Databricks
·
数据原生AI代理：代理为何必须迁移到您的数据上
内容提要
企业AI代理应与数据、治理和政策紧密结合，确保在同一治理和安全层下运行，避免数据外流带来的治理漏洞和成本增加。通过在查询规划和计算中嵌入政策执行，确保中间结果符合治理要求，提高安全性和效率。使用Lakebase等工具，确保代理的状态和数据共享在同一治理边界内，保持一致性和可审计性。
关键要点
-
企业AI代理应与数据、治理和政策紧密结合，避免将数据从受管系统中提取到未能执行政策的AI堆栈中。
-
治理、安保和可观察性应在数据平台内统一实施，确保AI代理作为本地工作负载运行。
-
在查询规划和计算中嵌入政策执行，确保中间结果符合治理要求，避免后期治理的漏洞。
-
代理的状态和数据共享应在同一治理边界内，确保一致性和可审计性，避免数据外流。
-
使用Lakebase等工具，确保代理的状态成为受管资产，继承平台的访问控制，保持数据和工具的一致性。
延伸解读
数据治理的重要性
在企业AI代理的实施中，数据治理是一个不可忽视的环节。将数据从受管系统中提取到未能执行政策的AI堆栈中，可能导致治理漏洞和安全隐患。因此，确保AI代理与数据、治理和政策紧密结合，能够有效降低数据外流的风险，提升整体安全性。
代理状态的管理
AI代理不仅仅是读取数据，还涉及到写入状态信息，如用户偏好和任务进度。将这些状态信息放在治理边界内，能够确保数据的一致性和可审计性。使用Lakebase等工具，可以将代理的状态视为受管资产，从而避免因状态信息外泄而导致的治理问题。
后期治理的局限性
许多企业在AI治理中采用后期治理的方式，试图在数据访问后进行审计和过滤。然而，这种方法存在明显的局限性，因为一旦数据被计算，治理意图就可能丧失。因此，治理应在查询规划阶段就嵌入，而不是在结果呈现后进行修正，以确保数据的安全和合规性。
延伸问答
为什么企业AI代理需要与数据和治理紧密结合？
企业AI代理需要与数据和治理紧密结合，以确保在同一治理和安全层下运行，避免数据外流带来的治理漏洞和成本增加。
如何确保AI代理的中间结果符合治理要求？
通过在查询规划和计算中嵌入政策执行，确保每个中间结果都反映相同的治理约束，从而提高安全性和效率。
Lakebase在数据原生AI代理中有什么作用？
Lakebase确保代理的状态成为受管资产，继承平台的访问控制，保持数据和工具的一致性，避免数据外流。
数据原生AI代理如何解决后期治理的漏洞？
数据原生AI代理通过在查询规划时嵌入政策执行，确保治理在执行前和执行中得到评估，避免后期治理的漏洞。
代理的状态和数据共享为什么需要在同一治理边界内？
代理的状态和数据共享在同一治理边界内可以确保一致性和可审计性，避免数据外流和治理缺口。
企业如何开始将AI代理迁移到数据平台？
企业可以通过评估当前在治理边界外运行的系统，逐步将AI代理迁移到数据平台，确保治理和安全性。
