Modele i platformy AI
Ivanti zapewnia klientom AI kontrolowany dostęp do kontekstu Neurons

Kluczowe punktySerwer MCP firmy Ivanti ogranicza dostęp AI do danych Neurons poprzez istniejące…
Zobacz więcej
- Serwer MCP firmy Ivanti ogranicza dostęp AI do danych Neurons poprzez istniejące uwierzytelnianie OAuth i uprawnienia oparte na rolach.
- Ivanti podaje, że 99% aktywnego korzystania z Copilot w całej organizacji w ciągu 90 dni od wewnętrznego wdrożenia.
- Klienci muszą rozważyć umowy z dostawcami AI w ramach zarządzania, ponieważ dostawcy kontrolują obsługę zwracanych danych.
18 listopada 2026 r. Ivanti ogłosiła uruchomienie połączenia opartego na Model Context Protocol (MCP), które zapewnia obsługiwanym klientom AI kontrolowany dostęp do danych operacyjnych w Ivanti Neurons — systemie ewidencji informacji o punktach końcowych, usługach i ekspozycjach.
Połączenie ma osadzać rekomendacje, analizy i działania AI w kontekście danych o urządzeniach, doświadczeniach cyfrowych, poprawkach, ekspozycjach i oprogramowaniu. W dokumentacji MCP Ivanti wymienia GitHub Copilot, Anthropic Claude i agenty Neurons jako obsługiwane systemy, zaznaczając, że obsługa dodatkowych klientów i agentów niestandardowych może się różnić w zależności od wydania. MCP to otwarty standard stworzony przez Anthropic do łączenia systemów AI ze źródłami danych, narzędziami, zasobami i promptami.
Dostęp AI podlega istniejącym uprawnieniom
Serwer MCP udostępnia zatwierdzone dane, narzędzia, zasoby i prompty Neurons zgodnie ze skonfigurowanymi uprawnieniami. OAuth, mechanizmy kontroli dostępu oparte na rolach i egzekwowanie zasad nadal regulują interakcje, a istniejące mechanizmy kontroli platformy zapewniają możliwość audytu i nadzór organizacyjny. Skonfigurowane uprawnienia wyznaczają zatem granice każdego przepływu pracy wspomaganego przez AI.
Neurons pozostaje systemem ewidencji, a MCP pełni funkcję protokołu, nie magazynu danych. Ivanti informuje, że nie wykorzystuje danych klientów do trenowania modeli.
W udokumentowanych zastosowaniach można wyszukiwać nieudane aktualizacje i zaległe skanowania, grupować urządzenia według prawdopodobnej przyczyny oraz wskazywać krytyczne ekspozycje wymagające zbadania. Inne przepływy pracy pozwalają wykrywać nietypowe sygnały z punktów końcowych, ostatnie zmiany i wzorce w całej flocie, a także podsumowywać kondycję środowiska, trendy ryzyka i czynniki powodujące zmiany.
Wewnętrzne wdrożenie Copilota wpływa na rozwój produktu
Prace nad produktem są następstwem wewnętrznego wdrożenia Microsoft Copilot w całej firmie oraz GitHub Copilot w zespołach inżynieryjnych. Ivanti informuje, że w ciągu 90 dni aktywne korzystanie z Copilota w organizacji osiągnęło poziom 99%, 58% pracowników jest obecnie klasyfikowanych jako zaawansowani użytkownicy, a 64% programistów działa na najwyższym poziomie modelu dojrzałości GitHub Copilot, korzystając z przepływów pracy z udziałem wielu agentów.
Ivanti informuje również, że zaangażowani użytkownicy GitHub Copilot scalają 5,4 raza więcej pull requestów i robią to 1,9 raza szybciej niż ich współpracownicy. Program wewnętrzny łączy szkolenia pracowników i nadzór z grupami roboczymi działającymi na poziomie departamentów oraz centrum doskonałości AI, którego zadaniem jest przekształcanie eksperymentów w powtarzalne praktyki.
Towarzyszący komunikat odróżnia natywne funkcje AI w produktach Ivanti od dostępu za pośrednictwem MCP dla obsługiwanych systemów zewnętrznych. Nowe funkcje wspomagające obejmują tworzenie zapytań dotyczących urządzeń, etapy PowerShell, analizy i rekomendacje AI, raportowanie z użyciem AI oraz analizy dotyczące poprawek. Administratorzy zachowują kontrolę nad tym, czy i w jaki sposób są realizowane rekomendowane działania.
Wdrożenie we własnej firmie i zgłoszone wyniki
Ivanti sprawdza autonomiczne zarządzanie punktami końcowymi we własnym środowisku produkcyjnym w ramach podejścia Customer Zero, obejmującego ponad 10 000 wewnętrznych punktów końcowych w rozproszonej, w większości zdalnie pracującej organizacji. Firma podaje 11,2 mln USD łącznych korzyści finansowych i 483% zwrotu z inwestycji w ciągu trzech lat, a także automatyzację 66 000 zadań wykonywanych ręcznie oraz zysk w postaci 55 600 godzin produktywności pracowników rocznie.
Podane wartości dotyczą wdrożenia Ivanti we własnej firmie. Na stronie produktu dotyczącego autonomicznego zarządzania punktami końcowymi zaznaczono, że wyniki dotyczące korzyści finansowych, zwrotu z inwestycji i automatyzacji pochodzą z konkretnego wdrożenia, a rezultaty uzyskiwane przez klientów różnią się w zależności od środowiska, konfiguracji i sposobu użytkowania.
Projekt MCP wyraźnie rozdziela odpowiedzialność: mechanizmy kontroli Ivanti określają, jakie dane może pobierać uprawniony system AI, natomiast umowa klienta z dostawcą AI reguluje sposób postępowania z otrzymanymi danymi. Wybór klienta AI i warunki umowy z jego dostawcą stają się więc elementami decyzji dotyczącej nadzoru, obok uprawnień i danych przechowywanych w Neurons.












