Silverfort Bawa Kontrol Identitas Real-time ke Agen Microsoft Copilot Studio

Pendekatan ini berbeda secara fundamental dari model keamanan tradisional yang mengandalkan peran statis atau pertahanan perimeter. Silverfort memposisikan keamanan identitas bukan sebagai pembungkus di sekitar AI, tetapi sebagai bidang kontrol runtime yang mengatur setiap tindakan yang dicoba agen .

Bagaimana penegakan hukum benar-benar bekerja

Integrasi ini berlabuh pada tiga mekanisme praktis:

• Evaluasi akses real-time: Pada saat yang tepat agen Copilot mencoba bertindak, platform menganalisis permintaan dan menegakkan kebijakan akses inline. Akses tidak sah diblokir sebelum eksekusi, bukan dicatat sebagai setelahnya .
• Kesadaran rantai identitas: Mesin kebijakan melacak identitas penuh di balik setiap tindakan—pengguna manusia yang memulai sesi, identitas mesin yang dimainkan, dan sensitivitas sumber daya yang diakses—untuk membedakan operasi yang sah dari pelanggaran .
• Penegakan hak istimewa paling rendah: Akses hanya diberikan ke data dan layanan spesifik yang benar-benar dibutuhkan agen. Kredensial dengan hak istimewa berlebihan, yang sering diberikan secara longgar selama pengembangan hanya untuk "membuatnya berfungsi", ditandai dan diblokir pada runtime .

Ron Rasin, CSO Silverfort, merangkum filosofi ini dengan gamblang: "Tanpa konteks identitas yang mendalam, tidak mungkin membuat keputusan real-time yang tepat apakah tindakan agen itu sah atau berlebihan. Itulah mengapa keamanan agenik pada intinya adalah masalah identitas."

Masalahnya: agen sekarang mengeksekusi, bukan hanya bercakap-cakap

Adopsi AI agenik perusahaan bergerak lebih cepat daripada yang dapat ditangani oleh sebagian besar sistem manajemen identitas dan akses (IAM). Microsoft melaporkan bahwa lebih dari 80% Fortune 500 menggunakan agen aktif yang dibangun dengan alat low-code, sementara 29% karyawan sudah menggunakan agen AI tidak resmi untuk bekerja . Angka-angka ini menggambarkan permukaan yang berkembang lebih cepat daripada yang bisa diimbangi oleh tata kelola.

Risiko inti telah bergeser. Kekhawatiran AI awal berpusat pada keamanan konten—halusinasi, bias, keluaran beracun. Tetapi AI agenik memperkenalkan masalah yang lebih sulit: kontrol akses. Agen-agen ini mengautentikasi diri mereka sendiri, mengambil data perusahaan, memicu alur kerja bisnis, dan berinteraksi dengan sistem di lingkungan cloud dan on-prem . Agen yang salah konfigurasi dengan izin luas dapat menjadi jalur langsung ke ekfiltrasi data atau eskalasi hak istimewa.

Masalah ini diperparah oleh apa yang digambarkan Silverfort sebagai "dilema pengembang." Tim bisnis yang membangun agen di Copilot Studio sering memberikan izin administratif yang luas selama pengembangan untuk mempercepat pekerjaan. Kredensial yang kelebihan hak istimewa itu bertahan hingga produksi, menciptakan jalur akses yang persisten dan tidak terkelola yang tidak dirancang untuk diatur oleh alat IAM tradisional .

Sistem identitas tradisional—kata sandi, autentikasi multifaktor, kontrol akses berbasis peran statis—dirancang untuk manusia yang masuk dan keluar dalam sesi yang dapat diprediksi. Mereka tidak dapat menangani pola autentikasi berantai yang dinamis dan terprogram dari agen AI yang memanggil API, mengambil identitas mesin, dan bertindak atas nama banyak pengguna secara berurutan .

Di mana ini cocok dalam lanskap yang lebih luas

Integrasi Copilot Studio Silverfort adalah bagian dari dorongan industri yang lebih luas untuk menjadikan identitas sebagai bidang kontrol untuk AI agenik. Perusahaan memiliki integrasi serupa yang sedang berlangsung dengan Google Cloud Agent Gateway, di mana penekanannya adalah pada visibilitas dan penegakan seputar komunikasi agen dengan API dan alat eksternal . Microsoft sendiri telah memperkenalkan peningkatan keamanan komplementer untuk Copilot Studio, termasuk Federated Identity Credentials yang menghilangkan rahasia yang dipertahankan dan kontrol TI untuk memblokir agen kustom yang berisiko . Tetapi pendekatan Silverfort dibedakan dengan menanamkan keputusan runtime langsung ke dalam alur eksekusi agen itu sendiri, bukan mengelola keamanan dari luar.

Bagi tim keamanan yang mengevaluasi integrasi, pertanyaan praktisnya sederhana: dapatkah platform memeriksa dan mengatur setiap tindakan yang diambil agen, dengan gambaran lengkap tentang siapa yang sebenarnya berada di balik tindakan itu, sebelum tindakan selesai? Taruhan Silverfort adalah bahwa menjawab pertanyaan itu secara inline—pada runtime, sebelum akses diberikan, bukan setelah kerusakan terjadi—adalah satu-satunya model yang dapat mengikuti kecepatan penerapan AI agenik.