Գեներատիվ արհեստական բանականության (AI) և տվյալների գաղտնիության միջև բախումը հասել է կրիտիկական կետի։ Meta-ի դեմ վերջերս հարուցված դատական հայցերը՝ կապված AI մոդելների ուսուցման և դեմքի ճանաչման գործառույթների համար օգտատերերի ստեղծած բովանդակության ենթադրյալ չարտոնված օգտագործման հետ, լոկ գլխագիր չեն գաղտնիության մասին մտահոգվածների համար․ դրանք նշանավորում են ռիսկերի գնահատման հիմնարար տեղաշարժ յուրաքանչյուր ձեռնարկության համար, որն այժմ AI-ն ինտեգրում է իր աշխատանքային գործընթացներին։ Բիզնեսի ղեկավարների համար այս իրավիճակը հստակ հիշեցում է, որ տվյալների հավաքագրման «վայրի արևմուտքի» դարաշրջանն արագորեն ավարտվում է՝ զիջելով տեղը խիստ հաշվետվողականության և կառավարման միջավայրին։

Քանի որ կազմակերպություններն արագացնում են իրենց թվային փոխակերպման (Digital Transformation) գործընթացները, իրենց ներքին մոդելները սնուցող տվյալների ծագումը դարձել է նույնքան արժեքավոր, որքան հենց մոդելները։ Եթե աշխարհում իրավական ամենահզոր ռեսուրսներն ունեցող տեխնոլոգիական հսկան հայտնվում է դատական քաշքշուկների մեջ՝ ուսուցման տվյալների պատճառով, ապա միջին և խոշոր ձեռնարկությունները պետք է գիտակցեն, որ նույնքան խոցելի են, եթե իրենց AI գնումների ռազմավարությունում չառաջնահերթեն տվյալների էթիկան և ծագումնաբանությունը։

Տվյալների ինքնիշխանության արժեքը գեներատիվ AI-ի դարաշրջանում

Տարիներ շարունակ արդյունաբերությունը գործել է այն ենթադրությամբ, որ հանրային տվյալները լայնածավալ մոդելների ուսուցման համար հասանելի են բոլորին։ Սակայն իրավական դաշտը տեղաշարժվում է դեպի տեղեկացված համաձայնության և մտավոր սեփականության պաշտպանության մոդել։ Երբ ընկերությունները օգտագործում են AI գործակալներ (AI Agents) կամ պատկերների գեներացման հատուկ գործիքներ, դրանք ըստ էության հիմնվում են ուսուցման տվյալների հավաքածուների վրա։ Եթե այդ հավաքածուները «աղտոտված» են ոչ պատշաճ աղբյուրներից ստացված տվյալներով, ապա հետևանքային ռիսկերը՝ մտավոր սեփականության խախտումից մինչև համբավի լուրջ վնաս, բավականին մեծ են։

AI-ի ներդրումների վերադարձը (ROI) այլևս միայն գործառնական արդյունավետության կամ կանխատեսող ճշգրտության մասին չէ. այն այժմ անքակտելիորեն կապված է իրավական համապատասխանության հետ։ Այն ընկերությունները, որոնք չեն ստուգում իրենց կողմից օգտագործվող երրորդ կողմի հարթակների տվյալների ծագումնաբանությունը, արդյունավետորեն ժառանգում են իրենց վաճառողների պատասխանատվությունը։ Ինչպես տեսնում ենք Meta-ի կողմից լուսանկարների հնարավոր չարտոնված օգտագործման շուրջ ծավալված քննարկումներում, շուկան պատժում է այն կառույցներին, որոնք չեն հարգում հանրային հասանելիության և կոմերցիոն սեփականության միջև սահմանը։

Բիզնեսի ղեկավարները պետք է այժմ կենտրոնանան «պաշտպանվող AI» (defensible AI) ռազմավարության վրա։ Այս մոտեցումը ներառում է մի քանի հիմնական սյուներ․

  • Տվյալների ծագումնաբանության աուդիտ. Երաշխավորել, որ ցանկացած AI գործիք, լինի դա CRM-ին ինտեգրված չաթ-բոտ, թե ավտոնոմ գործընթացների շարժիչ, ուսուցանված է այնպիսի տվյալների վրա, որոնց նկատմամբ ընկերությունն ունի կա՛մ սեփականատիրական իրավունքներ, կա՛մ հստակ լիցենզավորման իրավունքներ:
  • Գաղտնիությունը պահպանող տեխնոլոգիաներ. Անցում դեպի ֆեդերատիվ ուսուցում (Federated Learning) և սինթետիկ տվյալների գեներացում, որոնք թույլ են տալիս մոդելներ ուսուցանել առանց հիմնական ուսուցման գործընթացում անհատ օգտատերերի զգայուն տվյալները բացահայտելու:
  • Կառավարում՝ նախագծման փուլից (Governance by Design). Համապատասխանության ապահովման թիմերին ներգրավել AI-ի գնման գործընթացում՝ գնահատելու ոչ միայն գործիքի «ինտելեկտը», այլև դրա տվյալների աղբյուրների թափանցիկությունը:

AI-ի ընդունման և ավտոմատացման ապագան

Ներկայիս իրավական մթնոլորտը կարող է որոշ բիզնեսների դրդել դադարեցնել առաջադեմ AI-ի ներդրումը։ Սա ռազմավարական սխալ կլինի։ Փոխարենը՝ ղեկավարները պետք է այս զարգացումները դիտարկեն որպես շուկայի հասունացում։ Մենք AI-ի «փորձարարական» փուլից անցնում ենք «արտադրական» (production-grade) փուլի, որտեղ միայն մաքուր, էթիկական հիմքերի վրա կառուցված համակարգերը կդիմանան առաջիկա տարիների անխուսափելի կարգավորող աուդիտներին։

Մարքեթինգի, հաճախորդների սպասարկման և վաճառքի նման բաժինների համար ավտոմատացումը (Automation) և մեքենայական ուսուցումն այլևս ընտրովի չեն։ Այնուամենայնիվ, ավտոմատացված բովանդակության գեներացման կամ դեմքի ճանաչման վրա հիմնված վերիֆիկացիոն համակարգերի անցումը պահանջում է գնումների մոտեցման փոփոխություն։ Ընկերությունները պետք է նախապատվությունը տան «enterprise-grade» AI լուծումներին, որոնք առաջարկում են տվյալների աղբյուրների վերաբերյալ հստակ փաստաթղթավորում։ Օրինակ՝ Հաճախորդների հետ հարաբերությունների կառավարման (CRM) համար AI ներդնելիս ղեկավարները պետք է առաջնահերթություն տան այն հարթակներին, որոնք օգտագործում են ընկերության սեփական տվյալները (մասնավոր ամպեր), այլ ոչ թե համացանցի բաց աղբյուրներից հավաքագրված տվյալներով ուսուցանված մոդելներ, ինչը կարող է հանգեցնել հաճախորդների զգայուն տեղեկատվության պատահական արտահոսքի։

Այս իրավական տեղաշարժն արագացնում է ուղղահայաց կողմնորոշված (vertical-specific), սեփականատիրական AI լուծումների միտումը։ Ընդհանուր համացանցի տվյալների վրա ուսուցանված հսկայական և անթափանց մոդելների վրա հույս դնելու փոխարեն՝ ընկերություններն ավելի մեծ արժեք և ավելի քիչ ռիսկ են տեսնում իրենց բարձրորակ, պատմական տվյալների հավաքածուների վրա մասնագիտացված մոդելներ մարզելու մեջ։ Սա ոչ միայն մեղմում