人工智能数据当中充满了我们希望预防与管理的各种潜在风险。正如前面四个数据隐喻主题群所描述的那样：数据通常与社会资源、民主、法治以及能动性的风险管理有关，而这种管理通过可见性得以实现。不过，在“数据作为风险”的数据隐喻当中，数据本身就被看作是一种必须被预测并管理的风险。比如：犯罪分子可能会攻击并危害人工智能系统中的数据：数据可能会泄露：数据可能由于故意或意外而损坏(HLEGA，2019：16)；当数据集中在数据中心进行处理之时，其碳排量会对环境构成风险。如果我们仍然认为风险本身并不具有“真实性”，而是基于我们对于未来可能出现情况的预测，我们可能会同样认为：风险拟定管理与预防是出于某种利益与动机。就人工智能开发而言，训练人工智能技术的人工智能工程师会关注那些可能影响其训练数据质量与精确性的风险，而数据保护专员则需要通过风险数据保护影响评估来考查可能会对已知个体构成的风险。就人工智能部署与采用而言，个人同样会对“数据即风险”有所关注，以保护自身数据安全，防止被非法访问；而反恐情报专员的风险场景涉及针对恐怖活动的侦查，因此他们可能会认为端对端的数据设计加密是一种冒险的设计选择。不同的“数据即风险”场景往往受到多方利益的影响，因此不同的设计选择会受到这些利益的影响与制约。这些选择可能彼此一致，但也可能貌合神离。
文化数据利益
我们可以从最传统的利益相关团体角度来思考数据利益，该团体的利益体现在AISTIs与BDSTls当中所产生、处理与存储的数据。
权力的数据伦理学：大数据与人工智能时代的人本方法新解
132