asago: från AI-policy till produktion

Vad projektet ska lösa

asago står för AI Safety and Governance Orchestration. Projektet är utformat för att automatisera översättningen av AI-styrningspolicyer till operativa kontroller som kan användas direkt i AI-system .

I dag ligger ansvaret ofta utspritt mellan jurister och compliance-team, dataforskare samt drift- och infrastrukturansvariga. asago ska minska avståndet mellan det som står i ett policydokument och det som ingenjörer faktiskt kan konfigurera, testa och köra i produktion .

Så fungerar arbetsflödet

Projektet beskriver ett automatiserat och granskningsbart arbetsflöde som knyter ihop stegen mellan efterlevnad och teknik . Det kan bland annat:

• läsa in AI-policyer,
• koppla enskilda policykrav till etablerade riskramverk genom IBM AI Risk Atlas,
• relatera kraven till exempelvis NIST AI RMF, OWASP LLM Top 10 och EU:s AI-förordning ,
• skapa säkerhetstester kopplade till identifierade risker,
• rekommendera skyddsåtgärder, och
• omvandla rekommendationerna till konfigurationer som kan driftsättas med verktyg som Kubernetes, Terraform och Ansible .

Varje steg ska lämna efter sig ett dokumenterat revisionsspår. På så sätt kan en granskare följa sambandet från en formulering i policyn till ett specifikt test eller en aktiv kontroll i systemet . Red Hat har sagt att målet är att korta tiden för att införa säkerhetskontroller från månader till dagar .

Standarder och licens

asago är uttryckligen anpassat till NIST:s ramverk för AI-riskhantering, OWASP:s lista över de tio främsta riskerna för stora språkmodeller och EU:s AI-förordning .

Projektet etableras under Apache License 2.0. Koden finns på GitHub i projektets uppbyggnadsfas, där utvecklare, forskare och företag som vill testa lösningen tidigt kan granska den .

Vilka som deltar

Den grundande gruppen består av:

• Red Hat, som leder projektet
• IBM Research
• Microsoft
• NVIDIA
• MIT Lincoln Laboratory
• North Carolina State University
• The Alan Turing Institute
• Alquimia AI
• Brave Software
• EvalEval coalition
• Interdisciplinary Transformation University Austria

Red Hat har uppgett att fler organisationer väntas ansluta när projektet utvecklas vidare.

Lightwell blir gratis för fler offentliga och ideella aktörer

Samma dag meddelade IBM och Red Hat att berättigade universitet, NGO:er och tankesmedjor får tillgång till Lightwell utan kostnad. Plattformen använder AI för att hitta, validera och åtgärda sårbarheter i paket med öppen källkod . Introduktionen av berättigade institutioner inleddes i augusti 2026 .

Vad Lightwell gör

Lightwell kombinerar en generativ AI-baserad motor för sårbarhetsåtgärder med arbete från ingenjörer hos IBM och Red Hat . Systemet identifierar sårbara beroenden, tar fram föreslagna korrigeringar och låter dem genomgå teknisk validering innan de distribueras .

Organisationerna behåller kontrollen över sin konfidentiella information. Enligt IBM och Red Hat körs Lightwell i den befintliga miljön och kräver inte tillgång till proprietär källkod, forskningsmaterial eller privata data .

Programmet följer också principen ”upstream always”. Det innebär att korrigeringar skickas tillbaka till de ursprungliga open source-projekten för granskning, så att förbättringarna kan komma fler användare till del än bara den institution som först upptäckte problemet .

Vad deltagarna får

Erbjudandet omfattar bland annat:

• validerade korrigeringar för sårbar öppen källkod,
• digitalt signerad källkod och programbinärer,
• så kallade Software Bills of Materials (SBOM), alltså förteckningar över programvarans komponenter,
• dokumentation för efterlevnad, och
• korrigeringar för programvaruversioner som redan körs i produktion .

Den sista punkten är viktig för organisationer som inte kan genomföra stora versionsuppgraderingar omedelbart.

Antalet validerade och åtgärdade paketversioner i Lightwell har ökat från cirka 6 500 till över 8 000. Det inkluderar korrigeringar för 64 tidigare okända sårbarheter . Den kostnadsfria satsningen omfattar inledningsvis fler än 185 forskningsuniversitet samt 100 NGO:er och tankesmedjor i USA .

Varför detta är viktigt för AI-säkerheten

De två initiativen riktar sig mot olika delar av samma problem.

För det första bygger dagens AI-system på långa kedjor av öppen källkod. En sårbarhet i ett beroende kan därför påverka många system samtidigt, och AI kan dessutom användas för att hitta och utnyttja svagheter i stor skala .

För det andra är det fortfarande svårt att omsätta breda AI-principer — exempelvis kraven i EU:s AI-förordning — till regler som ingenjörer kan implementera och revisorer kan verifiera. asago är tänkt att fylla just den luckan mellan policy och teknik .

Universitet och ideella organisationer har samtidigt ofta mindre tillgång till säkerhetspersonal och budget än stora företag. Den kostnadsfria Lightwell-tillgången ska därför hjälpa verksamheter som annars kan ha svårt att säkra sina open source-beroenden .

Initiativen bygger vidare på IBM:s och Red Hats åtagande på 5 miljarder dollar för säkerhet i öppen källkod, som presenterades i maj 2026 . De knyter också an till Open Secure AI Alliance, som NVIDIA lanserade med Red Hat som en av de ursprungliga medlemmarna .

Steven Huels, Red Hats vice vd för AI Engineering, har beskrivit utvecklingen så här: ”När organisationer går från experimentella AI-piloter till långlivade, autonoma agenter blir tydliga operativa skyddsräcken ett krav på kritisk infrastruktur” .

Budskapet från både asago och Lightwell är därmed tydligt: AI-säkerhet handlar inte bara om modellerna i sig, utan också om programvaran runt dem, styrningen som omger dem och möjligheten att visa att reglerna faktiskt följs.

asago: från AI-policy till produktion

Vad projektet ska lösa

asago står för AI Safety and Governance Orchestration. Projektet är utformat för att automatisera översättningen av AI-styrningspolicyer till operativa kontroller som kan användas direkt i AI-system .

I dag ligger ansvaret ofta utspritt mellan jurister och compliance-team, dataforskare samt drift- och infrastrukturansvariga. asago ska minska avståndet mellan det som står i ett policydokument och det som ingenjörer faktiskt kan konfigurera, testa och köra i produktion .

Så fungerar arbetsflödet

Projektet beskriver ett automatiserat och granskningsbart arbetsflöde som knyter ihop stegen mellan efterlevnad och teknik . Det kan bland annat:

• läsa in AI-policyer,
• koppla enskilda policykrav till etablerade riskramverk genom IBM AI Risk Atlas,
• relatera kraven till exempelvis NIST AI RMF, OWASP LLM Top 10 och EU:s AI-förordning ,
• skapa säkerhetstester kopplade till identifierade risker,
• rekommendera skyddsåtgärder, och
• omvandla rekommendationerna till konfigurationer som kan driftsättas med verktyg som Kubernetes, Terraform och Ansible .

Varje steg ska lämna efter sig ett dokumenterat revisionsspår. På så sätt kan en granskare följa sambandet från en formulering i policyn till ett specifikt test eller en aktiv kontroll i systemet . Red Hat har sagt att målet är att korta tiden för att införa säkerhetskontroller från månader till dagar .

Standarder och licens

asago är uttryckligen anpassat till NIST:s ramverk för AI-riskhantering, OWASP:s lista över de tio främsta riskerna för stora språkmodeller och EU:s AI-förordning .

Projektet etableras under Apache License 2.0. Koden finns på GitHub i projektets uppbyggnadsfas, där utvecklare, forskare och företag som vill testa lösningen tidigt kan granska den .

Vilka som deltar

Den grundande gruppen består av:

• Red Hat, som leder projektet
• IBM Research
• Microsoft
• NVIDIA
• MIT Lincoln Laboratory
• North Carolina State University
• The Alan Turing Institute
• Alquimia AI
• Brave Software
• EvalEval coalition
• Interdisciplinary Transformation University Austria

Red Hat har uppgett att fler organisationer väntas ansluta när projektet utvecklas vidare.

Lightwell blir gratis för fler offentliga och ideella aktörer

Samma dag meddelade IBM och Red Hat att berättigade universitet, NGO:er och tankesmedjor får tillgång till Lightwell utan kostnad. Plattformen använder AI för att hitta, validera och åtgärda sårbarheter i paket med öppen källkod . Introduktionen av berättigade institutioner inleddes i augusti 2026 .

Vad Lightwell gör

Lightwell kombinerar en generativ AI-baserad motor för sårbarhetsåtgärder med arbete från ingenjörer hos IBM och Red Hat . Systemet identifierar sårbara beroenden, tar fram föreslagna korrigeringar och låter dem genomgå teknisk validering innan de distribueras .

Organisationerna behåller kontrollen över sin konfidentiella information. Enligt IBM och Red Hat körs Lightwell i den befintliga miljön och kräver inte tillgång till proprietär källkod, forskningsmaterial eller privata data .

Programmet följer också principen ”upstream always”. Det innebär att korrigeringar skickas tillbaka till de ursprungliga open source-projekten för granskning, så att förbättringarna kan komma fler användare till del än bara den institution som först upptäckte problemet .

Vad deltagarna får

Erbjudandet omfattar bland annat:

• validerade korrigeringar för sårbar öppen källkod,
• digitalt signerad källkod och programbinärer,
• så kallade Software Bills of Materials (SBOM), alltså förteckningar över programvarans komponenter,
• dokumentation för efterlevnad, och
• korrigeringar för programvaruversioner som redan körs i produktion .

Den sista punkten är viktig för organisationer som inte kan genomföra stora versionsuppgraderingar omedelbart.

Antalet validerade och åtgärdade paketversioner i Lightwell har ökat från cirka 6 500 till över 8 000. Det inkluderar korrigeringar för 64 tidigare okända sårbarheter . Den kostnadsfria satsningen omfattar inledningsvis fler än 185 forskningsuniversitet samt 100 NGO:er och tankesmedjor i USA .

Varför detta är viktigt för AI-säkerheten

De två initiativen riktar sig mot olika delar av samma problem.

För det första bygger dagens AI-system på långa kedjor av öppen källkod. En sårbarhet i ett beroende kan därför påverka många system samtidigt, och AI kan dessutom användas för att hitta och utnyttja svagheter i stor skala .

För det andra är det fortfarande svårt att omsätta breda AI-principer — exempelvis kraven i EU:s AI-förordning — till regler som ingenjörer kan implementera och revisorer kan verifiera. asago är tänkt att fylla just den luckan mellan policy och teknik .

Universitet och ideella organisationer har samtidigt ofta mindre tillgång till säkerhetspersonal och budget än stora företag. Den kostnadsfria Lightwell-tillgången ska därför hjälpa verksamheter som annars kan ha svårt att säkra sina open source-beroenden .

Initiativen bygger vidare på IBM:s och Red Hats åtagande på 5 miljarder dollar för säkerhet i öppen källkod, som presenterades i maj 2026 . De knyter också an till Open Secure AI Alliance, som NVIDIA lanserade med Red Hat som en av de ursprungliga medlemmarna .

Steven Huels, Red Hats vice vd för AI Engineering, har beskrivit utvecklingen så här: ”När organisationer går från experimentella AI-piloter till långlivade, autonoma agenter blir tydliga operativa skyddsräcken ett krav på kritisk infrastruktur” .

Budskapet från både asago och Lightwell är därmed tydligt: AI-säkerhet handlar inte bara om modellerna i sig, utan också om programvaran runt dem, styrningen som omger dem och möjligheten att visa att reglerna faktiskt följs.