Al 36% de las empresas financieras les preocupa una filtración de datos causada por un error de IA
- Endpoint

Aunque los ataques de ransomware son los que más preocupan a los responsables de TI en la industria BFSI, el 32% teme que un ataque posibilitado por IA pueda causar una filtración de datos. Utilizar la IA para identificar riesgos, mejorar la recuperación y proteger los datos, contrarresta las amenazas con IA.
Las empresas del sector banca, servicios financieros y seguros (BFSI) están priorizando la seguridad de los datos sobre la calidad de los mismos, lo que está generando una brecha entre el desempeño de la IA y el retorno de la inversión a largo plazo. Así lo indica el informe The State of Data Infrastructure Sustainability de Hitachi Vantara, que señala que el 48% de los responsables de TI de los servicios financieros citan la seguridad de los datos como su principal preocupación para la implantación de la IA, lo que refleja la necesidad crítica de protegerse contra las amenazas internas y externas. Esto es comprensible si se tiene en cuenta que el 84% de los encuestados admite que perder datos a causa de un ataque o un error sería catastrófico.
Al 36% le preocupa el riesgo de que se produzca una violación de datos por parte de la IA interna, y al 38% le preocupa la incapacidad de recuperar los datos a causa del ransomware. Aunque los ataques de ransomware son los que más preocupan a los responsables de TI en la industria BFSI, el 36% afirma que una filtración de datos causada por un error de IA es una de las tres principales preocupaciones para ellos, y el 32% teme que un ataque posibilitado por IA pueda causar una filtración de datos.
La investigación confirma que los líderes de los servicios financieros están convencidos de que la calidad de los datos es la consideración más importante para implementar con éxito la IA, pero preocupaciones como la seguridad son demasiado urgentes para ignorarlas, y el ROI se está viendo afectado.
Planificar la recuperación con sistemas de redundancia, almacenamiento roll-back y restauración de modelos de IA está mitigando los riesgos derivados de fallos o ataques. Utilizar la IA para identificar riesgos, mejorar la recuperación y proteger los datos con almacenamiento inmutable, cifrado y autorreparable, contrarresta las amenazas de los atacantes con IA.