उत्तरप्रकाशित17 स्रोत
AI पर रोक से जोखिम घटे, यह ज़रूरी नहीं—सिंगापुर की कंपनियों को क्या करना चाहिए
ThreatLabz ने 2025 में Zscaler के प्लेटफ़ॉर्म पर लगभग एक ट्रिलियन एंटरप्राइज़ AI और मशीन लर्निंग लेन देन देखे; इनमें करीब 10 में से 4 को ब्लॉक किया गया। PagerDuty के सर्वे में काम के लिए AI इस्तेमाल कर चुके 66% लोगों ने कहा कि उन्होंने ऐसे टूल काम पर इस्तेमाल किए, जिनके बारे में उन्हें लगता था कि कंपनी की नीति इसकी...
प्रकाशितकर्ताGPT-6 Luna से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- ThreatLabz ने 2025 में Zscaler के प्लेटफ़ॉर्म पर लगभग एक ट्रिलियन एंटरप्राइज़ AI और मशीन लर्निंग लेन देन देखे; इनमें करीब 10 में से 4 को ब्लॉक किया गया।
- PagerDuty के सर्वे में काम के लिए AI इस्तेमाल कर चुके 66% लोगों ने कहा कि उन्होंने ऐसे टूल काम पर इस्तेमाल किए, जिनके बारे में उन्हें लगता था कि कंपनी की नीति इसकी अनुमति नहीं देती।
- बेहतर तरीका है AI के वास्तविक उपयोग का पता लगाना, संवेदनशील डेटा की हर जगह सुरक्षा करना, एजेंटों की पहुँच और कार्रवाइयों को सीमित करना और स्वीकृत टूल को काम के लायक बनाना।
AI संकेत
openai.comCreate a landscape editorial hero image for this Studio Global article: Why do AI blocklists give Singapore firms a false sense of security despite IMDA’s January 2026 Model AI Governance Framework for Agentic AI. Article summary: AI blocklists can confuse control over the corporate network with control over actual AI use: employees may move work to personal devices, while AI inside approved software remains accessible. IMDA’s January 2026 framewo. 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
AI टूल को ब्लॉक करने से उनकी वजह खत्म नहीं होती। इससे कामकाज में AI का इस्तेमाल कम दिखाई दे सकता है, लेकिन यह अपने आप नहीं बताता कि जोखिम कितना घटा। 2025 में ThreatLabz ने Zscaler के प्लेटफ़ॉर्म पर एंटरप्राइज़ AI और मशीन-लर्निंग के करीब एक ट्रिलियन लेन-देन देखे। इन निष्कर्षों पर टिप्पणी के मुताबिक, संगठनों ने लगभग 10 में से 4 लेन-देन ब्लॉक किए—जिनमें लोकप्रिय टूल भी शामिल थे।1
6 ये आँकड़े उस प्लेटफ़ॉर्म पर देखे गए ट्रैफ़िक में बड़े पैमाने पर रोक दिखाते हैं; यह नहीं कि रोक से कितना जोखिम दूर हुआ या सिंगापुर की कंपनियाँ कुल मिलाकर AI का इस्तेमाल कैसे करती हैं।
सिंगापुर की कंपनियों के लिए सवाल सिर्फ़ यह नहीं है कि किन ऐप्स पर पाबंदी लगाई जाए। यह भी समझना होगा कि AI का इस्तेमाल निजी डिवाइसों, पहले से मंज़ूर सॉफ़्टवेयर में मौजूद सहायकों, या कारोबारी सिस्टम तक पहुँच रखने वाले एजेंटों के ज़रिए हो सकता है। सिंगापुर की सूचना-संचार मीडिया विकास प्राधिकरण (IMDA) का Agentic AI के लिए Model AI Governance Framework जोखिम का आकलन करने और एजेंटों की पहुँच, स्वायत्तता तथा कार्रवाइयों को सीमित करने पर मार्गदर्शन देता है।26
सिर्फ़ ब्लॉकलिस्ट पर भरोसा क्यों कम पड़ सकता है
अनुरोध ब्लॉक होना यह साबित नहीं करता कि AI का इस्तेमाल रुक गया
नेटवर्क पर रोक किसी सेवा तक पहुँचने का एक रास्ता बंद कर सकती है। लेकिन इससे यह तय नहीं होता कि कर्मचारी को वह काम अब नहीं करना है जिसमें AI मददगार हो सकता है। PagerDuty के जून 2026 के सर्वे में, काम के लिए AI इस्तेमाल कर चुके 66% उत्तरदाताओं ने बताया कि उन्होंने काम पर ऐसे टूल इस्तेमाल किए, जिनके बारे में उन्हें लगता था कि कंपनी की नीति इसकी अनुमति नहीं देती।38 यह सर्वे ऑस्ट्रेलिया, जापान, ब्रिटेन और अमेरिका के बड़े संगठनों में काम करने वाले 1,250 दफ़्तर-कर्मियों पर आधारित था। इसलिए यह कार्यस्थलों में दिखने वाले एक व्यापक रुझान का संकेत है—सिंगापुर-विशेष दर का नहीं।
41
इसका मतलब यह नहीं कि हर ब्लॉक को लोग दरकिनार कर देंगे। बात इतनी है कि पाबंदी अपने आप कर्मचारियों के व्यवहार या संगठन के जोखिम का पूरा हिसाब नहीं देती।
AI सिर्फ़ अलग से इस्तेमाल होने वाले ऐप्स तक सीमित नहीं
किसी संगठन में AI का इस्तेमाल सार्वजनिक चैटबॉट तक सीमित नहीं होता। उसमें मंज़ूर कारोबारी सॉफ़्टवेयर के भीतर मौजूद AI सहायक, दूसरे टूल से जुड़े इंटीग्रेशन और एजेंट भी शामिल हो सकते हैं। हर सिस्टम के लिए यह जानना ज़रूरी है कि वह कौन-सी जानकारी निकाल सकता है और क्या-क्या कर सकता है। IMDA का ढाँचा संवेदनशील डेटा तक पहुँच, स्वायत्तता, कार्रवाई के दायरे और कार्रवाई को वापस पलटने की संभावना जैसे पहलुओं से एजेंट के जोखिम को सीमित करने की सलाह देता है।20
26
इससे सवाल बदल जाता है: “क्या यह ऐप ब्लॉकलिस्ट में है?” की जगह पूछना चाहिए, “यह AI क्या देख सकता है, क्या साझा कर सकता है और किस चीज़ में बदलाव कर सकता है?”
नेटवर्क पर दिखने वाली जानकारी अधूरी हो सकती है
कोई कर्मचारी निजी डिवाइस या कंपनी की निगरानी से बाहर के इंटरनेट कनेक्शन से काम में AI की मदद ले सकता है। ऐसी स्थिति में कॉर्पोरेट नेटवर्क की रोक यह पूरा रिकॉर्ड नहीं देती कि जानकारी कहाँ और कैसे इस्तेमाल हुई। इसे पहले से सोचने लायक स्थिति मानें—यह न मानें कि नेटवर्क लॉग AI के हर इस्तेमाल का पूरा ब्यौरा देते हैं।
इसी तरह, मंज़ूर सॉफ़्टवेयर में मौजूद AI सुविधा की अनुमतियों और डेटा के आने-जाने के रास्तों की भी जाँच होनी चाहिए। सॉफ़्टवेयर का मंज़ूर होना अपने आप यह साबित नहीं करता कि उसमें मौजूद हर सहायक या इंटीग्रेशन को सही सीमा तक ही पहुँच मिली है।
कुछ जोखिमों का AI ऐप ब्लॉकलिस्ट से लेना-देना ही नहीं
Forcepoint की एक पोस्ट ने Fortune की रिपोर्ट का हवाला देते हुए बताया कि कंटेंट मैनेजमेंट सिस्टम की कॉन्फ़िगरेशन समस्या के कारण Anthropic की लगभग 3,000 अप्रकाशित सामग्री सार्वजनिक रूप से उपलब्ध हो गई थीं।40 यह रिपोर्ट किया गया एक उदाहरण है—AI ब्लॉकलिस्ट या सिंगापुर की कंपनियों के बारे में सबूत नहीं। इसकी सीख सीमित है: प्रकाशन सेटिंग और अनुमतियों की गड़बड़ी से भी जानकारी उजागर हो सकती है, चाहे संगठन किन AI ऐप्स को अनुमति देता हो।
AI शासन के लिए बीच का व्यावहारिक रास्ता
हर AI पर पूरी तरह रोक लगाना और बिना सीमा के इस्तेमाल की अनुमति देना—यही केवल दो विकल्प नहीं हैं। ज़्यादा कारगर तरीका है: इस्तेमाल पर नज़र, डेटा सुरक्षा, सीमित पहुँच और काम के आने वाले स्वीकृत टूल—इन सबको साथ लेकर चलना।
AI के वास्तविक इस्तेमाल की सूची बनाएँ। स्वीकृत टूल, सॉफ़्टवेयर में मौजूद AI सुविधाएँ, इंटीग्रेशन और एजेंट दर्ज करें। तकनीकी निगरानी के साथ कर्मचारियों को नए इस्तेमाल की जानकारी देने का स्पष्ट तरीका भी दें। नेटवर्क डेटा को निगरानी का एक स्रोत मानें, हर कार्यप्रवाह का पूरा रिकॉर्ड नहीं।
सबसे संवेदनशील डेटा से सुरक्षा शुरू करें। जोखिम वाले डेटा-भंडार पहचानें और जाँचें कि उन तक किन लोगों और सिस्टमों की पहुँच है। सुरक्षा के उपाय डेटा जहाँ रखा या इस्तेमाल किया जाता है, वहीं लागू करें—सिर्फ़ ऐप के नामों की सूची पर निर्भर न रहें।
स्वीकृत AI की सीमाएँ तय करें और परखें। देखें कि सहायक कौन-सी जानकारी निकाल, भेज या बदल सकता है। उसे काम के लिए ज़रूरी डेटा और कार्रवाइयों तक ही सीमित रखें; बड़े असर वाली या मुश्किल से पलटी जा सकने वाली कार्रवाइयों से पहले इंसानी मंज़ूरी लें। ये कदम एजेंटों के जोखिम का आकलन करने और उनके दायरे, स्वायत्तता तथा पहुँच को सीमित करने संबंधी IMDA के मार्गदर्शन के अनुरूप हैं।
20
स्वीकृत विकल्प को काम का बनाएँ। ऐसे टूल और मंज़ूरी की प्रक्रिया दें जिनसे लोग बिना अनधिकृत विकल्प अपनाए अपना जायज़ काम कर सकें। सिर्फ़ यह न गिनें कि ब्लॉकलिस्ट ने कितने अनुरोध रोके; यह भी देखें कि काम सुरक्षित ढंग से पूरा हो पा रहा है या नहीं।
ब्लॉकलिस्ट एक नियंत्रण हो सकती है, लेकिन जोखिम घटने का भरोसेमंद पैमाना नहीं। बेहतर शासन AI के असल इस्तेमाल को सामने लाता है, संवेदनशील जानकारी जहाँ भी जाए उसकी रक्षा करता है और AI सिस्टम क्या कर सकते हैं, इसकी सीमा तय करता है।
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
"AI पर रोक से जोखिम घटे, यह ज़रूरी नहीं—सिंगापुर की कंपनियों को क्या करना चाहिए" का संक्षिप्त उत्तर क्या है?
ThreatLabz ने 2025 में Zscaler के प्लेटफ़ॉर्म पर लगभग एक ट्रिलियन एंटरप्राइज़ AI और मशीन लर्निंग लेन देन देखे; इनमें करीब 10 में से 4 को ब्लॉक किया गया।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
ThreatLabz ने 2025 में Zscaler के प्लेटफ़ॉर्म पर लगभग एक ट्रिलियन एंटरप्राइज़ AI और मशीन लर्निंग लेन देन देखे; इनमें करीब 10 में से 4 को ब्लॉक किया गया। PagerDuty के सर्वे में काम के लिए AI इस्तेमाल कर चुके 66% लोगों ने कहा कि उन्होंने ऐसे टूल काम पर इस्तेमाल किए, जिनके बारे में उन्हें लगता था कि कंपनी की नीति इसकी अनुमति नहीं देती।
मुझे अभ्यास में आगे क्या करना चाहिए?
बेहतर तरीका है AI के वास्तविक उपयोग का पता लगाना, संवेदनशील डेटा की हर जगह सुरक्षा करना, एजेंटों की पहुँच और कार्रवाइयों को सीमित करना और स्वीकृत टूल को काम के लायक बनाना।