MIND เปิดตัวเอเจนต์ AI DLP 5 ตัว พร้อม MCP หวังลดงานปกป้องข้อมูลระดับองค์กร

แนวคิดของ MIND คือให้เอเจนต์แต่ละตัวรับผิดชอบงานเฉพาะด้านของโครงการ Data Loss Prevention (DLP) ตั้งแต่การทำความเข้าใจว่าข้อมูลใดมีความละเอียดอ่อน ไปจนถึงการสืบสวน แจ้งเตือน สร้างนโยบาย และแก้ไขเหตุข้อมูลถูกเปิดเผย

เอเจนต์ AI DLP ทั้ง 5 ตัวทำอะไรได้บ้าง

MIND ระบุว่าเอเจนต์ทั้ง 5 ตัวทำหน้าที่ต่างกัน แต่ทำงานร่วมกันเป็นชุดเดียวเพื่อรับช่วงงาน DLP ที่ใช้แรงคนสูง

• Custom Classifier Agent — เปิดให้ใช้งานแล้ว ช่วยสร้างและปรับแต่งตัวจำแนกข้อมูลให้เหมาะกับข้อมูลละเอียดอ่อนเฉพาะของแต่ละองค์กร
• Issue Investigator Agent — เปิดให้ใช้งานแล้ว ช่วยสืบสวนเหตุการณ์ DLP และลดภาระการคัดกรองแจ้งเตือนด้วยมือ
• Policy Producer Agent — เปิดตัวใหม่ แปลงเจตนาหรือข้อกำหนดด้านความปลอดภัยให้เป็นรูปแบบนโยบาย พร้อมปรับปรุงนโยบายจากกิจกรรมข้อมูลที่เกิดขึ้นจริง
• Rapid Response Agent — เปิดตัวใหม่ ดำเนินการแก้ไขโดยอัตโนมัติเมื่อพบการเปิดเผยข้อมูล
• Reason Reviewer Agent — เปิดตัวใหม่ ตรวจสอบและประมวลผลคำขอยกเว้นหรือการขออนุมัติให้ข้ามนโยบาย ซึ่งก่อนหน้านี้อาจสะสมเป็นงานค้างของทีม

กล่าวโดยสรุป เอเจนต์ชุดนี้ไม่ได้เน้นเพียงการตรวจจับความเสี่ยง แต่ครอบคลุมขั้นตอนการทำงานต่อเนื่องของ DLP ตั้งแต่การกำหนดว่าอะไรคือข้อมูลสำคัญ ไปจนถึงการตัดสินใจตอบสนองเมื่อเกิดเหตุ

สั่งงานผ่าน MCP ด้วยภาษาธรรมชาติ

MIND เพิ่มอินเทอร์เฟซ Model Context Protocol (MCP) เพื่อให้ทีมความปลอดภัยสั่งงานเอเจนต์เหล่านี้จากไคลเอนต์ AI ใด ๆ ที่เชื่อมต่อกับ MCP ได้ โดยใช้ภาษาธรรมชาติแทนการต้องเปิดคอนโซลแยกและตั้งค่าทุกขั้นตอนด้วยตนเอง

ตัวอย่างคำสั่งที่ทีมอาจใช้ ได้แก่ “ตรวจสอบการแจ้งเตือนข้อมูลส่วนบุคคลเมื่อคืนนี้” หรือ “อัปเดตตัวจำแนกข้อมูลบัตรเครดิต” จากนั้นเอเจนต์จะดำเนินงานตามคำสั่งบนแพลตฟอร์ม MIND โดยบริษัทอธิบายว่าเอเจนต์สามารถทำงานแบบอัตโนมัติได้

สำหรับองค์กร จุดสำคัญของ MCP คือการนำงานรักษาความปลอดภัยข้อมูลเข้าไปอยู่ในเวิร์กโฟลว์ AI ที่ทีมใช้อยู่แล้ว แทนการบังคับให้ผู้ดูแลต้องสลับไปมาระหว่างเครื่องมือหลายชุด

รายงานจากลูกค้า: จากหลายชั่วโมงเหลือไม่กี่นาที

องค์กรที่ใช้แพลตฟอร์ม MIND รายงานว่าเอเจนต์ช่วยลดเวลาสืบสวนเหตุการณ์จากประมาณ 3–4 ชั่วโมงต่อเหตุการณ์ เหลือเพียงไม่กี่นาที โดย Mike Morrato ประธานเจ้าหน้าที่ฝ่ายความปลอดภัยสารสนเทศของ Noname Security ระบุว่า คิดเป็นการประหยัดเวลา 25–50% ต่อเหตุการณ์ต่อวัน

ด้าน Al Faiella ผู้อำนวยการอาวุโสฝ่ายวิศวกรรมความปลอดภัยของ ThoughtSpot กล่าวว่า คุณค่าที่ทีมได้รับคือ “ความสบายใจ” เพราะเหตุการณ์ต่าง ๆ มาถึงพร้อมการสืบสวนที่ดำเนินการไปแล้ว และนโยบายสามารถปรับปรุงตัวเองได้

ตัวเลขและความเห็นดังกล่าวเป็นข้อมูลที่รายงานโดย MIND และผู้ใช้งานแพลตฟอร์ม จึงสะท้อนผลลัพธ์ที่บริษัทนำเสนอจากลูกค้า ไม่ใช่การรับรองผลลัพธ์เดียวกันสำหรับทุกองค์กร

ทำไมการกำกับดูแลข้อมูล AI จึงกลายเป็นโจทย์ใหญ่

MIND วางการเปิดตัวครั้งนี้ไว้ท่ามกลางความท้าทายขององค์กรที่นำ Generative AI, Agentic AI และเวิร์กโฟลว์อัตโนมัติมาใช้ โดยบริษัทระบุว่าแอปพลิเคชันและระบบเหล่านี้สร้างและเคลื่อนย้ายข้อมูลเร็วกว่าที่ทีมความปลอดภัยจะกำกับด้วยมือได้

ในทางปฏิบัติ ทีมความปลอดภัยยังต้องใช้เวลาจำนวนมากกับงานอย่างการสร้างตัวจำแนกข้อมูล ตรวจสอบการแจ้งเตือน ปรับแต่งนโยบาย และจัดการคำขอยกเว้น แทนที่จะทุ่มเวลาให้กับการวางกลยุทธ์

Eran Barak ประธานเจ้าหน้าที่บริหารของ MIND กล่าวว่า “AI ได้เปลี่ยนวิธีที่ข้อมูลถูกสร้างและเคลื่อนย้ายไปโดยพื้นฐาน แต่ยังไม่ได้เปลี่ยนวิธีที่องค์กรส่วนใหญ่ใช้รักษาความปลอดภัยข้อมูล”

ประเด็นนี้อธิบายเหตุผลที่ผู้ให้บริการความปลอดภัยกำลังขยับจากระบบที่เพียงแจ้งเตือน ไปสู่ระบบที่สามารถทำความเข้าใจบริบท ตัดสินใจ และลงมือแก้ไขได้เร็วขึ้น อย่างไรก็ตาม การทำงานแบบอัตโนมัติยังต้องอยู่ภายใต้นโยบายและการกำกับดูแลขององค์กร

จากการมองเห็นเอเจนต์ AI สู่การให้เอเจนต์ดูแลงาน DLP

ในเดือนมกราคม 2026 MIND เปิดตัว DLP for Agentic AI ซึ่งเป็นแนวทางรักษาความปลอดภัยที่ยึดข้อมูลเป็นศูนย์กลาง โดยมุ่งค้นหาว่าเอเจนต์ AI ใดกำลังทำงาน ตรวจจับว่าเอเจนต์เหล่านั้นเข้าถึงข้อมูลละเอียดอ่อนใด และป้องกันการรั่วไหลจากปฏิสัมพันธ์ระหว่าง AI กับ AI

รุ่นก่อนหน้าทำหน้าที่เป็นชั้นพื้นฐานด้านการมองเห็นและการควบคุมเวิร์กโฟลว์ของเอเจนต์ AI ขณะที่การเปิดตัวในเดือนกรกฎาคมเพิ่มชั้นการทำงานอัตโนมัติเข้ามา กล่าวคือ หาก DLP for Agentic AI ช่วยให้องค์กรมองเห็นและกำหนดนโยบายควบคุมการเข้าถึงข้อมูลของเอเจนต์ AI แล้ว เอเจนต์รุ่นใหม่ก็เข้ามาดำเนินงานตามนโยบายเหล่านั้น เช่น สร้างตัวจำแนกข้อมูล สืบสวนเหตุการณ์ สร้างนโยบาย และแก้ไขการเปิดเผยข้อมูลโดยอัตโนมัติ

ภาพรวมของการพัฒนาจึงขยับจากการ “มองเห็นว่าเอเจนต์ AI กำลังทำอะไร” ไปสู่การ “ให้เอเจนต์ AI ช่วยดำเนินโครงการ DLP” โดย MIND วาง MCP เป็นช่องทางให้ทีมความปลอดภัยสั่งการกระบวนการเหล่านี้ด้วยภาษาที่เป็นธรรมชาติมากขึ้น