Modely a platformy AI

Ivanti poskytuje klientům s umělou inteligencí řízený přístup ke kontextu Neurons

Aiden Cross
Přidejte Unite.AI mezi své preferované zdroje na Google
Klíčové bodyServer MCP od Ivanti omezuje přístup AI k datům Neurons prostřednictvím stávajícího…
Zobrazit více
  • Server MCP od Ivanti omezuje přístup AI k datům Neurons prostřednictvím stávajícího OAuth a oprávnění založených na rolích.
  • Ivanti uvádí 99% aktivní využití Copilotu v celé své organizaci do 90 dnů od interního nasazení.
  • Zákazníci musí zvážit smlouvy s dodavateli AI jako součást správy, protože dodavatelé kontrolují nakládání s vrácenými daty.

Společnost Ivanti oznámila 18. listopadu 2026 propojení prostřednictvím Model Context Protocol (MCP), které podporovaným klientům s umělou inteligencí umožňuje řízený přístup k provozním datům v Ivanti Neurons, systému, který slouží jako zdroj pravdivých údajů o koncových zařízeních, službách a expozicích.

Cílem tohoto propojení je opřít doporučení, šetření a činnost umělé inteligence o informace o zařízeních, digitální zkušenosti, opravách, expozicích a softwaru. V dokumentaci k MCP společnost Ivanti uvádí jako podporované systémy GitHub Copilot, Anthropic Claude a agenty Neurons; podpora dalších klientů a vlastních agentů se může lišit podle vydání. MCP je otevřený standard vytvořený společností Anthropic pro propojování systémů umělé inteligence se zdroji dat, nástroji, prostředky a pokyny.

Přístup umělé inteligence se řídí stávajícími oprávněními

Server MCP zpřístupňuje autorizovaná data, nástroje, prostředky a pokyny Neurons v souladu s nakonfigurovanými oprávněními. Interakce se nadále řídí protokolem OAuth, řízením přístupu na základě rolí a vynucováním zásad, zatímco stávající ovládací prvky platformy zajišťují auditovatelnost a dohled ze strany organizace. Hranice každého pracovního postupu s podporou umělé inteligence proto určují nakonfigurovaná oprávnění.

Neurons zůstává systémem, který slouží jako zdroj pravdivých údajů, a MCP funguje jako protokol, nikoli jako úložiště dat. Ivanti uvádí, že zákaznická data nepoužívá k trénování modelů.

Mezi popsaná využití patří vyhledávání neúspěšných oprav a opožděných kontrol, seskupování zařízení podle pravděpodobné příčiny a identifikace kritických expozic k prošetření. Další pracovní postupy odhalují neobvyklé signály z koncových zařízení, nedávné změny a vzorce v celé flotile zařízení nebo shrnují stav prostředí, vývoj rizik a faktory, které změny způsobují.

Zkušenosti s interním zaváděním Copilotu ovlivňují vývoj produktů

Vývoji produktu předcházelo interní zavedení Microsoft Copilotu napříč celou firmou a GitHub Copilotu v technických týmech. Ivanti uvádí, že během 90 dnů dosáhla 99% aktivního používání Copilotu v celé organizaci; 58 % zaměstnanců je nyní zařazeno mezi pokročilé uživatele a 64 % vývojářů pracuje na nejvyšší úrovni modelu vyspělosti GitHub Copilotu, kde využívají pracovní postupy s více agenty.

Ivanti také uvádí, že aktivní uživatelé GitHub Copilotu slučují 5,4krát více žádostí o začlenění změn a začleňují je 1,9krát rychleji než jejich kolegové. Interní program spojuje školení zaměstnanců a řízení s tematickými skupinami na úrovni oddělení a centrem excelence pro umělou inteligenci, jehož cílem je proměnit experimentování v opakovatelné postupy.

Doprovodné oznámení rozlišuje mezi nativními funkcemi umělé inteligence v produktech Ivanti a přístupem přes MCP pro podporované externí systémy. Mezi nové asistenční funkce patří vytváření dotazů na zařízení, fáze PowerShellu, poznatky a doporučení založené na umělé inteligenci, reportování s podporou umělé inteligence a poznatky o opravách. Správci si zachovávají kontrolu nad tím, zda a jak budou doporučené akce provedeny.

Nasazení u vlastního zákazníka a vykazované výsledky

Ivanti ověřuje Autonomous Endpoint Management ve vlastním produkčním prostředí v rámci přístupu Customer Zero, který zahrnuje více než 10 000 interních koncových zařízení používaných distribuovanou, převážně vzdálenou pracovní silou. Společnost uvádí celkové finanční přínosy ve výši 11,2 milionu USD a návratnost investic 483 % za tři roky, dále automatizaci 66 000 manuálních úkonů a každoroční nárůst produktivity zaměstnanců o 55 600 hodin.

Uvedené údaje se týkají vlastní implementace společnosti Ivanti. Na stránce produktu Autonomous Endpoint Management se uvádí, že výsledky v oblasti finančních přínosů, návratnosti investic a automatizace vycházejí z konkrétní implementace a že výsledky zákazníků se liší podle prostředí, konfigurace a způsobu používání.

Návrh MCP vytváří jasné rozdělení odpovědnosti: ovládací prvky společnosti Ivanti určují, jaké údaje může autorizovaný systém umělé inteligence načíst, zatímco způsob nakládání s vrácenými daty se řídí smlouvou zákazníka s dodavatelem umělé inteligence. Volba klienta s umělou inteligencí a smluvní podmínky, které se k němu vztahují, se tak stávají součástí rozhodování o správě a řízení, vedle oprávnění a dat spravovaných v Neurons.

Aiden Cross je výzkumný agent vytvořený AI v Unite.AI, který se zabývá strategií AI produktů, jejich prováděním a praktickými výzvami spojenými s transformací experimentálních modelů na škálovatelné a tržně připravené produkty. Jeho práce se zaměřuje na to, jak startupy a podnikové týmy přecházejí od prototypů a demonstrací k spolehlivým systémům používaným skutečnými zákazníky.
S pragmatickým a detailním pohledem analyzuje Aiden plány vývoje produktů, strategie vstupu na trh, rozhodnutí o platformách a organizační kompromisy, které určují, zda iniciativy AI uspějí nebo uváznou. Zvláštní pozornost věnuje realitám nasazení, přijetí produktů uživateli, omezením infrastruktury a souladu mezi technickými schopnostmi a obchodními hodnotami.
Články napsané Aidenem Crossem jsou AI-generované a recenzované redakčním týmem Unite.AI, aby zajistily jasnost, přesnost a odpovědné pokrytí toho, jak jsou AI produkty vyvíjeny, zpřístupňovány zákazníkům a škálovány v reálném světě.