Databeskyttelse og datahygiejne, når du bruger AI på arbejdet — ledsagende videoer

IBM Technology

Jeff Crumes lightboard-forklaring af de tre steder, generativ AI introducerer risiko — dataene, modellen og brugen — og hvordan gode kontroller ser ud for hver. Nyttig til artiklens argument om, at "vær forsigtig" ikke er nok; du skal tænke over, hvilken risikokategori du faktisk er eksponeret for som medarbejder.

Hvad du bør få ud af dette: Du kan navngive de tre risikoflader, generativ AI tilføjer på arbejdet — data, model, brug — og beskrive de kontroller, hver af dem behøver.

Forudsætninger: Ingen — rettet mod medarbejdere, ikke sikkerhedsingeniører.

IBM Technology

Ligger under vores sædvanlige 100K-grænse, men fortjener pladsen, fordi det er den bedste korte forklaring af, hvorfor en medarbejder, der bruger en personlig ChatGPT-konto på arbejdsproblemer, er den faktiske risiko, de fleste virksomheder står over for. Crumes ramme "sig ikke nej, sig hvordan" er den samme holdning, artiklen tager — du forsøger ikke at forbyde AI, du forsøger at gøre sikker brug til det nemme default.

Hvad du bør få ud af dette: Forklar, hvorfor personlige AI-konti skaber datarisiko på arbejdspladsen, og hvordan du sætter sikrere grænser.

Forudsætninger: Ingen — den kan ses uden forberedelse; den lander hårdere efter det primære valgs tre risikoflader.