Una de las categorías más comunes de información compartida con IA son los archivos y documentos relacionados con el trabajo.
Más del 80% de los profesionales en empresas Fortune 500 utilizan herramientas de IA, como ChatGPT, para tareas como analizar números, refinar correos electrónicos, informes y presentaciones.
Sin embargo, el 11% de los datos que los empleados ingresan en ChatGPT son estrictamente confidenciales, como estrategias comerciales internas, sin comprender completamente cómo la plataforma procesa esta información. Por lo tanto, se recomienda eliminar datos sensibles al ingresar comandos de búsqueda en herramientas de IA.
Detalles personales
Detalles personales como nombres, direcciones y datos de contacto se comparten a diario con herramientas de IA. Sorprendentemente, el 30% de los profesionales cree que proteger sus datos personales no vale la pena, lo que indica una creciente sensación de desamparo y falta de formación.
El acceso a la capacitación en ciberseguridad ha aumentado por primera vez en cuatro años, con 1 de cada 3 (33%) participantes utilizándola y el 11% teniendo acceso pero sin aprovecharla. Para que las empresas se mantengan seguras ante las amenazas de ciberseguridad, es importante llevar a cabo capacitación en ciberseguridad para el personal, mejorando sus habilidades en el uso seguro de la IA.
Información de clientes o empleados
La información de los clientes, incluidos los datos que pueden estar sujetos a requisitos reglamentarios o de confidencialidad, a menudo se comparte con IA por parte de los profesionales.
Para los propietarios de empresas o gerentes que utilizan IA para la información de los empleados, es importante tener cuidado al compartir detalles de cuentas bancarias, nóminas, direcciones o incluso evaluaciones de desempeño, ya que esto puede violar las políticas contractuales y llevar a la vulnerabilidad de la organización debido a posibles acciones legales si se filtra información sensible de los empleados.
Información financiera
Los modelos de lenguaje grande (LLMs) son cruciales para muchas aplicaciones de IA generativa, como asistentes virtuales y chatbots. Estos modelos a menudo se utilizan a través de Open AI, Google Cloud AI y muchos más.
Sin embargo, los datos que ayudan a entrenar a los LLMs suelen ser recopilados por rastreadores web que recolectan información de sitios web. Estos datos a menudo se obtienen sin el consentimiento de los usuarios y pueden contener información personal identificable (PII).
Otros sistemas de IA que ofrecen experiencias personalizadas para los clientes también pueden recopilar datos personales. Se recomienda asegurarse de que los dispositivos utilizados al interactuar con LLMs sean seguros, con protección antivirus completa para proteger la información antes de compartirla, especialmente al manejar información financiera empresarial sensible.
Contraseñas y credenciales de acceso
Los modelos de IA están diseñados para proporcionar información, pero no para proteger las contraseñas de manera segura, lo que podría resultar en una exposición no deseada, especialmente si la plataforma no tiene medidas de privacidad y seguridad estrictas.
Evite reutilizar contraseñas que se hayan utilizado en múltiples sitios, ya que esto podría llevar a una violación en múltiples cuentas. La importancia de usar contraseñas fuertes con múltiples símbolos y números nunca ha sido mayor, además de activar la identificación de dos factores para proteger las cuentas y mitigar el riesgo de ciberataques.
Bases de código de la empresa e IP
Los desarrolladores y empleados recurren cada vez más a la IA para obtener ayuda con la codificación. Sin embargo, compartir bases de código de la empresa puede representar un gran riesgo de seguridad, ya que es la propiedad intelectual central de un negocio. Si el código fuente propietario se introduce en plataformas de IA, puede ser almacenado, procesado o incluso utilizado para entrenar futuros modelos de IA, exponiendo potencialmente secretos comerciales a entidades externas.
Por lo tanto, las empresas deben implementar políticas de uso de IA estrictas para asegurarse de que el código sensible permanezca protegido y nunca se comparta externamente. Además, el uso de modelos de IA autoalojados o herramientas de IA seguras y aprobadas por la empresa puede ayudar a mitigar los riesgos de filtración de propiedad intelectual.
Con inforamción de https://www.indusface.com/
