Предизвикателства пред управлението на ИИ: Какво трябва да знаят лидерите

Организациите, внедряващи изкуствен интелект в голям мащаб, са изправени пред нарастващ риск Предизвикателствата в управлението на ИИ които обхващат съответствие с регулаторните изисквания, сигурността на данните, разпространението на скрит ИИ и оперативната отчетност. Тази статия разглежда основните предизвикателства при внедряването на управление на ИИ, изследва рисковете, уникални за генеративния и агентния ИИ, и предоставя действени стъпки, които лидерите могат да предприемат, за да изградят ефективни рамки за управление в цялото предприятие.

Ключови храни за вкъщи

Защо предизвикателствата пред управлението на изкуствения интелект се засилват за предприятията днес?
Въвеждането на изкуствен интелект изпреварва разработването на политики, а служителите рутинно използват несанкционирани инструменти с изкуствен интелект, които обработват корпоративни данни извън регулираните канали, което увеличава риска от нарушаване на сигурността и съответствието.

Какво прави сянката на изкуствения интелект едно от най-спешните предизвикателства за управление на данни, свързани с изкуствения интелект?
Инструментите за скрит изкуствен интелект работят чрез браузъри и SaaS приложения отвъд ИТ видимостта, така че традиционните решения за мрежова сигурност и крайни точки не могат да откриват или контролират чувствителните данни, които се вливат в тях.

По какво се различават предизвикателствата пред управлението на агентния ИИ от тези на разговорния ИИ?
Агентният ИИ изпълнява автономно многоетапни задачи – сърфиране, кодиране, изпращане на имейли – изискващи разрешения на ниво действие, граници на изпълнение, пълни одитни следи и прекъсвачи, от които разговорният ИИ не се нуждае.

Каква роля играе браузърът в решаването на предизвикателствата пред управлението на корпоративния изкуствен интелект?
Браузърът е общият интерфейс за почти всички взаимодействия с изкуствен интелект, което прави мониторинга на ниво браузър и DLP най-ефективната контролна точка за прилагане на политики както на управлявани, така и на неуправлявани устройства.

Как организациите трябва да структурират политиките си, за да се справят с ключовите предизвикателства при внедряването на управлението на ИИ?
Многостепенна рамка, която съчетава инструментите с изкуствен интелект с нивата на риск – от напълно одобрени платформи с корпоративен лиценз до блокирани непроверени услуги – позволява приложими, мащабируеми контроли вместо пълни забрани.

Защо предизвикателствата пред управлението, характерни за генеративния изкуствен интелект, са по-трудни за одитиране от традиционните софтуерни рискове?
Генеративният изкуствен интелект произвежда недетерминистични резултати, което означава, че едно и също задание може да даде различни резултати в различните сесии, което прави проследимостта, възпроизводимостта и проверката на съответствието на решенията значително по-сложни.

Коя е най-важната първа стъпка за преодоляване на предизвикателствата при внедряването на управлението на ИИ?
Установяване на пълна видимост върху цялото използване на ИИ – включително инструменти за сянка, разширения на браузъра и SaaS-вградени функции – защото организациите не могат да наложат управление върху системи, които все още не са открили.

Преглед на предизвикателствата пред управлението на ИИ

Управлението на ИИ се отнася до политиките, процесите и техническите контроли, които гарантират, че системите с ИИ работят в рамките на приемливи етични, правни и оперативни граници. Тъй като организациите ускоряват внедряването на ИИ в различните отдели – от чатботове за обслужване на клиенти до автономни кодиращи агенти – сложността на управлението на тези системи нараства пропорционално. Разбиране на пълния обхват на предизвикателства в управлението на ИИ е първата стъпка към изграждането на защитима стратегия.

Основни измерения на управлението на ИИ

Управлението на ИИ не е отделна дисциплина. То обхваща множество области, всяка от които представлява различни предизвикателства, с които лидерите трябва да се справят едновременно.

• Управление на данните – Контролиране на данните, до които системите с изкуствен интелект могат да имат достъп, да ги обработват и съхраняват, включително чувствителна корпоративна информация, лична информация за клиенти и регулирани набори от данни.
• Контрол на достъпа – Определяне кой може да използва инструменти с изкуствен интелект, с кои модели може да взаимодейства и какви разрешения имат тези модели в рамките на корпоративните системи.
• Мониторинг на употребата – Проследяване на това как служителите и автоматизираните агенти действително използват изкуствен интелект, включително несанкционирани инструменти (скрит изкуствен интелект), които заобикалят ИТ надзора.
• Валидиране на изхода – Осигуряване на съответствие между генерираните от изкуствен интелект отговори, код и решения и стандарти за точност, безопасност и съответствие, преди да достигнат до производствения процес.
• Регулаторно привеждане в съответствие – Съпоставяне на използването на ИИ с приложими рамки, като например Закона на ЕС за ИИ, NIST AI RMF и специфични за сектора разпоредби.

Защо се разширяват пропуските в управлението

Скоростта на внедряване на ИИ постоянно изпреварва зрялостта на управлението. Според отраслови проучвания, по-голямата част от предприятията имат служители, използващи генеративни инструменти с ИИ, без да са налице официални политики. Тази празнина създава експозиция в измеренията на сигурността, съответствието и интелектуалната собственост. Сенчестият ИИ – при който служителите използват неоторизирани ИИ услуги чрез уеб браузъри и SaaS приложения – представлява един от най-бързо развиващите се и най-малко видими вектори на риск.

Защо управлението на изкуствения интелект е от съществено значение за съвременните организации

Управлението на ИИ не е незадължително упражнение за съответствие. То пряко влияе върху рисковата позиция на организацията, конкурентната ѝ позиция и способността ѝ да мащабира инициативите, свързани с ИИ, отговорно. Лидерите, които третират управлението като стратегическа функция, а не като бюрократична пречка, получават измерими предимства в сигурността, доверието и оперативната ефективност.

Регулаторният натиск се ускорява

Правителствата по целия свят въвеждат обвързващи разпоредби за изкуствения интелект. Законът на ЕС за изкуствения интелект класифицира системите с изкуствен интелект по ниво на риск и налага строги изисквания за приложения с висок риск, включително задължителни оценки на риска, механизми за човешки надзор и задължения за документиране. В Съединените щати изпълнителните заповеди и специфичните за агенциите насоки от SEC, FDA и OCC създават смесица от изисквания. Организациите без рамки за управление са изправени пред глоби, действия за прилагане на закона и ограничения за достъп до пазара.

Изтичането на данни чрез инструменти с изкуствен интелект е реална заплаха

Всеки път, когато служител вмъква собствен изходен код, финансови прогнози или данни за клиенти в инструмент с изкуствен интелект на трета страна, организацията губи контрол над тази информация. Без контроли за предотвратяване на загуба на данни (DLP) с изкуствен интелект, чувствителните данни изтичат извън периметъра на предприятието чрез взаимодействия с изкуствен интелект, базирани на браузър, които традиционните инструменти за мрежова сигурност не могат да проверят. Това е основен двигател за предизвикателствата пред управлението на корпоративния изкуствен интелект.

Репутационна и правна отговорност

Генерирани от ИИ резултати, които съдържат предубедени препоръки, неточна медицинска или правна информация или материали, защитени с авторски права, излагат организациите на съдебни дела и щети за репутацията. Рамките за управление, които включват валидиране на отговорите от ИИ и наблюдение на резултатите, намаляват тази отговорност чрез установяване на вериги за отчетност и контрол на качеството, преди резултатите от ИИ да достигнат до крайните потребители или клиенти.

Осигуряване на отговорно мащабиране на изкуствен интелект

Организациите, които установят управление на ранен етап, могат да възприемат ИИ по-агресивно и уверено. Ясните политики относно контрола на достъпа до ИИ, одобрените списъци с инструменти и обработката на данни позволяват на бизнес звената да експериментират и внедряват ИИ, без да създават неприемлив риск. Управлението не е спирачка за иновациите – то е механизмът, който позволява на иновациите да се ускорят безопасно.

Основни предизвикателства при внедряването на управлението на ИИ

Внедряването на управлението на ИИ в корпоративен мащаб включва преодоляване на технически, организационни и културни пречки. Следните са най-значимите. ключови предизвикателства при прилагането на управлението на ИИ с които се сблъскват лидерите.

1. Откриване и видимост на сенчестия изкуствен интелект

Най-фундаменталното предизвикателство е да се знае какви инструменти с изкуствен интелект се използват. Служителите внедряват разширения за браузър, SaaS приложения и уеб-базирани асистенти, задвижвани от изкуствен интелект, без одобрение от ИТ отдела. Тези инструменти с изкуствен интелект, базирани на изкуствен интелект, обработват корпоративни данни извън управляваните канали, създавайки слепи зони, които традиционните решения за управление на активи и CASB не могат да адресират напълно.

Ефективното откриване на скрита информация с изкуствен интелект (ИИ) изисква видимост на ниво браузър, където се осъществяват по-голямата част от взаимодействията с ИИ. Решения, които наблюдават активността на браузъра, могат да идентифицират неоторизирано използване на инструменти с ИИ, да категоризират нивата на риск и да прилагат политики в реално време – без да нарушават легитимните работни процеси.

2. Липса на организационна съгласуваност

Управлението на ИИ изисква координация между правните, съответстващите, охранителните, инженерните отдели за данни и бизнес звената. На практика тези екипи често работят с противоречиви приоритети. Екипите по сигурност искат да ограничат използването на ИИ; бизнес звената искат да увеличат максимално производителността. Правните екипи се нуждаят от документация; инженерните екипи се нуждаят от бързина. Без спонсорство от страна на ръководството и междуфункционален комитет за управление, политиките остават фрагментирани и неприлагани.

3. Бързо променящи се възможности на изкуствения интелект

Нови модели, функции и модели на взаимодействие с изкуствен интелект се появяват всяка седмица. Рамка за управление, проектирана около генериране на текст в стил ChatGPT, може да не отчита мултимодални модели, агенти с изкуствен интелект, които изпълняват многоетапни задачи автономно, или модели, вградени в съществуващи SaaS платформи. Политиките за управление трябва да бъдат проектирани за адаптивност, с редовни цикли на преглед и модулни архитектури за контрол.

4. Определяне на приемлива употреба в голям мащаб

Написването на политика за приемливо използване на изкуствен интелект е лесно. Прилагането ѝ сред хиляди служители, изпълнители и BYOD устройства не е. Предизвикателството се състои в превеждането на езика на политиката в технически контроли, които могат да разграничат инженер, използващ одобрен асистент за кодиране, от същия инженер, който поставя собствени алгоритми в неоторизиран инструмент.

5. Измерване на ефективността на управлението

Много организации прилагат политики за управление, но нямат показатели, за да оценят дали тези политики работят. Ключовите показатели за ефективност на управлението на ИИ трябва да включват:

Предизвикателства и решения за управление на корпоративния изкуствен интелект

Големите организации се сблъскват предизвикателства в управлението на корпоративния изкуствен интелект които се усилват от мащаба, сложността и разнообразието от случаи на употреба на ИИ в различните бизнес звена. Следващите раздели разглеждат най-критичните специфични за предприятието пречки и практическите подходи за тяхното разрешаване.

Управление на изкуствен интелект в разпределени среди

Предприятията работят в множество облачни доставчици, SaaS платформи, локални системи и географски региони. Инструментите с изкуствен интелект са вградени в пакети за продуктивност (Microsoft Copilot, Google Gemini), среди за разработчици (GitHub Copilot) и самостоятелни приложения. Управлението на използването на изкуствен интелект изисква контролна точка, която обхваща всички тези среди. Решенията за управление, базирани на браузър, предлагат стратегическо предимство тук, защото браузърът е общият интерфейс, чрез който служителите имат достъп до почти всички инструменти с изкуствен интелект, независимо от основната инфраструктура.

Рискове, свързани с BYOD (притежаване на собствено устройство) и неуправлявани устройства

Изпълнители, партньори и служители, използващи лични устройства, могат да имат достъп до инструменти с изкуствен интелект извън обсега на решенията за управление на крайни точки. Това създава значителна празнина в управлението, особено за организации с отдалечена или хибридна работна сила. Сигурните контроли за достъп, които работят на ниво браузър – вместо да изискват агенти на ниво устройство – могат да разширят политиките за управление на изкуствен интелект до неуправлявани устройства, без да се изисква пълно записване на крайни точки.

SaaS-вградени AI функции

Основните доставчици на SaaS вграждат AI възможности директно в своите платформи, често като ги активират по подразбиране. Salesforce Einstein, Notion AI, Slack AI и подобни функции обработват корпоративни данни в среди на трети страни. Предприятията се нуждаят от контролни механизми за управление, които могат:

1. Идентифицирайте кои SaaS приложения имат активирани функции за изкуствен интелект.
2. Оценете до какви данни имат достъп тези функции.
3. Прилагайте политики относно това дали и как служителите могат да използват вградени възможности на изкуствен интелект.
4. Следете потоците от данни между SaaS AI функции и външни доставчици на модели.

Рискове от разширения на браузъра

Разширенията за браузър, задвижвани от изкуствен интелект, представляват особено опасен скрит вектор на изкуствен интелект. Разширенията могат да четат съдържанието на страниците, да улавят натискания на клавиши, да осъществяват достъп до „бисквитки“ и да извличат данни – всичко това, като същевременно изглежда, че предоставят полезна функционалност, подпомагана от изкуствен интелект. LayerX Security се справя с това предизвикателство чрез възможности за защита на разширенията на браузъра, които осигуряват видимост върху инсталираните разширения, оценяват техните рискови профили и прилагат политики, които блокират или ограничават високорисковите разширения с изкуствен интелект, преди да могат да получат достъп до чувствителни данни.

Управление на идентичността и достъпа за ИИ

Традиционното управление на идентичността се фокусира върху достъпа до приложенията. Управлението с изкуствен интелект добавя ново измерение: контролиране на данните и възможностите, до които инструментите с изкуствен интелект могат да имат достъп от името на удостоверени потребители. Потребител, оторизиран да преглежда записи на клиенти, не е задължително да може да експортира тези записи в инструмент за обобщаване с изкуствен интелект. Фино структурираните политики за контрол на достъпа с изкуствен интелект трябва да преодолеят разликата между управлението на идентичността и защитата на данните.

Предизвикателства пред управлението, уникални за генеративния изкуствен интелект

Генеративният изкуствен интелект въвежда проблеми с управлението, които не съществуват при традиционния софтуер или дори при конвенционалните системи за машинно обучение. предизвикателства в управлението, уникални за генеративния изкуствен интелект произтичат от непредсказуемия, креативен и изискващ данни характер на големите езикови модели и мултимодалните системи.

Недетерминистични изходи

Традиционният софтуер произвежда предвидими резултати за дадени входни данни. Генеративният изкуствен интелект не го прави. Едно и също подканващо съобщение може да доведе до различни отговори в различните сесии, което затруднява валидирането, одита или възпроизвеждането на генерирано от изкуствен интелект съдържание. Тази недетерминираност усложнява спазването на изискванията в регулираните индустрии, където проследимостта на решенията е задължителна. Механизмите за валидиране на отговорите на изкуствения интелект – включително регистриране на резултатите, оценяване на достоверността и работни процеси за преглед с участието на човек – се превръщат в основни контролни механизми за управление.

Рискове, свързани с приемането на данни и обучението

Когато служителите взаимодействат с инструменти за генеративен изкуствен интелект, данните, които предоставят, могат да бъдат използвани за обучение или фина настройка на модели, в зависимост от условията за ползване на доставчика. Това създава рискове, свързани с изтичане на интелектуална собственост и нарушения на регулаторните разпоредби. Рамките за управление трябва да класифицират инструментите за изкуствен интелект въз основа на техните политики за запазване на данни и обучение и да прилагат контрол, който предотвратява достигането на чувствителни данни до инструменти с неблагоприятни условия.

Бързо инжектиране и манипулация

Системите с генеративен изкуствен интелект са уязвими към атаки с инжектиране на подкани, при които злонамерени входни данни карат модела да заобикаля предпазните мерки, да разкрива системни подкани или да изпълнява нежелани действия. За организациите, внедряващи приложения с изкуствен интелект, насочени към клиентите, това представлява предизвикателство както за сигурността, така и за управлението. Контролите трябва да включват дезинфекция на входните данни, филтриране на изходните данни и непрекъснато наблюдение за враждебни взаимодействия.

Предизвикателства пред управлението на агентния изкуствен интелект

Появата на агентен изкуствен интелект – системи, които автономно планират и изпълняват многоетапни задачи – въвежда нова категория предизвикателства в управлението на агентния изкуствен интелектЗа разлика от разговорния ИИ, агентите могат да сърфират в мрежата, да пишат и изпълняват код, да изпращат имейли, да променят бази данни и да взаимодействат с API. Управлението на агентния ИИ изисква:

• Разрешения на ниво действие – Дефиниране на действията, които даден агент с изкуствен интелект е оторизиран да извършва, а не само на данните, до които може да има достъп.
• Граници на изпълнението – Определяне на ограничения върху обхвата и въздействието на автономните действия (напр. предотвратяване на агенти да променят производствените системи без одобрение).
• Одитни пътеки – Записване на всяко действие, предприето от агента, включително веригата от разсъждения, довела до всяко решение.
• Ключове за убиване – Внедряване на механизми за незабавно спиране на изпълнението на агента при откриване на аномално поведение.

Неясноти относно авторското право и интелектуалната собственост

Генеративните изходни данни от изкуствен интелект могат да включват модели, фрази или структури, получени от защитени с авторски права обучителни данни. Правният статус на генерираното от изкуствен интелект съдържание остава неуреден в различните юрисдикции. Организациите трябва да установят политики за това как генерираното от изкуствен интелект съдържание може да се използва в материали, насочени към клиентите, правни документи и публикувани произведения, както и да внедрят процеси за преглед, за да смекчат риска от нарушения.

Справяне с предизвикателствата при управлението на данни, свързани с изкуствен интелект

Предизвикателства при управлението на данни с изкуствен интелект са сред най-сложните технически аспекти на по-широкия проблем на управлението. Данните са едновременно гориво за системите с изкуствен интелект и основният актив, изложен на риск, когато управлението се провали.

Класификация на данни за контексти на изкуствен интелект

Съществуващите схеми за класификация на данни не са проектирани за модели на взаимодействие с изкуствен интелект. Документ, класифициран като „вътрешен“, може да е приемлив за четене от служителите, но неприемлив за поставяне във външен инструмент с изкуствен интелект. Организациите се нуждаят от специфични за изкуствения интелект нива на класификация на данни, които отчитат разликата между консумацията от хора и машинната обработка. Това включва създаването на политики, които разграничават:

• Данни, които могат да се използват с всеки инструмент с изкуствен интелект (публична информация).
• Данните са ограничени до одобрени, лицензирани от предприятия инструменти с изкуствен интелект с договорни защити на данните.
• Данни, които никога не трябва да се предоставят на система с изкуствен интелект (регулирана лична информация, търговски тайни, класифицирана информация).

Предотвратяване на изтичане на данни на ниво браузър

По-голямата част от изтичането на данни от изкуствен интелект се случва чрез взаимодействия, базирани на браузър – копиране и поставяне, качване на файлове и подаване на формуляри към уеб приложения с изкуствен интелект. Традиционните DLP решения, които се фокусират върху имейли и прехвърляне на файлове към крайни точки, напълно пропускат тези взаимодействия. DLP възможностите, вградени в браузъра, могат да проверяват данните, пренасяни към инструменти с изкуствен интелект, да прилагат политики, базирани на класификация, и да блокират или редактират чувствително съдържание, преди то да напусне организацията. LayerX Security предоставя DLP възможности от изкуствен интелект, специално разработени за наблюдение и контрол на потоците от данни между корпоративни потребители и инструменти с изкуствен интелект на ниво браузър, като се справят с точната точка, където се случва изтичане на данни.

Усложнения при трансграничен трансфер на данни

Инструментите с изкуствен интелект, хоствани в различни юрисдикции, създават проблеми със суверенитета на данните. Служител в Германия, използващ услуга с изкуствен интелект, хоствана в САЩ, може неволно да наруши изискванията за трансфер на данни по GDPR. Управлението на данните с изкуствен интелект трябва да включва географска осведоменост, насочване на взаимодействията с изкуствен интелект чрез одобрени услуги въз основа на местоположението на потребителя и класификацията на данните.

Проследяване на произхода и произхода на данните

Когато генерирано от изкуствен интелект съдържание навлезе в бизнес работните процеси, организациите трябва да проследят неговия произход. Финансовият анализ изготвен ли е от анализатор, инструмент с изкуствен интелект или комбинация от тях? Проследяването на произхода на данни за генерирано от изкуствен интелект съдържание е от съществено значение за съответствието с одита, осигуряването на качеството и управлението на отговорностите. Рамките за управление следва да задължават маркирането на метаданни за резултатите, подпомогнати от изкуствен интелект.

Практически стъпки за преодоляване на предизвикателствата при внедряването на управлението на ИИ

Решаването Предизвикателства при внедряването на управлението на ИИ изисква структуриран подход, който съчетава разработване на политики, технически контрол и управление на организационните промени. Следните стъпки предоставят практическа пътна карта за лидерите.

Стъпка 1: Установяване на пълна видимост

Не можеш да управляваш това, което не можеш да видиш. Първият приоритет е внедряването на инструменти, които осигуряват цялостна видимост върху използването на изкуствен интелект в цялата организация. Това включва откриване на инструменти с изкуствен интелект в сянка, картографиране на разширения за браузър, задвижвани от изкуствен интелект, идентифициране на SaaS приложения с вградени функции на изкуствен интелект и наблюдение на потоците от данни към услугите, свързани с изкуствен интелект. Мониторингът на ниво браузър осигурява най-пълна видимост, защото улавя взаимодействията с изкуствен интелект, независимо от използвания инструмент, устройство или мрежа.

Стъпка 2: Създаване на междуфункционален комитет за управление

Сформирайте специален комитет за управление на ИИ с представители на отделите по сигурност, правни въпроси, съответствие, човешки ресурси, информационни технологии и ключови бизнес звена. Този комитет трябва да отговаря за политиката за управление на ИИ, да провежда тримесечни прегледи и да служи като точка за ескалация на инциденти, свързани с ИИ. Определете изпълнителен спонсор – в идеалния случай CISO или CTO – за да се гарантира, че комитетът разполага с правомощия и бюджет.

Стъпка 3: Разработване на многостепенни политики за използване на изкуствен интелект

Вместо общо одобрение или забрана, създайте многостепенни политики, които съобразяват използването на инструменти с изкуствен интелект с нивата на риск. Практическа многостепенна рамка може да изглежда така:

Стъпка 4: Внедряване на технически контроли в точката на взаимодействие

Политиките без прилагане са предложения. Техническите контроли трябва да бъдат внедрени там, където се осъществяват взаимодействия с ИИ – предимно в браузъра. Ефективните технически контроли за управление на ИИ включват:

1. Контрол на достъпа с изкуствен интелект – Ограничаване на достъпа на потребителите и групите до специфични инструменти с изкуствен интелект въз основа на роля, отдел и чувствителност на данните.
2. AI DLP (Защита от загуба на данни) – Проверка и блокиране на подаване на чувствителни данни към инструменти с изкуствен интелект в реално време.
3. Мониторинг на използването на изкуствен интелект – Записване на всички взаимодействия с изкуствен интелект за одит, съответствие и откриване на аномалии.
4. Предотвратяване на злоупотреби с изкуствен интелект – Откриване и блокиране на опити за използване на инструменти с изкуствен интелект за забранени цели, като например генериране на злонамерен код или заобикаляне на контролите за сигурност.
5. Контрол на разширенията на браузъра – Идентифициране и управление на разширения на браузъра, задвижвани от изкуствен интелект, които могат да изкраднат данни или да въведат уязвимости.

Стъпка 5: Внедряване на непрекъснат мониторинг и адаптация

Управлението на ИИ не е еднократен проект. Създайте процеси за непрекъснат мониторинг, които проследяват моделите на използване на ИИ, откриват нови инструменти на ИИ в сянка, измерват спазването на политиките и идентифицират нововъзникващи рискове. Изградете обратна връзка между данните от мониторинга и актуализациите на политиките, така че рамката за управление да се адаптира към промяната на възможностите и заплахите на ИИ. Тримесечните прегледи на управлението следва да оценяват новите инструменти на ИИ, навлизащи на пазара, промените в условията за обработка на данни от доставчиците, регулаторните развития и данните за вътрешни инциденти.

Стъпка 6: Инвестирайте в обучението на служителите

Техническите контроли намаляват риска, но информираните служители го намаляват допълнително. Обучението за управление на ИИ трябва да обхваща одобрени инструменти и правилното им използване, правилата за обработка на данни, специфични за взаимодействията с ИИ, как да се идентифицират и докладват инструменти с ИИ в сянка, рисковете от подаване на чувствителни данни към услуги с ИИ и очакванията на организацията за преглед на генерирано от ИИ съдържание. Обучението трябва да е специфично за ролята – разработчиците се нуждаят от различни насоки от маркетинговите екипи или финансовите анализатори – и да се актуализира с промяната на политиките и инструментите.

Преодоляване на пълния спектър от Предизвикателствата в управлението на ИИ изисква постоянен ангажимент от страна на ръководството, инвестиции в специално разработени технически контроли и култура, която третира отговорното използване на ИИ като споделен организационен приоритет. Организациите, които вграждат управлението в своята стратегия за ИИ от самото начало – вместо да пренастройват контролите след възникване на инциденти – ще бъдат в най-добра позиция да се възползват от ползите за производителността на ИИ, като същевременно управляват ефективно рисковете, свързани с него.