在上一次 Dataiku AI 治理网络研讨会系列会议中，Dataiku 负责任 AI 负责人 Triveni Gandhi展示了组织如何通过与 Dataiku 合作的负责任 AI 治理实践为即将到来的 AI 法规做好准备。
尽管《欧盟人工智能法案》等法规明确了风险等级和义务，但组织如何遵守这些新标准仍存在很多不确定性。Triveni 强调，组织不应因担心不合规而停止人工智能项目。相反，他们应该求助于适当的治理框架和平台（如Dataiku），以寻求帮助来应对这些不确定性并为合规做好准备。
→ 立即观看完整会议
负责任的人工智能治理的关键能力
Triveni 推出了几项 Dataiku 核心治理功能，帮助组织遵守 AI 法规：
定制工作流程：Dataiku 允许公司构建与其 AI 项目复杂性相匹配的工作流程。与低风险项目相比，高风险 AI 用例通常需要更全面的治理。
预评估和项目资格审查：在启动 AI 项目之前，组织可以进行预评估，以确保符合内部治理规则。此步骤可防止不合规的项目投入生产。
文档和可追溯性：该平台支持记录签署和模型可追溯性，帮助组织维护模型、工作流和决策的集中注册表，以确保合规性。
LLM 治理：随着生成式 AI和 LLM 的普及，Dataiku 提供了管理 LLM 连接和项目的工具。这包括管 罗马尼亚电话号码数据 理谁可以访问 LLM、对查询数据进行审核以及设置模型性能和数据使用量的阈值。
dataiku治理能力
Dataiku治理能力展示
在实际演示中，Triveni 展示了 Dataiku 的“治理节点”如何充当集中式 AI 和分析控制塔，企业可以在其中监控和管理其 AI 项目的生命周期。演示的主要功能包括：
受管控的项目：Dataiku Govern 具有一个仪表板，其中显示与不同业务计划（营销、财务、制造）相关的正在进行的 AI 项目，这些项目按风险和价值在可视化矩阵上分类。这有助于团队优先考虑高价值、低风险项目的资源。仪表板阐明了每个项目的治理状态和项目目标。
预构建评估：在 Dataiku 中，团队可以构建预构建评估页面，列出核心详细信息，例如赞助商和开发人员是谁、项目内容是什么、期望是什么等。填写完这些信息后，团队会要求最终批准。这是 AI 治理流程中的第一个签字。评估获得批准后，Dataiku 会创建项目实例，并添加一个标签，表明项目已完成预构建评估。这确保只有合格的项目才能投入生产。
模型治理：随着模型的进展，团队可以监控准确度、偏差、精确度和召回率等指标。在部署模型之前，这些性能指标必须满足指定的阈值。
外部模型治理：Dataiku 还支持对平台外部构建的模型（例如在 Databricks 中）进行治理，确保跨各个系统的统一治理。