Jeff Margolies, Chief Product og Strategiofficer hos Saviynt – Intervieuserie

Jeff Margolies, Chief Product og Strategiofficer hos Saviynt, leder produktstyring, virksomhedsstrategi, teknologipartnerskaber og virksomhedsudvikling, og arbejder med kunder, partnere og teams på tværs af organisationen for at forme virksomhedens langsigtede produktvision og vækststrategi. Han har mere end 25 års erfaring inden for identitet og cybersikkerhed, og har tidligere fungeret som Saviynts Chief Strategy Officer og haft ledende stillinger hos Mandiant, Deloitte og Accenture. Hos Mandiant var han ansvarlig for strategi, strategiske partnerskaber og virksomhedsudvikling, mens hans tidligere karriere inkluderede at hjælpe med at etablere og skala Accentures identitet og adgangsadministration til en global organisation med over 700 professionelle. Margolies har en bachelorgrad i optisk ingeniørvidenskab fra University of Rochester og en mastergrad i elektroingeniørvidenskab fra University of California, Berkeley.

Saviynt er et AI-drevet identitetssikkerhedsfirma, der fokuserer på at hjælpe virksomheder med at styre og sikre adgang til menneskelige brugere, ikke-menneskelige identiteter, maskiner, applikationer, infrastruktur og AI-agenter. Deres Saviynt Identity Platform kombinerer identitetsstyring, privilegeret adgangsadministration, applikationsadgangsadministration, ekstern identitetsadministration, ikke-menneskelig identitetssikkerhed og identitetssikkerhedsstyring i en samlet cloud-platform designet til cloud-, on-premises-, SaaS-, IaaS- og hybridmiljøer. Virksomheden har i stigende grad positioneret sig omkring behovene i AI-æraen, herunder værktøjer til sikring af AI-agenter, styring af agenter og muliggørelse af naturlig-sproglig identitetsadministration gennem tilbud som Saviynt MCP Server i AWS Marketplace.

Som Chief Product og Strategiofficer har du en førsterække til, hvordan virksomhedens identitetssikkerhedsbehov ændrer sig. Hvordan har opkomsten af AI-agenter ændret måden, virksomheder skal tænke om identitet, adgang og styring på, og hvordan har disse ændringer påvirket Saviynts udvikling af Agent Access Gateway og Intent-Aware Runtime Authorization?

AI-agenter ændrer identitetssikkerheden, fordi menneskelige og maskinidentiteter fungerer på meget forskellige måder. Det handler ikke længere kun om at styre menneskers adgang til applikationer. Virksomheder skal styre software, der kan tænke, træffe beslutninger og handle selvstændigt på tværs af systemer. Jeg betragter agenter som den næste generation af applikationer. Efter mainframe, client-server, web og SaaS-applikationer er vi nu på vej ind i agenter-applikationernes æra.

Grundlæggende er det stadig det samme. Virksomheder skal vide, hvem der ejer agenten, hvem der kan bruge den, hvilke systemer den kan få adgang til, og hvordan dens aktivitet styres. Maskinidentiteter ændrer hastigheden og omfanget. En forretningsbruger kan nu oprette en agent på få minutter, hvilket betyder, at styringen skal ske lige så hurtigt. Det er derfor, vi har udviklet Agent Access Gateway og Intent-Aware Runtime Authorization – for at hjælpe virksomheder med at adoptere agenter med de rette adgangskontroller, ansvar og sikkerhedsforanstaltninger fra starten.

AI-agenter bevæger sig hurtigt fra eksperimenter til produktionsmiljøer. Hvordan ændrer autonome agenter den traditionelle identitets- og adgangsmodel, som virksomheder har afhængt af i årtier?

Den traditionelle identitets- og adgangsmodel var bygget op omkring mennesker og forudsigelige software. En bruger autentificerede, anmodede om adgang og udførte bestemte handlinger i definerede systemer. Vi forstår den menneskelige identitetslivscyklus tydeligt i denne kontekst, herunder hvordan vi giver adgang. AI-agenter introducerer en anden livscyklus. De kan oprettes hurtigt, handle kontinuerligt, tilpasse sig på tværs af arbejdsgange og interagere med multiple applikationer, API’er og datakilder med langt mere selvstændighed.

De grundlæggende identitetsprincipper gælder stadig: hver identitet har brug for autentificering, autorisation, styring og ansvar. Hastigheden er meget forskellig. I stedet for få virksomhedsapplikationer bygget af centraliserede teams kan virksomheder have tusindvis af agenter oprettet af forretningsbrugere. Faktisk mener 92% af CISO’er mangler fuld indsigt i AI-identiteter, og 95% tvivler på, om de kunne opdage eller begrænse misbrug, hvis det skete. Identitetssikkerheden må udvikles, så ejerskab, adgangskontroller, godkendelser og overvågning automatisk etableres, når agenter oprettes.

Mange virksomheder bruger stadig tilladelser og adgangskontroller, der er designet til menneskelige medarbejdere og konventionelle software-applikationer. Hvorfor er disse tilgange utilstrækkelige, når det handler om AI-agenter, der kan tænke, tilpasse sig og udføre handlinger uafhængigt?

Den traditionelle autorisation spørger normalt: “Er denne identitet tilladt at udføre denne handling?” Det er ikke længere nok for AI-agenter, fordi en agent måske teknisk set har tilladelse til at gøre noget, men alligevel handler uden for brugerens intention.

For eksempel, hvis en bruger beder en agent om at “rydde op” i en database, kan agenten fortolke det som at slette poster. Det kan være autoriseret til at slette disse poster, men det kan ikke være, hvad brugeren mente. Med agenter skal virksomheder evaluere, ikke kun om en handling er tilladt, men også om den er i overensstemmelse med den oprindelige plan og intention bag opgaven.

Saviynt har nyligt introduceret Intent-Aware Runtime Authorization™. Hvad betyder “intent-aware”-autorisation, og hvordan adskiller det sig fra traditionelle autentificerings- og autorisationsmodeller?

Intent-aware autorisation betyder at evaluere, om en agents handlinger er i overensstemmelse med, hvad den menneskelige bruger havde tænkt sig. Hver agent oprettes eller sendes for at udføre en opgave, og den opgave skaber kontekst for, hvad agenten skal og ikke skal gøre.

Den traditionelle autorisation tager en binær beslutning: er dette tilladt eller ej? Intent-aware autorisation tilføjer en ekstra lag ved at spørge, om handlingen giver mening i konteksten af den oprindelige opgave. Hvis en agent blev bedt om at arkivere gamle data, men i stedet begynder at slette aktive poster, kan det være teknisk tilladt, men det er ikke i overensstemmelse med brugerens intention. Målet med intent-aware runtime autorisation er at styre agents handlinger i realtid baseret på opgavekontekst, politik og ønskede resultater.

Hvordan kan virksomheder afgøre, om en AI-agent skal have tilladelse til at udføre en bestemt handling, selvom den teknisk set har adgang til det underliggende system?

Det starter med planlægning. Før en agent handler, skal virksomhederne definere, hvad den skal opnå, hvilke systemer den skal få adgang til, hvilke sikkerhedsforanstaltninger der gælder, og hvilke politikker den skal følge. Denne plan bliver grundlaget for at evaluere agents adfærd.

Det centrale spørgsmål er ikke kun, om agenten har adgang, men om dens handling er i overensstemmelse med den opgave, den er oprettet til at udføre. Mange eksisterende applikationer og API’er var ikke bygget til at gennemtvinge dette niveau af kontekst, hvilket er hvorfor en gateway-model er vigtig. Agent Access Gateway giver en ekstra kontrol til at evaluere planer versus handlinger og hjælpe med at styre over-entitlement eller huller i legacy-systemer.

En af de største bekymringer omkring AI-agenter er, at de kan handle på tværs af multiple applikationer og datakilder i sekunder. Hvad nye risici skaber dette for sikkerhedsteams, og hvilke risici bliver i øjeblikket undervurderet?

AI-agenter skaber ikke altid helt nye risici. I mange tilfælde øger de sandsynligheden for, at eksisterende risici vil blive udnyttet. Hvis en virksomhed allerede har over-privilegerede konti, svage kontroller eller systemer, der afhænger af dunkelhed, kan agenter finde og handle på disse svagheder langt hurtigere end mennesker, og skalere risici.

Jeg sammenligner det ofte med at lade en bagdør åben. Sårbarheden eksisterer allerede, men sandsynligheden for, at nogen finder den, kan være lav. Forestil dig en agent, der tjekker hver bagdør på tværs af tusindvis af miljøer i sekunder. Det er derfor, virksomheder skal få grundlæggende tingene rigtigt: vide, hvilke agenter der eksisterer, forstå, hvad de kan få adgang til, begrænse unødvendige tilladelser og styre deres aktivitet kontinuerligt.

Som virksomheder udruller multiple AI-agenter på tværs af afdelinger, hvordan skal organisationer styre, hvem der kan interagere med disse agenter, og hvilke informationer eller systemer disse agenter kan få adgang til?

En nyttig måde at tænke om en AI-agent på er som en applikation. Virksomheder kender allerede til, hvordan de skal styre applikationer: hvem der ejer dem, hvem der kan bruge dem, hvilke systemer de kan tilslutte, hvilke data de kan få adgang til, og hvordan adgangen gennemgåes. De samme spørgsmål gælder for agenter.

Forskellen er, at agenter kan oprettes på få minutter af forretningsbrugere, ikke over måneder af store udviklingsteams, og kun 5% af CISO’er føler sig trygge i, at de kan begrænse en kompromitteret AI-agent. Styringen skal bygges ind i skabelsesprocessen, så ejerskab, adgang, godkendelser, tilladelser og periodiske gennemgang er etableret fra starten og ikke tilføjes efter, at agenten allerede er i drift.

Shadow AI er blevet en voksende bekymring, da medarbejdere adopterer AI-værktøjer udenfor officiel IT-overvågning. Hvordan forstærker AI-agenter denne udfordring, og hvilke praktiske skridt kan virksomheder tage for at genskabe synlighed og kontrol?

AI-agenter forstærker Shadow AI, fordi de er lette at oprette og kan handle på tværs af systemer. Det betyder ikke, at virksomheder skal forsøge at stoppe mennesker fra at bruge dem. Produktivitetsgevinsterne er reelle, og forretninger vil forfølge dem.

Det praktiske svar er synlighed og sikkerhedsforanstaltninger. Virksomheder skal vide, hvilke agenter der eksisterer, hvem der ejer dem, hvad de er tiltænkt at gøre, og hvilke systemer eller data de kan få adgang til. Hver agent skal have en identitet, definerede tilladelser og kontinuerlig overvågning. Mange virksomheder er stadig i ret tidlige stadier af eksperimenter, så der er stadig tid til at bygge styring inden agentadoption når et meget større omfang. Men denne tid er hurtigt ved at løbe ud.

Settende fremad, tror du, at hver AI-agent til sidst vil kræve sin egen digitale identitet, styringsramme og revisionshistorik ligesom menneskelige medarbejdere? Hvad ser denne fremtidige model ud til?

Hver AI-agent skal ubestrideligt have sin egen identitet, så virksomheder kan vide, hvad den er, hvem der ejer den, hvad den kan få adgang til, og hvad den gør. Menneskelige identiteter og ikke-menneskelige identiteter, herunder AI-agenter, skal alle styres gennem en samlet identitetssikkerhedsmodel.

Koncepterne er velkendte: autentificering, autorisation, ejerskab, tilladelser, aktivitetssporing og styring. Det, der ændrer sig, er skalaen. Virksomheder kan snart oprette hundredvis af agenter om ugen, hvilket til sidst kan føre til titusindvis eller endda millioner af agenter-applikationer. Fremtiden handler om at anvende identitetssikkerhedsgrundlæggende principper til hver type identitet i en langt større skala og hastighed. Nu er tiden til at starte implementeringen.

Som virksomheder kapløber for at udrulle agenter, hvad er de mest almindelige fejl, du ser virksomheder begå i dag, og hvad skal sikkerheds- og teknologiledere prioritere i de næste 12 til 24 måneder for at sikre, at AI-agenter forbliver både produktive og pålidelige?

Det ville være en stor oversigt at lade sikkerheden i denne æra være tilfældig. Produktivitetsgevinsterne relateret til agenter er reelle, og virksomheder skal udnytte dem. Den største risiko er, at sikkerhed og styring ikke holder trit.

I de næste 12 til 24 måneder skal ledere fokusere på synlighed og styringsgrundlæggende principper: vedligeholde en oversigt over agenter, tildele ejerskab, giv hver agent en identitet, forstå, hvad den kan få adgang til, og gøre styring en del af skabelsesprocessen. Dette er en mulighed for at bygge sikkerhed ind i en stor platformskift fra starten og ikke forsøge at tilpasse det senere.

Tak for det gode interview. Læsere, der ønsker at lære mere, kan besøge Saviynt.