随着越来越多的企业开始接受人工智能 (AI) ，完善的信息治理 (IG) 政策变得尤为重要。人工智能是一种模仿人类智能来生成、分类和执行图像分析、语音识别和内容创建等任务的技术，因此，这一技术成功与否在很大程度上依赖于信息的质量和管理。

信息治理是有效部署人工智能的基础。它帮助企业明确信息在业务、法律、监管和历史存档方面的价值，并精心管理信息的生命周期。信息治理实践（政策制定、证据开示、分类、保留和处置）确保有价值的信息可被顺利访问，同时整理删除会带来风险或缺乏价值的数据和记录。从本质上讲，信息治理提供高质量的企业信息，最大限度地提高人工智能技术的使用效率和有效性。

过去和现在

人工智能历史悠久，可以追溯到 20 世纪 40 年代末和 50 年代，在众多计算机科学领域的先驱中，最有代表性的便是艾伦·图灵和他的《模仿游戏》。而时至今日，我们面临的问题是如何最大限度地利用人工智能，同时确保其安全可靠。人工智能所利用数据的真实性、准确性、合规性和受保护性至关重要，而这正是信息治理 (IG) 发挥重要作用的地方。

著名的未来学家、作家和发明家雷·库兹韦尔预测，到 2029 年，我们可能会达到奇点——一个假设的未来时点，当技术增长变得无法控制和不可逆转。他认为，只要有适当的规则和控制，人工智能和生成式人工智能就可以被有效、安全地部署。在不久的将来安全地实现通用人工智能（人类水平的智能）取决于对这些技术的核心——数据的适当管理。在人工智能计划中加入信息治理不仅十分重要；更是对人工智能的未来发展起到积极作用。

数据卫生 - 原则和规范

对于 IG 和相关专业人士来说，确保 AI 符合企业原则，符合法律、监管和业务（以及历史）的各项规定至关重要。这些原则和规定旨在减少隐私风险和网络安全风险，保证高水平的数据质量。数据必须真实、可靠且可以被正确访问，才能提供有利于公司业务的准确结果。

部署符合企业、行业和司法管辖区准则的 AI 或其他技术，可以加强对数据及其结果的信任。这种信任使企业对 AI 系统更有信心。随着商业模式和法规的不断发展，企业需要对技术不断更新，以确保能够始终获得高质量的结果，并且始终符合相关标准和法规。

幸运的是，有许多 AI 治理框架可用于指导如何开发AI架构、应用实践和实施方法。这些框架有助于企业在构建和维护 AI 系统时进行必要的监督和整合。

用例和统一管理

在当下快速发展的环境中，企业都意识到如果不尽早引入 AI，就有可能被使用 AI 的竞争对手超越。那么，企业是如何利用 AI的呢？较早的创新者开发了光学字符识别、语音文本转换和用于生成音乐和艺术的创意工具等技术。在实际应用中，企业将 AI 用于合同生命周期管理、文档转换和聊天机器人。银行则将 AI 用于欺诈检测、财务建模和招聘等功能。

让我们探讨两个具体用例：合同生命周期管理 (CLM) 和电子文件审阅 (EFR)，也称为matter mobility。Epiq 的 Ziad Mantoura 撰写了一篇关于生成 AI 和合同生命周期管理 (CLM) 的非常有见地的文章，强调了其在法务部门之外的作用及其在金融服务和制药领域的重要性，讨论了标准化和黄金源存储库的好处。在信息治理中，这意味着遵守相应规则并对内容进行分类以便正确和快速地使用。

另一个用例是法律和其他领域的电子文件审阅。此功能涉及证据开示、保护和管理法律文件，明确律师或客户离开律师事务所时应发布的内容。Epiq 提供专业和技术功能，确保有效的信息治理和记录管理。这些功能包括扫描电子数据、索引、分类和标记。此过程有助于根据 IG 原则进行适当的归档、保留、处置、隔离和访问控制。

当 AI 在适当的管控下实施时，它会带来巨大的价值。这些价值体现在能够实现自动处理，使员工能够更快、更准确地完成任务，从而降低人为错误等风险。此外，还降低了与手动处理、数据存储和数据再利用相关的成本。

风险、问题和依赖性

利用AI能等先进技术无疑会带来一些风险。其中一个主要风险是缺乏熟练运用这一技术的用户，他们不仅需要知道如何操作，还要知道如何准确地解释其结果。此外，技术更新，并根据不断变化的业务需求调整流程和内容，也是一项挑战。另外，对于AI的依赖也是一个问题，例如依赖AI技术来应对大量的信息治理 (IG) 和数据治理 (DG)需求 ，提供保护企业所需的基本原则和要求。

使用AI的目标很明确：支持业务运营、降低风险、提高员工生产力和降低成本。适当的信息和数据治理是企业风险管理的基础，可以建立对技术的信任并确保安全性。最近的 Epiq 论坛也强调了这一点，治理和风险成为关键问题。论坛讨论了数据来源、存储和利用等关键方面，强调了为使用人工智能做好准备的重要性。

展望未来

企业必须认识到，不良数据会导致不良结果。精准的 AI 提示词、先进的技术、强大的流程和强大的控制无法弥补数据质量的问题。虽然一些数据科学家认为数据越多越好，但我们知道，对于最高效的企业来说，质量胜过数量。随着 AI 接近人类智能，它可以更快地处理信息，但如果输入无关的或错误的数据，它将无法做出更好的决策。

信息治理 (IG) 对于有效实施 AI 至关重要。通过识别内容的业务、法律、监管和历史价值并管理信息的生命周期，IG 可确保访问正确的信息，同时最大限度地减少无价值或高风险数据的存在。IG 实践（包括证据开示、分类、保留和处置）可确保保留和利用有价值的信息。

通过健全的治理来解决信息质量问题可实现 “应对数据过剩：IG 如何在数字时代推动企业成功“。正如文章所强调的，“要充分利用信息的变革潜力，我们必须排除干扰，采取一种综合方法，将与数据治理、风险管理、隐私、网络安全、记录管理和法规等所有企业相关的关键因素结合起来。”

通过遵守这些原则，组织可以确保其 AI 有效实施、可靠和安全，最终实现更好的决策，助力企业运营。