Модели и платформы ИИ
Ivanti предоставляет клиентам ИИ контролируемый доступ к контекстным данным Neurons

Ключевые моментыСервер MCP от Ivanti ограничивает доступ ИИ к данным Neurons через существующие OAuth и…
Показать больше
- Сервер MCP от Ivanti ограничивает доступ ИИ к данным Neurons через существующие OAuth и разрешения на основе ролей.
- Ivanti сообщает о 99% активного использования Copilot во всей своей организации в течение 90 дней после внутреннего развертывания.
- Клиенты должны учитывать контракты с поставщиками ИИ как часть управления, поскольку поставщики контролируют обработку возвращаемых данных.
18 ноября 2026 года Ivanti объявила о подключении по протоколу Model Context Protocol (MCP), которое предоставляет поддерживаемым клиентам ИИ контролируемый доступ к операционным данным Ivanti Neurons — системе учета информации об устройствах, сервисах и подверженности угрозам.
Подключение призвано обеспечивать основу для рекомендаций, расследований и действий ИИ, используя данные об устройствах, цифровом опыте, исправлениях, подверженности угрозам и программном обеспечении. В документации Ivanti по MCP в числе поддерживаемых систем указаны GitHub Copilot, Anthropic Claude и агенты Neurons; поддержка дополнительных клиентов и пользовательских агентов может зависеть от версии. MCP — открытый стандарт, созданный Anthropic для подключения систем ИИ к источникам данных, инструментам, ресурсам и подсказкам.
Доступ ИИ регулируется существующими разрешениями
Сервер MCP предоставляет авторизованным пользователям данные, инструменты, ресурсы и подсказки Neurons в соответствии с настроенными разрешениями. Взаимодействия по-прежнему регулируются OAuth, средствами контроля доступа на основе ролей и применением политик, а существующие средства контроля платформы обеспечивают возможность аудита и надзор со стороны организации. Таким образом, границы каждого рабочего процесса с участием ИИ определяются настроенными разрешениями.
Neurons остается системой учета, а MCP служит протоколом, а не хранилищем данных. Ivanti заявляет, что не использует данные клиентов для обучения моделей.
Среди описанных сценариев использования — поиск неудачно установленных исправлений и просроченных проверок, группировка устройств по вероятной причине проблемы и выявление критических уязвимостей для расследования. Другие рабочие процессы помогают обнаруживать аномальные сигналы от конечных устройств, недавние изменения и закономерности в парке устройств, а также обобщать сведения о состоянии среды, тенденциях риска и факторах, вызывающих изменения.
Внутреннее внедрение Copilot влияет на разработку продуктов
Разработка продукта последовала за внутренним внедрением Microsoft Copilot во всех подразделениях компании и GitHub Copilot в инженерных командах. Ivanti сообщает, что за 90 дней активного использования Copilot достигли 99% сотрудников организации; сейчас 58% сотрудников относятся к категории опытных пользователей, а 64% разработчиков находятся на высшем уровне модели зрелости GitHub Copilot, используя рабочие процессы с несколькими агентами.
Ivanti также сообщает, что активные пользователи GitHub Copilot объединяют запросы на слияние в 5,4 раза чаще, а сами запросы — в 1,9 раза быстрее, чем их коллеги. Внутренняя программа сочетает обучение сотрудников и механизмы управления с экспертными группами на уровне подразделений и центром компетенций по ИИ, призванными превратить эксперименты в воспроизводимые практики.
В отдельном сопутствующем объявлении проводится различие между встроенными возможностями ИИ в продуктах Ivanti и доступом через MCP для поддерживаемых внешних систем. К новым вспомогательным возможностям относятся создание запросов к устройствам, этапы PowerShell, аналитические данные и рекомендации на основе ИИ, отчетность на основе ИИ и аналитика исправлений. Администраторы сохраняют контроль над тем, будут ли выполняться рекомендованные действия и каким образом.
Внедрение в собственной среде и заявленные результаты
В рамках подхода Customer Zero Ivanti проверяет автономное управление конечными устройствами в собственной рабочей среде, охватывая более 10 000 внутренних конечных устройств распределенной, преимущественно удаленной рабочей силы. Компания сообщает о совокупной финансовой выгоде в размере 11,2 млн долларов и рентабельности инвестиций в 483% за три года, а также об автоматизации 66 000 ручных задач и приросте производительности труда сотрудников, эквивалентном 55 600 часам в год.
Эти показатели относятся к собственному внедрению Ivanti. На странице продукта «Автономное управление конечными устройствами» указано, что показатели финансовой выгоды, рентабельности инвестиций и автоматизации получены в результате конкретного внедрения; результаты клиентов зависят от среды, конфигурации и характера использования.
Архитектура MCP четко разграничивает ответственность: средства контроля Ivanti определяют, какие данные может получать авторизованная система ИИ, а соглашение клиента с поставщиком ИИ регулирует порядок обработки полученных данных. Поэтому выбор клиента ИИ и условия договора с его поставщиком становятся частью решения по управлению наряду с разрешениями и данными, хранящимися в Neurons.












