El Aumento del Gasto en Privacidad de Datos y Cumplimiento en Relación con los Esfuerzos de IA
En los últimos años, las empresas en los EE. UU. han incrementado significativamente sus presupuestos para asegurar sus datos. Según un informe de Blancco publicado recientemente, el gasto en privacidad y protección de datos ha aumentado un 71% en el último año. Este aumento se debe a una combinación de factores, incluyendo nuevas regulaciones relacionadas con la supervisión de la IA.
Incremento del Presupuesto para la Privacidad de Datos
Más de la mitad de las empresas globales han aumentado sus presupuestos para la privacidad de datos y el cumplimiento. En promedio, las organizaciones han incrementado este gasto en un 46%. Este fenómeno es aún más pronunciado en las organizaciones estadounidenses, que han visto un aumento del 71% en comparación con el año anterior.
El informe atribuye este aumento a varios factores, incluyendo la regulación nueva en respuesta a la supervisión de la IA. Las demandas internas para una alineación sostenible y un uso de activos más inteligente también han influido en este cambio, según la empresa.
Impacto en Costos y Prácticas de Ciberseguridad
Los esfuerzos empresariales en IA han llevado a un aumento en los costos de computación, con los CIOs trabajando para ofrecer automatización a escala. Los costos de cumplimiento y privacidad de datos también han aumentado, ya que las empresas responden a los cambios en la supervisión de la IA y trabajan para mitigar los riesgos de ciberseguridad incrementados.
Más de 2 de cada 5 líderes han indicado que sus empresas han reforzado las prácticas de ciberseguridad y han reevaluado las medidas de privacidad y seguridad de datos debido a los riesgos asociados con la adopción de la IA.
Desafíos en la Gestión de Datos
Casi la mitad de los encuestados en el estudio de Blancco atribuyen a la IA la capacidad de ayudar a reducir datos redundantes u obsoletos. Sin embargo, más de 1 de cada 4 líderes reportaron que el uso de la IA ha aumentado la presencia de este tipo de datos en sus sistemas de TI.
Los líderes a menudo identifican los problemas de datos como un obstáculo para la implementación de IA a gran escala. Este desafío se agrava a medida que emergen nuevos tipos de datos. Según un experto en un simposio de MIT Sloan, es necesario repensar cómo se etiquetan y comprenden los datos, un proceso que aún está evolucionando.
La IA podría ofrecer una solución a este problema, ayudando a las organizaciones a clasificar los datos existentes de manera más eficiente. Herramientas como modelos de lenguaje grande (LLMs) están entrando en el mercado para acelerar el etiquetado de datos.
