AnswersPublished19 sources
עובדים מאמצים כלי AI — והפיקוח הארגוני מתקשה להדביק את הקצב
האתגר של Shadow AI בסינגפור אינו רק היעדר כללים: 60% מבעלי התפקידים בתחום DevSecOps ציינו שפיקוח ואכיפת מדיניות הם נטל הזמן הגדול ביותר עבורם, ו 41% אמרו שבדיקת קוד שנוצר באמצעות AI דורשת משאבים רבים. לפי ממצאי JFrog, ב 18% מהארגונים בסינגפור יש מדיניות נגד שימוש בכלי AI לא מאושרים, אך אין מנגנון לזיהוי הפרות.
פורסם על ידינערך באמצעות GPT-6 Lunaהתמונות נוצרו באמצעות GPT Image 2
Research answer
Key takeaways
- האתגר של Shadow AI בסינגפור אינו רק היעדר כללים: 60% מבעלי התפקידים בתחום DevSecOps ציינו שפיקוח ואכיפת מדיניות הם נטל הזמן הגדול ביותר עבורם, ו 41% אמרו שבדיקת קוד שנוצר באמצעות AI דורשת משאבים רבים.
- לפי ממצאי JFrog, ב 18% מהארגונים בסינגפור יש מדיניות נגד שימוש בכלי AI לא מאושרים, אך אין מנגנון לזיהוי הפרות.
- יישומים כוללים יותר מקוד פנימי: גם חבילות קוד פתוח, שירותי ענן, מודלים וכלים של צד שלישי.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How is employee adoption of shadow AI outpacing governance controls in Singapore companies, and what do JFrog’s Sunny Rao and Splunk’s Chris. Article summary: Employee use of unapproved AI is moving faster than Singapore companies can discover it, review its outputs and enforce internal rules, creating a gap between written governance and operational control. The reported cons. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
השימוש בבינה מלאכותית בעבודה יכול להתפשט מהר יותר מכפי שארגון מצליח לזהות באילו כלים משתמשים, לבדוק קוד שנוצר באמצעותם ולאכוף את הכללים שקבע. בסינגפור, נתוני סקרים מצביעים על פער בין קיומה של מדיניות לבין היכולת ליישם אותה בפועל סביב רכיבי התוכנה וה-AI שבהם עובדים וצוותי פיתוח נעזרים. 3
5
6
לא רק מה כתוב במדיניות — אלא אם אפשר לאכוף אותה
״בינה מלאכותית בצללים״ (Shadow AI) היא שימוש בכלי AI לצורכי עבודה בלי אישור או פיקוח של הארגון. עובדים עשויים להיעזר בכלים כאלה כדי להתקדם במשימות, בעוד שלצוותי אבטחה ומחשוב אין תמונה מלאה של השימוש בהם ושל המידע שנמסר להם. 14
עצם קיומה של מדיניות כתובה אינו מעיד שהעובדים פועלים לפיה, או שהארגון יכול לזהות שימוש לא מאושר. במחקר של JFrog דווח כי ל-18% מהארגונים בסינגפור יש מדיניות נגד שימוש בכלי AI לא מאושרים, אך אין להם מנגנון לזיהוי הפרות. 3
יותר רכיבי תוכנה, יותר עומס על הבדיקות
יישומים מודרניים מורכבים לא רק מקוד שנכתב בתוך הארגון. הם עשויים לשלב חבילות קוד פתוח, שירותי ענן, קוד שנוצר באמצעות AI, מודלים וכלים של צד שלישי. כל רכיב נוסף הוא דבר שהארגון עשוי להידרש לזהות, לעקוב אחריו ולהעריך את הסיכונים הכרוכים בו. 5
ממצאי JFrog ממחישים את היקף העבודה: 60% מבעלי התפקידים בתחום DevSecOps בסינגפור ציינו שפיקוח ואכיפת מדיניות הם נטל הזמן הגדול ביותר שלהם, ו-41% אמרו שבדיקת קוד שנוצר באמצעות AI צורכת משאבים רבים. 5 אלה דיווחים על עומס מצד אנשי מקצוע — לא הוכחה שכל הארגונים מתמודדים עם אותה רמת סיכון.
דיווח נפרד על המחקר בסינגפור הצביע גם על קושי במוכנות לביקורת: לפי הנתונים שפורסמו, 54% מהמשיבים נזקקו לשבוע לפחות כדי להפיק ראיות ציות עבור יישום אחד. 7 חשוב להבחין בין ידיעה מי אחראי על יישום לבין היכולת לתעד במהירות אילו רכיבים הוא כולל ומה מצב הציות שלו.
הסיכון אינו נעצר בבדיקת הקוד
כשכלי AI לא מאושרים אינם נמצאים תחת פיקוח אבטחתי, עובדים עלולים להזין בהם מידע רגיש — למשל קוד מקור או פרטי לקוחות. הנחיות אבטחה מצביעות על העברת מידע רגיש אל מחוץ לשליטת הארגון כאחד הסיכונים של שימוש בכלי AI בצללים. 23
24
גם תוצרים שנוצרו באמצעות AI צריכים להיבדק לפני שמשתמשים בהם. ממצאי סינגפור מראים שהבדיקה עשויה לגזול משאבים רבים, אך המידע הזמין כאן אינו מודד באיזו תדירות שגיאות מגיעות ללקוחות או למערכות קריטיות. 5
איסור לבדו לא סוגר את פער הנראות אם עובדים ממשיכים להשתמש בכלים שהארגון אינו מסוגל לזהות. הנתון על היעדר מנגנוני זיהוי בקרב חלק מהארגונים מדגיש את הצורך המעשי: לא רק לתעד מה אסור, אלא גם למצוא דרכים לגלות שימוש בכלי AI ולהחיל כללים בפועל. 3
משרשרת אספקת התוכנה לחוסן תפעולי
סאני ראו, בכיר בחברת JFrog, מתאר יישומים מודרניים כשילוב של קוד פנימי, חבילות קוד פתוח, שירותי ענן, קוד שנוצר באמצעות AI, מודלים וכלים של צד שלישי. נקודת המבט הזאת מרחיבה את מוקד האבטחה: לא רק קוד המקור חשוב, אלא גם מכלול הרכיבים שנכנסים ליישום ומשפיעים עליו. 5
כריסטין לו מחברת Splunk מצביעה על אתגר קרוב: ארגונים שרוצים להרחיב את השימוש ב-AI צריכים להתמודד עם ציפיות בתחום הציות, דרישות לניהול נתונים ועומס תפעולי שנובע משינוי מתמשך. 4 יחד, שתי נקודות המבט מבהירות שפיקוח על AI אינו מסתכם בבדיקת קוד — הוא כולל גם ניהול נתונים ותלויות בזמן שהמערכות משתנות.
מה ארגונים יכולים לעשות
גישה מעשית מחברת בין נראות לבין בקרות שאפשר לאכוף:
- למפות את רכיבי היישומים. לכלול מודלים של AI, חבילות תוכנה ורכיבים נוספים לצד הקוד שנכתב בתוך הארגון.
5
8
- להפוך מדיניות לניתנת לזיהוי וליישום. הנתון על 18% ממחיש מדוע כללים צריכים להיות מלווים במנגנונים שמזהים שימוש לא מאושר בכלים.
3
- להקל על הפקת ראיות לציות. העיכוב המדווח במוכנות לביקורת מצביע על כך שרישום בעלי האחריות לבדו אינו בהכרח מספיק; הצוותים צריכים גם גישה למידע על רכיבי היישום ועל אופן ניהולם.
7
- לשלב בדיקת תוצרי AI בשגרת אבטחת התוכנה. עומס הבדיקות המדווח מחזק את הצורך להתייחס לקוד שנוצר באמצעות AI כרכיב שדורש הערכה — ולא להניח שיצירה מהירה מובילה אוטומטית לאספקה בטוחה ומהירה.
JFrog מציעה לנהל מודלים, חבילות, תוספים ותוצרים שנוצרו באמצעות AI במערכת רישום משותפת. 8 לא משנה באילו כלים הארגון בוחר: הדרישה העיקרית היא לחבר בין מה שאפשר לראות לבין מה שאפשר לאכוף, לאורך שרשרת אספקת התוכנה וה-AI כולה.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "עובדים מאמצים כלי AI — והפיקוח הארגוני מתקשה להדביק את הקצב"?
האתגר של Shadow AI בסינגפור אינו רק היעדר כללים: 60% מבעלי התפקידים בתחום DevSecOps ציינו שפיקוח ואכיפת מדיניות הם נטל הזמן הגדול ביותר עבורם, ו 41% אמרו שבדיקת קוד שנוצר באמצעות AI דורשת משאבים רבים.
What are the key points to validate first?
האתגר של Shadow AI בסינגפור אינו רק היעדר כללים: 60% מבעלי התפקידים בתחום DevSecOps ציינו שפיקוח ואכיפת מדיניות הם נטל הזמן הגדול ביותר עבורם, ו 41% אמרו שבדיקת קוד שנוצר באמצעות AI דורשת משאבים רבים. לפי ממצאי JFrog, ב 18% מהארגונים בסינגפור יש מדיניות נגד שימוש בכלי AI לא מאושרים, אך אין מנגנון לזיהוי הפרות.
What should I do next in practice?
יישומים כוללים יותר מקוד פנימי: גם חבילות קוד פתוח, שירותי ענן, מודלים וכלים של צד שלישי.
Sources
frontier-enterprise.comSingapore's innovation faces a new risk: Shadow AI