Zaufanie do danych i ich bezpieczeństwa w dobie sztucznej inteligencji
Katgoria: IT Solutions / Utworzono: 08 listopad 2023
Bezpieczeństwo i niezawodność danych od dawna mają kluczowe znaczenie dla powodzenia inicjatyw biznesowych. Jednak szybki postęp w sztucznej inteligencji (AI) sprawił, że te elementy stały się jeszcze ważniejsze. Pewność, że sztuczna inteligencja jest zasilana dokładnymi, kompleksowymi danymi to klucz do wykorzystania jej pełnego potencjału.
Niemal 9 na 10 (87%) analityków i liderów IT zgadza się z tym, że postęp w sztucznej inteligencji sprawił, że zarządzanie danymi staje się coraz wyższym priorytetem. Najnowszy raport Salesforce „State of Data and Analytics” wskazuje na brak zaufania respondentów do dokładności danych. Ponadto, największym wyzwaniem w zarządzaniu danymi i ich wykorzystywaniu do potrzeb biznesowych okazało się ich bezpieczeństwo.
Brak wiarygodnych danych budzi strach przed utratą korzyści płynących ze sztucznej inteligencji
Obecnie firmy koncentrują się na wykorzystaniu generatywnej sztucznej inteligencji w celu poprawy produktywności, wydajności i zwiększenia przychodów. Od tworzenia treści, aż po rozwój oprogramowania – liderzy biznesowi w pełni przyjmują dobrodziejstwa płynące z generatywnej sztucznej inteligencji. Najnowsze badania Salesforce pokazują, że pierwsi użytkownicy już zauważają rezultaty, w tym krótszy czas rozwiązywania problemów w zakresie obsługi klienta i zwiększoną sprzedaż. Nic więc dziwnego, że firmy boją się pozostać w tyle.
Aby skorzystać z dobrodziejstw sztucznej inteligencji, firmy muszą jednak najpierw uporządkować swoje dane. Wspieranie skutecznej sztucznej inteligencji wymaga bezpiecznych i niezawodnych danych wejściowych. 92% analityków i liderów IT twierdzi, że zapotrzebowanie na zaufane dane jest większe niż kiedykolwiek.
Z zaufaniem do danych bywa dziś różnie
Zespoły znajdujące się najbliżej danych, na przykład analitycy, mają największe zaufanie do dokładności swoich danych. Jednak nawet te zespoły mają duże pole do poprawy: tylko 57% liderów działów analityki jest całkowicie pewnych swoich danych. Działy biznesowe takie jak marketing, sprzedaż i usługi są jeszcze bardziej sceptyczne, a średnio tylko 43% z nich całkowicie ufa swoim danym.
Zespoły obsługi klienta, których wydajność zależy od terminowego i dokładnego połączenia danych zwrotnych od klientów, informacji o zgłoszeniach do pomocy technicznej czy też szczegółów dotyczących produktów i informacji o klientach, mają szczególnie dużo wątpliwości co do jakości swoich danych.
Zagrożenia bezpieczeństwa i brak harmonizacji danych utrudniają ich wiarygodność
Podczas gdy brak zaufania podkreśla walkę firm o wykorzystanie danych jako podstawy rozwiązań opartych na sztucznej inteligencji, to jednak największym wyzwaniem wśród ankietowanych są zagrożenia bezpieczeństwa danych.
Niedawne opublikowane badanie Salesforce pokazało, że aż 65% liderów IT doświadczyło naruszenia bezpieczeństwa w okresie od czerwca 2021 r. do czerwca 2022 r. Wśród tych, którzy doświadczyli naruszenia, 35% nie było w stanie odzyskać żadnych danych. Generatywna sztuczna inteligencja niesie ze sobą dodatkowe ryzyko wycieku zastrzeżonych danych firmowych do publicznych, dużych modeli językowych. Rosnące obawy związane z cyberbezpieczeństwem są potęgowane przez inny ważny czynnik: dane organizacyjne rosną zarówno pod względem ilości, jak i złożoności, zwiększając poziom zagrożenia.
Ponad dwie trzecie (68%) zespołów analitycznych i informatycznych przewiduje wzrost ilości danych w ciągu najbliższych 12 miesięcy. Przewidują oni, że wzrost ten będzie znaczny. Średnio liderzy techniczni spodziewają się około 20% wzrostu w różnych miejscach: w danych własnych, danych stron trzecich i danych urządzeń. Ich przewidywania są jednak prawdopodobnie mocno zaniżone, biorąc pod uwagę dane płynące z niezależnych badań.
Zarządzanie przyrastającą liczbą danych pochodzących z wielu różnych źródeł jest czymś więcej, niż tylko kwestią bezpieczeństwa. To techniczne wyzwanie do standaryzacji. Zaraz po zagrożeniach związanych z bezpieczeństwem, firmy wymieniają brak harmonizacji danych, jako największą barierę w wydobywaniu z nich wartości. Dalsze skutki utrzymywania rozproszonych, silosowych danych przekładają się na przytłaczające ilości danych i brak jednego źródła prawdy, a to według badanych główne bariery w wykorzystywaniu własnych danych. Podają oni również brak szkoleń i skutecznych sposobów wydobywania informacji jako kolejne, duże wyzwania związane z danymi w ich organizacjach.
Zarządzanie danymi i kultura danych kluczem do skutecznego wykorzystania danych
Kluczową częścią budowania sukcesu sztucznej inteligencji jest zarządzanie danymi – zestaw zasad lub polityk, zgodnie z którymi informacje są gromadzone, zarządzane, przechowywane, mierzone i przekazywane w organizacji.
Ustanawiając jasne i czytelne zasady dostępu do danych, ich dokładności, prywatności, bezpieczeństwa i przechowywania, doświadczeni liderzy wykorzystują zarządzanie danymi w celu zapewnienia jakości, demokratyzacji dostępu i ochrony prywatności. Skuteczne zarządzanie danymi może zapewnić jasność w kluczowych kwestiach. Dotyczą one przede wszystkim tego danych czy dane są poprawne i bez rozbieżności, czy są kompletne, czy są wiarygodności oraz trafne.
Zdecydowana większość ankietowanych deklaruje, że wykorzystuje zarządzanie danymi jako narzędzie do zapewnienia i certyfikacji podstawowej jakości danych (85%), ramy do wzbudzania zaufania do danych (84%) oraz skuteczny sposób na demokratyzację dostępu do danych (81%).
Oczywiście poprawa zaufania do danych to coś więcej niż tylko rozwiązanie techniczne. Wspieranie silnej kultury danych – tworzenie sposobu myślenia i praktyki wokół wartości bycia firmą opartą na danych ma kluczowe znaczenie dla zwiększenia zaufania. Badania wykazały, że firmy oparte na danych osiągają lepsze wyniki pod względem niemal każdego wskaźnika.
Kluczowe dane z raportu Salesforce:
Zarządzanie danymi:
Brak wiarygodnych danych budzi strach przed utratą korzyści płynących ze sztucznej inteligencji
Obecnie firmy koncentrują się na wykorzystaniu generatywnej sztucznej inteligencji w celu poprawy produktywności, wydajności i zwiększenia przychodów. Od tworzenia treści, aż po rozwój oprogramowania – liderzy biznesowi w pełni przyjmują dobrodziejstwa płynące z generatywnej sztucznej inteligencji. Najnowsze badania Salesforce pokazują, że pierwsi użytkownicy już zauważają rezultaty, w tym krótszy czas rozwiązywania problemów w zakresie obsługi klienta i zwiększoną sprzedaż. Nic więc dziwnego, że firmy boją się pozostać w tyle.
Aby skorzystać z dobrodziejstw sztucznej inteligencji, firmy muszą jednak najpierw uporządkować swoje dane. Wspieranie skutecznej sztucznej inteligencji wymaga bezpiecznych i niezawodnych danych wejściowych. 92% analityków i liderów IT twierdzi, że zapotrzebowanie na zaufane dane jest większe niż kiedykolwiek.
Z zaufaniem do danych bywa dziś różnie
Zespoły znajdujące się najbliżej danych, na przykład analitycy, mają największe zaufanie do dokładności swoich danych. Jednak nawet te zespoły mają duże pole do poprawy: tylko 57% liderów działów analityki jest całkowicie pewnych swoich danych. Działy biznesowe takie jak marketing, sprzedaż i usługi są jeszcze bardziej sceptyczne, a średnio tylko 43% z nich całkowicie ufa swoim danym.
Zespoły obsługi klienta, których wydajność zależy od terminowego i dokładnego połączenia danych zwrotnych od klientów, informacji o zgłoszeniach do pomocy technicznej czy też szczegółów dotyczących produktów i informacji o klientach, mają szczególnie dużo wątpliwości co do jakości swoich danych.
Zagrożenia bezpieczeństwa i brak harmonizacji danych utrudniają ich wiarygodność
Podczas gdy brak zaufania podkreśla walkę firm o wykorzystanie danych jako podstawy rozwiązań opartych na sztucznej inteligencji, to jednak największym wyzwaniem wśród ankietowanych są zagrożenia bezpieczeństwa danych.
Niedawne opublikowane badanie Salesforce pokazało, że aż 65% liderów IT doświadczyło naruszenia bezpieczeństwa w okresie od czerwca 2021 r. do czerwca 2022 r. Wśród tych, którzy doświadczyli naruszenia, 35% nie było w stanie odzyskać żadnych danych. Generatywna sztuczna inteligencja niesie ze sobą dodatkowe ryzyko wycieku zastrzeżonych danych firmowych do publicznych, dużych modeli językowych. Rosnące obawy związane z cyberbezpieczeństwem są potęgowane przez inny ważny czynnik: dane organizacyjne rosną zarówno pod względem ilości, jak i złożoności, zwiększając poziom zagrożenia.
Ponad dwie trzecie (68%) zespołów analitycznych i informatycznych przewiduje wzrost ilości danych w ciągu najbliższych 12 miesięcy. Przewidują oni, że wzrost ten będzie znaczny. Średnio liderzy techniczni spodziewają się około 20% wzrostu w różnych miejscach: w danych własnych, danych stron trzecich i danych urządzeń. Ich przewidywania są jednak prawdopodobnie mocno zaniżone, biorąc pod uwagę dane płynące z niezależnych badań.
Zarządzanie przyrastającą liczbą danych pochodzących z wielu różnych źródeł jest czymś więcej, niż tylko kwestią bezpieczeństwa. To techniczne wyzwanie do standaryzacji. Zaraz po zagrożeniach związanych z bezpieczeństwem, firmy wymieniają brak harmonizacji danych, jako największą barierę w wydobywaniu z nich wartości. Dalsze skutki utrzymywania rozproszonych, silosowych danych przekładają się na przytłaczające ilości danych i brak jednego źródła prawdy, a to według badanych główne bariery w wykorzystywaniu własnych danych. Podają oni również brak szkoleń i skutecznych sposobów wydobywania informacji jako kolejne, duże wyzwania związane z danymi w ich organizacjach.
Zarządzanie danymi i kultura danych kluczem do skutecznego wykorzystania danych
Kluczową częścią budowania sukcesu sztucznej inteligencji jest zarządzanie danymi – zestaw zasad lub polityk, zgodnie z którymi informacje są gromadzone, zarządzane, przechowywane, mierzone i przekazywane w organizacji.
Ustanawiając jasne i czytelne zasady dostępu do danych, ich dokładności, prywatności, bezpieczeństwa i przechowywania, doświadczeni liderzy wykorzystują zarządzanie danymi w celu zapewnienia jakości, demokratyzacji dostępu i ochrony prywatności. Skuteczne zarządzanie danymi może zapewnić jasność w kluczowych kwestiach. Dotyczą one przede wszystkim tego danych czy dane są poprawne i bez rozbieżności, czy są kompletne, czy są wiarygodności oraz trafne.
Zdecydowana większość ankietowanych deklaruje, że wykorzystuje zarządzanie danymi jako narzędzie do zapewnienia i certyfikacji podstawowej jakości danych (85%), ramy do wzbudzania zaufania do danych (84%) oraz skuteczny sposób na demokratyzację dostępu do danych (81%).
Oczywiście poprawa zaufania do danych to coś więcej niż tylko rozwiązanie techniczne. Wspieranie silnej kultury danych – tworzenie sposobu myślenia i praktyki wokół wartości bycia firmą opartą na danych ma kluczowe znaczenie dla zwiększenia zaufania. Badania wykazały, że firmy oparte na danych osiągają lepsze wyniki pod względem niemal każdego wskaźnika.
Kluczowe dane z raportu Salesforce:
Zarządzanie danymi:
- 87% liderów analityki i IT zgadza się, że postępy w dziedzinie sztucznej inteligencji sprawiają, że zarządzanie danymi ma wyższy priorytet
- 92% z nich zgadza się, że potrzeba wiarygodnych danych jest wyższa niż kiedykolwiek wcześniej
- 57% ankietowanych jest całkowicie pewnych swoich danych
- 68% zespołów analitycznych i zespołów IT przewiduje wzrost ilości danych w ciągu najbliższych 12 miesięcy.
- 77% liderów biznesowych obawia się, że ich firma traci korzyści płynące z generatywnej sztucznej inteligencji.
- Poprawa jakości danych jest priorytetem nr 1 dla liderów analityki i IT
- Zagrożenia bezpieczeństwa to wyzwanie nr 1 dla liderów biznesu, analityki i IT
- Ponad 7 na 10 firm zwiększa budżety na narzędzia do analizy danych i szkolenia z tego zakresu
- 85% liderów analityki i IT wykorzystuje zarządzanie danymi, jako narzędzie do zapewnienia i certyfikacji podstawowej jakości danych.
- 84% liderów analityki i IT wykorzystuje zarządzanie danymi. jako ramy do wzbudzania zaufania do danych.
Źródło: Salesforce
Najnowsze wiadomości
Customer-specific AI: dlaczego w 2026 roku to ona przesądza o realnym wpływie AI na biznes
W 2026 roku sztuczna inteligencja przestaje być ciekawostką technologiczną, a zaczyna być rozliczana z realnego wpływu na biznes. Organizacje oczekują dziś decyzji, którym można zaufać, procesów działających przewidywalnie oraz doświadczeń klientów, które są spójne w skali. W tym kontekście coraz większe znaczenie zyskuje customer-specific AI - podejście, w którym inteligencja jest osadzona w danych, procesach i regułach konkretnej firmy, a nie oparta na generycznych, uśrednionych modelach.
PROMAG S.A. rozpoczyna wdrożenie systemu ERP IFS Cloud we współpracy z L-Systems
PROMAG S.A., lider w obszarze intralogistyki, rozpoczął wdrożenie systemu ERP IFS Cloud, który ma wesprzeć dalszy rozwój firmy oraz integrację kluczowych procesów biznesowych. Projekt realizowany jest we współpracy z firmą L-Systems i obejmuje m.in. obszary finansów, produkcji, logistyki, projektów oraz serwisu, odpowiadając na rosnącą skalę i złożoność realizowanych przedsięwzięć.
SkyAlyne stawia na IFS dla utrzymania floty RCAF
SkyAlyne, główny wykonawca programu Future Aircrew Training (FAcT), wybrał IFS Cloud for Aviation Maintenance jako cyfrową platformę do obsługi technicznej lotnictwa i zarządzania majątkiem. Wdrożenie ma zapewnić wgląd w czasie rzeczywistym w utrzymanie floty, zasoby i zgodność, ograniczyć przestoje oraz zwiększyć dostępność samolotów szkoleniowych RCAF w skali całego kraju. To ważny krok w modernizacji kanadyjskiego systemu szkolenia załóg lotniczych.
Wykorzystanie AI w firmach rośnie, ale wolniej, niż oczekiwano. Towarzyszy temu sporo rozczarowań
Wykorzystanie sztucznej inteligencji w firmach rośnie, ale tempo realnych wdrożeń pozostaje znacznie wolniejsze od wcześniejszych oczekiwań rynku. Dane pokazują, że z rozwiązań AI korzysta dziś wciąż niewiele przedsiębiorstw, a menedżerowie coraz częściej wskazują na bariery regulacyjne, koszty oraz brak powtarzalnych efektów biznesowych. W praktyce technologia jest testowana głównie w wybranych obszarach, a kluczowe decyzje nadal pozostają po stronie człowieka. Również w firmach, które wdrożyły AI, nierzadko towarzyszą temu rozczarowania.
Europejski przemysł cyfryzuje się zbyt wolno – ERP, chmura i AI stają się koniecznością
Europejski przemysł średniej wielkości wie, że cyfryzacja jest koniecznością, ale wciąż nie nadąża za tempem zmian. Ponad 60% firm ocenia swoje postępy w transformacji cyfrowej jako zbyt wolne, mimo rosnącej presji konkurencyjnej, regulacyjnej i kosztowej. Raport Forterro pokazuje wyraźną lukę między świadomością potrzeby inwestycji w chmurę, ERP i AI a realną zdolnością do ich wdrożenia – ograniczaną przez braki kompetencyjne, budżety i gotowość organizacyjną.
Najnowsze artykuły
5 pułapek zarządzania zmianą, które mogą wykoleić transformację cyfrową i wdrożenie ERP
Dlaczego jedne wdrożenia ERP dowożą korzyści, a inne kończą się frustracją, obejściami w Excelu i spadkiem zaufania do systemu? Najczęściej decyduje nie technologia, lecz to, jak organizacja prowadzi zmianę: czy liderzy biorą odpowiedzialność za decyzje czy tempo jest dopasowane do zdolności absorpcji oraz czy ludzie dostają klarowność ról i realne kompetencje. Do tego dochodzi pytanie: co po go-live - stabilizacja czy chaos w firmie? Poniżej znajdziesz 5 pułapek, które najczęściej wykolejają transformację i praktyczne sposoby, jak im zapobiec.
SAP vs Oracle vs Microsoft: jak naprawdę wygląda chmura i sztuczna inteligencja w ERP
Wybór systemu ERP w erze chmury i sztucznej inteligencji to decyzja, która determinuje sposób działania organizacji na lata — a często także jej zdolność do skalowania, adaptacji i realnej transformacji cyfrowej. SAP, Oracle i Microsoft oferują dziś rozwiązania, które na pierwszy rzut oka wyglądają podobnie, lecz w praktyce reprezentują zupełnie odmienne podejścia do chmury, AI i zarządzania zmianą. Ten artykuł pokazuje, gdzie kończą się deklaracje, a zaczynają realne konsekwencje biznesowe wyboru ERP.
Transformacja cyfrowa z perspektywy CFO: 5 rzeczy, które przesądzają o sukcesie (albo o kosztownej porażce)
Transformacja cyfrowa w finansach często zaczyna się od pytania o ERP, ale w praktyce rzadko sprowadza się wyłącznie do wyboru systemu. Dla CFO kluczowe jest nie tylko „czy robimy pełną wymianę ERP”, lecz także jak policzyć ryzyko operacyjne po uruchomieniu, ocenić wpływ modelu chmurowego na koszty OPEX oraz utrzymać audytowalność i kontrolę wewnętrzną w nowym modelu działania firmy.
Agentic AI rewolucjonizuje HR i doświadczenia pracowników
Agentic AI zmienia HR: zamiast odpowiadać na pytania, samodzielnie realizuje zadania, koordynuje procesy i podejmuje decyzje zgodnie z polityką firmy. To przełom porównywalny z transformacją CRM – teraz dotyczy doświadczenia pracownika. Zyskują HR managerowie, CIO i CEO: mniej operacji, więcej strategii. W artykule wyjaśniamy, jak ta technologia redefiniuje rolę HR i daje organizacjom przewagę, której nie da się łatwo nadrobić.
Composable ERP: Przewodnik po nowoczesnej architekturze biznesowej
Czy Twój system ERP nadąża za tempem zmian rynkowych, czy stał się cyfrową kotwicą hamującą rozwój? W dobie nieciągłości biznesowej tradycyjne monolity ustępują miejsca elastycznej architekturze Composable ERP. To rewolucyjne podejście pozwala budować środowisko IT z niezależnych modułów (PBC) niczym z klocków, zapewniając zwinność nieosiągalną dla systemów z przeszłości. W tym raporcie odkryjesz, jak uniknąć pułapki długu technologicznego, poznasz strategie liderów rynku (od SAP po MACH Alliance) i wyciągniesz lekcje z kosztownych błędów gigantów takich jak Ulta Beauty. To Twój strategiczny przewodnik po transformacji z cyfrowego "betonu" w adaptacyjną "plastelinę".
Oferty Pracy
-
Młodszy konsultant programista Microsoft Dynamics 365 Business Central
-
Konsultant programista Microsoft Dynamics 365 Business Central
-
Konsultant Microsoft Dynamics 365
-
Konsultant Wdrożeniowy Symfonia – księgowość
-
Microsoft Fabric Engineer (MFE)
-
Data/Business Analyst (PBI/Fabric)
-
CRM consultant
-
Starszy architekt systemów rozproszonych
-
Inżynier Zastosowań AI
Przeczytaj Również
Wykorzystanie AI w firmach rośnie, ale wolniej, niż oczekiwano. Towarzyszy temu sporo rozczarowań
Wykorzystanie sztucznej inteligencji w firmach rośnie, ale tempo realnych wdrożeń pozostaje znaczni… / Czytaj więcej
Vertiv Frontiers: 5 trendów, które przeprojektują centra danych pod „fabryki AI”
Centra danych wchodzą w erę „fabryk AI”, gdzie o przewadze nie decyduje już sama skala, lecz zdolno… / Czytaj więcej
Cyberbezpieczeństwo 2026. 6 trendów, które wymuszą nowe podejście do AI, danych i tożsamości
Rok 2026 zapowiada się jako moment przełomu w świecie cyfrowego bezpieczeństwa. W obliczu dynamiczn… / Czytaj więcej
Jurysdykcja danych w chmurze: dlaczego polskie firmy coraz częściej wybierają „gdzie leżą” ich system
Jurysdykcja danych przestała być detalem w umowach chmurowych – dziś decyduje o zgodności, bezpiecz… / Czytaj więcej
Tylko 7% firm w Europie wykorzystuje w pełni potencjał AI
72% firm w regionie EMEA uznaje rozwój narzędzi bazujących na sztucznej inteligencji za priorytet s… / Czytaj więcej
Chmura publiczna w Unii Europejskiej – między innowacją a odpowiedzialnością za dane
Transformacja cyfrowa w Europie coraz mocniej opiera się na chmurze publicznej, która stała się fun… / Czytaj więcej

