Przejdź do treści

Popularne tematy

AI Management AI to już pozycja w budżecie.
Traktujmy ją tak.

Śledzenie modeli, eksperymentów, GPU i licencji użytkowników: od przeszukiwania hiperparametrów na klastrze treningowym po subskrypcję ChatGPT, którą ktoś rozliczył w wydatkach. Jedna klasa zasobów, nadzorowana jak każda inna.

Umów prezentację Zobacz tablicę shadow AI
Ukryj szczegóły techniczne

Piąta klasa zasobów · jedna platforma

Jedna klasa zasobów

Cztery warstwy pod nadzorem

  • Agenci

    MCP

    Każde wywołanie narzędzia audytowane, z ograniczonym zakresem i liczone w ramach limitu.

    Serwer Model Context Protocol

  • Modele i eksperymenty

    ML

    Uruchomienia, zestawy uruchomień, artefakty i pochodzenie zbiorów danych.

    Rejestr modeli

  • Moc obliczeniowa do trenowania

    GPU

    Executory z dopasowanym rozmiarem, zmigrowane i wyłączone.

    Silnik rekomendacji z 26 kontrolami

  • Licencje użytkowników i klucze API

    LICENCJA

    Subskrypcje wykryte, uszeregowane i odzyskane.

    Silnik licencji SaaS

Model danych i silnik polityk to te same, które już obsługują pozostałe cztery klasy zasobów.

W skrócie

Wydatki na AI rosną szybciej, niż ktokolwiek je śledzi.

Dział finansów widzi jedną fakturę za AI. Dział inżynierii widzi klaster kosztownej mocy obliczeniowej. Dział bezpieczeństwa widzi niezatwierdzone narzędzie AI z dostępem do danych klientów. Każdy zespół ma fragment obrazu, nikt nie ma całości, a rachunek rośnie co miesiąc. CerteroX gromadzi każde narzędzie AI, subskrypcję i obciążenie w jednym rekordzie, dzięki czemu widać, co jest używane, ile kosztuje i kto to zatwierdził.

  • Koszt

    Koniec z płaceniem za AI, z którego nikt nie korzysta.

    Nieużywane subskrypcje AI są wykrywane i odzyskiwane, a moc obliczeniowa Państwa własnych projektów AI jest sprawdzana pod kątem marnotrawstwa przez ten sam silnik kosztowy, który już analizuje wydatki na chmurę.

  • Ryzyko

    Wiedza o tym, które narzędzia AI mają Państwa dane.

    Każde używane narzędzie AI zostaje wykryte, uszeregowane według zasięgu i ocenione pod kątem przyznanego dostępu. To Państwo decydują, co jest zatwierdzone, co zablokowane, a co pozostaje bez zmian.

  • Nakład pracy

    Jedna platforma, a nie kolejne narzędzie.

    AI podlega takiemu samemu nadzorowi jak laptopy, oprogramowanie i chmura, sprawowanemu przez ten sam zespół. Jeśli korzystają Państwo już z innych produktów CerteroX, dodanie AI nie wymaga prac integracyjnych.

Wyświetlane są pełne szczegóły techniczne. Można je wyłączyć, aby zobaczyć wersję skróconą.

Ukryj szczegóły techniczne
warstwy pod nadzorem: agenci, modele, moc obliczeniowa, licencje użytkowników
4 warstwy pod nadzorem: agenci, modele, moc obliczeniowa, licencje użytkowników
Produkty CerteroX udostępniające serwer MCP
5 Produkty CerteroX udostępniające serwer MCP
kontrole kosztów stosowane do flot GPU
26 kontrole kosztów stosowane do flot GPU
poziomy ryzyka adopcji na tablicy Shadow AI
3 poziomy ryzyka adopcji na tablicy Shadow AI
Problem

Dział finansów widzi jedną fakturę za AI. Dział inżynierii widzi klaster GPU. Dział bezpieczeństwa widzi niezatwierdzony LLM z dostępem do danych klientów.

Nikt nie widzi wszystkich trzech, a wydatki rosną z miesiąca na miesiąc.

Finanse Faktura · miesięczna
Usługi AI 1 pozycja
  • Dostawca Bez wyszczególnienia na fakturze
  • Zespół Bez wyszczególnienia na fakturze
  • Model Bez wyszczególnienia na fakturze
  • Licencje użytkowników Bez wyszczególnienia na fakturze

Cztery pola bez wyszczególnienia

Nie widzi: którego zespołu i którego modelu to dotyczy ani kto faktycznie z tego korzysta.

Inżynieria Executory · na żywo

10 uruchomione · 5 bezczynne · 17 zatrzymane

Nie widzi: faktury, liczby licencji użytkowników ani daty odnowienia umowy.

Bezpieczeństwo Zgody OAuth
Nierozpoznana aplikacja LLM ryzyko 88
drive.readonly mail.read offline_access

Zgoda 41 użytkowników · nigdy nie przeglądano

Dodatek do podsumowywania spotkań ryzyko 57
calendar.read profile

Nie widzi: kto za to płaci i czy to w ogóle narzędzie firmowe.

CerteroX widzi wszystkie trzy.

Dowiedz się więcej

Umów prezentację
Wewnątrz produktu

Shadow AI uszeregowane według tego, jaka część organizacji już z niego korzysta.

Dziesięć osób korzystających z asystenta czatu to temat do rozmowy o polityce. Tysiąc to incydent, który tylko czeka na opisanie. Tablica przypisuje każde wykryte narzędzie do poziomu według udziału w organizacji, ocenia jego zgodę i daje jedno miejsce na decyzję.

AI Management / Shadow AI

Interfejs poglądowy · przykładowe dane

Ryzyko adopcji w rankingu

Poziom 1: szeroka adopcja ponad 25% organizacji

Poziom 2: wschodzące od 5% do 25%

Poziom 3: pojedyncze poniżej 5%

ChatGPT

OpenAI · wykryto przez przeglądarkę + OAuth

Zarządzane
74

Ocena ryzyka zgody OAuth

Ocena w skali 0–100 pod względem wrażliwości danych, szerokości zakresu, wzorca zgody i nieaktywności.

Wrażliwość danych
82
Szerokość zakresu
61
Wzorzec zgody
78
Nieaktywność
24

Przyznane zakresy

drive.file email offline_access
  • Wykryto dzierżawę enterprise
  • SSO wymuszone dla 61% użytkowników
  • 148 licencji użytkowników nieużywanych od ponad 30 dni

Przepływ pracy

Przy nowym użytkowniku → przypisz do puli budżetu AI, wymagaj SSO

Historia zgody

  1. 14 lut Pierwsze wykrycie
  2. 06 cze Przejrzano zgodę
  3. 01 wrz Następny przegląd

Status shadow AI

Trzy sygnały
Rozszerzenie przeglądarki, dostawca tożsamości i konektor dostawcy zbiegają się w jednym rekordzie aplikacji.
Przepływ statusów
Zarządzane, zablokowane lub ignorowane. Ten sam przepływ pracy co w katalogu SaaS, więc nic nie pozostaje bez decyzji.
Ocena ryzyka
Zgody OAuth oceniane w skali 0–100 pod względem wrażliwości danych, szerokości zakresu, wzorca zgody i nieaktywności.
Cztery filary

Cztery filary zastosowane do AI.

Te same cztery pytania, które zadajemy o laptopa, bazę danych Oracle i zasobnik S3, teraz zadawane o modele, eksperymenty, GPU i licencje użytkowników, a odpowiadają na nie te same silniki.

01 Widoczność

Jakie AI już tu jest?

Każde używane narzędzie AI zostaje znalezione i zapisane w rejestrze.

  • Rozszerzenie przeglądarki
  • Dostawca tożsamości
  • Konektor dostawcy

Przeglądarka, dostawca tożsamości i konektor dostawcy

  • Wykrywanie shadow AI na podstawie tagów funkcji aplikacji, a nie statycznej listy
  • Adopcja narzędzi AI uszeregowana według odsetka pracowników organizacji, którzy z nich korzystają
  • Rejestr modeli z wersjonowaniem oraz wersjonowanie zbiorów danych z pochodzeniem
Pokaż pozostałe 5
  • Śledzenie zadań, uruchomień i zestawów uruchomień ML z logami konsoli i kamieniami milowymi
  • Widoczność executorów: moc obliczeniowa faktycznie wykonująca każde obciążenie
  • Metryki niestandardowe z wartościami docelowymi i pożądanym kierunkiem zmian
  • Rankingi uruchomień i modeli według metryk
  • Instrumentacja Spark za pomocą kolektora agenta Delight

8 nazwanych funkcji

02 Optymalizacja

Ile nas to kosztuje?

Executory ML trafiają do pul kosztów z przypisanymi budżetami.

  • Flota GPU
  • Licencje użytkowników AI
  • API modeli

Flota GPU, licencje użytkowników AI i API modeli w jednej puli kosztów

  • Pełny silnik rekomendacji z 26 kontrolami zastosowany do executorów ML
  • Dopasowanie rozmiaru GPU i instancji treningowych oraz przejście na nowszą generację
  • Odzyskiwanie licencji użytkowników narzędzi AI przez silnik licencji SaaS
Pokaż pozostałe 4
  • Wykrywanie krótko żyjących executorów do migracji na instancje spot i preemptible
  • Dedykowane pule kosztów ML/AI z własnymi budżetami
  • Strojenie hiperparametrów za pomocą szablonów zestawów uruchomień wielokrotnego użytku
  • Możliwości migracji obciążeń treningowych między regionami i chmurami

7 nazwanych funkcji

03 Zarządzanie

Kto tym zarządza i jak?

Zestawy uruchomień same przydzielają sobie runnery w chmurze i śledzą każde uruchomienie.

Poglądowe wiersze rejestru modeli
churn-propensity v7 Produkcja
doc-embed-base v3 Staging
ticket-router v11 Zarchiwizowano

Rejestr modeli · przykład poglądowy

  • Serwer Model Context Protocol udostępniający platformę agentom AI
  • Tokeny MCP o ograniczonym zakresie, osobne dla każdej organizacji, z pełnym audytem wywołań narzędzi
  • Orkiestracja zestawów uruchomień, która na żądanie przydziela runnery w chmurze
Pokaż pozostałe 4
  • Śledzenie eksperymentów z artefaktami, tagami, etapami i kamieniami milowymi
  • Szablony rankingów do powtarzalnego porównywania modeli
  • Wbudowany asystent konwersacyjny działający na Państwa własnych danych o kosztach i zasobach
  • Obsługa zewnętrznych wtyczek MCP do wywoływania innych serwerów

7 nazwanych funkcji

04 Nadzór

Czy wolno mu to robić?

Zatwierdzanie, ograniczanie i dokumentowanie korzystania z AI, zanim stanie się incydentem.

0 Cofnij powyżej 85 100

Próg ryzyka dla oceny zgody

  • Proces statusów shadow AI: zarządzane, zablokowane lub ignorowane
  • Ocena ryzyka zgód OAuth dla narzędzi AI z dostępem do danych
  • Ocena ryzyka pod kątem wrażliwości danych oraz ekspozycji na GDPR, HIPAA i SOC 2
Pokaż pozostałe 4
  • Budżety AI dla poszczególnych aplikacji z progami ostrzegawczymi i krytycznymi
  • Każde wywołanie narzędzia przez agenta AI audytowane i liczone w ramach limitu
  • Automatyzacja przepływów pracy: alert, blokada lub odebranie dostępu po wykryciu
  • Pełna ścieżka audytu nadawania i odbierania licencji użytkowników narzędzi AI

7 nazwanych funkcji

CerteroX AI Management może pomóc

Umów prezentację
Czym to się różni

Trzy rzeczy, od których nie zaczyna żadna strona konkurencji.

Nadzór nad AI zwykle sprzedaje się jako pulpit doczepiony do katalogu SaaS. Oto elementy, które działają tylko wtedy, gdy platforma pod spodem już nadzoruje wszystko inne.

01

Wydatki na AI trafiają do czterech różnych budżetów

Licencja użytkownika, klucz API, flota GPU i agent trafiają do różnych budżetów pod różnymi właścicielami i każde z nich wymyka się spod kontroli na swój sposób. CerteroX nadzoruje je wszystkie, bo już nadzoruje SaaS, chmurę, zasoby i tożsamość. Jeden obraz nadzoru obejmuje całość.

Cztery formy · trzy silniki

  • SaaS Management
  • Cloud Management
  • AI Management

02

Państwa platforma jest serwerem MCP

Każdy produkt CerteroX udostępnia serwer Model Context Protocol z tokenami o ograniczonym zakresie i audytem każdego wywołania. Państwa agenci AI mogą bezpośrednio odpytywać zasoby technologiczne, rachunek za chmurę i pozycję licencyjną, a Państwo widzą dokładnie, o co pytali.

mcp · audyt wywołań narzędzi Poglądowy · przykładowy log
Czas Agent Wywołanie narzędzia Zakres tokena Wynik
17:02:11 finops-copilot certerox.cloud.expenses.query pool:ml-research ok 142 ms
17:02:14 finops-copilot certerox.sam.licence.position publisher:oracle ok 88 ms
17:02:19 sec-triage certerox.saas.grants.list risk>=70 ok 201 ms
17:02:22 sec-triage certerox.saas.grants.revoke grant:8c1f odmowa limit
17:02:26 asset-desk certerox.itam.devices.search site:eu-west ok 63 ms
$

Rekomendacje · executory ML

Pokazano 6 z 26

  • Instancje zatrzymane, ale niezwolnione
  • Dopasowanie rozmiaru instancji
  • Zmiana generacji instancji
  • Krótko działające instancje: kandydaci do spot
  • Porzucone obrazy i nieaktualne migawki
  • Możliwość migracji między regionami

Każda kontrola ma własne progi, wykluczenia pul i pomijane konta. Nic nie zostało przepisane na potrzeby GPU.

03

Rachunek za GPU przechodzi te same 26 kontroli co wszystko inne

Executory ML to instancje w chmurze. Dlatego wykrywanie porzuconych zasobów, dopasowanie rozmiaru, zmiana generacji i migracja do instancji spot mają do nich zastosowanie automatycznie. Optymalizacja kosztów AI nie jest osobnym produktem, bo nie musi nim być.

Wszystkie dwadzieścia sześć w Cloud Management
Integracje

Połączenia na każdej warstwie stosu.

Dostawcy modeli, platforma ML, moc obliczeniowa pod nią i protokół, którym posługują się Państwa agenci.

Warstwa AI sięga dalej niż ta lista, bo platforma pod nią jest już połączona z Państwa dostawcą tożsamości, rachunkiem za chmurę i każdą posiadaną aplikacją SaaS. Te połączenia obsługują również warstwę AI.

Jak łączy się platforma

Dostawcy modeli

  • OpenAI
  • Anthropic

Platformy i frameworki ML

  • Databricks
  • MLflow
  • PyTorch
  • TensorFlow
  • Apache Spark
  • Kubeflow

Moc obliczeniowa i chmury

  • Kubernetes
  • AWS
  • Microsoft Azure
  • Google Cloud
  • Nebius

Protokół agentów

  • Model Context Protocol

Do tego każdy konektor dostępny w pozostałej części platformy. Zobacz pełną listę.

AI Management: najczęstsze pytania

AI Management – proste odpowiedzi.

Sześć pytań, które słyszymy w każdej rozmowie o AI Management. Jeśli Państwa pytania tu nie ma, odpowiedź przyniesie krótka rozmowa, a nie formularz.

Co właściwie uznaje się tu za „narzędzie AI”?

Klasyfikacja wynika z tagów funkcji aplikacji w katalogu. Gdy nowo skatalogowana aplikacja ma funkcje AI, trafia do widoku Shadow AI bez edytowania jakiejkolwiek reguły. To ważne, bo zbiór wykrywanych narzędzi zmienia się co miesiąc.

Czy na klastrze treningowym potrzebny jest agent?

Nie. Executory ML są wykrywane przez te same konektory chmurowe, które już odczytują rozliczenia i inwentarz zasobów, więc warstwa obliczeniowa nie wymaga żadnej dodatkowej instalacji. Obciążenia Spark można dodatkowo monitorować kolektorem agenta Delight, jeśli potrzebne są szczegóły na poziomie pojedynczych uruchomień.

Czy można widzieć shadow AI bez blokowania czegokolwiek?

Tak. Wykrywanie i egzekwowanie są rozdzielone. Każde wykryte narzędzie ma status w przepływie pracy (zarządzane, zablokowane lub ignorowane) i pozostaje w wybranym przez Państwa stanie. Automatyzacja alertów, blokowania lub cofania zgód jest opcjonalna i włączana dla każdej aplikacji osobno.

Nasi własni agenci AI chcą odpytywać te dane. Czy to jest obsługiwane?

Każdy produkt CerteroX udostępnia serwer Model Context Protocol. Tokeny mają zakres ograniczony do organizacji, każde wywołanie narzędzia jest audytowane i liczone w ramach limitu, a zewnętrzne wtyczki MCP pozwalają platformie łączyć się z innymi Państwa serwerami. Nie trzeba niczego najpierw budować na zamówienie.

Czy optymalizacja kosztów AI to osobny produkt?

Nie i nie powinna nim być. Executor ML to instancja w chmurze, więc silnik rekomendacji już wie, co z nią zrobić. Wszystkie 26 kontroli działa na flocie GPU. Z tego samego powodu licencje użytkowników AI są odzyskiwane przez silnik licencji SaaS.

Czy najpierw trzeba kupić pozostałe cztery produkty?

Nie. Każdy produkt CerteroX działa samodzielnie na jednym wspólnym modelu zasobów. AI Management daje najwięcej w połączeniu z SaaS Management i Cloud Management, bo licencje użytkowników i GPU są nadzorowane przez te silniki, ale dodanie ich później nie wymaga prac integracyjnych.

Zacznij od shadow AI

AI, którego nigdy nie zaplanowano w budżecie,
już działa.

Prezentacja zaczyna się od tablicy shadow AI: asystenci już w użyciu, licencje użytkowników, z których nikt nie skorzystał od miesiąca, po cichu naliczające opłaty API modeli i rzeczywisty koszt floty treningowej.

Umów prezentację

Bez PDF-a za formularzem. Tylko środowisko wypełnione danymi, specjalista techniczny na rozmowie i szczera odpowiedź.