Lideri de opinie

Doar 29% dintre echipele de securitate pot raporta în mod curent datele sensibile pe care angajații le trimit către instrumentele IA

mm
Adaugă Unite.AI la sursele tale preferate pe Google

Acest articol se bazează pe concluziile raportului din 2026 al sondajului realizat de Cloud Security Alliance (CSA), DLP în era IA, comandat de Jazz.

În iunie și iulie, CSA a întrebat 433 de specialiști în IT și securitate dacă echipa lor putea genera un raport care să arate de câte ori fuseseră trimise date sensibile către instrumente GenAI în ultimele 30 de zile. Douăzeci și nouă la sută au spus că puteau genera un astfel de raport în mod curent.

Această cifră ar conta mai puțin dacă respondenții ar considera GenAI un canal minor. Aceștia l-au clasat drept cel mai mare risc de exfiltrare a datelor, 48% incluzându-l printre primele trei riscuri.

Conduc echipa de inginerie a unei companii care dezvoltă soluții de prevenire a pierderii datelor, iar cea mai mare parte a muncii mele se concentrează asupra locului dintr-un sistem în care se găsesc dovezile transferului de date și asupra motivului pentru care apare riscul asociat acestuia. Din această perspectivă, diferența dintre ceea ce echipele cred că pot vedea și ceea ce pot demonstra este o consecință directă a modului în care au fost concepute măsurile de control pentru GenAI.

Încrederea în vizibilitatea asupra GenAI depășește cu mult ceea ce pot demonstra echipele

Puțin peste jumătate dintre respondenți și-au evaluat vizibilitatea asupra GenAI cu 4 sau 5 din 5. Totuși, doar 29% puteau susține în mod curent această evaluare cu un raport care să numere pur și simplu de câte ori fuseseră trimise date sensibile către un instrument IA.

Sursa: Cloud Security Alliance, DLP în era IA (2026), n=433. Reconstituire pe baza diagramelor din raport, pp. 22 și 23.

Măsurile de control urmează același tipar. Doar 22% dintre respondenți blochează strict datele sensibile pe canalul GenAI. Suporturile amovibile, pe care respondenții le-au clasat drept cel mai mic risc de exfiltrare, au cea mai mare rată de blocare strictă, de 31%. Blocarea strictă este concentrată pe canalele cu cele mai vechi instrumente.

Sursa: Cloud Security Alliance, DLP în era IA (2026), n=433. Reconstituire pe baza diagramelor din raport, pp. 23 și 26; barele au fost scalate la 100% acolo unde rotunjirea a dus un rând la 99% sau 101%.

Pe lângă sondaj, Jazz a publicat și date de telemetrie din mediile clienților săi. În organizația medie din acest set de date erau utilizate 169,5 instrumente IA distincte, dintre care 9,8 erau aprobate, ceea ce lăsa 94,2% în afara listei de instrumente aprobate.

De ce există această diferență: o listă de instrumente nu înregistrează niciun eveniment

Răspunsul standard la riscurile asociate GenAI constă în aprobarea unui număr restrâns de servicii IA în baza unor acorduri pentru întreprinderi și în descurajarea utilizării celorlalte sau blocarea lor. Cifra de 94,2% arată cât de mult rămâne această listă în urma realității din practică. Un inginer care lucrează cu un termen-limită folosește orice instrument care îi rezolvă problema de azi, deoarece achiziționarea celui aprobat durează săptămâni.

Chiar și o listă completă nu ar furniza raportul despre care a întrebat CSA. Echipa de gestionare a incidentelor sau un auditor va întreba despre un anumit eveniment în care au fost transferate date, iar o listă de instrumente nu conține niciun eveniment.

Pentru a arăta ce s-a întâmplat în acel eveniment, ai nevoie de patru informații: ce date sensibile au fost implicate, ce instrument le-a primit, prin ce cont au fost trimise și de ce le-a trimis persoana respectivă.

Guvernanța la nivelul instrumentului cedează mai întâi la nivelul contului. Același site web poate fi folosit atât pentru contul de întreprindere al companiei tale, cu setările de păstrare a datelor și condițiile contractuale aferente, cât și pentru contul personal gratuit al unui angajat, care nu beneficiază de niciuna dintre acestea. Un instrument aprobat folosit printr-un cont personal oferă aproximativ la fel de puține dovezi ca unul neaprobat.

Scopul este mai greu de stabilit, iar acesta determină dacă s-a întâmplat ceva în neregulă. Un analist financiar care lipește un model de venituri într-un chatbot pentru a repara o formulă defectă își face treaba. Același lucru făcut de cineva care și-a dat demisia vineri ar necesita o discuție cu totul diferită. Ceea ce îi deosebește este contextul persoanei, care nu apare niciodată în datele transmise.

Fiecare dintre măsurile de control utilizate verifică un singur loc

Sondajul nu a identificat o abordare dominantă pentru controlul datelor sensibile trimise către instrumente IA. Blocarea la nivel de rețea a domeniilor IA, inspectarea conținutului în browser și folosirea exclusivă a unei politici de utilizare acceptabilă au fost menționate fiecare de 21% până la 23% dintre respondenți, iar les plateformes IA d’entreprise avec DLP intégré ont été mentionnées par 10%.

Fiecare dintre aceste măsuri de control a fost concepută pentru un singur punct de inspecție. Blocarea unui domeniu permite sau oprește o conexiune și înregistrează site-ul accesat. O extensie de browser vede ce se tastează în browserul respectiv, dar nu detectează nimic din ceea ce este trimis dintr-o aplicație desktop, dintr-un asistent de programare integrat într-un editor de cod sau dintr-un instrument în linie de comandă. Soluția DLP integrată într-o platformă IA pentru întreprinderi vede ce ajunge în platforma respectivă. Fiecare dintre aceste măsuri alege un singur loc de verificat și speră că datele vor trece pe acolo.

Punctul unic de inspecție explică și cifrele privind aplicarea măsurilor de control. Dacă o măsură nu poate distinge între un cont corporativ și unul personal sau între o lipire de rutină și una riscantă, trebuie să le blocheze pe amândouă sau să nu blocheze niciuna. Blocarea strictă împiedică astfel și activitățile legitime, nu doar pe cele riscante. Întrebați care era principalul motiv pentru care nu trecuseră la o blocare activă mai extinsă, 46% dintre respondenți au menționat teama de a perturba fluxurile de lucru ale companiei, iar 39% au invocat lipsa de încredere în acuratețea soluțiilor DLP.

Aspecte importante de avut în vedere

Cifrele sondajului se bazează pe declarațiile respondenților, iar sondajul nu a verificat evaluările privind vizibilitatea prin raportare la acoperirea efectivă. Eșantionul este orientat disproporționat către Americi (80%) și către organizații cu mai puțin de 5.000 de angajați (67%), astfel că este posibil ca rezultatele să nu se aplice în aceeași măsură marilor întreprinderi globale. Datele de telemetrie provin de la organizații care au ales să implementeze acest tip de vizibilitate, ceea ce poate înclina rezultatele în favoarea celor deja preocupate de proliferarea necontrolată a AI.

Instrumentele și agenții aprobați vor slăbi și mai mult lista

Pe măsură ce produsele SaaS aprobate adaugă asistenți AI, întrebarea despre instrumentul care a primit datele are adesea două răspunsuri: aplicația deschisă de angajat și furnizorul modelului AI din spatele acesteia. Agenții AI complică și mai mult lucrurile. Când un agent preia un fișier și îl trimite undeva în numele unui angajat, cine a făcut acest lucru și de ce țin acum, în parte, de software. După cum susține un articol recent Unite.AI despre injectarea de prompturi în agenții aflați în producție, un agent poate fi influențat de conținutul pe care îl citește, astfel că propria relatare despre ceea ce a făcut nu poate ține locul dovezilor privind scopul acțiunii.

Un test pe care îl puteți luna aceasta

Luați în calcul ultimele 30 de zile și alegeți cel mai sensibil set de date despre care credeți că a ajuns la un instrument AI. Apoi verificați dacă echipa poate furniza următoarele informații fără să le adune manual:

  • Ce date erau și de unde proveneau
  • Ce instrument le-a primit, inclusiv instrumente care nu se află pe lista celor aprobate
  • Dacă au trecut printr-un cont de companie sau printr-unul personal
  • La ce lucra persoana respectivă când le-a trimis

Dacă primele două informații sunt disponibile rapid, iar pentru ultimele două trebuie intervievat angajatul, guvernanța voastră acoperă lista de instrumente și foarte puține dintre datele voastre.

Yonatan Zohar is co-founder and CTO of Jazz, a data loss prevention company, where he leads R&D, data science and product development. Before Jazz, he built and led the agent development and research group at Toka, and he has led more than 100 engineers over his career. He spent eight years in the Israel Defense Forces' Unit 81 as an endpoint agent specialist, moving from developer and vulnerability researcher to leading technical groups that built cyber capabilities.