对组织而言会发生什么变化
在别人发现之前,您就能知道自己的组织按部门已经在使用哪些 AI 服务。
绘制您组织内部已经在使用哪些 AI 服务,以及使用者是谁。

对组织而言会发生什么变化
在别人发现之前,您就能知道自己的组织按部门已经在使用哪些 AI 服务。
如何运作
它摄取您现有的出口代理与 DNS 日志,并与 M0 事件存储关联,依据已签名目录解析目的地,并为目录尚未收录的服务维护一个启发式的“疑似 AI”类别。
讲的是机制,不是营销话术。如果下面的某一步经不起工程师的推敲,它就不该出现在这个页面上。
操作路径
这个问题决定了一款可观测性工具到底是仪表,还是摆设。
投影显示未经批准的 AI 目的地流量周环比上升了 40%。该数字连同其水位线与投影版本一同呈现。
按 OU 划分后,增长几乎全部集中在一个部门。低计数抑制依然生效;没有任何个人被解析出来。
排名前五的目的地中有三个落在疑似 AI 类别中——真实流量,形态与大模型一致,但不匹配任何目录条目。仪表盘直接在卡片上标注“疑似”,而不是藏在脚注里。
其中一个是带有大模型后端的翻译服务,由该团队自行采用、未经审核。另外两个是尚未收录进目录的区域性服务。
水位线发生了变化:一个已降级九天的代理连接器恢复正常并回填了数据。所谓“增长”中大约有 28 个百分点其实是此前已存在、如今才变得可见的使用量,真正的新增只有 12 个百分点。
本地扩展了目录,策略被限定在该部门范围内,该部门也从“观察”阶段进入“警告”阶段。
最终结果如何
真正值得关注的答案是,这个数字本身有一部分是统计假象——而产品自己说明了这一点。一个无法区分“新增使用量”与“新近可见使用量”的资产清单,恰恰会在您向高管汇报的那一刻误导您。
权威阶梯。绿色代表权威环节——一条规则、一个扫描器、一个沙盒,或一个人。蓝色是模型发挥作用的地方。琥珀色是由人来做决定的地方。
对资产清单进行模式描述——哪些部门正在趋同使用哪些服务,以及这种趋势如何演变。
它无法看到代理和 DNS 看不到的东西。Ollama 一类的本地及设备端模型对这套遥测机制而言是不可见的;这个缺口被明确记录,而不是被掩盖。
这些界面已在控制台参考实现中设计完成,可供查阅。
阶段 1.5。冻结范围前需要确定首批命名的代理与 DNS 产品/版本目标、量化的容量与投影刷新 SLO、经批准的员工隐私默认设置,以及达成一致的指标定义。