Việc mở rộng ứng dụng trí tuệ nhân tạo (AI) đang giúp doanh nghiệp nâng cao năng suất nhưng cũng kéo theo áp lực chi phí vận hành ngày càng lớn. Khi các tác nhân AI được triển khai trên quy mô rộng, bài toán không chỉ là kiểm soát mức tiêu thụ tài nguyên mà còn phải đo lường hiệu quả đầu tư, bảo đảm mỗi khoản chi cho AI tạo ra giá trị thực chất.
Theo Cisco, các mô hình AI tiên tiến hiện có khả năng thực hiện những tác vụ an ninh mạng phức tạp, trong đó có xây dựng chiến lược kiểm thử tấn công mô phỏng. Tuy nhiên, chính năng lực này cũng có thể bị các đối tượng xấu khai thác để gia tăng quy mô và tốc độ tấn công.
Đáng chú ý, việc đưa các tác nhân AI vào hệ thống doanh nghiệp không chỉ đặt ra yêu cầu bảo vệ mô hình, ứng dụng mà còn đòi hỏi kiểm soát quyền truy cập vào công cụ và dữ liệu nhạy cảm. Những hoạt động kiểm toán tại một thời điểm khó có thể đáp ứng yêu cầu ứng phó trước các rủi ro liên tục thay đổi.
KIỂM THỬ TẤN CÔNG TRƯỚC KHI ĐƯA AI VÀO VẬN HÀNH
Một nghiên cứu toàn cầu do Splunk công bố cho thấy 81% chuyên gia vận hành công nghệ thông tin và kỹ thuật cho rằng cần tăng cường phối hợp giữa bộ phận an ninh mạng và bộ phận giám sát hệ thống. Điều này phản ánh nhu cầu chuyển từ cách tiếp cận bảo mật riêng lẻ sang giám sát xuyên suốt hoạt động của các hệ thống AI.
Trước những thách thức trên, Cisco vừa công bố tích hợp mô hình Claude Mythos của Anthropic vào giải pháp Cisco AI Defense, nhằm nâng cao khả năng kiểm thử bảo mật đối với ứng dụng và tác nhân AI.
Điểm đáng chú ý là giải pháp hướng tới mô phỏng các phương thức tấn công nhiều bước, dựa trên bối cảnh và đặc điểm của từng hệ thống, qua đó phát hiện những lỗ hổng khó nhận biết trước khi ứng dụng được đưa vào vận hành thực tế.
Theo Cisco, khung kiểm thử này cho phép đội ngũ an ninh mạng xây dựng các kịch bản tấn công tùy chỉnh, đồng thời ghi lại toàn bộ quá trình kiểm thử để phục vụ kiểm toán và tái lập kết quả. Việc tích hợp Claude Mythos được kỳ vọng tăng cường năng lực lập luận đối kháng, hỗ trợ xác định những phương thức tấn công phù hợp với từng hệ thống.
Tuy nhiên, năng lực kiểm thử cũng cần được đặt trong một cơ chế kiểm soát chặt chẽ. Cisco cho biết hoạt động thử nghiệm chỉ được thực hiện trên các hệ thống do doanh nghiệp sở hữu và cấp quyền; người vận hành phải xác thực danh tính, xác định mục tiêu và thời gian thực hiện. Các phiên kiểm thử cũng có thể dừng theo yêu cầu.
Những giới hạn này cho thấy một yêu cầu quan trọng trong triển khai AI: công nghệ không chỉ cần đủ năng lực phát hiện rủi ro mà còn phải được vận hành trong phạm vi quyền hạn rõ ràng, có thể kiểm soát và truy xuất.
BÀI TOÁN CHI PHÍ VÀ HIỆU QUẢ ĐẦU TƯ AI
Bên cạnh an ninh mạng, chi phí vận hành cũng đang trở thành vấn đề khi doanh nghiệp mở rộng sử dụng tác nhân AI. Việc theo dõi lượng token tiêu thụ riêng lẻ chưa đủ để đánh giá hiệu quả nếu không đặt trong tương quan với chất lượng và kết quả công việc.
Trong bản cập nhật Splunk Agent Observability, Cisco giới thiệu Tokenomics, công cụ cho phép doanh nghiệp đối chiếu chi phí sử dụng của từng tác nhân AI với hiệu quả hoạt động. Giải pháp sử dụng dữ liệu từ Amazon Bedrock và Amazon CloudWatch để hỗ trợ theo dõi hiệu quả đầu tư theo thời gian thực.
Một điểm đáng chú ý khác là các mô hình đánh giá Eval-G1, được phát triển từ dữ liệu truy vết hoạt động của tác nhân AI và phản hồi của chuyên gia. Theo Cisco, các mô hình này có chi phí vận hành thấp hơn tới 98% so với mô hình ngôn ngữ lớn thương mại, đồng thời tốc độ phản hồi nhanh hơn 2,5 lần so với các mô hình ngôn ngữ lớn truyền thống.
Ở khía cạnh quản trị hạ tầng, Cisco cũng mở rộng khả năng kết nối dữ liệu lỗ hổng bảo mật từ Cisco IQ với nền tảng Splunk và ServiceNow. Việc tự động chuyển các phát hiện về lỗ hổng thành hồ sơ sự cố gắn với từng tài sản công nghệ thông tin được kỳ vọng giúp doanh nghiệp rút ngắn thời gian xác định và phối hợp xử lý rủi ro.
Theo Cisco, Cisco IQ hiện phục vụ hơn 17.000 khách hàng và gần 22 triệu thiết bị.
Nhìn từ những thay đổi này, thách thức của doanh nghiệp trong kỷ nguyên AI không còn dừng ở việc lựa chọn công nghệ hay tốc độ ứng dụng. Năng lực bảo mật, giám sát hoạt động, kiểm soát chi phí và đo lường giá trị thực tế sẽ quyết định khả năng mở rộng AI một cách bền vững. Đây cũng là điều kiện để doanh nghiệp khai thác lợi ích của tự động hóa mà không đánh đổi an toàn hệ thống và dữ liệu.