Protegendo a propriedade intelectual e dados sigilosos na era da IA

0

Sem políticas e planejamento cuidadosos, perder o controle sobre os segredos corporativos pode se tornar a nova realidade Getty Images Para os consumidores, a promessa da inteligência artificial (IA) na vida cotidiana pode ser cumprida com entusiasmo. Mas para as empresas que implementam soluções de IA, existem considerações importantes em torno da propriedade intelectual (PI) e dos dados sensíveis. A maioria das empresas faz perguntas como “Como não podemos perder a oportunidade de tirar partido desta tecnologia emergente?”, “Como é que a IA se enquadra na nossa estratégia de transformação digital?”, “Como podemos operar e colocar todos os nossos dados para trabalhar de forma segura ?” e “Como executar uma estratégia de IA bem-sucedida com recursos limitados?” Mas poucos se perguntam sobre as informações sensíveis utilizadas para treinar modelos de IA capazes de realizar as atividades mencionadas. Informações confidenciais da empresa e propriedade intelectual são questões críticas. A maioria dos serviços públicos de IA – como o ChatGPT – dependem de múltiplas fontes e o conhecimento cresce através das contribuições dos usuários. Isso significa que cada dado inserido neste sistema ajuda a evoluir, amadurecer e treinar esses modelos, sejam eles de inferência ou outros elementos generativos. Mas o que acontece quando esses dados são informações confidenciais da sua empresa? Quando informações protegidas ou confidenciais são inseridas e informam esses modelos, elas deixam de ser secretas – passam a fazer parte dessa plataforma. Para a maioria das empresas, esta é uma ideia assustadora. Sem planeamento e políticas cuidadosas, perder o controlo sobre os segredos empresariais poderá tornar-se a nova realidade. O setor de saúde é um bom exemplo porque as empresas de saúde geralmente lidam com dados privados e confidenciais. Muitas vezes, essas empresas não podem terceirizar ou transferir dados de regiões específicas com base em requisitos de conformidade, segurança, privacidade e muito mais. No entanto, existem várias tarefas na área da saúde nas quais a IA pode ajudar. Algumas dessas tarefas podem ser automatizadas, são consideradas banais ou não agregam muito valor à empresa. O desenvolvimento de soluções de IA para algumas dessas tarefas poderia liberar a equipe de TI para se concentrar em um melhor atendimento ao paciente. Alguns exemplos podem incluir áreas como transcrição de fala para texto em anotações médicas ou pré-seleção de pacientes por meio de um portal que lhes permite apresentar seus sintomas por conta própria. No entanto, proteger esses dados é vital. Minimizar o risco A questão é como aproveitar as capacidades e as promessas da IA ​​sem arriscar a exposição de dados sensíveis, informações sensíveis e recursos internos valiosos. Uma pesquisa recente divulgada pela IDC relata como várias empresas estão considerando transferir suas cargas de trabalho prioritárias relacionadas à IA de uma nuvem privada ou multinuvem para uma infraestrutura pública (“Atualização de tendências de repatriação de carga de trabalho” por Natalya Yezhkova. Junho de 2023). Embora isso possa funcionar para algumas empresas, há considerações importantes, como localização dos dados, segurança, privacidade e risco. Para a implementação da IA, a realidade é que nem todas as cargas de trabalho devem ser tratadas de forma igual. E uma boa maneira de prevenir riscos com trabalhos e dados confidenciais é usar uma abordagem híbrida. Atualmente, diversas empresas já adotam uma abordagem híbrida porque operam uma coleta de dados em infraestrutura pública e privada. Na verdade, esta é uma abordagem “híbrida por acidente”. No entanto, o design híbrido é mais objetivo e estruturado, permitindo experiências de armazenamento de carga de trabalho para a empresa tomar decisões de armazenamento de carga de trabalho com base no desempenho, segurança, conformidade, custo e outras considerações sobre onde implantar corretamente suas cargas de trabalho. Mesmo com uma aura mística, a IA é simplesmente mais uma carga de trabalho. E como qualquer carga de trabalho, a TI deve decidir se residirá em nuvens públicas, privadas ou híbridas. Tomar a melhor decisão desde o início significa primeiro determinar como eles fornecerão o básico, o essencial e o necessário para fornecer IA. As considerações devem incluir inferência, PFT, recursos de ajuste fino e outros componentes em todo o espectro da IA. Não é nenhuma surpresa que muitos considerem uma nuvem privada um excelente local de armazenamento, especialmente quando a segurança e a privacidade são considerações fundamentais. Com algumas soluções armazenadas em nuvens privadas, os fornecedores podem oferecer instâncias de IA habilitadas para GPU, prontas para uso, com base nas cargas de trabalho que o cliente planeja executar em seu ambiente. Essas soluções não são capazes de atender a todas as demandas; geralmente são otimizadas e projetadas para executar cargas de trabalho de IA. Você também pode fornecer blocos de construção de uma nuvem em uma experiência de autoatendimento, incluindo ferramentas comuns, APIs, CLI, cargas de trabalho do Terraform e assim por diante. Essa abordagem permite que a empresa de nuvem privada se concentre em automatizar e orquestrar a implantação de suas cargas de trabalho em vários modos – de contêineres a máquinas virtuais e bare metal. Além disso, torna a experiência na nuvem tão flexível quanto as nuvens públicas, mas com a segurança e o design ideais de uma nuvem privada. Benefícios das nuvens privadas Em uma nuvem privada, a empresa usuária controla a localização geográfica de seus dados. Ao operar suas nuvens de forma privada, as organizações também têm a vantagem da baixa latência inerente e da conectividade direta aos seus dados principais. E com a maioria das cargas de trabalho empresariais de IA em execução no processamento de dados e recursos valiosos da empresa, os usuários podem realizar seu trabalho sem sair da segurança dos limites virtuais ou físicos de seus data centers, ambientes de colocalização ou outros ambientes dedicados. . Soluções prontas para cargas de trabalho ou criadas para uma finalidade específica como parte da experiência de nuvem privada são as que realmente farão a diferença na proteção das informações e na otimização do valor da IA. E como as empresas alcançam esse objetivo? O foco deve ser: “Como posso aproveitar o poder da computação para habilitar e entregar cargas de trabalho de IA para me levar aonde quero ir?” Isso pode incluir executá-los em um data center central com dados da empresa ou em locais de borda, fornecendo resultados de inferência em tempo real na borda. Muitas vezes, as empresas podem acelerar esse processo adotando padrões abertos e permitindo que os usuários da nuvem adotem ferramentas comuns ou bem conhecidas (como Terraform ou outros padrões de fato) em um estilo de autoatendimento para determinar como lidar com modelos, orquestração, implementação e gerenciamento. essas cargas de trabalho e soluções. Ao realizar essas atividades em uma nuvem privada, você garante total agilidade e velocidade. Outra consideração importante é como as empresas consumirão seus serviços de IA, com opções que podem variar desde “entrega como nuvem” totalmente gerenciada até um modelo de data center como serviço, bem como o uso de ferramentas de autoatendimento para que as empresas podem gerenciar e operar a nuvem por conta própria. Um caso não serve para todos Para muitas organizações, uma experiência de nuvem híbrida habilitada para IA pode funcionar melhor para visibilidade, implantação e gerenciamento de suas cargas de trabalho, não apenas em nuvens privadas, mas também estendendo-se para ambientes de nuvem pública em hiperescala. *Ricardo Emmerich é Diretor Geral da HPE Brasil Mais Leituras



fazer empréstimo no bolsa família online

como quitar empréstimo consignado

refin o que é

refinanciar emprestimo

empréstimo consignado funcionário público

aposentado emprestimo caixa

empréstimo para militar

empréstimo consignado pan