איך להעריך את מסגרת הממשל של Microsoft עבור עומסי עבודה של AI, נתונים וענן

By Mirko Peters · 2026-10-16

איך להעריך את מסגרת הממשל של Microsoft עבור עומסי עבודה של AI, נתונים וענן: עמודי התווך, אכיפת מדיניות וצעדים מעשיים למנהלי IT.

Automatically translated with AI from the original post. Read the English original

הערכת מסגרת הממשל של Microsoft אינה רק תרגיל של סימון תיבות – זהו ספר המשחקים שלכם לשמירה על עומסי עבודה של AI, נתונים וענן מאובטחים, תואמי רגולציה ואמינים. כש-Microsoft 365, Azure ו-Power Platform מתרחבים מדקה לדקה, מנהלי IT ואדמינים כמוכם אינם יכולים להרשות לעצמם ניחושים או פתרונות חצי-חצי.

הערכה מובנית ומבוססת ראיות היא המפתח. המשמעות היא שעליכם להסתכל על יותר מרשימה של מדיניות או ערימת תיעוד. מדובר בהבנה של האופן שבו מסגרות Microsoft מנחות מיתון סיכונים, אוכפות התאמה לרגולציה ובונות ביטחון שהבית התפעולי שלכם מסודר – גם כאשר שירותים כמו Copilot משנים את האופן שבו משתמשים (ואת הנתונים שלהם!) מתקשרים עם מערכות ענן.

כדאי לבחון איך הממשל מושרש החל משלב תכנון המדיניות ועד לאכיפה בזמן ריצה. הדבר חשוב לשמירה על תוכן רגיש, לשמירה על בעלות על נתונים ולהכנה לביקורת – במיוחד כאשר אוטומציה, סוכני AI וחדשנות בענן היברידי מגדילים את המורכבות ואת שטח הסיכון. מדריך זה ילווה אתכם צעד אחר צעד – מההבנה של היסודות, דרך מדידת הבשלות וההצלחה, ועד לכלים מעשיים – כדי שתוכלו לבצע השוואה מול מדדים ולשפר באופן מתמיד את תנוחת האבטחה ואת בשלות הממשל בסביבת הייצור שלכם, בין אם אתם מנהלים סביבת Microsoft 365 קלאסית ובין אם מדובר בפריסת AI סוכנתית מתקדמת.

במקום תיאוריה נשגבת, צפו לאסטרטגיות מעשיות המבוססות על המציאות היומיומית של IT ארגוני (וגם על לקחים רבים שנלמדו מהשטח).

הבנת הממשל ב-Microsoft 365 ויסודות מסגרת ממשל הנתונים

ממשל ב-Microsoft 365 פירושו לדעת בדיוק מי הוא הבעלים של הנתונים שלכם, מי יכול לגשת אליהם ואיך מטפלים בהם בזמן שהם נעים בתשתית הענן שלכם. במילים פשוטות: ממשל עוסק בהקצאת אחריות ברורה, באכיפת גישה מאובטחת ובהחלת מדיניות שמתפתחת יחד עם הצרכים העסקיים והרגולטוריים שלכם.

הגישה של Microsoft – בין אם אתם משתמשים ב-Microsoft 365, ב-Power Platform או ב-Azure – נשענת במידה רבה על מסגרות כמו Microsoft Purview לפיקוח מאוחד על הנתונים ו-Microsoft Foundry לתזמור מנוהל של סוכני AI. תקבלו כלים מובנים לסיווג נתונים, לתיוג רגישות ולניהול מחזור חיים, שמבצעים חלק גדול מהעבודה הכבדה באופן אוטומטי.

כבסיס, כדאי להגדיר בעלים מתועדים היטב לכל מערך נתונים וביקורות אוטומטיות שמאתרות הרשאות מיושנות או מסוכנות. ממשל חזק אינו עוסק רק בשליטה, אלא באכיפה מעשית ובזמן אמת. לדוגמה, השכבות "bronze-silver-gold" של Microsoft Fabric שומרות על אמינות האנליטיקה על ידי ארגון ממשל הנתונים עבור כלי AI מונעי נתונים כמו Power BI ו-Copilot (כך Microsoft Fabric מאחד ממשל נתונים ו-AI).

רוב כשלי הציות והאבטחה מתחילים בתוכן מיושן, בבעלים יתומים או בבקרות לא עקביות – ולא ב-AI עצמו (למדו עוד על אתגרי הגישה לנתונים והממשל ב-Microsoft 365). המשמעות היא שממשל טוב שומר על שיתוף הפעולה מאובטח ותואם תקנות מבלי לפגוע בפרודוקטיביות או בחדשנות – ומניח בסיס איתן לעומסי עבודה מבוססי AI.

מהמדיניות לזמן ריצה: כיצד נאכף הממשל בפלטפורמות של Microsoft

המעבר ממדיניות מתועדת היטב לאכיפה אמיתית ויומיומית הוא המקום שבו רוב הארגונים נתקעים. הממשל המודרני של Microsoft דורש יותר מספר כללים כתוב – הוא נשען על בקרות אוטומטיות, כלי ניטור ואכיפה חיה בכל שלב, מהפיתוח ועד לייצור.

בפלטפורמות כמו Microsoft Foundry ו-Power Platform, אכיפה כזו פירושה שהמדיניות אינה נשארת רק ב-PDF או בוויקי; היא שולטת במה שקורה במערכת, בזמן אמת. בקרות בזמן ריצה יכולות לסמן התנהגויות מסוכנות ולוודא שסוכני AI ואוטומציות אינם יוצרים נקודות עיוורון או דליפות נתונים. זה קריטי במיוחד, כאשר Copilot ותכונות אחרות המופעלות על ידי AI לוקחות על עצמן יותר אחריות ונגישות לנתונים רגישים שלכם.

ממשל אוטומטי אינו מבטיח שלמות, אבל הוא מפחית באופן משמעותי את הסיכון התפעולי ואת ההפתעות הרגולטוריות. הגדרת בקרות דינמיות בכל סביבות Microsoft מבטיחה שתהיו מוכנים כאשר מערכות ייצור מתנהגות באופן לא צפוי, או כאשר סוכני AI מתחילים למתוח (או לשבור) את הגבולות הצפויים. לדוגמה, ללא ממשל זמן ריצה הדוק, פלטפורמות כמו Foundry עלולות בשוגג לפתוח דלתות ל-Shadow IT, ולחשוף ארגונים לסיכונים נסתרים (ראו איך Foundry מציג סיכוני Shadow IT חדשים).

בהמשך נפרט כיצד Microsoft מסדירה בקרות אבטחה ובקרות סוכנים, וכיצד ניתן להעריך את הסוכנים הללו בזמן ריצה, כך שהממשל שלכם ימשיך להיות אפקטיבי, לא משנה כמה שאפתני או בלתי צפוי יהיה נוף ה-AI שלכם.

תקני בקרת סוכנים, ACS ואבטחה בממשל של Microsoft

1. מפרט בקרת הסוכנים (ACS)

• Agent Control Specification (ACS) של Microsoft הוא השרטוט הרשמי להגדרה, לאכיפה ולאימות של מה שסוכני AI ואוטומציה יכולים לעשות (ומה אסור להם לעשות). הוא מכסה אבטחה, גישה לנתונים ומגבלות ביצוע, ומבטיח שהבקרות יהיו עקביות בפלטפורמות כמו Microsoft 365, Azure ו-Power Platform.

1. Security Foundry Tools למפתחים

• למפתחים ולמנהלים יש כלים בתוך Foundry שמאפשרים להגדיר בקרות ברמת המפתח או ברמת עומס העבודה. המשמעות היא שכל סוכן פועל במסגרת גבולות מוגדרים באכיפה ברורה, מה שמפחית את הסיכון להתרחבות לא מורשית של הרשאות או לחשיפת נתונים בטעות.

1. אכיפת מדיניות בזמן ריצה וצמצום סיכונים

• ACS מאפשר ניטור בזמן ריצה וחסימה או התרעה אוטומטיות כאשר סוכן מנסה לעבור על הכללים. במקום לגלות על הפרת תאימות רק בדיעבד, הבקרות הללו פועלות כקו ההגנה הראשון, וזה קריטי במיוחד לפיתוח עומסי עבודה אמינים של AI.

1. בקרות זהות, גישה והרצת כלים

• ממשל יעיל נשען על שליטה מדויקת במי יכול לגשת למה, מתי ואיך. ACS פועל יחד עם ספקי זהויות וניהול גישה כדי לנעול את ביצוע הכלים ואת טווח הגישה לנתונים, ובכך למזער את משטח התקיפה גם כאשר סוכני AI פועלים באופן אוטונומי. לפרטים נוספים על האתגרים וההמלצות לאבטחת סוכני AI, ראו עמוד זה על אבטחת סוכני AI.

הערכת סוכני AI באמצעות מחוונים מודעי הקשר וגישות קוד פתוח

1. מחוונים להערכה מבוססי תרחישים

• Microsoft משתמשת במחוונים מודעי הקשר כדי לבחון סוכני AI בתנאים אמיתיים, ולהעריך לא רק אם הם פועלים, אלא אם הם מתנהגים באחריות בתרחישי ייצור אמיתיים ולא מסודרים. המשמעות היא הדמיית תהליכי עבודה נפוצים, מקרי קצה ואף מצבי לחץ, כדי לזהות בעיות לפני שהן מגיעות למשתמשים.

1. ניקוד מבוסס מפרט (מסגרות הערכה)

• מסגרות קוד פתוח כמו Microsoft ASSERT מספקות דרך פורמלית להגדיר מהי "התנהגות טובה" עבור כל סוכן או אוטומציה. הן משתמשות בניקוד מבוסס מפרט, כך שניתן לבדוק את הסוכנים לא רק פעם אחת, אלא לאורך כל מחזור החיים שלהם, ולמדוד שיפור (או נסיגה) לאורך זמן.

1. בדיקת מקרי קצה ופלטים לא בטוחים

• מחוונים מודעי הקשר נבנו כדי לחשוף מקומות שבהם סוכנים עלולים לפעול באופן בלתי צפוי או לא בטוח, כמו דליפת נתונים רגישים או סטייה מחוץ לתחום המיועד להם. מחזורי הערכה קבועים מגלים בעיות אלו לפני שהסוכנים עולים לאוויר בהיקף נרחב. מסגרות בקרה אפקטיביות לסוכנים, כמו Entra Agent ID, עוזרות לשמור על אחריותיות ולמנוע סחף זהות (קראו עוד על אתגרי זהות ובקרה של סוכנים).

1. שיפור מתמשך באמצעות הערכה פתוחה

• באמצעות שילוב מסגרות הערכה בקוד פתוח, Microsoft מבטיחה שממשל הסוכנים יהיה גמיש, שקוף ונבדק על ידי הקהילה, וכך הוא נשאר מעודכן בנוף הסיכונים המשתנה תמיד של AI. זה עוזר לארגונים לכייל באופן מתמיד את אסטרטגיות הממשל ואת אמינות הסוכנים שלהם.

עמודי היסוד: אנשים, תהליך, מדיניות וטכנולוגיה בממשל של Microsoft

גם עם הבקרות הטובות ביותר לAI והמדיניות ההדוקה ביותר, מסגרת הממשל שלכם עומדת (או נופלת) על ארבעה עמודים: אנשים, תהליך, מדיניות וטכנולוגיה. הגישה של Microsoft, במיוחד בסביבות ענן מעורבות, דורשת יישור הדוק בין התחומים הללו.

משמעות הדבר היא להבהיר מי הבעלים של מה (לא רק ברמה הטכנית, אלא גם במונחים עסקיים), לוודא שהתהליכים מיושמים בעקביות, ולקבוע מדיניות נוקשה מספיק אך גמישה דיה לניהול סיכונים ותאימות. בלי כל אחד מהיסודות הללו, גם פתרונות טכנולוגיים חזקים עלולים להתפרק מול הפעילות היומיומית או מול שינויים ארגוניים.

הטכנולוגיה, כמובן, היא הדבק שמאפשר לכל החלקים הללו לעבוד יחד בקנה מידה גדול. יכולת פעולה הדדית שומרת על סנכרון בין מערכות שונות, יכולת צפייה (observability) מספקת נראות לתהליכי ה-AI והנתונים, ומעקב רציף (continuous tracing) מסייע לקשר בין פעולות לתוצאות לצורך יומני ביקורת אמינים. באותה מידה, המדיניות והאנשים חייבים לפעול יחד, כדי שהבקרה תישמר לאורך יחידות עסקיות ומחלקות IT.

בסעיפים הבאים תמצאו אסטרטגיות מעשיות להגדרת בעלות, יצירת עקביות בתהליכים, ושימוש בטכנולוגיה לבניית ממשל שניתן לביקורת רציפה ולשיפור מתמיד. לזווית חדשה על הסיבה שאחריות לא ניתנת לזיוף באמצעות שקיפות בלבד, כדאי להאזין להפרק הזה על אחריות לעלויות אמיתיות ב-Microsoft 365.

אנשים: הגדרת בעלות, עקביות תהליכים וקביעת מדיניות בממשל

• בעלות ברורה על נתונים ו-AI: הקצו בעלים ספציפיים לכל מערך נתונים ולכל סוכן AI, כדי למנוע משאבים ללא בעלים ולקדם אחריותיות. הבעלים צריכים לאחראי על בחינת ההרשאות ושינויים במחזור החיים לאורך זמן (קבלו עצות מעשיות על ממשל בעלות והרשאות).
• תיעוד עקבי של תהליכים: תעדו באופן שוטף את תהליכי הבקשות לגישה, הבדיקות והפעולות הרגישות. סטנדרטיזציה של השלבים הללו הופכת את הממשל לישים ומצמצמת פערים הנובעים מפרקטיקות אד-הוק.
• ניסוח אפקטיבי של מדיניות: תרגמו יעדים עסקיים ודרישות רגולטוריות למדיניות ברורה וניתנת לאכיפה. השתמשו בכלים ובהדרכה כדי שכולם יפעלו לפי בקרות עקביות, וחריגים יישארו נדירים.

מאפשרי טכנולוגיה: יכולת פעולה הדדית, יכולת צפייה ומעקב רציף ב-AI של Microsoft

1. יכולת פעולה הדדית: המסגרות של Microsoft מבטיחות שמדיניות ובקרות יפעלו בצורה חלקה על פני שירותים מגוונים, מ-Microsoft 365 ועד לסביבות היברידיות ורב-ענניות. הדבר מצמצם את הסיכון לנתונים מבודדים או לממשל הרשאות מפוצל.
2. יכולת צפייה: ניטור בזמן אמת וטלמטריה עשירה, שמאפשרים פלטפורמות כמו Microsoft Purview Audit, מאפשרים לעקוב אחר פעילות המשתמשים והסוכנים בכל שירותי הענן, ולא רק באפליקציות מבודדות. בסביבות מפוקחות או בעלות סיכון גבוה, שדרוג ל-Purview Audit Premium הוא הכרחי לחיזוק יכולות התאימות והחקירה הפורנזית (מידע נוסף על ביקורת פעילות משתמשים עם Purview).
3. מעקב רציף: מעקב מאפשר לעקוב אחר המסע של הנתונים, ההחלטות ופעולות הסוכנים בין הסביבות, מה שמקל מאוד על זיהוי בעיות, על ייעול תהליכי עבודה ועל הפקת ראיות מוכנות לביקורת, בין אם הסוכנים מתנהגים כצפוי ובין אם לא.

קוד פתוח, יכולת פעולה הדדית ומדידת הצלחה של ממשל AI ארגוני

הממשל של Microsoft אינו מסתפק באימוץ תקנים פתוחים, אלא גם תומך באופן פעיל בכלי קוד פתוח ובממשקי API, כדי לעזור לארגונים להימנע מתלות בספק ולשמור על הממשל מוכן לעתיד. הרעיון פשוט: צריכה להיות לכם הגמישות לנהל את עומסי העבודה של AI ונתונים בין אם הם פועלים ב-Microsoft 365, ב-Azure, או משתרעים לתוך מערכות ענן ו-AI של צד שלישי.

תקנים פתוחים כמו ACS מניחים את היסודות לאכיפת מדיניות עקבית, גם כשהארכיטקטורה שלכם מתפתחת. יכולת פעולה הדדית זו פירושה שאינכם כבולים לכלים קנייניים, ועדיין תקבלו בקרות ברמה ארגונית ויומני ביקורת. באותו אופן, מסגרות הערכה קוד פתוח לסוכנים מאפשרות לכם להתאים אישית ולשפר באופן מתמיד את הדרך שבה מנוהל AI אגנטי, ולהתאים את קריטריוני ההערכה ככל שהסביבה שלכם (והסיכונים המתעוררים שהיא מביאה) משתנים.

אבל כאן רוב ההנחיות נעצרות: מדידה בפועל. Microsoft קוראת לארגונים לחרוג מהחשיבה של "פרסנו, אז סיימנו". במקום זאת, כדאי להתייחס לממשל כאל השקעה לטווח ארוך, ולמדוד תוצאות באמצעות מדדי KPI כמו הפחתה במספר הפרות מדיניות, מהירות תגובה לאירועים, או ממצאי ביקורת לאורך זמן. להעמקה בנושא איך למנוע סטייה ולאכוף עמידה עקבית במדיניות, כדאי לקרוא את המאמר על מניעת סטיית מדיניות בממשל Azure.

כאשר המדיניות, הסוכנים ובקרות הנתונים שלכם פועלים יחד ניתנים לביקורת, תקבלו ביטחון שמסגרת הממשל שלכם יכולה להתרחב ככל שהעסק והנוף הטכנולוגי משתנים – על פני ענני מחשוב, פלטפורמות, וכל מה שיבוא בעולם ה-AI.

בניית אמון וניהול סיכונים באמצעות פיקוח אנושי על סוכני AI של Microsoft

יהיו בקרות הממשל שלכם מתקדמות ככל שיהיו, אין תחליף לשיקול הדעת האנושי הטוב והוותיק – במיוחד כשמדובר בסוכני AI שעלולים להפיק תוצאות בלתי צפויות או מסוכנות. Microsoft מדגישה אמון מובנה בתכנון, המשלב אימות אוטומטי עם פיקוח אנושי קפדני על פונקציות קריטיות וגישה לנתונים רגישים.

שילוב של תהליכי Human-in-the-loop פירושו הגדרת תהליכי סקירה, מסלולי הסלמה ושלבי אישור לפני שסוכני AI או אוטומציות מבצעים פעולות מסוימות – או כשהם חורגים מהכוונה שתוכנתה להם. כך נמנעים פלטים לא בטוחים, נעצרת חשיפת נתונים, ונשמרים גבולות הציות גם כשהסוכנים הופכים לאוטונומיים יותר.

פערי אבטחה רבים אינם נובעים מתקלות AI בולטות, אלא מפגמים נסתרים במודלי ההרשאות או בחריגים במדיניות גישה מותנית. הסוכנים עצמם הם לעיתים "הקנרית במכרה" הטובה ביותר, והם חושפים סיכונים סמויים הללו באמצעות הצגת בעיות גישה או הקצאות מדיניות לא עקביות שחומקות מביקורות רגילות. לדוגמה, הרשאות Graph שלא הוגדרו בהיקף מתאים, או החרגות רחבות מדי ממדיניות, עלולות ליצור בעיות אמון במדיניות הגישה המותנית שלכם, ולהפוך את סביבת הענן לפגיעה (מידע נוסף על שיפור האמון באמצעות מדיניות Conditional Access כוללת).

כדי לבנות אמון בקנה מידה רחב, ארגונים צריכים לשלב ניטור בזמן ריצה, סקירות תקופתיות וגבולות מבוססי תפקידים – תוך שמירה על שליטה אנושית מלאה בהגה, בזמן ש-Microsoft AI מטפלת בעבודה החוזרת. אם תרצו לראות כיצד סוכני AI לא מנוהלים יוצרים Shadow IT ומה ניתן לעשות בנידון, כדאי לעיין בפירוט הזה על סוכני AI ואיומי Shadow IT.

תחילת הדרך: כלי הערכה של ממשל Microsoft וצעדים הבאים

אם אתם מתחילים או מחזקים את מסע הממשל שלכם ב-Microsoft, כדאי להתחיל עם כלי ההערכה והמשאבים הנכונים, שיעזרו לכם לקבוע נקודת בסיס, ליישם ולבגר את תוכנית הממשל לאורך זמן. Microsoft מספקת ערכות כלים ומסגרות לא רק ליצירת מדיניות, אלא גם להערכה ושיפור מתמשכים.

ה-Agent Governance Toolkit, למשל, עוזר לכם לעבור באופן שיטתי על הבקרות הקריטיות עבור סוכנים, אוטומציות ופיקוח אנושי. מסגרות הערכה מודרניות משתלבות ישירות בתהליך העבודה שלכם כדי לדרג מוכנות ולחשוף פערים שאולי תפספסו בביקורות מסורתיות. עבור ארגונים שמטמיעים Copilot, מרכז למידה מנוהל מייעל את האימוץ וההחזר על ההשקעה, ושומר על עדכניות ההדרכה למשתמשים ועל מספר פניות התמיכה במינימום (כיצד מרכז למידה של Copilot תומך באימוץ מנוהל).

ממשל מתקדם פירושו הגדרת גבולות נתונים ברורים על ידי סיווג סביבות, מחברים (connectors) ואכיפת תפקידים עם הרשאות מינימליות ב-Power Platform, ב-Copilot ומעבר לכך. היכולות של Microsoft Purview לניטור ו-DLP מאפשרות להרחיב את בקרות המדיניות עד לרמת המחבר והסביבה, כך שסוכנים לא ישאבו או ידלפו נתונים למקומות שאסור להם להגיע אליהם (מידע על ממשל מתקדם של Copilot באמצעות Purview).

מוכנים להתחיל? מפו את הבקרות הקיימות שלכם, הסתמכו על מסגרות ההערכה של Microsoft והתחברו למשאבים שנבחרו בקפידה כדי לבנות ממשל בר-קיימא ומעשי, כך שתהיו מוכנים לכל גל החדשנות הבא.

שאלות נפוצות על הערכת מסגרת הממשל של Microsoft

• איך מודדים את הבשלות של מסגרת הממשל שלי ב-Microsoft?אפשר לאמץ מודלים מובנים של בשלות, שבוחנים את ההתקדמות מתיעוד בסיסי של מדיניות ועד אכיפה אוטומטית ושיפור מתמשך. במדידת הבשלות כדאי לבחון בקרות טכניות, עקביות תהליכים, הקצאת בעלות ותוצאות בעולם האמיתי, כמו ירידה במספר האירועים או זמני ביקורת קצרים יותר.
• מהן הטעויות הנפוצות ביותר באימוץ הממשל של Microsoft?ממשל נכשל בדרך כלל כאשר הבעלות מפוצלת והמדיניות קיימת רק "על הנייר". גישות שמתמקדות בכלים (במקום במערכות) מובילות לסטייה בזהויות, להרשאות שאינן מעודכנות ולפערי תאימות. ראו כיצד ניהול כלים במקום מערכות מוביל לכישלונות.
• האם מסגרת הממשל של Microsoft יכולה להשתלב בסביבות מרובות ענני מחשוב שאינם של Microsoft?כן. השתמשו במערכות זהות מאוחדות (federated), בסקריפטים מתואמים למדיניות ובתקנים פתוחים (כמו ACS) כדי להרחיב את הממשל על פני כמה ענני מחשוב. יישור קו אפשרי, אך ההצלחה תלויה בבקרות מאוחדות ובאפשרות ביקורת חוצת עננים, ולא רק בהגדרות מבודדות או במדיניות חד-פעמית.
• איך שומרים על הציות ככל שסוכני AI ואוטומציה מתרחבים?יש לאכוף גישת zero-trust, בקרת גישה מבוססת תפקידים, ניטור מתמשך והערכה קבועה של התנהגות הסוכנים, תוך שימוש בהתראות בזמן אמת ובאכיפה בזמן ריצה. נדרשות מסגרות מהירות וניתנות לאכיפה כדי לעמוד בקצב האוטומציה (ראו מסגרת להתאוששות ממשלית תוך 48 שעות).
• איך מודדים את האפקטיביות של הממשל?עקבו אחר מדדי KPI כמו ירידה במספר הפרות המדיניות, ממצאי ביקורת, זמני תגובה לאירועים ותוצאות של סקירות גישה תקופיות. הארגונים הבשלים ביותר מקשרים מדדים אלה ליעדים עסקיים ומתאימים את הבקרות לשיפור מתמשך ולהצגת החזר על ההשקעה.