Jeff Margolies, Chief Product og Strategi Officer i Saviynt – Intervju-serie

Jeff Margolies, Chief Product og Strategi Officer i Saviynt, leder produktstyring, bedriftsstrategi, teknologipartnerskap og bedriftsutvikling, og arbeider med kunder, partnere og team på tvers av organisasjonen for å forme selskapets langsiktige produktvisjon og vekstplan. Han har mer enn 25 års erfaring innen identitet og cybersikkerhet, og har tidligere vært Chief Strategy Officer i Saviynt og hatt ledende stillinger i Mandiant, Deloitte og Accenture. Hos Mandiant overvåket han strategi, strategiske partnerskap og bedriftsutvikling, mens hans tidligere karriere inkluderte å hjelpe med å etablere og skalerer Accentures identitet og tilgangsforvaltning til en global organisasjon på over 700 fagfolk. Margolies har en bachelorgrad i optisk ingeniørvitenskap fra University of Rochester og en mastergrad i elektroingeniørvitenskap fra University of California, Berkeley.

Saviynt er et AI-drevet identitetssikkerhetsselskap som fokuserer på å hjelpe bedrifter med å styre og sikre tilgang på tvers av menneskelige brukere, ikke-menneskelige identiteter, maskiner, applikasjoner, infrastruktur og AI-agenter. Deres Saviynt Identity Platform bringer sammen identitetstyring, privilegert tilgangsforvaltning, applikasjons-tilgangsforvaltning, ekstern identitetshåndtering, ikke-menneskelig identitetssikkerhet og identitetssikkerhetsposture-forvaltning i en samlet skyplattform designet for sky, på stedet, SaaS, IaaS og hybrid-miljøer. Selskapet har stadig posisjonert seg rundt behovene i AI-æraen, inkludert verktøy for å sikre AI-agenter, styre agenter-arbeidsflyter og aktivere naturlig-språk-identitetshåndtering gjennom tilbud som Saviynt MCP Server i AWS Marketplace.

Som Chief Product og Strategi Officer har du en førsteradsete til hvordan bedriftens identitetssikkerhetskrav endrer seg. Hvordan har oppblomstringen av AI-agenter endret måten organisasjoner må tenke om identitet, tilgang og styring, og hvordan påvirkte disse endringene Saviynts utvikling av Agent Access Gateway og Intent-Aware Runtime Authorization?

AI-agenter endrer identitetssikkerhet fordi menneskelige og maskin-identiteter opererer på svært forskjellige måter. Det er ikke lenger bare å håndtere mennesker som logger inn på applikasjoner. Organisasjoner håndterer nå programvare som kan resonnere, fatte beslutninger og handle selvstendig på tvers av systemer. Jeg tenker på agenter som den neste generasjonen av applikasjoner. Etter hovedramme, klient-tjener, web og SaaS-applikasjoner, er vi nå i gang med å gå inn i agenter-applikasjoner-æraen.

Grunnleggende prinsipper er fortsatt de samme. Organisasjoner må vite hvem som eier agenten, hvem som kan bruke den, hvilke systemer den kan aksessere og hvordan dens aktivitet styres. Maskin-identiteter endrer hastighet og skala. En forretningsbruker kan nå opprette en agent på noen minutter, noe som betyr at styring må flytte like raskt. Det er det som ledet oss til å utvikle Agent Access Gateway og Intent-Aware Runtime Authorization — for å hjelpe bedrifter med å adoptere agenter med riktige tilgangskontroller, ansvar og vegger fra starten.

AI-agenter beveger seg raskt fra eksperimentering til produksjonsmiljøer. Hvordan endrer autonome agenter den tradisjonelle identitet og tilgangsforvaltningsmodellen som bedrifter har avhengig av i årevis?

Tradisjonell identitet og tilgangsforvaltning var bygget rundt mennesker og forutsigbar programvare. En bruker autentiserte, ba om tilgang og utførte bestemte handlinger i definerte systemer. Vi forstår menneskelig identitetslivssyklus tydelig i denne konteksten, inkludert hvordan å tildele tilgang. AI-agenter innfører en annen livssyklus. De kan opprettes raskt, handle kontinuerlig, tilpasse seg på tvers av arbeidsflyter og samhandle med flere applikasjoner, API-er og datakilder med langt mer autonomi.

Kjerne-identitetsprinsippene gjelder fortsatt: hver identitet trenger autentisering, autorisering, styring og ansvar. Hastigheten er svært forskjellig. I stedet for noen få bedriftsapplikasjoner bygget av sentraliserte team, kan organisasjoner nå ha tusenvis av agenter opprettet av forretningsbrukere. Faktisk 92% av CISO-er mangler full visning inn i AI-identiteter, og 95% tviler på at de kunne oppdage eller begrense misbruk hvis det skjedde. Identitetssikkerhet må utvikle seg slik at eierskap, tilgangskontroller, godkjenninger og overvåking automatisk etableres når agenter opprettes.

Mange organisasjoner bruker fortsatt tillatelser og tilgangskontroller som var designet for menneskelige ansatte og konvensjonelle programvare-applikasjoner. Hvorfor er disse tilnærmingene utilstrekkelige når det gjelder AI-agenter som kan resonnere, tilpasse seg og utføre handlinger uavhengig?

Tradisjonell autorisering spør vanligvis: “Er denne identiteten tillatt å utføre denne handlingen?” Det er ikke lenger nok for AI-agenter fordi en agent kan teknisk sett ha tillatelse til å gjøre noe, men likevel handle utenfor brukerens intensjon.

For eksempel, hvis en bruker ber en agent om å “rydde opp” en database, kan agenten tolke det som å slette poster. Den kan være autorisert til å slette disse postene, men det kan ikke være hva brukeren mente. Med agenter må organisasjoner evaluere ikke bare om en handling er tillatt, men også om den stemmer overens med den opprinnelige planen og intensjonen bak oppgaven.

Saviynt har nylig introdusert Intent-Aware Runtime Authorization™. Hva betyr “intent-aware”-autorisering, og hvordan forskjeller det seg fra tradisjonelle autentisering og autoriseringmodeller?

Intent-aware autorisering betyr å evaluere om en agents handlinger stemmer overens med hva den menneskelige brukeren mente den skulle gjøre. Hver agent opprettes eller sendes for å fullføre en oppgave, og den oppgaven skaper kontekst for hva agenten skal og ikke skal gjøre.

Tradisjonell autorisering tar en binær beslutning: er dette tillatt eller ikke? Intent-aware autorisering legger til et annet lag ved å spørre om handlingen har mening i konteksten av den opprinnelige oppgaven. Hvis en agent ble bedt om å arkivere gamle data, men starter å slette aktive poster, kan det være teknisk tillatt, men det er ikke i samsvar med brukerens intensjon. Målet med intent-aware runtime autorisering er å styre agent-handlinger i sanntid basert på oppgavekontekst, politikk og ønskede resultater.

Hvordan kan bedrifter bestemme om en AI-agent bør tillates å utføre en bestemt handling, selv om den teknisk sett har tillatelse til å aksessere det underliggende systemet?

Det begynner med planlegging. Før en agent handler, må organisasjoner definere hva den skal oppnå, hvilke systemer den skal aksessere, hvilke vegger som gjelder og hvilke politikk den må følge. Den planen blir grunnlaget for å evaluere agentens atferd.

Hovedspørsmålet er ikke bare om agenten har tilgang, men om dens handling er konsistent med oppgaven den ble opprettet for å utføre. Mange eksisterende applikasjoner og API-er var ikke bygget for å påtvinge denne nivået av kontekst, som er hvorfor en gateway-modell er viktig. Agent Access Gateway gir et ekstra kontroll-lag for å evaluere planer versus handlinger og hjelpe med å håndtere over-berettigelse eller hull i legacy-systemer.

En av de største bekymringene rundt AI-agenter er at de kan handle på tvers av flere applikasjoner og datakilder i sekunder. Hva nye risikoer skaper dette for sikkerhetsteam, og hvilke risikoer blir for tiden undervurdert?

AI-agenter skaper ikke alltid helt nye risikoer. I mange tilfeller øker de sannsynligheten for at eksisterende risikoer vil bli utnyttet. Hvis en organisasjon allerede har over-berettigede kontoer, svake kontroller eller systemer som avhenger av usynlighet, kan agenter finne og handle på disse svakhetene mye raskere enn mennesker, og skalerer risiko.

Jeg sammenligner det noen ganger med å låse en bakdør åpen. Sårbarheten eksisterer allerede, men sannsynligheten for at noen finner den kan være lav. Tenk nå på en agent som sjekker hver bakdør på tvers av tusenvis av miljøer i sekunder. Det er hvorfor organisasjoner må få grunnleggende ting rett: vite hva agenter eksisterer, forstå hva de kan aksessere, begrense unødvendige tillatelser og styre deres aktivitet kontinuerlig.

Som bedrifter deployerer flere AI-agenter på tvers av avdelinger, hvordan bør organisasjoner styre hvem som kan samhandle med disse agentene og hva slags informasjon eller systemer disse agentene kan aksessere?

En nyttig måte å tenke om en AI-agent på er som en applikasjon. Bedrifter vet allerede hvordan de skal styre applikasjoner: hvem som eier dem, hvem som kan bruke dem, hvilke systemer de kobler til, hvilke data de kan aksessere og hvordan den tilgangen gjennomgås. De samme spørsmålene gjelder for agenter.

Forskjellen er at agenter kan opprettes på noen minutter av forretningsbrukere, ikke over måneder av store utviklingsteam og kun 5% av CISO-er føler seg trygge på at de kunne begrense en kompromittert AI-agent. Styring må bygges inn i opprettelsesprosessen så eierskap, tilgang, godkjenninger, berettigelse og periodiske gjennomganger etableres fra starten av, i stedet for å legges til etter at agenten allerede er i drift.

Skjult AI har blitt en økende bekymring ettersom ansatte adopterer AI-verktøy utenfor offisiell IT-overvåking. Hvordan forsterker AI-agenter denne utfordringen, og hva praktiske skritt kan organisasjoner ta for å gjenopprette visning og kontroll?

AI-agenter forsterker skjult AI fordi de er lette å opprette og kan handle på tvers av systemer. Det betyr ikke at organisasjoner skal prøve å stoppe mennesker fra å bruke dem. Produktivitetsgevinstene er reelle, og bedrifter vil forfølge dem.

Det praktiske svaret er visning og vegger. Organisasjoner må vite hva agenter eksisterer, hvem som eier dem, hva de er ment å gjøre og hvilke systemer eller data de kan aksessere. Hver agent bør ha en identitet, definerte tillatelser og kontinuerlig overvåking. Mange bedrifter er fortsatt i ganske tidlige stadier av eksperimentering, så det er fortsatt tid til å bygge styring før agent-adoptsjon når en mye større skala. Men den tiden er raskt på vei å gå.

Ser fremover, tror du at hver AI-agent til slutt vil kreve sin egen digitale identitet, styringsramme og revisjonslogg lik menneskelige ansatte? Hva ser denne fremtidige modellen ut som?

Hver AI-agent bør uten tvil ha sin egen identitet så organisasjoner vet hva det er, hvem som eier det, hva det kan aksessere og hva det gjør. Menneskelige identiteter og ikke-menneskelige identiteter, inkludert AI-agenter, må alle styres gjennom en samlet identitetssikkerhetsmodell.

Konseptene er kjente: autentisering, autorisering, eierskap, berettigelse, aktivitetssporing og styring. Hva endrer seg, er skala. Bedrifter kan snart opprette hundrevis av agenter per uke, til slutt ledende til titusenvis eller til og med millioner av agenter-applikasjoner. Fremtiden handler om å anvende identitetssikkerhetsgrunnleggende prinsipper til hver type identitet i en mye større hastighet og skala. Nå er tiden til å starte implementeringen.

Som bedrifter kappler for å deployere agenter-AI, hva er de vanligste feilene du ser organisasjoner gjøre i dag, og hva bør sikkerhets- og teknologiledere prioritere over de neste 12 til 24 månedene for å sikre at AI-agenter forblir både produktive og pålitelige?

Det ville være en stor oversikt å la sikkerhet i denne alderen bli tilfeldig. Produktivitetsgevinstene relatert til agenter-AI er reelle, og organisasjoner må fange dem. Den største risikoen er at sikkerhet og styring ikke holder tritt.

Over de neste 12 til 24 månedene bør ledere fokusere på visning og styringsgrunnleggende prinsipper: vedlikeholde en inventar av agenter, tildele eierskap, gi hver agent en identitet, forstå hva det kan aksessere og gjøre styring en del av opprettelsesprosessen. Dette er en mulighet til å bygge sikkerhet inn i en stor plattform-endring fra starten av, i stedet for å prøve å tilpasse den senere.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Saviynt.