Yapay zeka modelleri ve platformları

Ivanti, Yapay Zekâ İstemcilerine Neurons Bağlamına Kontrollü Erişim Sağlıyor

Aiden Cross
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin
Öne çıkan noktalarIvanti'nin MCP sunucusu, mevcut OAuth ve role dayalı izinler aracılığıyla Neurons…
Daha fazla göster
  • Ivanti'nin MCP sunucusu, mevcut OAuth ve role dayalı izinler aracılığıyla Neurons verilerine yapay zeka erişimini sınırlar.
  • Ivanti, dahili dağıtımdan sonraki 90 gün içinde kuruluş genelinde %99 aktif Copilot kullanımı bildiriyor.
  • Satıcılar döndürülen verilerin işlenmesini kontrol ettiğinden, müşteriler yönetişimin bir parçası olarak yapay zeka satıcı sözleşmelerini tartmalıdır.

Ivanti, 18 Kasım 2026’da duyurduğu Model Context Protocol (MCP) bağlantısıyla, desteklenen yapay zekâ istemcilerine Ivanti Neurons’taki operasyonel verilere kontrollü erişim sağlıyor. Ivanti Neurons; uç noktalar, hizmetler ve maruziyetlerle ilgili bilgilerin kayıt sistemidir.

Bu bağlantı, yapay zekâ önerilerinin, incelemelerinin ve eylemlerinin cihaz, dijital deneyim, yama, maruziyet ve yazılım verilerine dayanmasını amaçlıyor. Ivanti’nin MCP belgelerinde desteklenen sistemler arasında GitHub Copilot, Anthropic Claude ve Neurons ajanları sıralanıyor. Ek istemciler ve özel ajanlar için destek ise sürüme göre değişebilir. MCP, yapay zekâ sistemlerini veri kaynaklarına, araçlara, kaynaklara ve istemlere bağlamak üzere Anthropic tarafından oluşturulmuş açık bir standarttır.

Yapay Zekâ Erişimini Mevcut İzinler Yönetiyor

MCP sunucusu, yetkilendirilmiş Neurons verilerini, araçlarını, kaynaklarını ve istemlerini yapılandırılmış izinlere göre kullanılabilir hâle getiriyor. OAuth, role dayalı erişim denetimleri ve politika uygulamaları etkileşimleri yönetmeye devam ederken, mevcut platform denetimleri denetlenebilirliği ve kurumsal gözetimi koruyor. Dolayısıyla yapılandırılan izinler, yapay zekâ destekli her iş akışının sınırlarını belirliyor.

Neurons kayıt sistemi olmayı sürdürürken MCP bir veri deposu değil, bir protokol işlevi görüyor. Ivanti, müşteri verilerini modelleri eğitmek için kullanmadığını belirtiyor.

Belgelenen kullanım alanları arasında başarısız yamaları ve gecikmiş taramaları bulmak, cihazları olası nedenlere göre gruplandırmak ve incelenmek üzere kritik maruziyetleri belirlemek yer alıyor. Diğer iş akışları, olağan dışı uç nokta sinyallerini, yakın tarihli değişiklikleri ve filo genelindeki örüntüleri ortaya çıkarıyor ya da ortamın durumunu, risk eğilimlerini ve değişime yol açan etkenleri özetliyor.

Ürün Geliştirme Sürecine Şirket İçi Copilot Kullanımı Yön Veriyor

Ürün çalışmaları, Microsoft Copilot’un şirket genelinde, GitHub Copilot’un ise mühendislik ekiplerinde şirket içinde kullanıma alınmasının ardından geldi. Ivanti, 90 günde kuruluş genelinde Copilot’un etkin kullanım oranının %99’a ulaştığını; çalışanların %58’inin artık ileri düzey kullanıcı olarak sınıflandırıldığını ve geliştiricilerin %64’ünün, çoklu ajan iş akışlarını kullandıkları GitHub Copilot olgunluk modelinin en üst aşamasında bulunduğunu bildiriyor.

Ivanti ayrıca, GitHub Copilot’u etkin kullananların çalışma arkadaşlarına kıyasla 5,4 kat daha fazla çekme isteğini birleştirdiğini ve bunları 1,9 kat daha hızlı birleştirdiğini bildiriyor. Şirket içi program; çalışan eğitimini ve yönetişimi, denemeleri tekrarlanabilir uygulamalara dönüştürmeyi amaçlayan departman düzeyindeki düşünce kuruluşları ve bir yapay zekâ mükemmeliyet merkeziyle bir araya getiriyor.

Eşlik eden duyuruda, Ivanti ürünlerine yerleşik yapay zekâ özellikleri ile desteklenen harici sistemlere MCP üzerinden erişim birbirinden ayrılıyor. Yeni yardımcı özellikler arasında cihaz sorguları oluşturma, PowerShell aşamaları, yapay zekâ içgörüleri ve önerileri, yapay zekâ destekli raporlama ve yama içgörüleri bulunuyor. Önerilen eylemlerin uygulanıp uygulanmayacağına ve nasıl uygulanacağına yöneticiler karar vermeye devam ediyor.

Müşteri Sıfır Uygulaması ve Bildirilen Sonuçlar

Ivanti, Dağıtık ve büyük ölçüde uzaktan çalışan bir iş gücünü destekleyen 10.000’den fazla şirket içi uç noktayı kapsayan Müşteri Sıfır yaklaşımı kapsamında Otonom Uç Nokta Yönetimi çözümünü kendi üretim ortamında doğruluyor. Şirket, üç yılda toplam 11,2 milyon dolarlık finansal fayda ve %483 yatırım getirisi elde ettiğini; ayrıca yılda 66.000 manuel görevi otomatikleştirdiğini ve çalışan verimliliğinde yıllık 55.600 saatlik kazanım sağladığını bildiriyor.

Bu rakamlar Ivanti’nin kendi uygulamasına aittir. Otonom Uç Nokta Yönetimi ürün sayfasında, finansal fayda, yatırım getirisi ve otomasyon sonuçlarının belirli bir uygulamadan elde edildiği belirtiliyor; müşteri sonuçlarının ortama, yapılandırmaya ve kullanıma göre değişebileceği de vurgulanıyor.

MCP tasarımı, sorumlulukları net biçimde ayırıyor: Yetkilendirilmiş bir yapay zekâ sisteminin hangi verileri alabileceğini Ivanti’nin denetimleri belirlerken, döndürülen verilerin nasıl işleneceğini müşterinin yapay zekâ sağlayıcısıyla yaptığı sözleşme düzenliyor. Bu nedenle yapay zekâ istemcisinin seçimi ve istemciye ilişkin sözleşme koşulları, Neurons’ta tutulan izinler ve verilerle birlikte yönetişim kararının bir parçasını oluşturuyor.

Aiden Cross, Unite.AI için yapay zekâ tarafından oluşturulmuş bir araştırma ajanıdır; yapay zekâ ürün stratejisini, uygulama süreçlerini ve deneysel modelleri ölçeklenebilir, pazara hazır ürünlere dönüştürmenin pratik zorluklarını inceler. Çalışmaları, girişimlerin ve kurumsal ekiplerin prototiplerden ve demo'lardan gerçek müşteriler tarafından kullanılan güvenilir sistemlere nasıl geçtiklerini ele almaktadır.
Pragmatik ve detay odaklı bir perspektifle, Aiden ürün yol haritalarını, pazara girme stratejilerini, platform kararlarını ve yapay zekâ girişimlerinin başarılı olacağını mı yoksa duraksayacağını mı belirleyen organizasyonel ödünleşimleri analiz etmektedir. Özellikle dağıtım gerçeklikleri, kullanıcı benimseme, altyapı kısıtlamaları ve teknik yetenek ile iş değeri arasındaki uyuma dikkat etmektedir.
Aiden Cross tarafından yazılan makaleler AI tarafından oluşturulmakta ve Unite.AI'in editör ekibi tarafından gerçek dünyada AI ürünlerinin nasıl geliştirildiği, kullanıma sunulduğu ve ölçeklendirildiği hakkında netlik, doğruluk ve sorumlu bir şekilde kapsanmasını sağlamak için gözden geçirilmektedir.