戴尔表示，已向几乎所有行业的客户交付了超过 6,500 套 AI 工厂系统。为了庆祝这一里程碑，戴尔委托 Omdia 开展了一项研究，探讨企业如何保障运行在这些硬件上的 AI 的安全。研究的主要发现是，98% 的企业已经在使用或开发用于 IT 运维的智能体 AI，这使得安全问题从试点阶段过渡到生产阶段。研究的其余部分则探讨了安全措施与 AI 应用普及之间的差距。
调查指标揭示了治理与风险脱节问题
Omdia 的调查发现，79% 的组织在过去 12 个月内发生过与人工智能相关的事件，其中包括一些特定于智能体的故障模式，例如过度授权、快速注入和工具使用不可预测性。与此同时，95% 的受访者表示他们对自身管理人工智能风险的能力充满信心或非常有信心。这种差距在实践中显现出来：24% 的组织仍然通过人工流程来管理智能体的权限，而智能体本身的运行速度却与机器相当。
政策合规性在不同企业之间也存在类似的差异。虽然93%允许公开使用生成式人工智能的组织都制定了正式的使用政策，但55%的安全负责人认为员工违反了这些准则。人工智能安全软件的预算权限仍然分散：首席技术官拥有37%的主要采购权限，其次是IT部门领导（26%）和首席信息安全官（22%）。此外，未来12至18个月的支出增长计划缺乏重点，没有一个单一的投资类别超过计划资本的40%，而人工智能威胁检测工具的支出恰好达到40%的上限。
基础设施隔离和恢复编排
在智能体运行位置方面，近四成企业将智能体人工智能部署在本地数据中心，43%的企业使用本地边缘环境，约三分之一的企业通过沙箱或物理隔离来隔离这些工作负载。正是由于本地部署的占比很高，这项调查对戴尔而言才显得尤为重要：戴尔的6,500个人工智能工厂正是这些企业所描述的基础设施。
在恢复方面，87%的受访者认为威胁检测和响应工具对保障人工智能安全有效或非常有效，88%的受访者对备份和恢复工具在增强人工智能韧性方面也持相同看法。戴尔的观点是，一旦代理或其数据遭到篡改，仅靠检测是不够的，备份和恢复必须能够将人工智能应用程序、模型和数据恢复到已知良好状态。戴尔的结论是，能否扩展规模的关键在于安全性和韧性是从一开始就构建在系统之上，还是事后才添加上去的。
Amazon