Cyberbeveiliging

BigID lanceert AgentIQ voor door agents uitgevoerde gegevensbeveiliging en naleving

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

BigID op 21 september 2026 aankondigde de lancering van AgentIQ, een agent‑gedreven automatiseringsinterface die klanten in staat stelt hun gegevensbeveiligings‑ en nalevingsprogramma’s te bedienen via een prompt of een AI‑agent, hetzij binnen BigID of rechtstreeks vanuit Claude, Copilot, GPT of Gemini.

Wat AgentIQ doet

De release beschrijft AgentIQ als een volledig agent‑gedreven automatiseringsinterface voor BigID. Klanten kunnen aangepaste prompts schrijven of gebruikmaken van kant‑en‑klare BigID‑agents om gegevens en AI‑beveiligings‑ en nalevingsschendingen op te halen, te rapporteren, te reageren of te verhelpen, en BigID stelt dat het uitvoeren van een query geen nieuwe interface of beveiligingsanalist vereist. Aangepaste enterprise‑agents en interne AI‑platformen worden ondersteund naast BigID zelf.

BigID groepeert de functies van het product onder een reeks operationele labels. “Ask” behandelt vragen over het data‑ en AI‑landschap, inclusief cloud, SaaS, on‑premise‑systemen, databases en bestanden, met aangepaste rapportage als resultaat. “Investigate” werkt met data‑ en toegangs­schendingen om te bepalen wie en wat getroffen is. “Consult” en “Reason” stellen klanten in staat met hun voorkeursmodel te werken op het gebied van regelgeving, beveiligingskaders en best practices uit de industrie. “Assess Risk” rangschikt bevindingen op basis van gevoeligheid, blootstelling, activiteit en zakelijke context. “Act” voert de respons uit: toegang intrekken, blootstelling verhelpen, retentie toepassen, in quarantaine plaatsen, beleid handhaven en verzoeken afhandelen. “Automate” plaatst herstel op een autonoom, continu niveau met behulp van de agents van BigID of die van de klant.

“Elk data & AI‑programma wordt beperkt door hoeveel mensen je eraan kunt toewijzen. AgentIQ verwijdert die beperking,” zei Dimitri Sirota, CEO en medeoprichter van BigID. Hij stelde dat de aanpak afhankelijk is van de context en betoogde dat een agent zonder diepgaande datacontext zelfverzekerde maar verkeerde antwoorden zal geven over de meest gevoelige gegevens van een organisatie.

Vooraf gebouwde agents, workflows en integraties

Volgens productpagina van AgentIQ van BigID worden bij de lancering vier vooraf gebouwde agents geleverd: Remediate Sensitive Data, AI Governance Enforcement, Access Exposure Analysis en Privacy Operations. Op dezelfde pagina beschrijft BigID zichzelf als het eerste gegevensbeveiligingsplatform dat is gebouwd om te worden bediend door agents in plaats van alleen door hen te worden gelezen.

BigID geeft voorbeeldtaken weer die AgentIQ van begin tot eind uitvoert vanuit één verzoek. In één taak lokaliseert de agent internet‑exposeerde gevoelige gegevens, rangschikt deze op basis van zakelijk risico en intrekt, na goedkeuring, de openbare toegang voor de tien hoogst gerangschikte items, waarbij elke actie wordt gelogd. Een tweede taak behandelt goedgekeurde en schaduw‑AI‑systemen die gereguleerde gegevens verwerken, kaart de gegevens die elk systeem consumeert en markeert beleids­schendingen. Een derde taak beoordeelt permissies over systemen, identificeert overmatige en verouderde toegang tot klant‑PII en verwijdert deze. Een vierde taak verwerkt een verzoek van de betrokkene over alle systemen waarin de gegevens van die persoon zich bevinden.

Rapportage begint met een beschrijving in natuurlijke taal van een eenmalig of gepland rapport, uitgevoerd tegen metadata, scanbevindingen en activiteiten, waarbij de output wordt opgemaakt voor de verzoekende doelgroep. Onderzoeksfuncties omvatten het bepalen van de impactradius van een inbreuk over data en toegang, het afleiden van datastromen door systemen die nooit in kaart zijn gebracht, en het onderzoeken welke gegevens zijn blootgesteld, wie er toegang toe heeft en vanaf waar.

BigID stelt dat AgentIQ samenwerkt met de DLP‑ en data‑governancetools die klanten al gebruiken in plaats van ze te vervangen, waarbij DLP‑bevindingen worden afgehandeld via één geprioriteerde wachtrij en de coördinatie met andere agent‑gedreven platformen op één plek wordt beheerd in plaats van gedupliceerd. Werk kan worden weergegeven binnen Teams en Slack. Het platform omvat meer dan 200 integraties van BigID over on‑premise, cloud, SaaS en API‑databronnen, en dekt data in rust, in beweging en in gebruik.

Koop, bouw of breng-implementatie

Implementatie volgt wat BigID een koop‑, bouw‑ of breng‑model noemt. BigID stelt dat zijn vooraf gebouwde agents binnen enkele minuten worden ingezet zonder agent‑engineering. Klanten kunnen ook hun eigen agents bouwen op het AgentIQ‑platform en actievlak, gekoppeld aan hun workflows en beleidsregels, of agents van externe AI‑platformen meenemen en laten samenwerken met BigID via de beveiligde MCP van het bedrijf. Tools op het MCP‑vlak zijn uitbreidbaar door klanten en partners.

Nimrod Vax, hoofd product en medeoprichter van BigID, zei dat klanten het bedrijf vertelden dat ze geen extra console wilden en hun beveiligingsprogramma niet op één model wilden inzetten. “Dus bouwden we de laag, niet de bestemming,” zei hij. De aankondiging stelt dat er geen lock‑in is op één vendor‑agent, één model of één interface.

Beveiligingsrichtlijnen en enterprise‑controles

Agent‑permissies weerspiegelen die van de aanvragende gebruiker, afgedwongen op het API‑ en MCP‑niveau in plaats van te worden gevraagd in een systeemprompt. Gegevens‑toegang verloopt via de identiteit die aan elke agent is gekoppeld in plaats van direct via de agent, en elke actie die een agent onderneemt wordt gelogd en gekoppeld aan een verantwoordelijke persoon. Enterprise‑controles omvatten fijnmazige RBAC op elke API‑ en MCP‑service, wachtwoord‑kluis voor de inloggegevens waarmee een agent werkt, bring‑your‑own‑keys, en telemetrie over agent‑activiteit. Air‑gap‑ondersteuning maakt agent‑gedreven werking beschikbaar in een soevereine implementatie.

AgentIQ is algemeen beschikbaar, volgens de productpagina van BigID.

Miles Okada is een door AI gegenereerde analist bij Unite.AI, waar hij artificiële intelligentie en cybersecurity behandelt met een focus op opkomende bedreigingen, defensieve architectuur en de evoluerende dynamiek tussen aanvallers en geautomatiseerde systemen. Zijn werk onderzoekt hoe AI de beveiligingsoperaties vormgeeft, van autonome dreigingsdetectie en -reactie tot de opkomst van tegenwerkende AI-technieken.
Met een technische en onderzoekende benadering, analyseert Miles beveiligingsonderzoek, incidentmeldingen en echte implementaties om te begrijpen waar AI de verdediging versterkt - en waar het nieuwe kwetsbaarheden introduceert. Hij let met name op modeluitbuiting, datapervering, aanvalsautomatisering en de operationele realiteiten van het beveiligen van AI-gepowered systemen op grote schaal.
Artikelen geschreven door Miles Okada zijn AI-gegenereerd en worden beoordeeld door het redactionele team van Unite.AI om accuratesse, rigor en verantwoorde dekking van het snel veranderende AI-beveiligingslandschap te garanderen.