鑒于當前狀況及其相關挑戰，企業應轉向AI和數據治理的統一方法，這種方法不僅有助于釋放AI投資的價值，還能確保合規并降低風險，以下是一種實現這一目標的實用方法。

數據優先設計

與傳統的AI治理方法(側重于模型或工具)不同，企業應關注所有AI的起點：數據，通過將數據視為AI的生命線，企業可以從基礎層面治理AI，利用數據的質量、敏感性和生命周期來動態評估和控制風險——甚至在模型訓練之前就進行。

自適應、分層治理框架

企業應采用自適應治理方法，利用實時風險分類和分層，這使企業能夠在風險較高的領域(如個人身份信息(PII)、個人健康信息(PHI)、自主行動)實施更強的控制，而在創新速度至關重要的領域則實施較輕的控制——在不影響安全性的前提下，以業務速度進行治理。

利用GenAI提高數據質量

GenAI的潛力可用于解決多個數據問題，如：

• 數據分類

• 數據清洗

• 元數據管理

投資數據管道和數據運維

企業的數據管道和集成往往存在問題，導致可靠性和性能問題。隨著企業開始在實時用例中使用AI，數據管道問題往往會導致這些用例的結果不佳。企業應投資構建強大的數據集成和管道，并提高這些管道的可觀測性。