Uniti Solutions AI Security przenosi kontrolę nad Shadow AI do zarządzanej sieci
Uniti Solutions uruchomiło swoją pierwszą dedykowaną usługę zarządzanego bezpieczeństwa AI, przenosząc kontrolę nad aktywnością AI w miejscu pracy do istniejącej platformy bezpieczeństwa sieciowego. Oferta Uniti Solutions AI Security obejmuje prompty, odpowiedzi, aplikacje, modele i autonomicznych agentów, których konwencjonalne firewalle często nie są w stanie ocenić.
Usługa jest oparta na Cato Networks i sprzedawana jako dodatek do zarządzanej oferty Secure Access Service Edge firmy Uniti. SASE łączy funkcje sieciowe i bezpieczeństwa w architekturze dostarczanej z chmury. Ten model dystrybucji ma znaczenie, ponieważ nowe mechanizmy kontroli znajdują się już na ścieżce ruchu wykorzystywanej przez uczestniczących klientów.
Ogłoszenie nie jest po prostu kolejnym przypadkiem dostawcy bezpieczeństwa dodającego „AI” do istniejącego produktu. Uniti zakłada, że przedsiębiorstwa chcą, aby dostawca usług obsługiwał mechanizmy kontroli AI w zatwierdzonych i niezatwierdzonych narzędziach. Microsoft, Google i wyspecjalizowane firmy z sektora bezpieczeństwa rozwiązują ten sam problem za pośrednictwem własnych platform.
To tworzy zasadnicze napięcie. Zarządzana usługa sieciowa może dać zespołom bezpieczeństwa jeden punkt egzekwowania zasad, lecz sama widoczność nie tworzy funkcjonalnej polityki AI. Klienci nadal muszą zdecydować, które prompty są akceptowalne, które dane wymagają ochrony oraz kiedy automatyczna blokada powoduje więcej szkód, niż im zapobiega.
Uniti Solutions AI Security obserwuje więcej niż dostęp do aplikacji
Usługa rozszerza bezpieczeństwo sieciowe z kontroli dostępu na interpretowanie tego, co wymieniają użytkownicy i systemy AI.
Uniti ogłosiło ofertę 13 października 2026 r. W informacji AI Security release opisano trzy podstawowe funkcje: wykrywanie wykorzystania AI, analizowanie interakcji i stosowanie zabezpieczeń w czasie rzeczywistym.
Wykrywanie obejmuje zatwierdzone i niezatwierdzone aplikacje AI, modele i agentów używane przez uczestniczących użytkowników i w lokalizacjach. Ta funkcja inwentaryzacyjna odpowiada na problem shadow AI, czyli systemów AI wykorzystywanych bez zgody lub nadzoru organizacji.
Usługa analizuje również prompty, odpowiedzi i działania. Uniti twierdzi, że bazowy system uwzględnia intencję zamiast polegać wyłącznie na dopasowaniach słów kluczowych. To rozróżnienie ma znaczenie, gdy prompt zawiera zwykły język otaczający poufny kod źródłowy, informacje finansowe lub dane klientów.
Zabezpieczenia w czasie rzeczywistym zapewniają warstwę egzekwowania zasad. Według Uniti administratorzy mogą blokować niewłaściwe użycie lub redagować wrażliwe informacje podczas trwania interakcji. Takie podejście ma zachować legalny dostęp, zamiast traktować każde niezatwierdzone narzędzie AI jako automatyczny powód do odmowy.
Usługa obejmuje trzy różne ścieżki wykorzystania AI w przedsiębiorstwie. Pracownicy mogą używać publicznych asystentów zewnętrznych, deweloperzy mogą tworzyć wewnętrzne aplikacje AI, a autonomiczni agenci mogą działać w połączonych systemach. Każda ścieżka tworzy inne tożsamości, przepływy danych i potencjalne konsekwencje.
Pracownik wklejający rekord klienta do chatbota tworzy bezpośrednie ryzyko ujawnienia danych. Wewnętrzna aplikacja może ujawniać zbyt wiele danych z powodu słabych mechanizmów kontroli dostępu. Agent wprowadza kolejną kwestię, ponieważ może wykonywać działania za pośrednictwem narzędzi i połączonych kont.
Uniti oferuje tę usługę wyłącznie klientom korzystającym z jej zarządzanej usługi SASE opartej na Cato. Jest to więc rozszerzenie istniejącej relacji dostawczej, a nie samodzielny produkt bezpieczeństwa dla każdego przedsiębiorstwa.
To ograniczenie wyjaśnia również logikę komercyjną. Uniti już zapewnia tym klientom łączność sieciową, wdrożenie i wsparcie operacyjne. Może dodać kontrolę ruchu AI bez wymagania od nich utworzenia kolejnego niezależnego procesu operacji bezpieczeństwa.
Firma twierdzi, że jej szersza działalność dociera do niemal 95% lokalizacji klientów biznesowych, rządowych i edukacyjnych w Stanach Zjednoczonych. Wskaźnik ten opisuje zasięg usług, a nie wdrożenie nowej oferty AI.
Uniti nie ujawniło liczby klientów, wyników wdrożeń, skuteczności wykrywania ani niezależnych ocen usługi. Ogłoszenie określa zamierzone możliwości, ale nie ich wydajność w środowisku produkcyjnym.
Natychmiastowa zmiana jest jednak konkretna. Obecni klienci zarządzanego SASE mają teraz możliwość zarządzania interakcjami AI za pośrednictwem tego samego dostawcy, który obsługuje ich warstwę bezpieczeństwa sieciowego.
Shadow AI stało się problemem kontroli danych
Przedsiębiorstwa znajdują się pod presją, ponieważ pracownicy wdrożyli AI szybciej, niż wiele zespołów bezpieczeństwa ustanowiło egzekwowalne zasady.
Uniti przytacza ponad dwa miliony biznesowych klientów OpenAI jako dowód, że AI w przedsiębiorstwach wyszło poza ograniczone eksperymenty. Raport OpenAI enterprise AI report wskazywał również na ponad siedem milionów stanowisk ChatGPT w miejscach pracy.
Liczby te nie pokazują, ile organizacji ma słaby nadzór. Pokazują jednak, że narzędzia AI działają obecnie na dużej liczbie kont służbowych i w powtarzalnych procesach biznesowych.
Bardziej wymowna statystyka pochodzi z badania miejsc pracy przeprowadzonego przez Microsoft i LinkedIn. Wykazało ono, że 78% ankietowanych użytkowników AI przyniosło do pracy własne narzędzia AI. Oryginalne workplace AI study przedstawiało to zachowanie jako powszechne indywidualne wdrażanie poza formalnymi programami firmowymi.
Zachowanie typu bring-your-own-AI tworzy trudny problem egzekwowania zasad. Zablokowanie domeny może zatrzymać jedną usługę, ale pracownicy mogą przejść na inną stronę internetową, rozszerzenie przeglądarki, aplikację lub osadzonego asystenta.
Zatwierdzone narzędzia również nie eliminują ryzyka. Dopuszczony chatbot nadal może otrzymać poufny tekst, którego użytkownik nie powinien udostępniać. Zatwierdzony wewnętrzny agent może uzyskać dostęp do większej liczby rekordów, niż wymaga tego jego zadanie.
Dlatego shadow AI różni się od prostego problemu inwentaryzacji oprogramowania. Zespoły bezpieczeństwa muszą wiedzieć, jakie narzędzia są obecne, ale potrzebują też kontekstu dotyczącego tożsamości, danych, promptów i wynikających z nich działań.
Wskazówki Microsoft definiują shadow AI jako korzystanie z narzędzi AI bez wiedzy, zgody lub nadzoru zespołów technologicznych organizacji. Ich shadow AI blueprint zaleca wykrywanie, kontrolę aplikacji, zapobieganie utracie danych, audytowanie i dochodzenia.
Uniti i Cato podchodzą do tej samej sekwencji kontroli z poziomu zarządzanej warstwy sieciowej. Widoczność ruchu może ujawnić zewnętrzne usługi AI pominięte przez rejestry zakupowe lub systemy tożsamości. Inspekcja inline może następnie wspierać polityki oparte na przekazywanych informacjach.
Model ten wywiera presję na kilka istniejących funkcji bezpieczeństwa. Zespoły zarządzania danymi muszą zdefiniować informacje chronione. Zespoły sieciowe muszą wdrożyć egzekwowanie zasad bez zakłócania legalnej pracy. Zespoły operacji bezpieczeństwa potrzebują użytecznych alertów, a nie kolejnego strumienia zdarzeń o niskim poziomie kontekstu.
Właściciele aplikacji również podlegają kontroli. Jeśli wewnętrzny system AI pojawia się w inwentarzu, jego właściciel musi wyjaśnić, jakich danych używa i jakie działania może wykonywać. Agent nie może pozostać nieformalnym eksperymentem, gdy zaczyna uzyskiwać dostęp do systemów produkcyjnych.
Usługa odpowiada zatem w takim samym stopniu na lukę organizacyjną, jak i techniczną. Pracownicy mają silne bodźce do korzystania z wydajnych narzędzi AI. Zespoły bezpieczeństwa nie mogą zarządzać tym popytem wyłącznie poprzez dokumenty dotyczące dopuszczalnego użytkowania.
Funkcjonalny program potrzebuje wystarczającej widoczności, aby identyfikować ryzykowne zachowania, oraz wystarczającej precyzji, aby nie blokować zwykłych badań, tworzenia szkiców czy analiz. Propozycja Uniti polega na tym, że zarządzane egzekwowanie zasad może zamknąć tę lukę dla klientów, którzy już kierują ruch przez Cato.
Cato AI Security przekształca SASE w punkt egzekwowania zasad
Techniczny zakład polega na tym, że nadzór nad AI działa lepiej, gdy mechanizmy kontroli podążają za użytkownikami i ruchem przez aplikacje, lokalizacje i urządzenia.
Platforma SASE firmy Cato łączy dostęp sieciowy i inspekcję bezpieczeństwa w usłudze natywnej dla chmury. Uniti dodaje wokół tej platformy wdrożenie, łączność, monitorowanie i wsparcie operacyjne dla klientów korzystających z usług zarządzanych.
Taka struktura zapewnia usłudze bezpieczeństwa AI Uniti szeroki punkt obserwacji. Użytkownik może korzystać z publicznego chatbota z biura, przez połączenie zdalne lub z aplikacji hostowanej w chmurze. Polityki SASE mogą podążać za tym ruchem, gdy przechodzi on przez usługę zarządzaną.
Tradycyjne firewalle w dużej mierze oceniają adresy, porty, protokoły, aplikacje i znane wskaźniki zagrożeń. Mechanizmy te pozostają istotne, ale nie wyjaśniają w pełni znaczenia promptu lub odpowiedzi.
Żądanie może być technicznie dozwolone, a mimo to stwarzać ryzyko ujawnienia danych. Na przykład pracownik może poprosić zatwierdzonego asystenta o podsumowanie poufnego dokumentu dotyczącego przejęcia. Połączenie jest legalne, lecz treść narusza politykę firmy.
Uniti twierdzi, że Cato AI Security może badać intencję promptów i odpowiedzi, wykrywać dane wrażliwe oraz podejmować działania inline. Może również inwentaryzować setki narzędzi AI i odróżniać usługi zatwierdzone od niezatwierdzonych.
Redakcja danych stanowi mniej zakłócającą opcję niż całkowite blokowanie. Polityka mogłaby usunąć chroniony identyfikator, umożliwiając jednocześnie przetworzenie pozostałej części promptu. Teoretycznie pozwala to zachować produktywność przy ograniczeniu ryzyka ujawnienia.
Skuteczna redakcja zależy jednak od jakości klasyfikacji. System musi rozpoznawać chronione dane w różnych formatach i rozumieć otaczający je kontekst. Musi też unikać usuwania zwykłych informacji potrzebnych użytkownikom do legalnej pracy.
Agenci podnoszą stawkę, ponieważ mogą działać, a nie tylko generować tekst. Agent może odpytać bazę danych, utworzyć zgłoszenie wsparcia, wysłać wiadomość lub zmodyfikować rekord. Jego profil bezpieczeństwa obejmuje uprawnienia tożsamości, dostęp do narzędzi, instrukcje i ekspozycję danych.
Strategia platformowa Cato rozszerzyła się wokół tych ryzyk związanych z agentami. Wcześniej w 2026 r. firma ogłosiła natywne możliwości bezpieczeństwa AI oraz usługę zapobiegania zagrożeniom agentowym. Uniti pakuje elementy tego kierunku jako obsługiwaną usługę dla swoich klientów.
Partnerstwo jest już ugruntowane komercyjnie. W sierpniu 2026 r. Uniti odnowiło wieloletnią umowę z Cato i otrzymało status Advanced Partner. Uniti twierdzi, że mniej niż 2% globalnych partnerów Cato posiada to oznaczenie.
Firmy opisują również Uniti jako pierwszego północnoamerykańskiego dostawcę usług zarządzanych oferującego usługę zarządzanego SASE opartą na Cato. Są to twierdzenia firm dotyczące statusu partnerstwa, a nie niezależne pomiary wyników bezpieczeństwa.
Mimo to relacja ta ogranicza jedno źródło ryzyka integracyjnego. Uniti nie składa nieznanego stosu bezpieczeństwa AI bezpośrednio przed uruchomieniem. Rozszerza platformę, którą jej zespoły techniczne już wdrażają i obsługują.
Mechanizm ten tworzy również granicę. Kontrole mogą badać tylko interakcje widoczne za pośrednictwem zintegrowanego ruchu, tożsamości, punktów końcowych lub aplikacji. Szyfrowane przepływy, niezarządzane urządzenia, bezpośrednie integracje aplikacji i nieobsługiwane kanały mogą tworzyć luki.
Klienci powinni zatem zapytać, które ścieżki widzi usługa. Powinni osobno testować przeglądarki, aplikacje desktopowe, urządzenia mobilne, API, modele wewnętrzne i narzędzia agentowe. „Widoczność AI” ma znaczenie tylko wtedy, gdy jej zakres jest zdefiniowany.
Microsoft i Google konkurują o tę samą warstwę kontroli
Głównym konkurentem Uniti nie jest jeden zarządzany dostawca, lecz natywny dla platform model bezpieczeństwa dostępny już w najważniejszych środowiskach technologicznych przedsiębiorstw.
Microsoft zapewnia wykrywanie AI i kontrolę danych za pośrednictwem Purview, Defender for Cloud Apps, Entra oraz Intune. Purview może stosować zasady zapobiegania utracie danych, audytować interakcje, klasyfikować informacje i badać ryzykowną aktywność.
Jego przewaga wynika z bliskości tożsamości Microsoft, urządzeń końcowych, danych dotyczących produktywności oraz produktów Copilot. Organizacja mocno zainwestowana w Microsoft 365 może preferować mechanizmy kontroli dziedziczące istniejące etykiety i zasady zgodności.
Microsoft dokumentuje również wsparcie dla wybranych aplikacji AI innych firm. Jego wytyczne dotyczące ochrony AI grupują copiloty Microsoft, zarejestrowane firmowe aplikacje AI oraz wykrywane przez przeglądarkę usługi generatywnej AI w odrębne kategorie kontroli.
Google buduje porównywalne portfolio wokół Security Command Center, Sensitive Data Protection, Model Armor i usług cloud AI. Model Armor analizuje prompty i odpowiedzi pod kątem prompt injection, danych wrażliwych, szkodliwych treści i złośliwych linków.
Podejście Google jest atrakcyjne, gdy programiści tworzą aplikacje AI w Google Cloud lub potrzebują ochrony na poziomie modelu za pośrednictwem API. Microsoft ma podobną przewagę, gdy przepływy pracy AI pozostają w jego środowisku tożsamości i produktywności.
Uniti i Cato oferują inną drogę. Ich punkt egzekwowania zasad stanowi zintegrowana usługa sieciowa i bezpieczeństwa, a nie pojedynczy pakiet produktywności lub platforma programistyczna w chmurze.
Może to pomóc przedsiębiorstwu o zróżnicowanym środowisku technologicznym. Pracownicy mogą korzystać z Microsoft 365, Google Workspace, publicznych asystentów AI, wyspecjalizowanego oprogramowania i agentów tworzonych wewnętrznie. Zasady na poziomie sieci mogą zapewnić wspólną warstwę dla tych środowisk.
Model ten zmniejsza również obciążenie operacyjne klientów, którzy nie dysponują dużym wewnętrznym zespołem bezpieczeństwa. Zarządzany dostawca może pomóc konfigurować zasady, monitorować zdarzenia i wspierać zmiany, zamiast przekazywać administratorom kolejną konsolę.
Narzędzia natywne dla platform mogą jednak dysponować bogatszym kontekstem we własnych środowiskach. Microsoft może wykorzystywać etykiety poufności, sygnały tożsamości, stan urządzeń i uprawnienia do dokumentów. Warstwa sieciowa może widzieć przesyłaną treść, nie rozumiejąc każdego bazowego uprawnienia biznesowego.
Nie jest to proste porównanie funkcji. Klienci muszą zdecydować, który punkt kontroli zapewnia potrzebny im kontekst i który zespół potrafi nim konsekwentnie zarządzać.
Niektóre organizacje połączą oba podejścia. Narzędzia natywne mogą chronić dane i tożsamości na platformie chmurowej, podczas gdy mechanizmy SASE nadzorują szerszy ruch. Taka warstwowa architektura może poprawić zasięg, ale również powielać alerty i egzekwowanie zasad.
Sprzeczne zasady tworzą praktyczne problemy. Jeden system może dopuścić prompt po redakcji, podczas gdy drugi zablokuje sesję. Oddzielne narzędzia mogą rejestrować to samo zdarzenie z różnymi etykietami użytkownika, aplikacji lub ryzyka.
Zarządzana usługa Uniti musi zatem udowodnić, że konsolidacja tworzy wartość operacyjną. Najmocniejsze dowody obejmowałyby krótszy czas dochodzeń, mniej niezarządzanych aplikacji, mniejszą ekspozycję danych wrażliwych oraz akceptowalny poziom fałszywych alarmów.
Ogłoszenie nie zawiera tych pomiarów. Dopóki wdrożenia ich nie wygenerują, Uniti Solutions AI Security pozostaje wiarygodnym modelem dostarczania usługi, wspieranym głównie przez możliwości produktu i ugruntowane partnerstwo.
Inspekcja promptów tworzy własne kompromisy bezpieczeństwa
Ta sama widoczność potrzebna do kontrolowania AI może wystawić bardzo wrażliwe interakcje pracowników i firmy na działanie kolejnego systemu inspekcji.
Inspekcja promptów brzmi prosto, dopóki organizacje nie rozważą materiałów zawartych w tych promptach. Pracownicy mogą przesyłać kod źródłowy, porady prawne, informacje medyczne, dane klientów, ustalenia dotyczące bezpieczeństwa lub nieopublikowane dane finansowe.
Mechanizm kontroli odczytujący prompty i odpowiedzi staje się częścią ścieżki danych wrażliwych. Klienci potrzebują jasnych odpowiedzi dotyczących lokalizacji przetwarzania, retencji, dostępu administratorów, szyfrowania, routingu regionalnego i reagowania na incydenty.
Powinni również ustalić, czy kontrolowana treść trenuje jakikolwiek model. Ogłoszenie usługi nie opisuje warunków retencji danych ani trenowania modeli. Szczegóły te wymagają przeglądu umownego i technicznego przed wdrożeniem.
Kolejnym wyzwaniem są fałszywe alarmy. Programista może zasadnie analizować próbkę kodu zawierającą słowa przypominające dane uwierzytelniające. Pracownik finansowy może korzystać z zatwierdzonego narzędzia z prawidłowo zamaskowanymi rekordami. Zbyt szerokie mechanizmy kontroli mogłyby zakłócić oba zadania.
Fałszywe negatywy są równie poważne. Informacje wrażliwe mogą pojawiać się w nietypowych formatach lub stać się identyfikowalne dopiero po połączeniu z innym kontekstem. Analiza intencji może poprawić wykrywanie, lecz żadne ogłoszenie nie dowodzi doskonałego zrozumienia.
Aplikacje AI stoją również wobec zagrożeń wykraczających poza przypadkowe ujawnienie przez pracowników. Lista ryzyk OWASP obejmuje prompt injection, ujawnianie informacji wrażliwych, niewłaściwą obsługę wyników oraz nadmierną autonomię.
Prompt injection wykorzystuje spreparowaną treść, aby wpłynąć na zachowanie modelu. Agent może napotkać wrogie instrukcje w dokumentach, witrynach internetowych, e-mailach lub innych pobieranych materiałach. Ryzyko to istnieje nawet wtedy, gdy pracownik przestrzega polityki firmy.
Inspekcja inline może wspierać obronę, lecz nie zastąpi bezpiecznego projektowania aplikacji. Programiści nadal potrzebują ścisłej autoryzacji, ograniczonych uprawnień narzędzi, obsługi danych wejściowych, walidacji danych wyjściowych i zatwierdzenia przez człowieka dla działań o istotnych konsekwencjach.
Znaczenie ma również różnica między korzystaniem przez pracowników z AI a agentami budowanymi wewnętrznie. Kontrole przeglądarkowe mogą regulować wysyłanie tekstu przez pracownika do publicznego asystenta. Nie naprawiają automatycznie wewnętrznego agenta z nadmiernymi uprawnieniami do baz danych.
Klienci powinni unikać traktowania jednego inwentarza jako kompletnego rejestru zasobów AI. Obserwacje sieciowe wymagają uzgodnienia z kontami chmurowymi, kluczami API, repozytoriami aplikacji, systemami tożsamości, bramami modeli i rejestrami zakupów.
Projektowanie zasad powinno zaczynać się od wąskiego zestawu zabezpieczeń o wysokiej pewności. Organizacje mogą najpierw blokować sekrety, regulowane identyfikatory oraz wyraźnie nieautoryzowane aplikacje. Następnie mogą rozszerzać kontrole na podstawie dowodów z monitorowanej aktywności.
Okres wyłącznie monitorowania może ujawnić, jak pracownicy rzeczywiście korzystają z AI, zanim rozpocznie się egzekwowanie zasad. Zespoły bezpieczeństwa mogą zidentyfikować przepływy pracy kluczowe dla biznesu, powtarzające się typy danych oraz działy potrzebujące zatwierdzonych alternatyw.
Niezbędna jest również jasna informacja zwrotna dla użytkowników. Zablokowany prompt powinien wyjaśniać, która zasada została zastosowana, bez ujawniania logiki wykrywania, którą atakujący mogą łatwo obejść. Użytkownicy potrzebują bezpiecznego kolejnego działania, a nie wyłącznie komunikatu o błędzie.
Zarządzana usługa może pomóc w tych szczegółach operacyjnych, ale klienci nadal odpowiadają za wybór zasad. Uniti nie może określić akceptowalnej równowagi między produktywnością, prywatnością, zgodnością i bezpieczeństwem dla każdej organizacji.
Centralny kompromis jest zatem nieunikniony. Większa inspekcja może ograniczyć niezarządzane ujawnienia, lecz jednocześnie koncentruje dane o wrażliwych interakcjach i wprowadza kolejny mechanizm decyzyjny do przepływów pracy pracowników.
Trzy sygnały pokażą, czy usługa spełnia obietnice
Kolejnym testem nie będzie następne ogłoszenie funkcji, lecz dowód, że klienci mogą zarządzać AI, nie spychając jej jeszcze głębiej do podziemia.
Pierwszym sygnałem będzie mierzalne wdrożenie wśród klientów korzystających z zarządzanego SASE Uniti. Uniti nie ujawniło, ilu klientów włączy dodatek ani które branże przyjmą go jako pierwsze.
Wdrożenie w organizacjach regulowanych wzmocniłoby wiarygodność usługi, ponieważ tacy nabywcy wymagają szczegółowych mechanizmów kontroli, audytowalności i gwarancji umownych. Ograniczone wykorzystanie sugerowałoby, że klienci wolą platformy natywne albo nie są gotowi na egzekwowanie zasad na poziomie promptów.
Drugim sygnałem będą dowody operacyjne. Uniti i Cato powinny z czasem raportować zasięg wdrożeń, zablokowane ujawnienia, zmiany zasad, czasy dochodzeń oraz trendy fałszywych alarmów. Zagregowane wyniki mogą pokazać wartość bez ujawniania danych poszczególnych klientów.
Same liczby wykryć byłyby słabym dowodem. System może generować wiele alertów, ponieważ jego zasady są zbyt szumne. Lepsze miary obejmują ograniczenie niezatwierdzonego użycia, większą migrację do zatwierdzonych narzędzi oraz szybsze rozwiązywanie potwierdzonych incydentów.
Trzecim sygnałem będzie sposób, w jaki usługa obsługuje autonomiczne agenty. Ruch agentów stwarza bardziej wymagający test niż korzystanie przez pracowników z chatbotów, ponieważ działania mogą wpływać na systemy zewnętrzne i rejestry biznesowe.
Wiarygodny program bezpieczeństwa agentów musi połączyć aktywność sieciową z tożsamością agenta, delegowanymi uprawnieniami, wywołaniami narzędzi i dostępem do danych. Jeśli mechanizmy kontroli pozostaną skoncentrowane na promptach w przeglądarce, usługa obejmie tylko część wyłaniającego się ryzyka.
Te sygnały wyjaśnią również pozycję Uniti względem natywnych dla platform produktów bezpieczeństwa. Szeroka widoczność międzyplatformowa wspierałaby model zarządzanego SASE. Bogatszy kontekst i prostsze operacje w środowiskach Microsoft lub Google przemawiałyby na korzyść mechanizmów natywnych.
Przedsiębiorstwa nie muszą czekać na zwycięzcę, aby poprawić zarządzanie. Mogą zinwentaryzować zatwierdzone systemy AI, zdefiniować chronione dane, ograniczyć uprawnienia agentów i testować zachowanie mechanizmów kontroli w reprezentatywnych przepływach pracy.
Powinny również rejestrować, gdzie istotna wiedza trafia do procesu AI. Obejmuje to kopiowany tekst, przesyłane dokumenty, podłączone repozytoria, pobierane rekordy i automatyczne wyniki narzędzi. Utrzymywana baza wiedzy AI może ułatwić przegląd tych granic informacyjnych.
Uniti Solutions AI Security pojawia się w odpowiednim momencie, ponieważ firmowa AI rozprzestrzeniła się poza centralnie zatwierdzone aplikacje. Jej zarządzany model dostarczania oferuje klientom praktyczny punkt egzekwowania zasad w zróżnicowanym środowisku.
Premiera nie dowodzi, że każda interakcja AI może zostać prawidłowo sklasyfikowana. Nie eliminuje również potrzeby bezpiecznego projektowania aplikacji, kontroli tożsamości, zarządzania danymi ani świadomego zachowania pracowników.
Najważniejsze pytanie dla nabywców ma charakter operacyjny: czy usługa może ograniczyć ryzykowne użycie AI, zachowując jednocześnie przepływy pracy, od których pracownicy już zależą? Organizacje rozważające dodatek powinny zacząć od mapy zasięgu, bazowej obserwacji w trybie wyłącznie monitorowania oraz kilku zasad dotyczących danych o wysokiej pewności. Następnie powinny przetestować redakcję, blokowanie, aktywność agentów i badanie incydentów w rzeczywistych scenariuszach biznesowych. Uzyskane dowody będą ważniejsze niż liczba narzędzi AI wymienionych na pulpicie. Jeśli Uniti potrafi przełożyć te mechanizmy kontroli na mniejszą ekspozycję i wyraźniejszą odpowiedzialność, jego pozycja zarządzanej sieci staje się wartościowa. Jeśli użytkownicy będą po prostu omijać egzekwowanie zasad, shadow AI pozostanie ukryta zamiast kontrolowana.
