Cztery problemy z AI
mieszczą się w jednej klasie zasobów.
Licencja, którą ktoś rozliczył w wydatkach służbowych, klucz API zużywający tokeny, flota GPU wykonująca przeszukiwanie parametrów i agent wywołujący Państwa systemy to cztery różne problemy nadzoru.
CerteroX obejmuje wszystkie cztery, ponieważ już obejmuje SaaS, chmurę, zasoby i tożsamość.
Shadow AI · ryzyko adopcji
PoglądoweNarzędzia AI wykryte w całej organizacji
Klasyfikacja na podstawie tagów funkcji aplikacji
- Wykryte narzędzia AI licencje użytkowników, klucze, zgody i agenty
- 34
- Zweryfikowane i zarządzane
- 9
- Zablokowane
- 3
- Niezweryfikowane brak właściciela, brak oceny ryzyka
- 22
- Narzędzie o najwyższej adopcji odsetek zalogowanych w organizacji
- 41%
- Zgody OAuth z dostępem do dysku ocena ryzyka ≥ 70
- 6
Model ryzyka adopcji
trzy poziomy, według odsetka organizacji
Wydatki na AI rosną szybciej, niż ktokolwiek jest w stanie to zauważyć.
AI trafia do firmy przez subskrypcje pracowników, konta deweloperskie, moc obliczeniową w chmurze i narzędzia łączące się z danymi firmy. Dział finansów widzi jedną fakturę, IT widzi klaster, a dział bezpieczeństwa niezatwierdzone narzędzie, i nikt nie widzi całości. CerteroX łączy to wszystko w jednym widoku, dzięki czemu każda część ma właściciela i decyzję.
- Koszt
Każdy funt wydany na AI ma właściciela.
Subskrypcje, opłaty za użycie i koszty mocy obliczeniowej dla AI są śledzone razem z całą resztą, więc wzrost jest wyborem, a nie niespodzianką.
- Ryzyko
Wiadomo, co AI może czytać.
Widać, które narzędzia AI uzyskały dostęp do firmowych dysków, poczty lub systemów, a te uprawnienia można weryfikować równie starannie jak konta użytkowników.
- Nakład pracy
Lista sama się aktualizuje.
Nowe narzędzia AI są rozpoznawane w miarę pojawiania się, więc nadzór nie zależy od tego, czy ktoś aktualizuje arkusz z nazwami.
Problem
Trzy działy patrzą każdy na jedną trzecią problemu.
Dział finansów widzi jedną fakturę za AI. Inżynierowie widzą klaster GPU. Dział bezpieczeństwa widzi niezatwierdzony model z dostępem do danych klientów. Nikt nie widzi wszystkich trzech, a wydatki narastają z miesiąca na miesiąc.
+393%
wzrostu wydatków na aplikacje natywnie oparte na AI w dużych przedsiębiorstwach
Niezależnie od tegorocznego budżetu na AI, warto założyć, że ta liczba zmieni się przed końcem roku.
- 01 dziesięciu użytkowników, potem tysiąc
Adopcja to krzywa ryzyka.
Dziesięć osób testujących asystenta to eksperyment. Tysiąc osób korzystających z niego codziennie to zależność, przepływ danych i odnowienie, które będzie się negocjować ze słabszej pozycji. To samo narzędzie, dwie zupełnie różne decyzje.
Shadow AI Dashboard z trzypoziomowym modelem ryzyka adopcji AI Management
- 02 lista jest nieaktualna, zanim dotrze
Zakodowana na sztywno lista narzędzi AI jest nieaktualna już w tygodniu, w którym powstaje.
Większym problemem jest narzędzie, które już się posiada. W drobnej aktualizacji otrzymuje funkcję AI, pod nazwą, którą lista blokad od lat traktuje jako bezpieczną.
Wykrywanie shadow AI na podstawie tagów funkcji aplikacji, a nie statycznej listy AI Management
- 03 zgoda, której nikt nie weryfikuje
Ktoś kliknął „Zezwól” i teraz narzędzie do notatek czyta cały dysk.
Zgody OAuth trwają dłużej niż entuzjazm, który je zrodził. Zakres jest szeroki, weryfikacji nie ma nigdy, a zgoda przetrwa konto, które ją udzieliło.
Ocena ryzyka zgód OAuth pod względem wrażliwości, zakresu, zgody i nieaktywności SaaS Management
- 04 GPU to instancja w chmurze
Klaster treningowy to zwykłe marnotrawstwo w ciekawym przebraniu.
Bezczynne executory, przewymiarowane instancje, pozostawiona w działaniu poprzednia generacja, obciążenia kwalifikujące się do instancji spot opłacane według stawki on-demand. Nie ma w tym nic szczególnego poza tym, ile kosztuje godzina.
Pełny silnik rekomendacji z 26 kontrolami zastosowany do executorów ML AI Management
- Nadzór nad AI oznacza wiedzę o tym, jakie narzędzia, zgody, GPU i agenty organizacja ma w tej chwili. Każdy z tych czterech elementów może zmienić się już dziś.
CerteroX AI Management może pomóc
Umów prezentacjęTrzy z pięciu dyscyplin.
Każdy z nich działa samodzielnie i korzysta ze wspólnego modelu zasobów, więc elementy obejmujące kilka produktów nie wymagają prac integracyjnych.
- Podstawowe CerteroX AI Management Modele, eksperymenty, floty GPU, agenty i warstwa MCP, nadzorowane jako jedna klasa zasobów. Dowiedz się więcej
- Dotyczy także CerteroX SaaS Management Licencje użytkowników narzędzi AI, zgody OAuth i silnik przepływów pracy, który je odbiera. Dowiedz się więcej
- Dotyczy także CerteroX Cloud Management Model kosztów i silnik polityk pod mocą obliczeniową. Dowiedz się więcej
Wyświetlane są pełne szczegóły techniczne. Można je wyłączyć, aby zobaczyć wersję skróconą.
Ukryj szczegóły technicznePięć kroków, od wykrycia do audytowanego agenta.
Nadzór nad AI zawodzi na trzecim kroku, bo większość narzędzi potrafi powiedzieć, że coś się dzieje, ale ani słowa o tym, co można z tym zrobić.
-
Wykryć, co jest faktycznie używane
Cztery sygnały z licencji użytkowników, zgód, mocy obliczeniowej i agentów, połączone w jeden obraz.
- Wykrywanie shadow AI na podstawie tagów funkcji aplikacji, a nie statycznej listy AI Management
- Adopcja narzędzi AI uszeregowana według odsetka pracowników organizacji, którzy z nich korzystają AI Management
- Wykrywanie zgód OAuth dla aplikacji firm trzecich, którym udzielono zgody SaaS Management
- Widoczność executorów: moc obliczeniowa faktycznie wykonująca każde obciążenie AI Management
- Śledzenie zadań, uruchomień i zestawów uruchomień ML z logami konsoli i kamieniami milowymi AI Management
-
Ocenić ekspozycję
Ryzyko to dane plus zakres plus zasięg, a wszystkie trzy da się zmierzyć.
- Ocena ryzyka pod kątem wrażliwości danych oraz ekspozycji na GDPR, HIPAA i SOC 2 AI Management
- Ocena ryzyka zgód OAuth pod względem wrażliwości, zakresu, zgody i nieaktywności SaaS Management
- Shadow AI Dashboard z trzypoziomowym modelem ryzyka adopcji AI Management
- Rejestr modeli z wersjonowaniem oraz wersjonowanie zbiorów danych z pochodzeniem AI Management
-
Zdecydować, a potem egzekwować decyzję
Zarządzane, zablokowane lub ignorowane, z automatyzacją, która wykonuje decyzję w chwili wykrycia.
- Proces statusów shadow AI: zarządzane, zablokowane lub ignorowane AI Management
- Automatyzacja przepływów pracy: alert, blokada lub odebranie dostępu po wykryciu AI Management
- Odebranie zgody jednym kliknięciem, dostępne także jako akcja przepływu pracy SaaS Management
- Odzyskiwanie licencji użytkowników narzędzi AI przez silnik licencji SaaS AI Management
-
Rozliczać jak wszystko inne
Wydatki na AI to cztery pozycje w trzech systemach. Tutaj to jedno portfolio z budżetami.
- Dedykowane pule kosztów ML/AI z własnymi budżetami AI Management
- Budżety AI dla poszczególnych aplikacji z progami ostrzegawczymi i krytycznymi AI Management
- Dopasowanie rozmiaru GPU i instancji treningowych oraz przejście na nowszą generację AI Management
- Wykrywanie krótko żyjących executorów do migracji na instancje spot i preemptible AI Management
- Możliwości migracji obciążeń treningowych między regionami i chmurami AI Management
-
Dokumentować każde wywołanie
Gdy agent ma poświadczenia do Państwa systemów, mechanizmem kontroli jest ścieżka audytu.
- Tokeny MCP o ograniczonym zakresie, osobne dla każdej organizacji, z pełnym audytem wywołań narzędzi AI Management
- Każde wywołanie narzędzia przez agenta AI audytowane i liczone w ramach limitu AI Management
- Pełna ścieżka audytu nadawania i odbierania licencji użytkowników narzędzi AI AI Management
- Dziennik audytu obejmujący każdy krok nadawania i odbierania dostępu SaaS Management
Można poprosić o pokazanie dowolnej z tych funkcji w działaniu w samym produkcie, na ekranie, na którym to się dzieje.
Dowiedz się więcej
Umów prezentacjęJak wygląda dobry stan.
Portfolio AI z właścicielem, statusem i budżetem przypisanym do każdej pozycji.
- 01
Zbiór wykrywanych narzędzi rośnie bez Państwa udziału.
Klasyfikacja wynika z tagów funkcji aplikacji w katalogu, więc narzędzie, które doda funkcje AI w przyszłym kwartale, pojawi się w przyszłym kwartale, bez utrzymywania żadnej listy.
- 02
Każde narzędzie ma status.
Zarządzane, zablokowane lub ignorowane. Ignorowane to uprawniona odpowiedź, o ile ktoś ją wybrał, a przepływ pracy egzekwuje tę, którą wybrano.
- 03
Zgody są weryfikowane jak konta.
Ocena ryzyka w skali 0–100 oparta na wrażliwości danych, zakresie, zgodzie i nieaktywności, z odebraniem jednym kliknięciem, dostępnym także jako zautomatyzowana akcja przepływu pracy.
- 04
Rachunek za GPU przechodzi te same dwadzieścia sześć kontroli.
Executory ML to instancje w chmurze, więc dopasowanie rozmiaru, przejście na nowszą generację, wykrywanie porzuconych zasobów i migracja na instancje spot stosują się do nich automatycznie. Optymalizacja kosztów AI działa na tym samym silniku co reszta chmury.
- 05
Agenty są audytowane.
Tokeny MCP o zakresie ograniczonym do organizacji, każde wywołanie narzędzia rejestrowane i liczone w ramach limitu. Można odpowiedzieć, o co i kiedy agent AI prosił Państwa systemy.
Najczęściej zadawane pytania
Chcą Państwo zadać inne pytanie?
Skontaktuj sięJak wykrywają Państwo narzędzia AI, o których nigdy nie słyszeliśmy?
Klasyfikacja opiera się na tagach funkcji aplikacji w katalogu, więc nowe narzędzie dziedziczy klasyfikację tego, co robi. Rozszerzenie przeglądarki dostarcza domeny, dostawca tożsamości dostarcza logowania, a konektory dostarczają miarodajne listy użytkowników wszystkiego, co już zatwierdzono.
Chcemy zachęcać do korzystania z AI, a nie go pilnować. Czy to przeszkadza?
Pulpit szereguje adopcję, co przydaje się zarówno do wspierania, jak i do ograniczania. Narzędzie, z którego korzysta już 41% organizacji, to okazja negocjacyjna. Status to zarządzane, zablokowane lub ignorowane: trzy odpowiedzi, z których dwie oznaczają „tak”.
Czym dokładnie jest element MCP?
Każdy produkt CerteroX udostępnia serwer Model Context Protocol, dzięki czemu agenty AI mogą bezpośrednio odpytywać inwentarz zasobów, rachunek za chmurę i pozycję licencyjną. Tokeny mają zakres ograniczony do organizacji, a każde wywołanie narzędzia jest audytowane i liczone w ramach limitu, co oznacza, że agent ma model uprawnień i dziennik jak każda inna tożsamość.
Czy obejmuje to wydatki na AI w narzędziach, za które już płacimy?
To właśnie przypadek, który zakodowane na sztywno listy całkowicie pomijają. Ponieważ klasyfikacja odbywa się według funkcji, istniejąca aplikacja, która otrzymuje funkcję AI, zostaje przeklasyfikowana w katalogu i pojawia się w widoku Shadow AI wraz ze swoim udziałem w adopcji, choć niczego nowego nie kupiono.
Skąd pochodzą dane o kosztach GPU i trenowania?
Z tych samych kolektorów co reszta zasobów chmurowych, w AWS, Azure, Google Cloud, Nebius, Kubernetes i Databricks. Nad nimi znajduje się warstwa eksperymentów: śledzenie zadań, uruchomień i zestawów uruchomień ML, niestandardowe metryki oraz instrumentacja Spark przez kolektor agenta Delight.
AI już działa
w Państwa środowisku produkcyjnym.
Zobacz, jak wychodzi na jaw.
Shadow AI uszeregowane według udziału w adopcji, zgody OAuth z dostępem do danych, wywołania narzędzi przez agenty w ścieżce audytu i wydatki na GPU przypisane do właściciela: cztery problemy nadzoru, jeden wypełniony danymi obraz AI. Prosimy wskazać, którzy asystenci niepokoją Państwa najbardziej.
Polityka napisana na podstawie rzeczywistego inwentarza to polityka, której ludzie przestrzegają.