การเปลี่ยนแปลงหลักคือเรื่องสถาปัตยกรรม: แทนที่จะต้องส่งข้อมูลด้านความปลอดภัยไปยังระบบวิเคราะห์ภายนอก โมเดลเชิงพฤติกรรมของ Exabeam จะทำงานในตำแหน่งข้อมูลนั้นเลย โดยทำงานบนข้อมูลที่มีอยู่ใน Google Security Operations อยู่แล้ว ซึ่งช่วยให้ทีมรักษาความปลอดภัยสามารถใช้การสร้างเส้นฐานพฤติกรรม (behavioral baselining) และการตรวจจับความผิดปกติแบบเดียวกับที่ใช้กับผู้ใช้ที่เป็นมนุษย์ ไปใช้กับข้อมูลประจำตัวที่ไม่ใช่มนุษย์อย่าง AI Agent ได้ในแพลตฟอร์มเดียว
โซลูชันนี้ยังสามารถจัดซื้อได้ผ่าน Google Cloud Marketplace ซึ่งช่วยลดขั้นตอนการบริหารจัดการสำหรับองค์กรที่อยู่ในระบบนิเวศของ Google Cloud อยู่แล้ว
การตรวจสอบความปลอดภัยแบบดั้งเดิมถูกออกแบบมาสำหรับรูปแบบพฤติกรรมของมนุษย์ เช่น เวลาในการเข้าสู่ระบบ ปริมาณการเข้าถึงไฟล์ หรือลำดับขั้นตอนการยกระดับสิทธิ์ AI Agent ทำลายโมเดลเหล่านั้น เพราะพวกมันทำงานตลอด 24 ชั่วโมง เรียกใช้ API โดยตรง ใช้ข้อมูลประจำตัวที่ถูกต้องในขั้นตอนการทำงานที่ได้รับอนุญาต และสามารถเบี่ยงเบนพฤติกรรมจากที่ตั้งใจไว้อย่างเงียบๆ เมื่อโมเดลที่อยู่เบื้องหลังได้รับการอัปเดตหรือฝึกใหม่
การผสานการทำงานระหว่าง Exabeam-Google จัดการกับปัญหานี้ผ่านสามกลไก:
การวิเคราะห์พฤติกรรมสำหรับข้อมูลประจำตัวที่ไม่ใช่มนุษย์ ทีมรักษาความปลอดภัยสามารถตรวจสอบรูปแบบกิจกรรมของ AI Agent ควบคู่ไปกับผู้ใช้ที่เป็นมนุษย์ได้ในแพลตฟอร์มเดียวกัน โดยตรวจจับความผิดปกติที่บ่งชี้ถึงการใช้งานในทางที่ผิด การทำงานที่ไม่ตรงตามวัตถุประสงค์ หรือการถูกโจมตี เมื่อ AI Agent เริ่มเข้าถึงระบบที่อยู่นอกขอบเขตปกติ หรือเรียกใช้เครื่องมือในลำดับที่ผิดปกติ โมเดลเชิงพฤติกรรมจะส่งสัญญาณเตือน
การตรวจจับภัยคุกคามภายในแบบครบวงจรทั้งมนุษย์และ Agent การวิเคราะห์พฤติกรรมของ Exabeam ระบุกิจกรรมที่มีความเสี่ยงไม่ว่าต้นตอจะเป็นพนักงาน คู่สัญญา หรือ AI Agent โดย Pete Harteveld ซีอีโอของ Exabeam กล่าวว่า "การเพิ่มขึ้นของ AI Agent กำลังเปลี่ยนแปลงวิธีการทำงานและวิธีที่องค์กรต้องคิดเกี่ยวกับความเสี่ยงอย่างสิ้นเชิง" Steve Wilson ประธานเจ้าหน้าที่ฝ่าย AI และผลิตภัณฑ์ของ Exabeam กล่าวอย่างตรงไปตรงมาว่า "เมื่อ AI Agent กลายเป็นพนักงานดิจิทัลภายในสภาพแวดล้อมขององค์กร องค์กรจะต้องรักษาความปลอดภัยและกำกับดูแลทั้งข้อมูลประจำตัวของมนุษย์และไม่ใช่มนุษย์ด้วยการตรวจสอบในระดับเดียวกัน"
ไม่มีภาระในการย้ายข้อมูล เนื่องจากการวิเคราะห์ทำงานบนข้อมูลที่มีอยู่ใน Google Security Operations อยู่แล้ว ทีมงานจึงหลีกเลี่ยงความซับซ้อนในการดำเนินงานที่เกิดจากการส่งข้อมูลของ Agent ไปยังเครื่องมือแยกต่างหาก การทดสอบภายในของ Exabeam ระบุว่าสามารถเร่งกระบวนการตรวจจับ สืบสวน และตอบสนองได้สูงสุดถึง 80%
การผสานการทำงานนี้เป็นส่วนหนึ่งของความพยายามอย่างต่อเนื่องของ Exabeam ตลอดปี 2025 และ 2026 เพื่อปรับการวิเคราะห์พฤติกรรมให้เข้ากับ 'องค์กรที่ขับเคลื่อนด้วย Agent' บริษัทเพิ่มความครอบคลุมการตรวจจับที่เน้น AI เป็นสองเท่าเป็น 90 โมเดลตรวจจับในเดือนกรกฎาคม 2026 เพิ่มการรองรับ Anthropic Claude ควบคู่ไปกับการรองรับ OpenAI ChatGPT, Google Gemini, Microsoft Copilot และ GitHub Copilot ที่มีอยู่แล้ว และเผยแพร่ข้อมูลเชิงลึกเกี่ยวกับความครอบคลุม OWASP Agentic Top 10 นอกจากนี้ Exabeam ยังได้รับรางวัล Google Cloud Partner of the Year Award for Security: Analytics & Operations ประจำปี 2026
แนวคิดเบื้องหลังคือความเสี่ยงจาก AI Agent คล้ายกับภัยคุกคามภายในมาก นั่นคือ ตัวตนที่ได้รับอนุญาตซึ่งมีข้อมูลประจำตัวที่ถูกต้องแต่ทำสิ่งที่ไม่คาดคิดหรือเป็นอันตราย แต่เครื่องมือแบบเดิมไม่สามารถมองเห็นได้เพราะถูกปรับเทียบมาสำหรับมนุษย์ ด้วยการนำการวิเคราะห์พฤติกรรมของ Agent มาอยู่ในคอนโซลเดียวกับที่ทีมรักษาความปลอดภัยใช้ตรวจสอบผู้ใช้อยู่แล้ว Exabeam และ Google กำลังเดิมพันว่าทางออกไม่ใช่เครื่องมือใหม่ แต่เป็นการมองเห็นที่ดีขึ้นภายในเครื่องมือที่ทีมใช้อยู่แล้ว