商傳媒｜責任編輯／綜合外電報導

面對人工智慧（AI）技術的快速發展，全球企業在運用AI生成內容與合成數據時，正遭遇如何有效管理與確保合規性的挑戰。一份最新報告指出，許多組織對於這些新型態數據的治理，仍顯得準備不足。

其中，AI生成數據是指由機器學習模型所產生的內容，例如文字、圖像、程式碼、音訊或分析結果。這類數據儘管為企業創新帶來巨大潛力，卻也對數據來源、品質、安全及生命週期管理提出更高的治理要求。

另一方面，稱為合成數據的資料，則是由人工製造，其統計特性與真實數據相似，但不直接揭露任何實際個體或事件。其在隱私保護、模型驗證及數據稀缺等情境下應用日益廣泛。

缺乏有效的管理將引發多重風險。據《Search IT Operations》指出，這包括數據來源與真實性問題、難以符合相關法規、資料保存與銷毀義務複雜化、智慧財產權爭議，以及來自第三方AI供應商的風險。例如，若AI輸出內容涉及個人資訊或影響受監管的決策，便可能受到《一般資料保護規範》（GDPR）或《歐盟人工智慧法案》（EU AI Act）等法規的約束，需要具備透明度、可追溯性與問責機制。

企業必須能夠證明AI生成內容的來源、生成模型、創建時間，以及是否經過修改，以確保數據的信任度與可審計性。為此，建立實用的AI數據生命週期政策非常重要，該政策應涵蓋從數據建立到安全銷毀的整個流程。這包括盤點數據、依風險與商業價值進行分類、捕捉數據來源與中繼資料（metadata），並定義保存與銷毀政策，同時需控制存取與使用權限。

專家指出，強健的AI數據治理不應被視為創新的阻礙，反而是加速器。它能透過提升軟體測試效率、減少隱私風險及利用AI治理工具自動化管理等方式，推動企業創新。舉例來說，建立涵蓋率、政策遵循率、稽核結果以及受生命週期管理之AI生成數據比例等關鍵績效指標（KPIs），將能有效衡量治理成效。

Cogspinner Coaction 負責人 Damon Garn 表示，組織若能建立清晰的數據所有權、採行基於風險的政策，並實施數據生命週期治理，將能更好地應對不斷變化的法規與未來技術，從而實現負責任的AI創新。