當前，不同的產業領域都在積極挖掘對
人工智能的應用場景。數據治理作為企業實現數字戰略的基礎，同時是人工智能應用的基礎。以當前大熱的技術機器學習為例，大數據樣本是機器訓練的基礎，數據治理為機器學習技術的應用提供高質量的合規數據。同時，數據治理需要業務人員、技術人員與數據治理專業人員持續地協同工作，隨著數據量、數據復雜度以及系統架構的爆發式增長，企業需要越來越多地持續投入治理成本。
數據治理與人工智能的關系相輔相成，一些大型企業已經在人工智能領域進行探索。目前人工智能在數據治理場景中的主要應用包括智能化元數據維護、智能化數據質量規則生成、智能化數據安全分類分級等。
總體來看，人工智能在數據治理場景中的應用大多還在試驗階段，準確性是當前影響實用化推廣的主要原因。以智能化元數據維護為例，機器通過訓練使AI掌握企業的業務知識，再利用訓練的業務知識自動填充元數據的業務信息。然而，由于機器的填充無法保證百分百準確，因此往往需要人工確認、調整，這部分工作依然需要巨大的工作量。
表面上看，這是機器的準確率問題，但其本質是管理理念的問題。當人工智能與人類都無法做到百分百準確，人們更傾向相信人類，因為對于人，我們有一套非常成熟的管理手段。以大家最熟悉的自動駕駛為例，雖然已經有報告顯示自動駕駛比人工駕駛更安全，但機器代替人類的駕駛依然需要一個緩慢的接受過程：一是多數人無法理解人工智能的工作原理，也無從分析和預測人工智能出錯的原因；二是倫理、法律等問題：人工智能出了事故誰負責？緊急情況下是保護自己，保護對方，還是保護第三方？這都是在倫理、法律上先要梳理清楚的問題；三是無法通過管理手段控制人工智能。
回到數據治理的智能化上，盡管當前人工智能的應用已有一定成果，但仍是基于傳統管理思維的應用。智能化的治理更多只是作為人類工作的一種參考，最終工作還是落到人的頭上。在人工智能技術不斷進步和應用實踐不斷積累的推動下，未來數據治理體系和理念必然發生變化，兩者的融合是未來的趨勢。
版權申明：本內容來自于互聯網，屬第三方匯集推薦平臺。本文的版權歸原作者所有，文章言論不代表鏈門戶的觀點，鏈門戶不承擔任何法律責任。如有侵權請聯系QQ：3341927519進行反饋。
