تطلق Kindo أداة Deep Hat Sift للحد من عمليات التشغيل غير الضرورية لوكلاء الذكاء الاصطناعي

يتكبد وكيل الذكاء الاصطناعي الذي يقرأ كل تنبيه أمني أو مدخلة في السجلات تكلفةً، حتى عندما يخلص إلى أن الأمر لا يتطلب أي إجراء. وعند أحجام الاستخدام المؤسسي، قد تتحول هذه التحقيقات التي لا تسفر عن شيء إلى عبء عمل كبير بحد ذاتها. أطلقت Kindo أداة Deep Hat Sift، وهي نموذج صُمم لتحديد الأحداث الواردة التي تستدعي تشغيل وكيل، قبل أن يبدأ النموذج الأكبر بمعالجتها.

أُعلن عن Sift في 28 أكتوبر، وهي تتعلم من الأحكام التي يصدرها الوكيل الذي تخدمه، ثم تصفّي الأحداث التي كان الوكيل سيرفضها لولا ذلك. تبدأ الأداة بالمراقبة لا بالحجب؛ إذ تظل كل الأحداث تصل إلى الوكيل إلى أن يراجع شخص ما سلوك التصفية المقترح ويوافق على عتبة محددة.

يطرح هذا النهج آلية مختلفة لضبط التكاليف عن اختيار نموذج لغوي أقل تكلفة. فبدلًا من خفض تكلفة كل تحقيق، تسعى Sift إلى تفادي التحقيقات التي يُستبعد أن تتطلب إجراءً. وتتوقف فاعليتها على جودة تلك القرارات، وعلى الضوابط التي تحكم ما يجري تخطيه.

نموذج لاتخاذ القرار يسبق النموذج اللغوي

تصف Kindo أداة Deep Hat Sift بأنها نموذج لاتخاذ القرار من نوع النظام الأول: نموذج سريع ومنخفض التكلفة يجيب عن سؤال للاختيار بدلًا من توليد استجابة. ويُخصَّص كل نموذج لمصدر ووكيل مستهدف ومهمة تصفية بعينها، لكي يعكس ما يتعلمه عبء العمل الذي أُعد لخدمته.

لهذا التخصيص أهمية. فقد يكون حدث ما ذا صلة بتحقيق أمني، لكنه غير ذي صلة بسير عمل مكتب الدعم. وتتعلّم Sift الأحداث التي يرفضها الوكيل المستهدف، مستخدمةً الأحكام التي يصدرها الوكيل إشارةً للتدريب. وتقول Kindo إن هذا يجنب الحاجة إلى مشروع منفصل لتصنيف البيانات يدويًا لكل تدفق.

يُجرى النشر الأولي في وضع الظل. إذ تقيّم Sift الأحداث الواردة بينما يواصل الوكيل فحصها جميعًا، ما يتيح للنظام مقارنة تنبؤاته بقرارات الوكيل. وقبل بدء التصفية، يحصل المشغّلون على معاينة لما كان سيُحجب استنادًا إلى بياناتهم هم.

بعد ذلك، يجب أن يوافق شخص على عتبة محددة ويقدم سببًا مكتوبًا. وبذلك يُترك قرار ما يُعد سلوكًا مقبولًا للتصفية للفريق المسؤول عن سير العمل، بدلًا من اعتبار تفعيلها نتيجة تلقائية لتثبيت النموذج.

أخذ العينات وضوابط السماح بالمرور عند الإخفاق لمعالجة ما قد يفوت

تطرح التصفية مشكلة صعبة في القياس: إذا لم يصل حدث قط إلى الوكيل، فكيف يعرف الفريق ما إذا كان ينبغي أن يصل إليه؟ تواصل Sift إرسال عينة عشوائية من الأحداث التي كانت ستحجبها لولا ذلك، ما يتيح استخدام أحكام الوكيل على تلك العينة في قياس معدل الإغفال باستمرار.

توضح صفحة المنتج معيار المقارنة صراحةً: إذ يُقاس الاستدعاء ومعدل الإغفال بالاستناد إلى أحكام الوكيل. وتشير هذه المقاييس إلى مدى محاكاة Sift لقرارات ذلك الوكيل. لكنها لا تثبت بشكل مستقل ما إذا كان الوكيل نفسه يحدد كل حادثة أمنية أو مشكلة تشغيلية تحديدًا صحيحًا.

تقول Kindo إن Sift تسمح بمرور الأحداث عند تراجع الجودة، فتعيد إرسالها لمراجعتها من الوكيل بدلًا من مواصلة حجبها. كما تذكر الشركة وجود حدود لمستوى النشاط يمكن أن تعيد النظام إلى وضع الظل أثناء حدوث زيادة مفاجئة. وتُسجَّل الأحداث التي جرت تصفيتها وقرارات الموافقة، لكي تتمكن الفرق من مراجعة ما حُجب والسبب وراء ذلك.

وقال تروي بريسيلي، مهندس Deep Hat Sift في Kindo، في الإعلان: «لا تصفّي الأداة أي شيء إلى أن يوافق شخص على العتبة، وإذا تراجعت الجودة فإنها تسمح بمرور الأحداث وتُحيلها جميعًا إلى نموذج لغوي كبير لإصدار حكم بشأنها».

تكشف هذه الآليات عن المفاضلة بدلًا من إلغائها. فالتصفية الأكثر تحفظًا قد تحافظ على التغطية، لكنها توفر عددًا أقل من عمليات التشغيل. أما التصفية الأكثر تشددًا فقد تجنب مزيدًا من العمل، لكنها تزيد أهمية أخذ العينات ورصد التراجع وجودة الوكيل الذي يتولى المعالجة لاحقًا.

مصممة للتنبيهات والتذاكر وتدفقات السجلات المستمرة

يستهدف الإطلاق أعباء العمل التي يكون فيها حجم الأحداث الواردة كبيرًا، فيما تكون نسبة ما يستدعي منها إجراءً منخفضة. وتذكر Kindo تنبيهات أنظمة إدارة معلومات الأمن والأحداث (SIEM) وأنظمة كشف نقاط النهاية، وقوائم انتظار التذاكر، وبلاغات رسائل التصيد الاحتيالي، وسجلات الأنظمة والشبكات، والتدفقات الواردة من منصات مثل Kafka. وتشمل مصادر المراقبة Splunk وDatadog وNew Relic.

تعمل Sift قبل الوكيل، ولا تحل محل أنظمة المصادر هذه. إذ تواصل منصة الأمن إصدار التنبيهات، ويواصل نظام التذاكر إدارة قائمة الانتظار، ويظل الوكيل مسؤولًا عن الحالات التي تصله. وتحدد الطبقة الجديدة الأحداث التي تبدأ هذا العمل الإضافي المنفذ بالذكاء الاصطناعي.

يمكن تطبيق النمط نفسه على إجراءات العمل في مجالي التمويل والامتثال التي تراجع تدفقات المعاملات أو السياسات. وهنا أيضًا، يختلف اختيار الأحداث للمراجعة عن إصدار حكم بشأن كشف الاحتيال أو الامتثال. ويظل الوكيل المستهدف وسير العمل التجاري المحيط به عنصرين مهمين في النتيجة.

كيف تندمج Sift في منصة Kindo لإدارة الوكلاء

تربط منصة Kindo الأوسع نطاقًا الوكلاء بأنظمة المؤسسات المستخدمة في الأمن والبنية التحتية وعمليات تقنية المعلومات. وهي تجمع بين التنفيذ والسياق والأذونات والإشراف التشغيلي، لتوفر للفرق مكانًا لإدارة العمل بعد اختيار النموذج.

يوضح موقع الشركة ملكية الوكلاء وسياسات الوصول وإسناد التكاليف بحسب الوكيل والمالك والفريق. وتضيف Sift نقطة تحكم في مرحلة أسبق من سير العمل، إذ تحدد ما إذا كان ينبغي لحدث ما أن يؤدي إلى تشغيل وكيل من الأساس. ويربط ذلك قرارًا تقنيًا بالترشيح بالسؤال التشغيلي عن أعباء العمل التي تولّد تكاليف الاستدلال.

وفقًا لإعلان الإطلاق، يتوفر Deep Hat Sift الآن في بيئات العمل المحلية، والسحابة المُدارة ذاتيًا، وسحابة Kindo، والبيئات المعزولة عن الشبكات. وتُجرى عمليات التقييم في المكان الذي تُثبَّت فيه Kindo، بينما تُدار استدعاءات النماذج عبر المنصة. ويعمل المنتج مع وكلاء Kindo.

تعتمد الوفورات على تدفق الأحداث

لم تقدّم Kindo نسبة عامة للوفورات أو معيارًا موحدًا للدقة في Sift. وبدلًا من ذلك، تدعو صفحة المنتج الفرق إلى معاينة الأحداث التي سيُحجب تشغيل الوكلاء استجابةً لها. وهذا تمييز مفيد للمشترين: فالنتيجة الاقتصادية تعتمد على حجم الأحداث، وتكلفة كل عملية تشغيل يمكن تجنبها، ونسبة الأحداث القابلة لاتخاذ إجراء بشأنها، وحدّ التشغيل الذي يقبله الفريق.

في تدفقات الأحداث كثيرة الضجيج، قد يؤدي تجنب عمليات تشغيل الوكلاء غير الضرورية إلى جعل المراجعة المستمرة بالذكاء الاصطناعي أقل تكلفة. أما في التدفقات التي تترتب فيها عواقب وخيمة على تفويت حدث ما، فتغدو ضوابط أخذ العينات والتصعيد بأهمية فاتورة الاستدلال نفسها. وينقل Deep Hat Sift هذه القرارات إلى سير عمل الوكلاء، محوّلًا السؤال المحوري من تحديد النموذج الذي ينبغي أن يعالج الحدث إلى التساؤل عما إذا كان هذا النموذج يحتاج إلى معالجته أصلًا.