उत्तरप्रकाशित19 स्रोत
कर्मचारियों के AI इस्तेमाल पर नज़र रखना सिंगापुर की कंपनियों के लिए चुनौती
सिंगापुर में शैडो AI की चुनौती केवल नियमों की कमी नहीं, बल्कि इस्तेमाल का पता लगाने और नियम लागू करने की है। 60% DevSecOps हितधारकों ने शासन और नीति लागू करने को अपना सबसे बड़ा समयगत बोझ बताया, जबकि 41% ने AI जनित कोड... JFrog के सर्वेक्षण के मुताबिक, 18% सिंगापुरी संगठनों के पास अनधिकृत AI टूल रोकने की नीतियां हैं,...
प्रकाशितकर्ताGPT-6 Luna से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- सिंगापुर में शैडो AI की चुनौती केवल नियमों की कमी नहीं, बल्कि इस्तेमाल का पता लगाने और नियम लागू करने की है। 60% DevSecOps हितधारकों ने शासन और नीति लागू करने को अपना सबसे बड़ा समयगत बोझ बताया, जबकि 41% ने AI जनित कोड...
- JFrog के सर्वेक्षण के मुताबिक, 18% सिंगापुरी संगठनों के पास अनधिकृत AI टूल रोकने की नीतियां हैं, लेकिन उल्लंघन पकड़ने का तरीका नहीं है। [3]
- व्यावहारिक सुरक्षा के लिए कंपनियों को केवल अपना स्रोत कोड नहीं, बल्कि AI मॉडल, ओपन सोर्स पैकेज और अन्य तृतीय पक्ष घटकों पर भी निगरानी और नियंत्रण रखना होगा। [5][8]
AI संकेत
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
कर्मचारी काम जल्दी निपटाने के लिए AI टूल अपना सकते हैं, लेकिन कंपनियों के लिए यह पता लगाना मुश्किल हो सकता है कि कौन-से टूल इस्तेमाल हो रहे हैं, उनमें कौन-सी जानकारी डाली जा रही है और उनसे बने कोड की समीक्षा कैसे हो। सिंगापुर से जुड़े सर्वेक्षण के नतीजे बताते हैं कि लिखित नीतियों और रोज़मर्रा में उन्हें लागू करने की क्षमता के बीच अंतर है। 3
5
6
‘शैडो AI’ क्या है और अंतर कहां है?
‘शैडो AI’ उन AI टूल का इस्तेमाल है जिन्हें किसी संगठन ने मंज़ूरी नहीं दी हो या जिन पर उसकी IT और सुरक्षा टीमों की निगरानी न हो। कर्मचारी अक्सर काम आगे बढ़ाने के लिए ऐसे टूल आज़माते हैं, जबकि संगठन को यह पता नहीं होता कि उनका इस्तेमाल कहां हो रहा है या उनमें कौन-सा डेटा साझा किया जा रहा है। 14
नीति लिख देना और उसका पालन सुनिश्चित करना अलग बातें हैं। JFrog के शोध के अनुसार, सिंगापुर के 18% संगठनों के पास अनधिकृत AI टूल के खिलाफ नीतियां थीं, लेकिन उल्लंघन का पता लगाने की व्यवस्था नहीं थी। 3
सॉफ़्टवेयर की रफ़्तार, समीक्षा पर बढ़ता दबाव
आज के ऐप्लिकेशन सिर्फ कंपनी के भीतर लिखे गए कोड से नहीं बनते। उनमें ओपन-सोर्स पैकेज, क्लाउड सेवाएं, AI से बना कोड और मॉडल, और दूसरी कंपनियों के टूल भी शामिल हो सकते हैं। इन सभी घटकों को पहचानना और उनका आकलन करना सुरक्षा टीमों के काम का हिस्सा बनता है। 5
JFrog के सर्वेक्षण में शामिल सिंगापुर के DevSecOps हितधारकों में 60% ने शासन और नीतियों को लागू करने को अपना सबसे बड़ा समयगत बोझ बताया। वहीं, 41% ने कहा कि AI-जनित कोड की समीक्षा में काफी संसाधन लगते हैं। 5 ये आंकड़े सर्वेक्षण में बताई गई चुनौतियां दिखाते हैं—इनसे यह साबित नहीं होता कि हर संगठन का जोखिम एक जैसा है।
अनुपालन के सबूत जुटाना भी एक अलग चुनौती हो सकती है। सिंगापुर पर JFrog के शोध की एक रिपोर्ट के मुताबिक, 54% उत्तरदाताओं को किसी एक ऐप्लिकेशन के लिए अनुपालन का प्रमाण तैयार करने में कम-से-कम एक सप्ताह लगता था। 7 किसी ऐप्लिकेशन का मालिक कौन है, यह जानना और उसके घटकों व अनुपालन की जानकारी तुरंत पेश कर पाना एक ही बात नहीं है।
जोखिम सिर्फ कोड की समीक्षा तक सीमित नहीं
जब अनधिकृत AI टूल सुरक्षा निगरानी से बाहर हों, तो कर्मचारी उनमें स्रोत कोड या ग्राहक जानकारी जैसा संवेदनशील डेटा डाल सकते हैं। सुरक्षा संबंधी मार्गदर्शन भी चेताता है कि शैडो AI के जरिए संवेदनशील जानकारी संगठन के नियंत्रण से बाहर जा सकती है। 23
24
AI से बने कोड और दूसरे आउटपुट को इस्तेमाल से पहले जांचना भी ज़रूरी है। सिंगापुर के सर्वेक्षण में कोड की समीक्षा को संसाधन-सघन बताया गया, लेकिन उपलब्ध आंकड़े यह नहीं बताते कि गलतियां कितनी बार ग्राहकों या अहम प्रणालियों तक पहुंचती हैं। 5
सिर्फ प्रतिबंध लगा देना भी निगरानी की कमी दूर नहीं करता—खासकर जब संगठन को पता ही न चले कि कर्मचारी कौन-से टूल इस्तेमाल कर रहे हैं। 18% वाला निष्कर्ष इस बात की ओर इशारा करता है कि नियमों के साथ अनधिकृत इस्तेमाल का पता लगाने और उन्हें लागू करने की व्यवस्था भी चाहिए। 3
ऐप्लिकेशन के हर हिस्से पर नज़र
JFrog के सनी राव ने आधुनिक ऐप्लिकेशन को अंदरूनी कोड, ओपन-सोर्स पैकेज, क्लाउड सेवाओं, AI-जनित कोड और मॉडल, तथा तृतीय-पक्ष टूल के मेल के रूप में बताया है। इसका मतलब है कि सुरक्षा को सिर्फ स्रोत कोड तक सीमित नहीं रखा जा सकता; ऐप्लिकेशन में शामिल बाकी घटकों को भी पहचानना और जांचना होगा। 5
Splunk की क्रिस्टीन लो एक जुड़ी हुई चुनौती पर ध्यान दिलाती हैं: AI का विस्तार करने वाले संगठनों को अनुपालन की अपेक्षाओं, डेटा-शासन की ज़रूरतों और लगातार बदलते कामकाज का बोझ संभालना पड़ता है। 4 दोनों दृष्टिकोण बताते हैं कि AI पर निगरानी सिर्फ डेवलपर के कोड की समीक्षा का मामला नहीं है—डेटा और सॉफ़्टवेयर के घटकों को बदलते सिस्टम के साथ संभालना भी इसका हिस्सा है।
कंपनियां अगला कदम क्या उठाएं?
व्यावहारिक तरीका यह है कि संगठन को जो दिखता है, उसे ऐसे नियंत्रणों से जोड़ा जाए जिन्हें वह सचमुच लागू कर सके:
- ऐप्लिकेशन के सभी घटकों की सूची रखें। अंदरूनी कोड के साथ AI मॉडल, पैकेज और दूसरे सॉफ़्टवेयर घटक भी दर्ज करें।
5
8
- नीतियों को लागू करने योग्य बनाएं। अनधिकृत टूल के इस्तेमाल का पता लगाने की व्यवस्था रखें; 18% वाला निष्कर्ष दिखाता है कि केवल नियम लिखना पर्याप्त नहीं है।
3
- अनुपालन के सबूत जुटाना आसान करें। ऐप्लिकेशन का मालिक दर्ज होना भर काफी न हो; उसके घटकों और शासन से जुड़ी जानकारी भी आसानी से उपलब्ध हो।
7
- AI आउटपुट की समीक्षा को सुरक्षा प्रक्रिया का हिस्सा बनाएं। AI से कोड तेज़ी से बन सकता है, लेकिन इससे सुरक्षित डिलीवरी अपने-आप तेज़ नहीं हो जाती।
JFrog का सुझाया तरीका मॉडल, पैकेज, प्लगइन और AI-जनित घटकों का रिकॉर्ड एक साझा प्रणाली में रखने और उनका शासन करने का है। 8 संगठन कोई भी तरीका चुने, बुनियादी ज़रूरत यही है: सॉफ़्टवेयर और AI की पूरी सप्लाई चेन में जानकारी को ऐसे नियंत्रणों से जोड़ना जिन्हें लागू किया जा सके।
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"कर्मचारियों के AI इस्तेमाल पर नज़र रखना सिंगापुर की कंपनियों के लिए चुनौती" का संक्षिप्त उत्तर क्या है?
सिंगापुर में शैडो AI की चुनौती केवल नियमों की कमी नहीं, बल्कि इस्तेमाल का पता लगाने और नियम लागू करने की है। 60% DevSecOps हितधारकों ने शासन और नीति लागू करने को अपना सबसे बड़ा समयगत बोझ बताया, जबकि 41% ने AI जनित कोड...
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
सिंगापुर में शैडो AI की चुनौती केवल नियमों की कमी नहीं, बल्कि इस्तेमाल का पता लगाने और नियम लागू करने की है। 60% DevSecOps हितधारकों ने शासन और नीति लागू करने को अपना सबसे बड़ा समयगत बोझ बताया, जबकि 41% ने AI जनित कोड... JFrog के सर्वेक्षण के मुताबिक, 18% सिंगापुरी संगठनों के पास अनधिकृत AI टूल रोकने की नीतियां हैं, लेकिन उल्लंघन पकड़ने का तरीका नहीं है। [3]
मुझे अभ्यास में आगे क्या करना चाहिए?
व्यावहारिक सुरक्षा के लिए कंपनियों को केवल अपना स्रोत कोड नहीं, बल्कि AI मॉडल, ओपन सोर्स पैकेज और अन्य तृतीय पक्ष घटकों पर भी निगरानी और नियंत्रण रखना होगा। [5][8]
सूत्र
frontier-enterprise.comSingapore's innovation faces a new risk: Shadow AI