非結構化數據積壓加劇，AI安全風險同步攀升

超過半數企業對自身數據的可見性僅處于部分掌握狀態，與此同時，數據監管與透明度方面的隱憂持續升溫。上述發現來自Thales委托云安全聯盟（CSA）開展的一項調研報告，該報告于上周正式發布，共調查了210名IT及安全專業人員。

盡管約四分之三的企業表示對保護非結構化數據有信心，但仍有68%的受訪者坦言，其大部分數據處于未受保護的狀態。

在這一背景下，技術管理者對AI的態度頗為矛盾——既視其為解決方案，也將其視為潛在威脅。近半數受訪者認為AI是非結構化數據面臨的首要未來安全風險，但同時也有40%的人將其視為數據管理的核心工具。

非結構化數據在企業數據中的占比正持續擴大，近三分之一的企業表示，非結構化數據貢獻了超過一半的年度數據增量。

報告同時指出，現有的數據治理實踐正難以跟上非結構化數據的增長步伐。

"非結構化數據的爆炸式增長——據Gartner估計，其占比已達企業數據總量的70%至90%——已成為現代企業的顯著特征，"CSA研究部副總裁、本報告主要作者Hillary Baron在新聞稿中表示，"它在帶來顯著運營價值的同時，也引入了不可忽視的安全風險。"

工具分散化的問題正在加劇這一困境。近三分之一的企業使用超過11種工具來管理非結構化數據，由此形成的信息孤島嚴重阻礙了整體治理的推進。許多企業仍依賴人工流程進行數據分類與監控，而這種方式已難以應對數據量的持續增長。

在這一環境下，AI正逐漸成為潛在解藥與新型風險的雙重來源。

一方面，企業正寄望于AI技術來實現數據發現、分類及威脅檢測等流程的自動化；另一方面，在缺乏有效監管的情況下大規模部署AI工具，可能在未來埋下更大的安全隱患。若數據可見性不足，AI模型將面臨在不完整或存在偏差的數據集上訓練的風險。

目前，僅有9%的企業具備實時數據掃描能力，而近四分之一的企業根本無法開展任何掃描工作。這意味著AI系統非但無法彌補現有盲區，反而可能將其進一步放大。

"如果不正視這些差距，AI、自動化及新興技術只會不斷擴大暴露面，"Thales副總裁Todd Moore警告道。

AI的價值上限取決于其訓練數據的質量。根據SoftServe去年發布的報告，近五分之三的企業領導者表示，重要決策是基于不準確或不一致的數據作出的。在缺乏堅實數據基礎的情況下貿然推進，往往導致資源浪費——許多企業因投資回報遲遲未能兌現、數據難題持續阻礙AI項目推進，而長期停留在試點階段。

隨著企業尋求更大規模地部署AI智能體，AI雄心的實現有賴于可靠的數據底座。這一趨勢也促使各組織在技能提升方面優先布局數據能力。

Thales研究指出，基礎準備度將是非結構化數據安全工作能否取得成效的決定性因素。那些在數據可見性、分類、治理及可擴展運營等方面持續投入的企業，將在應對日趨復雜的數據環境時占據更有利的位置。

Q&A

Q1：非結構化數據對企業AI項目有什么影響？

A：非結構化數據的質量直接影響AI模型的訓練效果。如果數據不完整或存在偏差，AI系統的判斷將出現偏差，進而導致企業決策失誤。據報告顯示，近五分之三的企業領導者表示關鍵決策是基于不準確或不一致的數據作出的，這直接導致許多AI項目長期停滯在試點階段，投資回報難以落地。

Q2：企業目前在非結構化數據管理上面臨哪些主要挑戰？

A：企業面臨多重挑戰：超過半數企業對自身數據的可見性僅有部分掌握；68%的數據處于未受保護狀態；近三分之一的企業使用超過11種工具管理非結構化數據，形成信息孤島；此外，許多企業仍依賴人工流程進行數據分類，難以跟上數據增長的速度，治理體系嚴重滯后。

Q3：AI在非結構化數據安全管理中扮演什么角色？

A：AI在非結構化數據安全管理中具有雙重角色。一方面，它可用于自動化數據發現、分類和威脅檢測，提升管理效率；另一方面，若在缺乏有效監管的情況下大規模部署，AI也可能放大現有數據盲區，帶來新的安全風險。報告指出，僅有9%的企業具備實時掃描能力，AI系統反而可能加劇而非解決數據安全問題。