AnswersPublished19 sources
Shadow AI wyprzedza firmowe zabezpieczenia w Singapurze
W Singapurze 60% ankietowanych specjalistów DevSecOps wskazało egzekwowanie zasad i nadzór za największe obciążenie czasowe, a 41% uznało przegląd kodu generowanego przez AI za zasobochłonny. 18% singapurskich organizacji ma zakazy korzystania z niezatwierdzonych narzędzi AI, ale nie dysponuje mechanizmem wykrywania...
Opublikowane przezEdytowane za pomocą GPT-6 LunaObrazy wygenerowane za pomocą GPT Image 2
Research answer
Key takeaways
- W Singapurze 60% ankietowanych specjalistów DevSecOps wskazało egzekwowanie zasad i nadzór za największe obciążenie czasowe, a 41% uznało przegląd kodu generowanego przez AI za zasobochłonny.
- 18% singapurskich organizacji ma zakazy korzystania z niezatwierdzonych narzędzi AI, ale nie dysponuje mechanizmem wykrywania naruszeń.
- Kontrola nie może kończyć się na kodzie pisanym wewnętrznie: aplikacje obejmują też modele AI, pakiety open source, usługi chmurowe i narzędzia zewnętrzne.
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
Pracownicy mogą zacząć używać narzędzi AI do zadań służbowych niemal natychmiast. Tymczasem firmom potrzeba czasu, by dowiedzieć się, z jakich usług korzystają zespoły, ocenić wygenerowany kod i sprawdzić, czy obowiązujące zasady są przestrzegane. W Singapurze badania wskazują na rozdźwięk między formalnymi regułami a ich codziennym egzekwowaniem. 3
5
6
Zasady istnieją — problemem jest ich egzekwowanie
„Shadow AI” to narzędzia sztucznej inteligencji używane w pracy bez zgody lub nadzoru organizacji. Pracownicy mogą sięgać po nie, by szybciej wykonać zadanie, podczas gdy działy IT i bezpieczeństwa nie mają pełnego obrazu tego, jakie narzędzia są używane ani jakie informacje są do nich wprowadzane. 14
Sama polityka nie gwarantuje, że pracownicy jej przestrzegają ani że firma zauważy nieautoryzowane użycie. Według wyników badań JFrog 18% organizacji w Singapurze zakazuje korzystania z niezatwierdzonych narzędzi AI, ale nie ma mechanizmu wykrywania naruszeń. 3
Więcej elementów oprogramowania, więcej pracy dla zespołów
Współczesna aplikacja to nie tylko kod napisany przez firmowych programistów. Może łączyć pakiety open source, usługi chmurowe, kod wygenerowany przez AI, modele oraz narzędzia zewnętrznych dostawców. Każdy z tych elementów może wymagać ewidencji i oceny. 5
Skala obciążenia widać w wynikach badania JFrog: 60% ankietowanych specjalistów DevSecOps w Singapurze wskazało nadzór i egzekwowanie polityk jako największe obciążenie czasowe, a 41% określiło przegląd kodu generowanego przez AI jako zasobochłonny. To deklaracje respondentów, nie dowód, że każda firma mierzy się z identycznym poziomem ryzyka. 5
W odrębnym omówieniu badań JFrog zwrócono uwagę także na gotowość do audytu: 54% respondentów miało potrzebować co najmniej tygodnia, by zebrać dowody zgodności dla jednej aplikacji. 7 Warto więc odróżnić wiedzę o tym, kto odpowiada za aplikację, od możliwości szybkiego udokumentowania jej składowych i statusu zgodności.
Ryzyko dotyczy też danych
Jeśli niezatwierdzone narzędzia AI pozostają poza nadzorem bezpieczeństwa, pracownicy mogą wprowadzić do nich informacje wrażliwe — na przykład kod źródłowy lub dane klientów. Wskazówki dotyczące bezpieczeństwa wymieniają przenoszenie takich danych poza kontrolę organizacji jako jedno z zagrożeń związanych z shadow AI. 23
24
Kod i inne treści wygenerowane przez AI również wymagają sprawdzenia przed użyciem. Dane z Singapuru pokazują, że taki przegląd może pochłaniać znaczące zasoby, ale dostępne tu źródła nie określają, jak często błędy trafiają do klientów lub systemów krytycznych. 5
Sam zakaz nie rozwiązuje problemu widoczności, jeśli firma nie potrafi wykryć użycia zakazanych narzędzi. Wynik dotyczący braku mechanizmów wykrywania wskazuje na praktyczny priorytet: organizacje potrzebują sposobów na identyfikowanie użycia AI i stosowanie zasad w praktyce, a nie tylko zapisywania, czego nie wolno robić. 3
Bezpieczeństwo całego łańcucha dostaw oprogramowania
Sunny Rao z JFrog opisuje nowoczesne aplikacje jako połączenie kodu wewnętrznego, pakietów open source, usług chmurowych, kodu generowanego przez AI, modeli i narzędzi zewnętrznych. Takie ujęcie przesuwa uwagę zespołów bezpieczeństwa poza sam kod źródłowy — na wszystkie elementy, które składają się na aplikację lub wpływają na jej działanie. 5
Christine Low ze Splunk zwraca uwagę na powiązane wyzwanie: organizacje, które chcą rozwijać zastosowania AI, muszą mierzyć się z wymogami zgodności, zasadami zarządzania danymi i ciężarem operacyjnym ciągłych zmian. 4 Te perspektywy pokazują, że nadzór nad AI nie sprowadza się do kontroli pracy programistów. Obejmuje też dane i zależności, które zmieniają się wraz z systemami.
Co mogą zrobić firmy?
Praktyczne podejście powinno łączyć widoczność z kontrolami, które da się egzekwować:
- Ewidencjonować elementy aplikacji. Uwzględniać modele AI, pakiety i inne artefakty oprogramowania, nie tylko kod pisany wewnętrznie.
5
8
- Sprawić, by zasady można było egzekwować. Wynik dotyczący 18% organizacji pokazuje, dlaczego zakaz powinien iść w parze z możliwością wykrywania nieautoryzowanego użycia.
3
- Ułatwić przygotowanie dowodów zgodności. Zgłaszane opóźnienia w gotowości do audytu wskazują, że sama wiedza o właścicielu aplikacji może nie wystarczyć; potrzebne są też dostępne informacje o jej składnikach i nadzorze.
7
- Włączyć ocenę wyników AI do standardowych kontroli bezpieczeństwa oprogramowania. Skoro przegląd kodu AI obciąża zespoły, nie należy zakładać, że szybsze generowanie oznacza równie szybkie i bezpieczne wdrożenie.
JFrog proponuje objęcie wspólnym systemem ewidencji modeli, pakietów, wtyczek i artefaktów generowanych przez AI. 8 Niezależnie od wybranych narzędzi podstawowa potrzeba pozostaje ta sama: połączyć wiedzę o tym, co dzieje się w firmowym łańcuchu dostaw oprogramowania, z kontrolami, które organizacja potrafi skutecznie stosować.
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 wyprzedza firmowe zabezpieczenia w Singapurze"?
W Singapurze 60% ankietowanych specjalistów DevSecOps wskazało egzekwowanie zasad i nadzór za największe obciążenie czasowe, a 41% uznało przegląd kodu generowanego przez AI za zasobochłonny.
What are the key points to validate first?
W Singapurze 60% ankietowanych specjalistów DevSecOps wskazało egzekwowanie zasad i nadzór za największe obciążenie czasowe, a 41% uznało przegląd kodu generowanego przez AI za zasobochłonny. 18% singapurskich organizacji ma zakazy korzystania z niezatwierdzonych narzędzi AI, ale nie dysponuje mechanizmem wykrywania naruszeń.
What should I do next in practice?
Kontrola nie może kończyć się na kodzie pisanym wewnętrznie: aplikacje obejmują też modele AI, pakiety open source, usługi chmurowe i narzędzia zewnętrzne.
Sources
frontier-enterprise.comSingapore's innovation faces a new risk: Shadow AI