• Custom Classifier Agent (đã có sẵn) — Tự động xây dựng và tinh chỉnh các bộ phân loại dữ liệu phù hợp với từng tổ chức .
• Issue Investigator Agent (đã có sẵn) — Tự động hóa quá trình điều tra các sự cố DLP, giảm thời gian xử lý thủ công .
• Policy Producer Agent (mới ra mắt) — Chuyển đổi ý định bảo mật thành cú pháp chính sách và tinh chỉnh chính sách dựa trên hoạt động dữ liệu thực tế .
• Rapid Response Agent (mới ra mắt) — Tự động hóa các hành động khắc phục khi phát hiện rò rỉ dữ liệu .
• Reason Reviewer Agent (mới ra mắt) — Xem xét và xử lý các yêu cầu ngoại lệ và ghi đè, giải quyết các yêu cầu tồn đọng .

Giao diện Model Context Protocol (MCP)

MIND bổ sung giao diện MCP cho phép đội ngũ bảo mật chỉ đạo bất kỳ tác nhân nào bằng ngôn ngữ tự nhiên thông qua bất kỳ ứng dụng AI nào hỗ trợ MCP mà họ đang sử dụng . Thay vì phải thao tác qua một bảng điều khiển riêng, các đội có thể ra lệnh đơn giản như "điều tra các cảnh báo PII đêm qua" hoặc "cập nhật bộ phân loại thẻ tín dụng" .

Số liệu từ khách hàng

Các tổ chức sử dụng nền tảng MIND báo cáo rằng các tác nhân này đã giảm thời gian điều tra sự cố từ 3–4 giờ mỗi sự cố xuống chỉ còn vài phút, giúp tiết kiệm 25–50% thời gian mỗi ngày cho mỗi sự cố, theo Mike Morrato, CISO của Noname Security . Al Faiella, Giám đốc Cao cấp về Kỹ thuật Bảo mật của ThoughtSpot, chia sẻ rằng giá trị mà đội ngũ của ông nhận được là "sự an tâm" — các sự cố đến với kết quả điều tra đã hoàn tất và các chính sách tự động tinh chỉnh .

Bối cảnh thị trường: Thách thức quản trị AI doanh nghiệp

Thông báo của MIND đặt bản phát hành trong bối cảnh "các ứng dụng GenAI, AI tác nhân và quy trình làm việc tự động tạo ra và di chuyển dữ liệu nhanh hơn khả năng quản lý thủ công của đội ngũ bảo mật" . Các đội bảo mật vẫn dành phần lớn thời gian cho công việc thủ công (xây dựng bộ phân loại, điều tra cảnh báo, tinh chỉnh chính sách, xử lý ngoại lệ) thay vì tập trung vào chiến lược . CEO của MIND, Eran Barak, phát biểu: "AI đã thay đổi cơ bản cách dữ liệu được tạo ra và di chuyển, nhưng nó chưa thay đổi cách hầu hết các tổ chức bảo mật dữ liệu" .

Bản phát hành này xây dựng trên DLP cho Agentic AI trước đó của MIND

Tháng 1/2026, MIND ra mắt DLP for Agentic AI, một cách tiếp cận lấy dữ liệu làm trung tâm, tập trung vào việc phát hiện AI agent nào đang hoạt động, phát hiện dữ liệu nhạy cảm mà chúng truy cập và ngăn chặn rò rỉ từ các tương tác AI-to-AI . Bản phát hành tháng 1 cung cấp lớp hiển thị và kiểm soát nền tảng cho các quy trình AI tác nhân . Bản phát hành tháng 7/2026 nằm trên nền tảng đó: trong khi bản phát hành tháng 1 mang lại khả năng hiển thị và kiểm soát chính sách cho việc truy cập dữ liệu của AI agent, thì các tác nhân mới tự động hóa việc thực thi vận hành các chính sách đó — xây dựng bộ phân loại, điều tra sự cố, tạo chính sách và khắc phục rủi ro một cách tự động . Hai bản phát hành cùng nhau chuyển từ "xem AI agent đang làm gì" sang "để AI agent tự vận hành chương trình DLP".

• Custom Classifier Agent (đã có sẵn) — Tự động xây dựng và tinh chỉnh các bộ phân loại dữ liệu phù hợp với từng tổ chức .
• Issue Investigator Agent (đã có sẵn) — Tự động hóa quá trình điều tra các sự cố DLP, giảm thời gian xử lý thủ công .
• Policy Producer Agent (mới ra mắt) — Chuyển đổi ý định bảo mật thành cú pháp chính sách và tinh chỉnh chính sách dựa trên hoạt động dữ liệu thực tế .
• Rapid Response Agent (mới ra mắt) — Tự động hóa các hành động khắc phục khi phát hiện rò rỉ dữ liệu .
• Reason Reviewer Agent (mới ra mắt) — Xem xét và xử lý các yêu cầu ngoại lệ và ghi đè, giải quyết các yêu cầu tồn đọng .

Giao diện Model Context Protocol (MCP)

MIND bổ sung giao diện MCP cho phép đội ngũ bảo mật chỉ đạo bất kỳ tác nhân nào bằng ngôn ngữ tự nhiên thông qua bất kỳ ứng dụng AI nào hỗ trợ MCP mà họ đang sử dụng . Thay vì phải thao tác qua một bảng điều khiển riêng, các đội có thể ra lệnh đơn giản như "điều tra các cảnh báo PII đêm qua" hoặc "cập nhật bộ phân loại thẻ tín dụng" .

Số liệu từ khách hàng

Các tổ chức sử dụng nền tảng MIND báo cáo rằng các tác nhân này đã giảm thời gian điều tra sự cố từ 3–4 giờ mỗi sự cố xuống chỉ còn vài phút, giúp tiết kiệm 25–50% thời gian mỗi ngày cho mỗi sự cố, theo Mike Morrato, CISO của Noname Security . Al Faiella, Giám đốc Cao cấp về Kỹ thuật Bảo mật của ThoughtSpot, chia sẻ rằng giá trị mà đội ngũ của ông nhận được là "sự an tâm" — các sự cố đến với kết quả điều tra đã hoàn tất và các chính sách tự động tinh chỉnh .

Bối cảnh thị trường: Thách thức quản trị AI doanh nghiệp

Thông báo của MIND đặt bản phát hành trong bối cảnh "các ứng dụng GenAI, AI tác nhân và quy trình làm việc tự động tạo ra và di chuyển dữ liệu nhanh hơn khả năng quản lý thủ công của đội ngũ bảo mật" . Các đội bảo mật vẫn dành phần lớn thời gian cho công việc thủ công (xây dựng bộ phân loại, điều tra cảnh báo, tinh chỉnh chính sách, xử lý ngoại lệ) thay vì tập trung vào chiến lược . CEO của MIND, Eran Barak, phát biểu: "AI đã thay đổi cơ bản cách dữ liệu được tạo ra và di chuyển, nhưng nó chưa thay đổi cách hầu hết các tổ chức bảo mật dữ liệu" .

Bản phát hành này xây dựng trên DLP cho Agentic AI trước đó của MIND

Tháng 1/2026, MIND ra mắt DLP for Agentic AI, một cách tiếp cận lấy dữ liệu làm trung tâm, tập trung vào việc phát hiện AI agent nào đang hoạt động, phát hiện dữ liệu nhạy cảm mà chúng truy cập và ngăn chặn rò rỉ từ các tương tác AI-to-AI . Bản phát hành tháng 1 cung cấp lớp hiển thị và kiểm soát nền tảng cho các quy trình AI tác nhân . Bản phát hành tháng 7/2026 nằm trên nền tảng đó: trong khi bản phát hành tháng 1 mang lại khả năng hiển thị và kiểm soát chính sách cho việc truy cập dữ liệu của AI agent, thì các tác nhân mới tự động hóa việc thực thi vận hành các chính sách đó — xây dựng bộ phân loại, điều tra sự cố, tạo chính sách và khắc phục rủi ro một cách tự động . Hai bản phát hành cùng nhau chuyển từ "xem AI agent đang làm gì" sang "để AI agent tự vận hành chương trình DLP".