用数据血缘保障智能体企业的安全

一位销售代表向 AI 智能体询问客户定价，该智能体从多个来源提取数据：受限定价系统、内部通信和存档报价。对智能体而言，输出结果看起来准确无误，因此第二个智能体使用这些数据为销售代表起草提案。两次交接都没有人工核查。当发现提案包含未经批准的、机密且敏感的信息时，没有人能追溯有问题的数据是从何处进入工作流的，也无法查明它如何跨系统、文件和智能体传播。

下载报告

这一场景说明了 AI 治理为何需要快速且动态地演进。随着越来越多企业开始在日常工作流中使用智能体 AI，他们意识到必须管理的不仅是静态文件；还必须管理不断以新形式被摄取、复制、摘要、转换、复用和再分发的移动且碎片化的数据。简而言之，AI 安全不是工具问题，而是数据可见性问题。

因此，仅围绕应用、系统、网络或端点构建的传统安全方法已不再足够。大规模保障智能体 AI 的安全需要理解数据如何移动。因此，团队需要建立数据血缘，以便有效管理跨人类、智能体和混合工作流的治理、问责与信任。

下载报告

本内容由 MIT Technology Review 的定制内容部门 Insights 制作，并非其编辑团队。内容由人类研究和撰写，可能使用的任何 AI 工具仅限于在人类监督下的生产流程。