W 2023 r. na świecie wytworzono 132,4 zettabajta danych, a w 2028 r. ma to być już 393,9 ZB – wynika z danych IDC. Oznacza to średni roczny wzrost o 24,4%. Jeszcze szybciej rośnie ilość danych tworzonych przez przedsiębiorstwa: z 84,9 ZB w 2023 r. do 317,1 ZB przewidywanych w 2028 r., czyli średnio o 30,2% rocznie. Firmy gromadzą coraz więcej informacji, chociaż znaczna ich część szybko staje nieaktualna i z czasem traci wartość biznesową. Autorem artykułu jest Tomasz Krajewski, dyrektor techniczny sprzedaży na Europę Wschodnią w firmie Veeam.
Skala tego problemu, określanego jak cyfrowe chomikowanie (ang. digital hoarding), rośnie wraz z wolumenem wytwarzanych informacji. Konsekwencje tego zjawiska wykraczają jednak poza koszty przechowywania danych. Korzystanie z niepotrzebnych i nieaktualnych danych zwiększa ryzyko naruszeń bezpieczeństwa i przepisów oraz zakłóca prawidłowe działanie firmy. Wraz z rozwojem sztucznej inteligencji pojawia się jeszcze jedno zagrożenie. Systemy AI mogą opierać analizy na informacjach, które przestały być firmie przydatne lub których znaczenia technologia nie potrafi właściwie ocenić. W efekcie na tej podstawie algorytmy formułują zniekształcone wnioski i rekomendacje. IDC prognozuje, że w latach 2023–2028 ilość wytworzonych danych będzie rosła średnio o 25,1% rocznie, podczas gdy ilość danych przechowywanych zwiększy się o 16,6%. Oznacza to, że firmy już selekcjonują dane. Mimo to w ich systemach IT przez lata pozostają ogromne ilości informacji zbędnych dla działalności biznesu.
Dane, których nikt już nie potrzebuje
Kopie dokumentów, stare wersje plików, nieaktualne bazy danych, materiały z zakończonych projektów czy informacje, których nikt już nie wykorzystuje, tworzą kategorię określaną jako ROT data. Skrót pochodzi od angielskich określeń redundant, obsolete, trivial i odnosi się do danych nadmiarowych lub powielonych, przestarzałych oraz pozbawionych istotnej wartości. To informacje, które nadal zajmują miejsce w firmowych systemach pamięci masowych, choć firma ich nie potrzebuje albo mają dla niej niewielką wartość. Pojedynczy niepotrzebny plik nie stanowi problemu. Jeśli jednak są ich miliony, rozproszone między wieloma systemami i pozostają w nich przez lata, ich obecność zaczyna mieć znaczenie dla całej firmy. Dane mogą być przechowywane w wielu systemach, środowiskach lokalnych i chmurowych, a także w różnych krajach i formatach. Im więcej źródeł, formatów i lokalizacji, tym trudniej zarządzać danymi. Rośnie wtedy ryzyko błędów, naruszeń bezpieczeństwa i niewłaściwego wykorzystania informacji.
Problem jest szczególnie widoczny w przypadku danych nieustrukturyzowanych. W 2023 r. stanowiły one około 93% wszystkich danych tworzonych na świecie, a w 2028 r. nadal będą odpowiadały za ponad 82%. To między innymi dokumenty, wiadomości, zdjęcia, nagrania i inne pliki, których zawartość nie jest uporządkowana w sposób ułatwiający automatyczną analizę.
AI potrzebuje dobrej jakości danych
Rozwój generatywnej AI nadaje problemowi przechowywania niepotrzebnych informacji nowe znaczenie. Systemy sztucznej inteligencji potrafią przetwarzać ogromne ilości informacji i wykorzystywać je do przygotowywania analiz, odpowiedzi czy rekomendacji. Nie potrafią jednak zweryfikować, czy wszystkie użyte dane są aktualne, prawidłowe i odpowiednio sklasyfikowane. Prowadzi to do pogłębiania się luki zaufania do AI: organizacje mogą dysponować infrastrukturą umożliwiającą wdrażanie tej technologii, ale często brakuje im mechanizmów nadzoru i kontroli nad danymi, które pozwalałyby zaufać zarówno informacjom zasilającym systemy AI, jak i podejmowanym przez nie decyzjom. Co więcej, AI przyczynia się do dalszego wzrostu ilości danych, między innymi dzięki automatycznemu przygotowywaniu raportów czy tworzeniu innych rozbudowanych treści.
Ryzyko wykorzystania niewłaściwych danych rośnie, gdy w firmie nie wiadomo dokładnie, jakie zasoby są w jej posiadaniu i kto może z nich korzystać. Nieprecyzyjne polecenia dla systemów AI, zbyt szerokie uprawnienia oraz rozproszenie danych między wieloma systemami mogą prowadzić do wykorzystania informacji, które nie powinny być podstawą analizy. Konsekwencją mogą być błędne decyzje biznesowe, naruszenie poufności, problemy z przestrzeganiem przepisów albo szkody wizerunkowe.
Punktem wyjścia powinno być zatem uzyskanie pełnej wiedzy o firmowych danych: gdzie są przechowywane, jak długo powinny być zachowane i kto ma do nich dostęp. Ważne jest również ustalenie, jakie informacje są wykorzystywane w działalności firmy, a jakie od dawna nie mają żadnego zastosowania. Dlatego zasoby powinny być odpowiednio klasyfikowane i opisywane. Pomagają w tym między innymi metadane, czyli atrybuty opisujące dane i pozwalające ustalić ich pochodzenie, charakter czy znaczenie. Właściwe wykorzystanie metadanych oraz automatyczne porządkowanie, oznaczanie i analiza zasobów mogą ułatwić zarządzanie zarówno informacjami uporządkowanymi, jak i nieustrukturyzowanymi.
Nie oznacza to jednak, że rozwiązaniem jest usunięcie jak największej ilości danych. Niektóre trzeba przechowywać ze względów biznesowych, prawnych lub regulacyjnych, inne mogą być potrzebne w przyszłości. Chodzi o to, aby decyzja o ich zachowaniu była świadoma, a nie wynikała wyłącznie z tego, że nikt dotychczas nie zdecydował o ich usunięciu.
Uporządkowanie danych warunkiem bezpiecznego korzystania z AI
Dbałość o porządek w danych nie może być jednorazowym projektem. Ich ilość rośnie zbyt szybko, a nowe informacje powstają w coraz większej liczbie miejsc. IDC prognozuje, że szczególnie szybko będą przybywać dane tworzone przez urządzenia Internetu Rzeczy (IoT) oraz aplikacje i narzędzia wykorzystywane w codziennej pracy przedsiębiorstw. W przypadku danych ustrukturyzowanych ich ilość w firmach ma wzrosnąć z 9,4 ZB w 2023 r. do 69,7 ZB w 2028 r. Jednocześnie informacje będą nadal powstawać w różnych środowiskach – w firmowych centrach danych, chmurach i urządzeniach brzegowych.
Z tego powodu firmy potrzebują nie tylko narzędzi do przechowywania danych, lecz także stałej wiedzy o tym, gdzie te zasoby się znajdują i jak są używane. Sztuczna inteligencja może przynieść przedsiębiorstwom dużą wartość, ale jej skuteczność zależy również od jakości informacji, z których korzysta. Administratorzy danych, którzy potrafią wskazać, jakie zasoby firma posiada, określić ich znaczenie i zdecydować, które należy chronić oraz przechowywać, tworzą znacznie lepsze warunki do bezpiecznego wykorzystania AI. Uporządkowanie danych nie jest więc dodatkowym zadaniem, które trzeba wykonać przed wdrożeniem sztucznej inteligencji, lecz jednym z fundamentów świadomego korzystania z niej.
