne par visu datu izcelsmi. “Kāpēc aiz tā ir ļoti svarīgi, un daudzas reizes nepareiza modeļa izturēšanās ir pilnībā atkarīga no vairākiem soļiem, kas veikti pirms secinājuma laika,” skaidroja Šarma.
Visbeidzot, normatīvo aktu ievērošana: platforma nodrošina to, ko Šarma sauc par “matemātiski pierādījumu”, kuru uzņēmumi atbilstoši izmanto datus, palīdzot viņiem orientēties arvien sarežģītākos globālos noteikumus.
No stundām līdz minūtēm: izmērāmi atdeve no labākas datu pārraudzības
Relyance apgalvo, ka platforma nodrošina izmērāmu ieguldījumu atdevi. Pēc Sharma teiktā, klienti ir redzējuši 70–80% laika ietaupījumus atbilstības dokumentācijā un pierādījumu vākšanā. Tas, ko viņš sauc par “laiku uz noteiktību” – spēja ātri atbildēt uz jautājumiem par to, kā tiek izmantoti specifiski dati, ir samazināta no stundām līdz minūtēm.
Vienā piemērā Sharma dalījās, tiešais patērētājs uzņēmums mainīja maksājumu procesorus no Smadzenes līdz SvītraApvidū Inženieris, kas strādā pie projekta, netīši izveidoja kodu, kas saglabāja kredītkartes informāciju vienkāršā tekstā ar nepareizu kolonnas nosaukumu SniegpārslaApvidū
“Mēs to noķērām laikā, kad kods tika reģistrēts,” sacīja Šarma. Bez datu braucienu vizuāla datu plūsmu attēlojuma šis potenciālais drošības incidents, iespējams, nav pamanīts līdz daudz vēlāk.
Sensitīvu datu glabāšana sienās: pašpasākuma opcija
Līdztekus datu braucieniem, paļāvība ir ieviesta Inhalpašpārliecināts izvietošanas modelis, kas paredzēts organizācijām ar stingrām datu suverenitātes prasībām vai augsti regulētās nozarēs.
“Nozares, kuras visvairāk interesē uzņēmējdarbība, ir vairāk reglamentētas nozares-Fintech un Healthcare,” sacīja Šarma. Tas ietver banku, krāpšanas noteikšanu, kredītvērtības lietojumprogrammas, ģenētiku un personīgās veselības aprūpes pakalpojumus.
Elastība izvietot vai nu mākonī, vai paša uzņēmuma infrastruktūrā pievēršas aizvien pieaugošām bažām par sensitīvām datiem, atstājot organizatoriskās robežas, jo īpaši par AI lietojumprogrammām, kas varētu apstrādāt regulētu informāciju.
Paysance AI paplašināšanas plāni norāda uz AI pārvaldības tirgus pieaugumu
Powerance ir datu braucienu pozicionēšana kā daļa no plašākas stratēģijas, lai kļūtu par to, ko Šarma dēvē par “vienotu AI dzimtā platformu” globālai privātuma ievērošanai, datu drošības pozas pārvaldībai un AI pārvaldībai.
“Šī gada otrajā pusē es sāku AI pārvaldības risinājumu, kas būs 360 grādu pārvaldība ar visu AI pēdas nospiedumu jūsu vidē,” atklāja Šarma, kas ietver atbilstību, reālā laika ētikas uzraudzību, aizspriedumu noteikšanu un atbildību gan par trešo personu, gan iekšējo AI sistēmu.
Uzņēmuma ilgtermiņa redzējums ir ambiciozs. “AI aģenti gatavojas vadīt pasauli, un mēs vēlamies būt tas uzņēmums, kas nodrošina infrastruktūru organizācijām, lai tā uzticētos un pārvaldītu,” sacīja Šarma. “Mēs vēlamies palīdzēt uzlabot pasaules lietderības indeksu.”
Investori der lielam par datu pārvaldību, jo konkurence uzkarsē
Paysance saskaras ar konkurenci no izveidotajiem spēlētājiem blakus esošajās telpās. Agrāk Intervija ar TechCrunchŠarma atzina konkurentus, tostarp OneTrust, Transcend, DataGrail un Securiti AI, lai gan viņš uzsvēra, ka Relyance integrētā pieeja to atšķir.
Investori šķiet pārliecināti par uzņēmuma potenciālu. Tā 32,1 miljona ASV dolāru B sērijas kārta 2024. gada oktobrī, vadot Thomvest Ventures Ar dalību no Microsoft M12 Ventures fondspiesaistīja Relyance kopējo finansējumu līdz 59 miljoniem USD.
Thomvest Ventures rīkotājdirektors Umišs Padvals uzsvēra problēmas steidzamību, ņemot vērā Relyance, ir jāatrisina: “Paceļam AI dod iespēju galvenajiem privātuma, drošības un informācijas virsniekiem vadīt datu privātumu un atbilstību, izvairoties no dārgām sodiem, vadot drošu un atbildīgu AI pieņemšanu.”
Kāpēc datu pārraudzība varētu noteikt AI panākumus uzņēmumā
Šarma ierāmēja uzņēmuma misiju kā daļu no plašāka obligāta organizācijām, kas īsteno AI tehnoloģijas.
“AI kļūst par sava veida saistību neizpildi jūsu organizācijā, un visiem ir jādomā par šo galveno pamata pīlāru jūsu organizācijā, kas būs uzticības un pārvaldības infrastruktūra,” viņš teica.
“Neatkarīgi no tā, vai vadītāji izmanto paļāvību vai nē, tas ir svarīgs aspekts, par kuru jādomā, jo tas patiešām atbloķēs, cik ātri jūs varat veikt AI adopciju jēgpilnā veidā organizācijā.”
Tā kā uzņēmumi steidz ieviest AI, spēja saglabāt redzamību datu procesos ir attīstījusies no vienkāršas atbilstības izvēles rūtiņas līdz būtiskai biznesa nepieciešamībai. Šī maiņa ir viena no tām klusajām, wager dziļajām izmaiņām, kas neveido virsrakstus, wager pārveido industriju. Uzņēmumi, kas veido šos redzamības rīkus, būtībā veido AI gaisa satiksmes vadības sistēmas – nevis pašas bezgaumīgās strūklas, wager gan infrastruktūra, kas neļauj viņiem ietrasties viens otram. Bez tā pat iespaidīgākie algoritmi kļūst par korporatīvām saistībām.
avots
