人工智能的创新需要访问丰富且扩展的数据集

人工智能和分析存在“跷跷板”问题。人工智能的创新需要访问丰富且扩展的数据集，这些数据是由大量实体始终在创建的。但是，如果处理不当，个人和公司数据可能会暴露个人或组织的风险。如果我们限制进入创新渠道的数据量，则跷跷板会朝相反的方向旋转，从而阻碍创新。

一种新的法律架构正在寻求通过允许数据所有者安全，合乎道德地对数据进行异花授粉来平衡快速创新和隐私的双重需求。它被称为“数据信任”，在数据共享非常重要的地方，例如在智慧城市，健康数据生态系统或企业与学术界之间的协作中，人们对它们的兴趣正在上升。

“数据信托本质上是一种法律架构，使各种数据提供者能够以安全，合规和合乎道德的方式共享其数据，”威利斯·塔·沃森(Willis Towers Watson)的数字主管乔治·扎卡达基斯(George Zarkadakis)解释说。连接许多全球咨询公司的客户。

涨潮

英国开放数据研究所首先提出的对数据信托的业务需求可以追溯到AI在21世纪经济中的核心地位。这种经济是建立在数据基础之上的，但基础却很艰难。高质量和多样化的数据是稀缺的，并且数据格局是零散的。在需要重新整理数据的地方，一系列监管，技术和道德问题使数据变得孤立无援，被屏蔽并且无法发展。

扎卡达基斯说：“为了在人工智能经济中生存和发展，公司必须在如何以协作方式收集，存储和处理数据方面进行大量投资，”他举例说明了一家航空公司，一家酒店连锁店和一家保险公司：

“他们都有关于客户的数据，但是他们缺乏的是一种了解整个客户旅程的方法，从人们决定旅行的那一刻起，预订他们的机票和住宿，再到购买保险单。最好的解决方案是让这三个企业共享他们的数据，以便更好地为他们的客户提供服务并提高竞争力。”

标签队

除非有一个相互激励的框架，否则您将没有机会抓住这三个组织交换他们珍贵的数据。

第一个挑战是确保数据匿名化和安全性。尽管许多技术都提供了这些功能，但是要建立标准化的技术堆栈，仍有许多工作要做。然后是必须考虑的政策和数据治理框架(更不用说审计和报告数据使用的过程了)。在这个早期阶段，构成依从性和安全性的生态系统的情况因案例而异。

联接数据

除了安全性和合规性之外，任何数据信任的必要特征还在于存在强大的激励机制。如上所述，在商业环境中，随着AI成为经济的核心，某种程度上存在生存动机。数据信托通过改善“数据流动性”将生命注入AI议程。换句话说，如何快速，高效和有效地获取，使用和部署数据来解决业务问题。

Willis Towers Watson的飞行员提出的最大担忧之一就是竞争力的风险。激烈的合作也许是Data Trust最违反直觉的品质。从什么时候开始竞争对手分享他们珍贵的珠宝?尽管在某些情况下是合理的关注，但批评还是有些偏离。数据信任机构不打算将所有组织归入一个数据网，而是将需要连接的组织连接起来。

Zarkadakis解释说：“我们与合作伙伴就特定的用例进行了合作，除非获得了数据信任，否则合作带来的好处不仅意义重大，而且也无法实现。”