02.10.2026 Экспертиза, Искусственный интеллектПо мере того как организации инвестируют в искусственный интеллект, многие сталкиваются с новым узким местом: сложностью получения данных, которые были бы одновременно защищенными и полезными, пишет на портале The New Stack Маянк Ахлувалия, старший менеджер по продуктам компании Perforce Delphix. Для проверки изменений, внесенных ИИ, обучения моделей, тестирования приложений и получения бизнес-инсайтов инженерным командам нужны реалистичные данные, максимально приближенные к производственным. Однако меры по обеспечению конфиденциальности иногда затрудняют доступ к таким данным, делают их менее репрезентативными или нарушают критически важные взаимосвязи между записями. Эта проблема подчеркивается в отчете Perforce Delphix «2026 State of AI and Data Privacy Report». 26% опрошенных организаций отмечают, что меры по защите конфиденциальности затрудняют получение данных производственного качества, 25% сталкиваются с трудностями при сохранении взаимосвязей между сущностями данных, а 51% указывают на проблемы с качеством данных. Защиты данных недостаточно, если они больше не могут обеспечивать работу зависящих от них систем. Для инженерных команд ключевой вопрос заключается в том, позволяют ли их стратегии защиты данных сохранить те качества, которые и делают эти данные ценными. Необходима комплексная стратегия работы с данными и инструменты, поддерживающие ссылочную целостность и взаимосвязи между различными средами. Что эта статистика означает для специалистов-практиков ...
читать далее.
