تصور کنید مدیر IT هستید و متوجه میشوید سه چهارم کارکنانتان از ابزارهایی استفاده میکنند که هیچ تاییدیه امنیتی ندارند و دادههای حساس شرکت را به مدلهای ناشناس میفرستند. این کابوس فعلی بسیاری از سازمانهاست؛ چرا که ابزارهای غیرمجاز اکنون روی ۷۵٪ از دستگاههای تحت مدیریت سازمانی فعال هستند و یک شکاف دیدبانی عظیم برای رهبران فناوری اطلاعات ایجاد کردهاند.
به گزارش Omnissa، این شکاف باعث ایجاد ریسکهای امنیتی گسترده شده است. برای پر کردن این حفره، این شرکت در ۲۹ سپتامبر ۲۰۲۶ و در جریان رویداد Omnissa ONE در اورلاندو، فلوریدا، محصول Omnissa Elara را معرفی کرد. شرکت این محصول را به عنوان یک لایه اقتدار جدید برای حاکمیت بر هوش مصنوعی زاینده (Generative AI) — شبیه به یک ناظر ارشد که تمام ورودی و خروجیهای یک اداره را چک میکند تا قانون رعایت شود — و مدیریت اقدامات حساس سازمانی توصیف میکند.
این موج از «هوش مصنوعی سایه» (Shadow AI) بخشی از یک روند بزرگتر است که در آن کارکنان سریعتر از آنکه تیمهای امنیتی بتوانند ابزارها را بررسی و تایید کنند، آنها را به کار میگیرند. طبق گزارش State of the Digital Workspace، استفاده از دستیارهای هوش مصنوعی در نقاط انتهایی سازمانها رشد تقریباً ۱۰۰۰ درصدی سالانه داشته است و سه چهارم این رشد خیرهکننده مربوط به ابزارهای تاییدنشده است.
شکاف حاکمیتی
همانطور که در تحلیل قبلی ما دربارهی اینکه چگونه امتیازدهی اعتماد (Trust Scoring) در حال تبدیل شدن به دفاع اصلی در برابر ریسکهای مدلهای عاملمحور است اشاره کردیم، Elara تلاش میکند حاکمیت را از یک رویکرد سیستمبه-سیستم به یک لایه اقتدار متمرکز تبدیل کند. این رویکرد در واقع پاسخی به ناکامی تاییدیه های ایستا در مدیریت ریسک عاملهای خودمختار است که نیاز به نظارت پویا را دوچندان میکند. اکثر ابزارهای فعلی فقط اقدامات را در محیط بسته و سیلوهای خودشان تایید میکنند؛ اما Elara بالاتر از آنها قرار میگیرد تا بستر گستردهتر کسبوکار را فراهم کند و دیدی جامع ارائه دهد.
برایان لینک، مدیر محصول Elara، بیان کرد که سازمانها در تلاش هستند تا بدون از دست دادن کنترل محیط خود، امکان استفاده از هوش مصنوعی را فراهم کنند. او اشاره کرد که وقتی هر سیستم دید محدودی دارد، این وظیفه بسیار سختتر میشود. Elara با تجمیع سیگنالها از منابع مختلف، به مدیران IT بستر لازم میدهد تا حفاظها (Guardrails) — مثل نردههای ایمنی کنار جاده که مانع خروج ماشین از مسیر میشود — را بهدرستی اعمال کنند و درباره اینکه در مرحله بعد چه اتفاقی باید بیفتد، تصمیمات آگاهانهتری بگیرند.
چهار قابلیت نسخه بتا
محصول Elara در حال حاضر در مرحله بتا با چهار عملکرد اصلی عرضه شده است تا رفتارهای پرریسک هوش مصنوعی را پیش از وقوع متوقف کند:
- شناسایی هوش مصنوعی سایه: این سیستم مدلهای زبانی بزرگ (LLM) — مثل کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب میدهد — و همچنین عاملها (Agents) و سرورهای MCP را که خارج از سیاستهای تاییدشده در نقاط انتهایی مدیریتشده فعال هستند، شناسایی میکند. پس از شناسایی، این ابزارها میتوانند از طریق سیستمهای موجود مشتری، تایید، محدود یا تحت نظارت قرار گیرند.
- حفاظهای استفاده از AI: این ابزار از طریق Omnissa AI Gateway ارائه میشود و دقیقاً بین کاربران، اپلیکیشنها، عاملها و مدلهایی که آنها فراخوانی میکنند قرار میگیرد. این لایه هویت درخواستکننده را تایید کرده، مجوز استفاده را صادر میکند، حفاظهای مربوط به دادهها و پرامپتها (Prompt Guardrails) را اعمال میکند و مصرف توکن (Token) — تکههای کوچکی از متن شبیه برشهای کیک که مدل میخورد — را در میان ارائهدهندگان مختلف اندازهگیری میکند تا از وابستگی شدید به یک فروشنده خاص (Vendor Lock-in) جلوگیری شود. این معماری گیتوی برای بهینهسازی سرعت طراحی شده است، مشابه آنچه در مقایسه Bifrost با پروکسیهای استاندارد برای کاهش تأخیر بررسی کردیم.
- مدیریت تغییرات: یک صفحه عملیاتی متمرکز که تغییرات پیشنهادی سیستم را پیش از تایید نهایی، با تداخلات احتمالی، وضعیتهای انجماد (Freezes) و وابستگیها میسنجد. سپس این تغییرات را محدود کرده یا به تاییدکنندهای که صلاحیت و اقتدار لازم را دارد، ارجاع میدهد.
- بازسازی حسابرسی: این پلتفرم با ثبت کامل زنجیره تصمیمات در لحظه، شواهدی آماده برای حسابرسی (Audit-ready) فراهم میکند. این کار یک رکورد قابل بازپخش ایجاد میکند که نشان میدهد چه اتفاقی افتاده، چه کسی آن را تایید کرده و این اقدام روی چه بخشهایی تاثیر گذاشته است.
سازوکار عملیاتی
Elara در یک چرخه چهار مرحلهای عمل میکند: اتصال (Connect)، همبستهسازی (Correlate)، تصمیمگیری (Decide) و اجرا و اثبات (Act and prove). این سیستم از رابطهای اتصال (Connectors) برای پیوند با Workspace ONE، Horizon و ابزارهای موجود در حوزه هویت، امنیت یا مدیریت خدمات فناوری (ITSM) استفاده میکند. همچنین رابطهای سفارشی برای پوشش سایر سیستمهای سازمانی در دسترس هستند.
سپس یک گراف موجودیت (Entity Graph)، روابط بین افراد، دستگاهها، اپلیکیشنها، هویتها و عاملها (Agents) را ترسیم میکند. این ساختار گرافمحور شباهت زیادی به مدل TrustGraph در پر کردن شکاف حاکمیتی عاملهای خودمختار دارد که بر اساس روابط پویا عمل میکند. وقتی یک اقدام با تاثیر بالا تحریک میشود، Elara بستر را ارزیابی میکند — مواردی مانند وضعیت امنیتی دستگاه (Device Posture) و سطح اقتدار کاربر — تا تصمیم بگیرد اقدام اجازه داده شود، مسدود گردد یا برای تایید ارسال شود. در جاهایی که Elara نقطه اجرای مستقیم (Enforcement Point) دارد، مستقیماً مداخله میکند؛ در غیر این صورت، راهنمایی کرده، ارجاع میدهد یا اقدامات اصلاحی را پیشنهاد میکند.
مدیریت دادهها و مقیاس
شرکت Omnissa این محصول را برای پاسخ به چهار چالش خاص سازماندهی کرده است: هوش مصنوعی سایه، عاملهای بدون حاکمیت، تغییرات پرریسک و بازسازی حسابرسی. در مورد جمعآوری دادهها، شرکت اعلام کرده است که Elara به جای محتوای واقعی کارهای کارکنان، از بستر عملیاتی که توسط سیستمهای متصل تولید شده است (مانند وضعیت دستگاه، رویدادها و تاییدیه ها) استفاده میکند. اطلاعات دقیقتر درباره جابجایی و نگهداری دادهها در دیتاشیت محصول منتشر خواهد شد.
بهارات رانگاراجان، مدیر ارشد محصول Omnissa، تاکید کرد که هوش مصنوعی در حال نزدیک کردن «بینش» و «اقدام» به یکدیگر است و این امر نیازمند یک زیربنای کنترل یکپارچه برای ایجاد اعتماد است. مقیاس این عملیات بسیار گسترده است؛ این پلتفرم در حال حاضر روزانه حدود ۵۰ ترابایت داده از نقاط انتهایی را پردازش میکند و ماهانه ۱۵۰ میلیون اجرای گردشکار را در دهها میلیون دستگاه پشتیبانی میکند.
دیدگاه صنعت
برای یک مدیر کسبوکار، این تغییر به معنای گذار از استراتژی «مسدود کردن AI» به «حاکمیت بر AI» است. هدف این است که بهرهوری حاصل از عاملهای هوشمند حفظ شود، اما در عین حال تضمین شود که یک عامل سرکش نتواند بدون یک ردپای حسابرسی ثبتشده، تغییری فاجعهبار در سیستم ایجاد کند.
آدام هولتبی از Omdia معتقد است با تبدیل AI از یک دستیار ساده برای کارکنان به موجوداتی که اقدامات خودکار در سیستمهای تجاری انجام میدهند، حاکمیت دیگر اختیاری نیست. او استدلال میکند که سازمانها باید دقیقاً بدانند کدام ابزارها استفاده میشوند، این ابزارها به چه هویتها و دادههایی دسترسی دارند و وقتی مشکلی پیش میآید، چه اتفاقی میافتد.
فیل هوخموت، نایب رئیس تحقیقات در IDC، افزود که رهبران IT به دیدی شفاف از هر دو نوع فعالیتهای انسانی و فعالیتهای هدایتشده توسط AI نیاز دارند، و همچنین باید کنترلهایی داشته باشند که بتوانند این اقدامات را با «سرعت ماشین» مدیریت کنند.
شما اکنون میتوانید برای مشاهده نحوه ادغام این حفاظها با زیرساخت فعلی خود، به لیست انتظار بتای Elara بپیوندید یا دموی محصول را در صفحه رسمی Elara مشاهده کنید.
گام بعدی شما
- بررسی لیست ابزارهای AI مورد استفاده در سازمان خود برای شناسایی نقاط کور امنیتی.
- مطالعه مستندات Omnissa AI Gateway برای درک نحوه مدیریت توکنها و جلوگیری از Vendor Lock-in.
- ثبتنام در لیست انتظار بتای Elara برای تست لایه حاکمیتی روی زیرساختهای فعلی.
اما چالش اصلی تنها شناسایی ابزارها نیست، بلکه کنترل دسترسی این مدلها به دادههای حساس است — به تحلیل ما درباره پروتکلهای امنیتی MCP مراجعه کنید.
گفتگو