Jeff Margolies, Chief Product och Strategi Officer på Saviynt – Intervjuer

Jeff Margolies, Chief Product och Strategi Officer på Saviynt, leder produktledning, företagsstrategi, tekniska partnerskap och företagsutveckling, och arbetar med kunder, partners och team över hela organisationen för att forma företagets långsiktiga produktvision och tillväxtplan. Han har mer än 25 års erfarenhet av identitet och cybersäkerhet, och har tidigare tjänstgjort som Saviynts Chief Strategy Officer och haft ledande befattningar på Mandiant, Deloitte och Accenture. På Mandiant övervakade han strategi, strategiska partnerskap och företagsutveckling, medan hans tidigare karriär inkluderade att hjälpa till att etablera och skala Accentures identitet och åtkomsthanteringspraxis till en global organisation med mer än 700 proffs. Margolies har en kandidatexamen i optisk teknik från University of Rochester och en masterexamen i elektroteknik från University of California, Berkeley.

Saviynt är ett AI-drivet identitetssäkerhetsföretag som fokuserar på att hjälpa företag att styra och säkra åtkomst över mänskliga användare, icke-mänskliga identiteter, maskiner, applikationer, infrastruktur och AI-agenter. Deras Saviynt Identity Platform kombinerar identitetshantering, privilegerad åtkomsthantering, applikationsåtkomsthantering, extern identitetshantering, icke-mänsklig identitetssäkerhet och identitetssäkerhetsposturehantering i en enhetlig molnplattform som är utformad för moln, lokala, SaaS, IaaS och hybridmiljöer. Företaget har alltmer positionerat sig kring behoven i AI-eran, inklusive verktyg för att säkra AI-agenter, styra agenter och möjliggöra naturlig språkidentitetshantering genom erbjudanden som Saviynt MCP Server i AWS Marketplace.

Som Chief Product och Strategi Officer har du en första rad till hur företagens identitetssäkerhetskrav förändras. Hur har uppkomsten av AI-agenter förändrat sättet som organisationer behöver tänka på identitet, åtkomst och styrning, och hur har dessa förändringar påverkat Saviynts utveckling av Agent Access Gateway och Intent-Aware Runtime Authorization?

AI-agenter förändrar identitetssäkerhet eftersom mänskliga och maskinidentiteter fungerar på mycket olika sätt. Det handlar inte längre bara om att hantera människor som loggar in på applikationer. Organisationer hanterar programvara som kan resonera, fatta beslut och agera autonomt över system. Jag ser agenter som nästa generationsapplikationer. Efter mainframe, client-server, webb och SaaS-applikationer är vi nu på väg in i eran av agenter.

Grundprinciperna är desamma. Organisationer behöver veta vem som äger agenten, vem som kan använda den, vilka system den kan komma åt och hur dess aktivitet styrs. Maskinidentiteter förändrar hastigheten och omfattningen. En affärsanvändare kan nu skapa en agent på några minuter, vilket innebär att styrningen måste ske lika snabbt. Det är därför vi utvecklat Agent Access Gateway och Intent-Aware Runtime Authorization — för att hjälpa företag att anta agenter med rätt åtkomstkontroller, ansvar och skydd från början.

AI-agenter flyttar snabbt från experiment till produktionsmiljöer. Hur förändrar autonoma agenter den traditionella identitets- och åtkomsthanteringsmodellen som företag har använt i årtionden?

Den traditionella identitets- och åtkomsthanteringsmodellen byggdes kring människor och förutsägbar programvara. En användare autentiserades, begärde åtkomst och utförde specifika åtgärder i definierade system. Vi förstår den mänskliga identitetslivscykeln tydligt i detta sammanhang, inklusive hur man etablerar åtkomst. AI-agenter introducerar en annan livscykel. De kan skapas snabbt, agera kontinuerligt, anpassa sig över arbetsflöden och interagera med flera applikationer, API:er och datakällor med mycket större autonomi.

De grundläggande identitetsprinciperna gäller fortfarande: varje identitet behöver autentisering, auktorisering, styrning och ansvar. Hastigheten är mycket annorlunda. Istället för ett fåtal företagsapplikationer som byggts av centrala team, kan organisationer ha tusentals agenter skapade av affärsanvändare. Faktum är att 92% av CISO:er saknar fullständig insyn i AI-identiteter, och 95% tvivlar på att de kunde upptäcka eller innesluta missbruk om det inträffade. Identitetssäkerheten måste utvecklas så att ägarskap, åtkomstkontroller, godkännanden och övervakning etableras automatiskt när agenter skapas.

Många organisationer använder fortfarande behörigheter och åtkomstkontroller som utformats för mänskliga anställda och konventionella programapplikationer. Varför är dessa tillvägagångssätt otillräckliga när det gäller AI-agenter som kan resonera, anpassa sig och utföra åtgärder oberoende?

Den traditionella auktoriseringen frågar vanligtvis: “Är denna identitet tillåten att utföra denna åtgärd?” Det räcker inte längre för AI-agenter eftersom en agent kan tekniskt sett ha behörighet att göra något, men fortfarande agera utanför användarens avsikt.

Till exempel, om en användare ber en agent att “städa upp” en databas, kan agenten tolka det som att ta bort poster. Den kan vara auktoriserad att ta bort dessa poster, men det kan inte vara vad användaren menade. Med agenter behöver organisationer utvärdera inte bara om en åtgärd är tillåten, utan också om den överensstämmer med den ursprungliga planen och avsikten bakom uppgiften.

Saviynt introducerade nyligen Intent-Aware Runtime Authorization. Vad betyder “intent-aware”-auktorisation, och hur skiljer den sig från traditionella autentiserings- och auktoriseringsmodeller?

Intent-aware auktorisation innebär att utvärdera om en agents åtgärder överensstämmer med vad den mänskliga användaren avsåg att den skulle göra. Varje agent skapas eller skickas för att utföra en uppgift, och den uppgiften skapar sammanhang för vad agenten ska och inte ska göra.

Den traditionella auktoriseringen fattar ett binärt beslut: är detta tillåtet eller inte? Intent-aware auktorisation lägger till ett annat lager genom att fråga om åtgärden är meningsfull i sammanhanget med den ursprungliga uppgiften. Om en agent till exempel blev ombedd att arkivera gamla data men började ta bort aktiva poster, kan det vara tekniskt sett tillåtet, men det är inte i linje med användarens avsikt. Målet med intent-aware runtime auktorisation är att styra agentåtgärder i realtid baserat på uppgiftssammanhang, policy och avsedda resultat.

Hur kan företag avgöra om en AI-agent bör tillåtas att utföra en specifik åtgärd, även om den tekniskt sett har behörighet att komma åt det underliggande systemet?

Det börjar med planering. Innan en agent vidtar åtgärder behöver organisationer definiera vad den ska uppnå, vilka system den ska komma åt, vilka skydd som gäller och vilka policys den måste följa. Den planen blir grunden för att utvärdera agentens beteende.

Den viktigaste frågan är inte bara om agenten har åtkomst, utan om dess åtgärd är förenlig med uppgiften den skapades för att utföra. Många befintliga applikationer och API:er var inte byggda för att påtvinga den nivån av sammanhang, vilket är varför en gateway-modell är viktig. Agent Access Gateway tillhandahåller ett tillagt kontrollskikt för att utvärdera planer mot åtgärder och hjälpa till att hantera överbehörighet eller luckor i äldre system.

En av de största problemen med AI-agenter är att de kan agera över flera applikationer och datakällor på sekunder. Vilka nya risker skapar detta för säkerhetsteam, och vilka risker underskattas för närvarande?

AI-agenter skapar inte alltid helt nya risker. I många fall ökar de sannolikheten att befintliga risker kommer att utnyttjas. Om en organisation redan har överbehörigade konton, svaga kontroller eller system som förlitar sig på dunkelhet, kan agenter hitta och agera på dessa svagheter mycket snabbare än människor, vilket ökar risken.

Jag jämför det ibland med att lämna en bakdörr olåst. Sårbarheten finns redan, men sannolikheten att någon hittar den kan vara låg. Tänk dig nu en agent som kontrollerar varje bakdörr över tusentals miljöer på sekunder. Det är därför organisationer behöver få grundläggande saker rätt: veta vilka agenter som finns, förstå vad de kan komma åt, begränsa onödiga behörigheter och styra deras aktivitet kontinuerligt.

När företag distribuerar flera AI-agenter över avdelningar, hur bör organisationer styra vem som kan interagera med dessa agenter och vilken information eller system som dessa agenter kan komma åt?

Ett sätt att tänka på en AI-agent är som en applikation. Företag vet redan hur man styr applikationer: vem som äger dem, vem som kan använda dem, vilka system de ansluter till, vilken data de kan komma åt och hur åtkomsten granskas. Samma frågor gäller för agenter.

Skillnaden är att agenter kan skapas på minuter av affärsanvändare, inte på månader av stora utvecklingsteam och endast 5% av CISO:er känner sig säkra på att de kunde innesluta en komprometterad AI-agent. Styrningen behöver byggas in i skapandeprocessen så att ägarskap, åtkomst, godkännanden, behörigheter och periodiska granskningar etableras från början snarare än att läggas till efter att agenten redan är i drift.

Skugg-AI har blivit ett växande problem eftersom anställda antar AI-verktyg utanför den officiella IT-övervakningen. Hur förstärker AI-agenter denna utmaning, och vilka praktiska steg kan organisationer ta för att återfå synlighet och kontroll?

AI-agenter förstärker Skugg-AI eftersom de är lätta att skapa och kan agera över system. Det betyder inte att organisationer ska försöka stoppa människor från att använda dem. Produktivitetsvinster är verkliga, och företag kommer att fortsätta med dem.

Det praktiska svaret är synlighet och skydd. Organisationer behöver veta vilka agenter som finns, vem som äger dem, vad de är avsedda att göra och vilka system eller data de kan komma åt. Varje agent bör ha en identitet, definierade behörigheter och kontinuerlig övervakning. Många företag är fortfarande i ganska tidiga skeden av experiment, så det finns fortfarande tid att bygga styrning innan agentanvändningen når en mycket större skala. Men den tiden är snabbt på väg att rinna ut.

Om man ser framåt, tror du att varje AI-agent så småningom kommer att kräva sin egen digitala identitet, styrningsram och revisionslogg liknande dem som används för mänskliga anställda? Vad ser den framtida modellen ut som?

Varje AI-agent bör utan tvekan ha sin egen identitet så att organisationer vet vad den är, vem som äger den, vad den kan komma åt och vad den gör. Mänskliga identiteter och icke-mänskliga identiteter, inklusive AI-agenter, måste alla styras genom en enhetlig identitetssäkerhetsmodell.

Begreppen är bekanta: autentisering, auktorisering, ägarskap, behörigheter, aktivitetsspårning och styrning. Vad som förändras är omfattningen. Företag kan snart skapa hundratals agenter per vecka, vilket så småningom kan leda till tiotusentals eller till och med miljontals agenter. Framtiden handlar om att tillämpa identitetssäkerhetsgrunderna på varje typ av identitet i en mycket större omfattning och hastighet. Nu är det dags att börja implementera.

När företag tävlar om att distribuera agenter, vilka är de vanligaste misstagen du ser organisationer göra idag, och vad bör säkerhets- och teknikledare prioritera under de kommande 12 till 24 månaderna för att säkerställa att AI-agenter förblir både produktiva och pålitliga?

Det vore en stor försummelse att lämna säkerheten i denna era till slumpen. Produktivitetsvinster relaterade till agenter är verkliga, och organisationer behöver fånga dem. Den största risken är att säkerhet och styrning inte håller jämna steg.

Under de kommande 12 till 24 månaderna bör ledare fokusera på synlighet och styrningsgrunder: underhålla en inventering av agenter, tilldela ägarskap, ge varje agent en identitet, förstå vad den kan komma åt och göra styrning en del av skapandeprocessen. Detta är en möjlighet att bygga säkerhet in i en stor plattformsförändring från början snarare än att försöka åtgärda det senare.

Tack för den utmärkta intervjun, läsare som vill lära sig mer bör besöka Saviynt.