Dies ist Teil 1 einer Blogreihe zu IBM AI Governance. Weitere Einzelheiten finden Sie am Ende des Beitrags.

Ich bin ein großer Fan von Thomas Friedman. Er ist Kolumnist der New York Times und hat bahnbrechende Bücher wie „ The World is Flat“ und „The Lexus and Olive Tree“ geschrieben . Er konzentriert sich auf revolutionäre Veränderungen, die Menschen weltweit widerfahren. Sein neuestes Buch ist Thank You for Being Late . Darin erörtert er, wie das Mooresche Gesetz, das ursprünglich als Modell für die Halbleiterindustrie diente, auf die Technologie im Allgemeinen angewendet werden kann.

Ich liebe diese Grafik … sie kann auf viele Aspekte der Geschwindigkeit von Technologie und darauf, wie wir sie als Menschen interpretieren, zutreffen. Deshalb freuen wir uns über die zusätzlichen Minuten ungeplanter Zeit, wenn jemand ein paar Minuten zu spät zu einem Meeting kommt. Es erklärt, warum neue Entwicklungen in der Technologie immer schneller voranschreiten. Und wenn wir es auf künstliche Intelligenz und maschinelles Lernen anwenden, zeigt es die Notwendigkeit einer KI-Governance. So würde ich es für AI Governance anwenden:

AI Governance ist der wesentliche Satz an Softwaretools, um die Vorteile der KI voll auszuschöpfen. Es regelt den KI-Lebenszyklus, um es Unternehmen zu ermöglichen, das exponentielle Wachstum der KI zu nutzen, und zwar auf eine Weise, die die Menschen zum richtigen Zeitpunkt in den Kreislauf einbezieht. AI Governance schließt die Lücke zwischen dem Potenzial der KI und den Menschen, die die KI-Systeme aufbauen, überwachen, steuern, erklären und darüber berichten.

Diese Lücke ist heute groß und wächst schnell. Es wird durch vier Schlüsselentwicklungen vorangetrieben.

Treiber für KI-Governance

Der Bedarf an KI-Governance nimmt aufgrund der Einhaltung gesetzlicher Vorschriften, verantwortungsvoller KI, Risikominderung und neuer KI-Stakeholder schnell zu.

• In Ländern auf der ganzen Welt verschärfen sich die Vorschriften für KI. Diese Vorschriften haben sich in den letzten Jahren immer weiter verschärft, nun werden sie Realität und erzwingen Änderungen bei der Umsetzung automatisierter Entscheidungen. Es gibt den EU AI Act, das New Yorker AI Hiring Law, den Canada Bill C27 und fast zwei Dutzend weitere, die weltweit verfolgt werden. Einige davon haben es in sich: Das EU-KI-Gesetz kann Bußgelder von bis zu 30 Millionen Euro oder 6 % des weltweiten Umsatzes eines Unternehmens verhängen.
• Verantwortungsvolle KI ist in letzter Zeit ein beliebtes Thema, und das aus gutem Grund: Sie trägt zum Schutz der Privatsphäre und Loyalität der Kundendaten bei. Dies geschieht, indem die Dimensionen erweitert werden, die ein Datenwissenschaftler optimieren muss: nicht mehr nur Genauigkeit und Modellleistung, sondern jetzt müssen wir Fairness und Erklärbarkeit das gleiche Gewicht beimessen. Diese Praxis der verantwortungsvollen KI ist eine wichtige Säule der KI-Governance.
• Mit den automatisierten Entscheidungen, die KI ermöglicht, sind Risiken verbunden, die während des gesamten Modelllebenszyklus verfolgt und gemindert werden müssen. Dies kann nicht einfach überprüft werden, wenn ein Modell in Produktion geht, sondern muss bereits dann überwacht und bewertet werden, wenn der geschäftliche Anwendungsfall hinter KI diskutiert wird. Dazu kann die Entscheidung gehören, eine bestimmte Art von Technologie nicht zu verwenden, personenbezogene Daten nur bei Bedarf zu verwenden, Verzögerungen bei der Produktion von Modellen zu reduzieren und die Genauigkeit, Qualität und Proxys geschützter Variablen im Laufe der Zeit zu überwachen.
• Da sich KI schließlich zu einem geschäftlichen Muss entwickelt hat, sind auch die an den KI-Richtlinien beteiligten Interessengruppen gewachsen. Aufgrund von Vorschriften, um die Marke der Organisation zu schützen und einen effizienten Betrieb sicherzustellen, sind mehr interne Akteure der Organisation beteiligt. Einige dieser Personas sind völlig neu im KI-Lebenszyklus, für einige gibt es jedoch möglicherweise neue Gründe, sich zu engagieren. Das kann eine großartige Sache sein: Die Ausarbeitung zwischen Gruppen kann zu vertrauenswürdigeren Modellen führen, da verschiedene Teams abwägen, was ein Modell tun soll. Aber bei einem so großen Team ist es wichtig, über ein System zu verfügen, das sicherstellt, dass die Führungsebene ihre Dashboard-Ansicht erhält, während die für die Modellqualität Verantwortlichen die richtigen Benachrichtigungen erhalten – und das alles mit einem System, das von einem kleinen Modell auf Tausende skaliert werden kann Team zu einer unternehmensweiten Organisation.

Wenn Sie bereit sind, eine Demo auszuprobieren, unser E-Book zu lesen oder mit einem IBMer sprechen möchten, klicken Sie auf:

Oder lesen Sie weiter, um mehr zu erfahren:

• Teil 2: 3 Schlüsselbereiche der KI-Governance
• Teil 3: Die vier wichtigsten Anwendungen der KI-Governance