使用行為缺乏可視性
當員工開始在工作中使用各式 AI 服務，組織往往難以掌握誰在用、用於什麼用途、以及使用的頻率與規模。
產品預告
Coming Soon
Argus Inspector
Enterprise AI Governance & Security Platform
為導入生成式 AI 的組織，提供治理與資安的一致視角。
Argus Inspector 目前仍在開發階段，尚未正式上市。 本頁說明產品方向，不構成銷售或功能承諾；目前不提供購買、試用、下載或授權。
問題背景
AI 進入日常流程之後，治理問題才開始浮現。
資料流向難以掌握
送進模型的內容可能包含營業秘密、個資或內部文件。若缺乏統一的檢視機制，資料離開組織的路徑將無從追溯。
成本與合規並行
用量成長帶來成本壓力，而法規與稽核要求同時提高。兩者都需要可稽核的紀錄作為基礎。
產品概覽
一個入口，涵蓋企業要用的 AI。
Multi-AI Workspace & Gateway
規劃以單一工作介面作為企業使用生成式 AI 的入口， 讓不同模型透過同一個受管道路提供服務， 使用行為得以在同一處被記錄與治理。
- 統一入口
- 多模型接入
- 對話工作區
- 身分控管
產品方向
把分散的 AI 使用，收斂為可治理的單一介面。
Argus Inspector 的設計目標，是讓組織在不阻擋創新的前提下建立秩序： 將企業內部對 AI 服務的使用集中管理， 並在同一個平台上處理身分、稽核、用量與政策。
我們認為，AI 治理不應該是事後補做的稽核報告， 而應該是內建於使用流程中的一層基礎設施。
規劃中的能力方向
- 集中式的 AI 服務存取與身分控管
- 可稽核的使用紀錄與對話歷程保存
- 敏感資訊偵測與政策執行
- 本地端安全分析
- 用量、成本與配額的統計與管理
- 經授權的自動化流程與 Agent 接入
以上為目前的規劃方向，實際功能、範圍與推出時程仍可能調整。
規劃中的處理流程
本地端安全分析
-
Prompt
使用者或授權的自動化流程送出請求。
-
Policy / DLP
依既定規則與關鍵字比對，判定風險等級。
-
Local Security Analysis
規劃於企業自有環境中執行敏感資訊判讀。
-
Policy Decision
依執行模式決定放行或阻擋，並寫入稽核紀錄。
AI 使用稽核與風險能見度
誰在用、用了什麼、結果如何。
Audit & Visibility
集中檢視企業 AI 使用事件， 掌握使用者、模型、來源、風險與執行結果， 為後續治理與事件調查建立可追蹤紀錄。
- 使用者
- 模型
- 來源 IP
- 風險等級
- 執行結果
政策與敏感資訊防護
把使用政策，變成可以管理的機制。
Policy & DLP Control
透過規則、風險門檻與執行模式， 將企業 AI 使用政策轉化為可管理的控制機制。
執行模式可在監控與阻擋之間切換， 風險等級依命中規則的分數與門檻判定， 規則本身則分為內建、關鍵字與自訂三類。
- 監控 / 阻擋模式
- 風險門檻
- 內建規則
- 關鍵字規則
- 自訂規則
Agent 與 API 接入
自動化流程，同樣需要被治理。
Agent & API Integration
除了互動式 AI Workspace， Argus Inspector 亦規劃為經授權的自動化流程與 AI Agent 提供受控的 API 接入方式， 使其用量與行為同樣納入既有的稽核與政策範圍。
- 金鑰管理
- 供應商限制
- 用量歸屬
- 使用紀錄
