AnswersPublished19 sources
Shadow AI a Singapore: perché la governance fatica a tenere il passo
La sfida della shadow AI a Singapore riguarda soprattutto visibilità e applicazione delle regole: il 60% degli stakeholder DevSecOps intervistati indica governance e controlli come il principale carico di lavoro, ment... Secondo una ricerca JFrog, il 18% delle organizzazioni di Singapore vieta gli strumenti di AI no...
Pubblicato daModificato con GPT-6 LunaImmagini generate con GPT Image 2
Research answer
Key takeaways
- La sfida della shadow AI a Singapore riguarda soprattutto visibilità e applicazione delle regole: il 60% degli stakeholder DevSecOps intervistati indica governance e controlli come il principale carico di lavoro, ment...
- Secondo una ricerca JFrog, il 18% delle organizzazioni di Singapore vieta gli strumenti di AI non autorizzati ma non dispone di un sistema per rilevarne l’uso.
- Per controllare i rischi, le aziende devono considerare l’intera filiera del software, inclusi modelli di AI, pacchetti open source e servizi di terze parti, non soltanto il codice scritto internamente.
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
L’uso dell’intelligenza artificiale sul lavoro può diffondersi più rapidamente della capacità di un’azienda di individuare gli strumenti impiegati, controllare il codice prodotto e far rispettare le proprie regole. A Singapore, i dati disponibili segnalano una distanza tra l’esistenza di politiche di governance e la loro applicazione concreta nei software e nei componenti AI utilizzati dai team. 3
5
6
Il problema non è solo scrivere le regole
Con shadow AI si intendono gli strumenti di intelligenza artificiale usati per lavoro senza l’approvazione o la supervisione dell’organizzazione. Un dipendente può ricorrervi per sbrigare un’attività più in fretta, mentre i team IT e sicurezza non hanno una visione completa di quali strumenti vengano usati o di quali informazioni vi siano inserite. 14
Avere una policy scritta, quindi, non significa necessariamente riuscire a farla rispettare o rilevare gli usi non autorizzati. Secondo una ricerca JFrog, il 18% delle organizzazioni di Singapore aveva regole contro gli strumenti di AI non autorizzati, ma nessun meccanismo per individuare le violazioni. 3
Più componenti, più lavoro di revisione
Le applicazioni moderne non sono composte soltanto da codice scritto internamente. Possono integrare pacchetti open source, servizi cloud, codice generato dall’AI, modelli e strumenti di terze parti: componenti che le aziende devono poter identificare e valutare. 5
I dati JFrog danno una misura del carico di lavoro: il 60% degli stakeholder DevSecOps di Singapore intervistati indica governance e applicazione delle policy come il principale dispendio di tempo; il 41% considera impegnativa la revisione del codice generato dall’AI. 5 Sono pressioni riferite dai partecipanti alla ricerca, non una misura del rischio per ogni singola azienda.
Anche preparare la documentazione per un audit può richiedere tempo. In un’altra rilevazione sulla ricerca JFrog a Singapore, il 54% dei rispondenti avrebbe impiegato almeno una settimana per produrre le prove di conformità relative a una sola applicazione. 7 Sapere chi è responsabile di un’app, dunque, non equivale ad avere subito a disposizione informazioni sui suoi componenti e sul loro stato di conformità.
I rischi vanno oltre il codice
Quando gli strumenti di AI non autorizzati sfuggono alla supervisione, i dipendenti possono inserirvi informazioni sensibili, come codice sorgente o dati dei clienti. Le indicazioni sulla sicurezza segnalano proprio il rischio che queste informazioni finiscano fuori dal controllo dell’organizzazione. 23
24
Anche il codice e gli altri contenuti generati dall’AI richiedono verifiche prima di essere utilizzati. I dati di Singapore mostrano che la revisione può assorbire risorse, ma le evidenze disponibili non quantificano quanto spesso gli errori arrivino ai clienti o ai sistemi critici. 5
Un divieto, da solo, non risolve il problema se l’azienda non è in grado di rilevare gli strumenti che i dipendenti continuano a usare. Il dato sull’assenza di meccanismi di rilevamento mette in luce una priorità operativa: non basta definire ciò che è vietato; bisogna anche poter individuare gli utilizzi e applicare le regole. 3
Dalla filiera del software alla resilienza operativa
Sunny Rao di JFrog descrive le applicazioni moderne come un insieme di codice interno, pacchetti open source, servizi cloud, codice generato dall’AI, modelli e strumenti di terze parti. Questa prospettiva allarga il perimetro della sicurezza: non basta esaminare il codice sorgente, occorre considerare anche gli altri elementi che compongono un’applicazione. 5
Christine Low di Splunk richiama un tema collegato: le organizzazioni che vogliono estendere l’uso dell’AI devono fare i conti con requisiti di conformità, governance dei dati e cambiamenti operativi continui. 4 Insieme, queste osservazioni mostrano che la supervisione dell’AI non è soltanto una questione di revisione per gli sviluppatori: riguarda anche la gestione dei dati e delle dipendenze mentre i sistemi evolvono.
Da dove possono partire le aziende
Un approccio concreto collega la visibilità a controlli che possano essere applicati:
- Mappare i componenti delle applicazioni. Includere modelli di AI, pacchetti e altri artefatti software, oltre al codice sviluppato internamente.
5
8
- Rendere le policy verificabili e attuabili. Il dato sul 18% evidenzia perché le regole vadano affiancate da strumenti per rilevare l’uso di tool non autorizzati.
3
- Semplificare la produzione delle prove di conformità. Il tempo necessario per preparare la documentazione suggerisce che registrare la proprietà di un’applicazione potrebbe non bastare: servono anche informazioni accessibili sui suoi componenti e sulla governance.
7
- Inserire la revisione dell’AI nei normali controlli di sicurezza del software. Il carico segnalato dai rispondenti è un motivo per valutare il codice generato, senza presumere che una produzione più rapida equivalga a una consegna sicura più rapida.
JFrog propone di governare modelli, pacchetti, plugin e artefatti generati dall’AI attraverso un sistema condiviso di registrazione. 8 Al di là degli strumenti scelti, il principio è collegare ciò che l’organizzazione riesce a vedere ai controlli che è in grado di applicare, lungo l’intera filiera del software e dell’AI.
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 "Shadow AI a Singapore: perché la governance fatica a tenere il passo"?
La sfida della shadow AI a Singapore riguarda soprattutto visibilità e applicazione delle regole: il 60% degli stakeholder DevSecOps intervistati indica governance e controlli come il principale carico di lavoro, ment...
What are the key points to validate first?
La sfida della shadow AI a Singapore riguarda soprattutto visibilità e applicazione delle regole: il 60% degli stakeholder DevSecOps intervistati indica governance e controlli come il principale carico di lavoro, ment... Secondo una ricerca JFrog, il 18% delle organizzazioni di Singapore vieta gli strumenti di AI non autorizzati ma non dispone di un sistema per rilevarne l’uso.
What should I do next in practice?
Per controllare i rischi, le aziende devono considerare l’intera filiera del software, inclusi modelli di AI, pacchetti open source e servizi di terze parti, non soltanto il codice scritto internamente.
Sources
frontier-enterprise.comSingapore's innovation faces a new risk: Shadow AI