AI时代数据治理十大变革：从FAIR到FAIR-R，数据定义与权力结构被重塑

人工智能的迅猛发展正将数据治理从技术边缘推向战略核心。当前关于AI治理的讨论过度聚焦于模型本身，却忽略了其基石——数据。AI系统的可靠性、公平性与有效性，完全取决于其训练和运行所依据的数据质量与治理框架。如今，AI不仅对数据治理提出了新要求，更在根本上重塑着数据的定义、管理方式、使用权限与监管机制。

这种重塑体现在十大关键转变中。首先，数据的含义被重新定义。治理重心已从传统的结构化表格数据，转向支撑大模型的非结构化文本、图像、音频等多模态内容。这带来了关于数据出处、同意、版权与代表性的全新治理挑战。同时，AI角色发生转变，它不仅是数据的消费者，也成为数据的生产者。AI生成的合成数据被反馈至训练流程，引发了“模型崩溃”的担忧，使得对机器生成数据本身的治理框架变得尤为紧迫。

其次，经典的数据管理原则FAIR（可查找、可访问、可互操作、可重用）正在向FAIR-R（面向AI的准备）演进。这意味着数据不仅要可重用，还必须能以安全、可审计且符合社会价值观的方式被机器使用。这要求机构不仅要关注技术特性，还需审视治理、质量与伦理问题，例如数据是否已充分标注、平衡和记录以满足机器学习需求，以及如何定义“负责任的再利用”。此外，情境（Context）正作为一种关键基础设施兴起，缺乏上下文的数据将难以被有效治理与利用。这些转变共同指向一个核心：在AI时代，数据治理已成为决定技术成败与社会信任的基石，而非附属品。