אסטרטגיית ממשל עבור Microsoft Copilot: שיטות עבודה מומלצות לפריסה מאובטחת ואפקטיבית

By Mirko Peters · 2026-02-12 · Updated 2026-07-18

בנו אסטרטגיית ממשל עבור Microsoft Copilot הכוללת הרשאות, DLP, Purview, בינה מלאכותית אחראית, רישוי, אימוץ, ניטור ובקרות לאורך מחזור החיים.

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

Microsoft Copilot מטלטל את סביבת העבודה, ומביא עמו פרודוקטיביות ברמה חדשה, אך גם סיכונים חדשים לגמרי. כאשר ארגונים ממהרים לנצל את העוצמה של Copilot, חיונית מדיניות ממשל הדוקה כבר מהיום הראשון. המשמעות היא להציב מעקות בטיחות סביב החדשנות: לוודא שפועלים לפי כללי הציות, לשמור על אבטחת המידע ולצמצם סיכונים עסקיים לפני שהדברים יוצאים משליטה.

ארגונים נתונים ללחץ גובר מכל הכיוונים: חוקי פרטיות חדשים, מסגרות רגולטוריות מורכבות והעולם הבלתי צפוי של אוטומציה בסיוע בינה מלאכותית. מאחר ש-Copilot משתלב בכל פינה של Microsoft 365 ו-Azure, תפיסה של "ממשל לפני הכול" אינה עניין של מה-בכך, אלא הכרח. המאמר הזה בוחן את הדרישות החיוניות לממשל של Copilot, סוקר אתגרים מהעולם האמיתי, בקרות יסוד, שיטות עבודה מומלצות לניהול נתונים, טקטיקות אבטחה ודרכים למדידת הצלחה. תלמדו כיצד לחדש בבטחה ולשמור על הציות בכל שלב.

הבנת אתגרי הממשל והציות של Copilot

ממשל עבור Microsoft Copilot אינו רשימת תיוג פשוטה, אלא מענה לסוג חדש של סיכונים שמביאים עוזרים מבוססי בינה מלאכותית. בניגוד לשירותים המסורתיים של Microsoft 365, Copilot ניגש לנתוני הארגון, מעבד אותם ומייצר נתונים חדשים באמצעות אינטראקציות מורכבות. זה משנה לגמרי את כללי המשחק בתחום הציות. כעת אתם מתמודדים בו-זמנית עם חששות לגבי פרטיות, חשיפה משפטית וחוסר הצפיות של אוטומציה מונעת בינה מלאכותית.

קיום הציות לתקנות כגון GDPR ו-HIPAA, וכן לדרישות ספציפיות לענף, הופך למורכב כאשר Copilot יכול לשלוף נתונים מכל מקום בסביבה שלכם. יש לשקול כיצד בינה מלאכותית עלולה לחשוף מידע רגיש בטעות או בכוונה, ואף להמציא תוכן על בסיס פערים או הטיות בנתוני הארגון. מדיניות ה-IT הפנימית שלכם, שנחשבה פעם לבלתי ניתנת לשינוי, צריכה כעת להסתגל במהירות להתקדמות הזו בתחום הבינה המלאכותית, במיוחד בכל הנוגע לבקרת גישה והגנת נתונים.

ממשל של Microsoft Copilot דורש שילוב של בקרות חוזיות, טכניות וארגוניות. כפי שמפורט בעמוד זה, פריסה נכונה של Copilot תלויה בבקרת גישה מבוססת תפקידים (RBAC) מדויקת, ברישוי מדוקדק ובאכיפה אוטומטית באמצעות כלים כגון Microsoft Purview. הסתמכות על מדיניות הכתובה במסמך בלבד אינה מספיקה; נדרשים ניטור בזמן אמת ובקרות מהירות שיעצרו חשיפת נתונים באותו רגע.

פריסות מודרניות של Copilot מחייבות ארגונים לחשוב מחדש על ארגז הכלים שלהם לאבטחה ולציות, ובו-זמנית להרחיב את הפרקטיקות הקיימות כך שייקחו בחשבון את היקף פעולתה של הבינה המלאכותית. אם אתם רוצים לאזן בין פרודוקטיביות לציות, עליכם לפתח את המדיניות שלכם בקצב שבו Microsoft משיקה תכונות AI חדשות. למידע נוסף על איך להישאר צעד אחד קדימה עם גישה בהרשאות מינימליות וניטור פעילות בינה מלאכותית, ראו תובנות אלה על ממשל Copilot.

אבני הבניין של מערכת בקרה יעילה ל-Copilot

אם אתם רוצים לנהל את Microsoft Copilot בלי כאב ראש מתמיד, אתם זקוקים לבסיס מוצק של מערכת בקרה. Copilot הוא הרבה יותר ממחולל טקסט מתוחכם: מדובר במנוע החלטות מבוזר השואב הקשר ממגוון רחב של נתונים עסקיים. המשמעות היא שהסיכון והחשיבות גבוהים יותר אם הארכיטקטורה שלכם אינה ברמה הנדרשת.

העמוד הראשון לממשל אפקטיבי הוא הגדרת גבולות ברורים לגבי מה ש-Copilot רואה, מבצע ונוגע בו. מנדטים ארכיטקטוניים מוגדרים היטב עוזרים למנוע דליפות נתונים שקטות או שגיאות אוטומציה בלתי מכוונות, וזו מציאות שמכוסה בפרק זה. עיצוב טוב מפריד בין הנמקה לביצוע, יוצר נקודות בדיקה הניתנות לצפייה, ודואג שסמכות הנתונים לעולם לא תהיה מוטלת בספק.

גורם בסיסי נוסף הוא האופן שבו הארגון שלכם מבנה את הנתונים שלו. ארכיטקטורת מידע חלשה יכולה להפיל כל פריסת בינה מלאכותית, ולהוביל לתוצרים לא אמינים ומטעים של Copilot. כפי שמתואר בדיון זה, הקמה של טקסונומיות ברורות ומשמעותיות, מבנה אתרים חזק ומטא-דאטה שניתן לאכוף הם עמוד השדרה של כל כלי בינה מלאכותית מהימן.

בסעיפים הבאים נפרט את התפקידים שחייבים להגדיר כדי להפעיל את Copilot באופן בטוח, ואת האסטרטגיות הטכניות לניהול הגישה של המשתמשים. ראו בהם ערכת כלים שתזדקקו לה כדי להתמודד עם ההתרחבות של Copilot, תוך שליטה בסיכון והפיכת הבינה המלאכותית לכלי שעובד עבור העסק, ולא להפך.

תפקידים ואחריות מרכזיים במסגרת הממשל של Copilot

• מנהלי IT: מפקחים על פריסה, רישוי וניטור של Copilot, ומוודאים שהשילוב עם המערכות הקיימות מאובטח וחלק.
• צוותי אבטחה: מבצעים הערכות סיכונים, מגדירים תוכניות תגובה לאירועים ומגדירים כלים למניעת דליפות מידע או פעולות לא מורשות של סוכני בינה מלאכותית.
• קציני ציות: מנסחים ומעדכנים מדיניות כדי ליישר את השימוש ב-Copilot עם דרישות רגולטוריות ונהלים ארגוניים. הם גם מבצעים ביקורת על הפעילות ומתחזקים ראיות לצורך דיווחי ציות.
• מנהלי קווי עסקים: מגדירים מקרי שימוש מקובלים, מקדמים אימוץ ומספקים הקשר עסקי למדיניות הממשל של Copilot, תוך הקפדה שהבקרות לא יחנקו את הפרודוקטיביות.
• נותני חסות ברמה הניהולית: מובילים את Copilot ברמת ההנהלה, מטפלים בהסלמות ומאזנים בין חדשנות לבין עדיפויות ניהול הסיכונים בין המחלקות.

בקרות גישה וניהול משתמשים ב-Copilot

• בקרת גישה מבוססת תפקידים (RBAC): הקצאת הרשאות על בסיס תפקידי משתמשים, כדי להגביל את השימוש ב-Copilot רק לאלה שזקוקים לו לצורך עבודתם.
• ניהול רישוי: שליטה בגישה באמצעות הקצאה והסרה של רישיונות Copilot דרך מרכז הניהול של Microsoft 365 או PowerShell, כך שהגישה תואמת לצרכים העסקיים.
• עיקרון הפריבילגיה המינימלית: הגדרת הגדרות Copilot שמעניקות למשתמשים רק את ההרשאות ההכרחיות ביותר, תוך צמצום הסיכון מפעולות מקריות או זדוניות.
• הגבלות מכשירים ופלטפורמות: קביעה אילו מכשירים או פלטפורמות (למשל, מחשבי שולחן מנוהלים או מכשירים ניידים) יכולים להפעיל את Copilot, ובכך מצמצמים את נקודות הגישה.
• הקצאה והסרה אוטומטיות: שימוש בתהליכי קליטה ועזיבה כדי להתאים במהירות את הגישה כשמשתמשים מצטרפים לארגון או עוזבים אותו, ובכך מפחיתים את הסיכון מהרשאות שנותרו פעילות. להנחיות טכניות נוספות בנושא ניהול גישה, ראו מדריך מנהל זה.

מדיניות ממשל נתונים עבור Microsoft Copilot

ממשל נתונים איתן הוא הגורם המכריע להצלחה ארוכת הטווח של Copilot ככלי פרודוקטיביות ארגוני. Copilot אמין רק כמו הנתונים שאליהם הוא יכול לגשת, ולכן צריך מדיניות הדוקה לסיווג נתונים, לניהול מחזור חיים ולמחסומי מידע מההתחלה.

המשימה שלכם היא לוודא ש-Copilot לא יחשוף בטעות מידע רגיש או מפוקח בזמן יצירת תוכן או שינוי תהליכי עבודה. המשמעות היא קביעת כללים לגבי המקום שבו הנתונים נמצאים, אופן האבטחה שלהם, מי יכול לגשת אליהם ולמשך הזמן שבו הם נשמרים. מסגרות מדיניות ברורות מתייחסות לא רק לנתונים ש-Copilot יכול להשתמש בהם, אלא גם לאופן שבו מטפלים בתוצרי הבינה המלאכותית ומבצעים עליהם ביקורת בסביבה שלכם.

מחסומי מידע יכולים לעזור להפריד בין מחלקות או פרויקטים, ולמנוע מ-Copilot ליצור קשרים שלא אמור ליצור. ניהול מחזור חיים מבטיח שנתונים מיושנים או יתומים לא יערפלו את ההצעות של Copilot או יגרמו לכשלי ציות. תוויות וכלים אוטומטיים כמו Microsoft Purview יכולים לקדם עקביות ושקיפות בכל הסביבה.

האם ברצונך להימנע ממלכודות "נתונים מלוכלכים" שפוגעות בדיוק של Copilot? עיינו בשיטות העבודה המומלצות שמוצגות בפרק הפודקאסט הזה. ואם השילוב של מערכות קריטיות לעסק נמצא ברודמאפ שלכם, הנה איך להרחיב את Copilot בצורה בטוחה ומאובטחת. הסעיף הבא מפרט את ההרגלים המעשיים לשמירה על איכות הנתונים שלכם ועל אמינות תוצרי ה-AI.

שיטות עבודה מומלצות לאיכות ולניקיון הנתונים

• ביקורות נתונים שוטפות: בדקו באופן קבוע את ספריות SharePoint, OneDrive ו-Teams כדי לאתר קבצים מיושנים, כפולים או יתומים. ניקוי קבוע עוזר ל-Copilot לשאוב מידע רק ממקורות מדויקים ורלוונטיים.
• זיהוי מקור אמת: הגדירו ואכפו מיקומי נתונים מוסמכים, כך ש-Copilot יתבסס על מידע מאומת ולא על תוכן לא אמין. כך נבנית אמון בתוצרים שנוצרו על ידי AI.
• אכיפת מטא-דאטה חובה: דרשו תיוג מטא-דאטה עקבי כדי לשפר את דיוק החיפוש והאחזור של Copilot. מטא-דאטה טוב מפחית "הזיות" ותשובות מעורפלות.
• תיקון הרשאות שבורות: בדקו ותקנו באופן קבוע את בקרות הגישה כדי לעצור Shadow IT ולמנוע דליפת מידע בלתי מכוונת דרך האינטגרציות העמוקות של Copilot.
• תהליכי עבודה אוטומטיים: השתמשו בכלים כמו Power Automate כדי לעבד, לאמת ולארגן נתונים בזמן אמת, כך שהסביבה תישאר נקייה וההנחיות ל-Copilot יישארו מדויקות. מידע נוסף מופיע ב10 ההרגלים הרעים של נתונים מלוכלכים ובהנחיות האבטחה.

אבטחת Copilot: איומים, בקרות ואכיפת מדיניות

בשימוש ב-Copilot הסיכונים הביטחוניים חורגים הרבה מעבר לפריסה היומיומית של Microsoft 365. עוזרים מבוססי AI מעבדים נתונים בכל הארגון, ולכן חוליה חלשה אחת עלולה לגרום לחשיפה רחבת היקף או לתקלות אוטומציה נרחבות. בקרות מסורתיות שהתמקדו בעיקר בזהות ובגישה לא יתפסו כל איום חדש. ממשל מודרני של Copilot דורש לעדכן את חשיבת האבטחה במהירות.

וקטורי האיום המרכזיים? דליפות נתונים, סוכני Copilot עם הרשאות יתר, ואוטומציה של AI שאינה אמינה ועלולה לעקוף תהליכי אישור רגילים. תוקפים ומשתמשים פנימיים יכולים לנצל את הפערים האלה, ולגרום לבעיות תאימות או להפרעה עסקית. לכן אכיפת מדיניות וניטור צריכים לעבור מוקד: לא רק לתעד מי ניגש למה, אלא לעקוב אחרי מה ש-AI מתכוון לעשות ולוודא אם זה מותר.

כלים קיימים כמו Microsoft Purview ו-Sentinel יכולים לנטר פעולות של Copilot, להפעיל התראות על הפרות מדיניות, ואפילו לחסום התנהגויות מסוכנות לפני שהן גורמות נזק. מדובר לא רק בשמירת רישום לצורכי ביקורת, אלא בעצירת בעיות בזמן אמת. כדי להבין מדוע בקרות המבוססות על כוונה הן קריטיות, עיינו בשיטות העבודה המומלצות לאבטחה הזו.

בהמשך הסעיפים תכירו את כאבי הראש הנפוצים ביותר בנושא אבטחת AI, וגם צעדים מעשיים לשימוש באוטומציה כדי לשלוט בטווח הפעולה של Copilot. המטרה היא מערכת ממשל מאובטחת וגמישה, מוכנה לכל מה ש-AI מביא איתו.

סיכוני אבטחה נפוצים בהטמעות של Copilot

• דליפת נתונים: Copilot עלול לחשוף בטעות קבצים סודיים או דיונים פנימיים, במיוחד אם הנתונים מסווגים בצורה לקויה או אם ההרשאות פתוחות מדי. ירושה פרואקטיבית של תוויות והמדיניות של DLP עוזרות לבלום חשיפה.
• סוכנים עם הרשאות יתר: הרשאות רחבות ל-Graph או ל-Entra ID מאפשרות ל-Copilot לגשתליותר נתונים מהנדרש, ומגדילות את הסיכון לזרימת מידע לא מורשית. השתמשו בעיקרון של הרשאות מינימליות כדי לצמצם את הגישה.
• הזרקת פקודות (Prompt Injection): משתמשים או תוקפים עלולים להטעות את Copilot באמצעות פקודות זדוניות, מה שעלול לגרום לו לעקוף מדיניות או לחשוף מידע רגיש. ביקורת וניטור קבועים של הפקודות הם המפתח.
• גישה לנתונים מחוץ לפיקוח (Shadow Data Access): תוספים או מחברים של Copilot שאינם מנוטרים עלולים למשוך נתונים ממקורות לא מאושרים ולחמוק מהנראות הרגילה. שלבו DSPM וניטור בזמן אמת, כפי שמתואר בדף הזה.

אוטומציה של אכיפת מדיניות לניהול הממשל של Copilot

• Microsoft Purview DLP: אוטומציה של זיהוי וחסימה של שיתוף מידע רגיש בבקשות ובתוצרים של Copilot. סווגו את המחברים לקבוצות Business, Non-Business ו-Blocked כדי לאכוף גבולות קפדניים בכל הדייר. להגדרות מתקדמות, ראו הסבר מעמיק זה.
• ניהול מדיניות ברמת הדייר: הגדירו מדיניות ברמת הארגון לחסימת מחברים מסוג HTTP גנרי ומחברים מותאמים אישית, כדי למנוע דליפת נתונים מכוונת או בלתי מכוונת על ידי סוכני AI.
• מדיניות Power Platform: הגדירו ואכפו DLP של Power Platform כדי להגביל את האופן שבו Copilot וסוכנים קשורים משתמשים במחברים, באפליקציות ובזרימות, וכך תצמצמו משמעותית את הסיכון ל-shadow IT.
• תחומי הרשאות וסקירות גישה ב-Entra: השתמשו בסקירות גישה אוטומטיות ב-Entra ID כדי לשמור על הרשאות מדויקות לכל משתמש וקבוצה של Copilot.
• דיווח רציף על ציות: ייעלו את ביקורות הציות באמצעות לוחות דיווח אוטומטיים ובזמן אמת, שמציגים הפרות ומסמנים פערים לפני שהרגולטורים דופקים על הדלת.

פריסה של סוכני Copilot תחת ממשל

אתם לא רוצים להתעורר לסוכני Copilot פרועים שכותבים מחדש את מדיניות SharePoint שלכם או מדליפים נתוני מכירות רגישים. מחקרים מראים ש"ממשל מתוכנן מראש" עדיף על תיקונים רטרואקטיביים בכל מקרה. למעשה, חברות שמשיקות פיילוטים של Copilot עם אוטומציה מרובדת וניטור פרואקטיבי רואות 40% פחות אירועי ציות, וגם אימוץ טוב יותר בקרב המשתמשים בכללותו.

מומחים ממליצים על מרכזי למידה וממשל מרכזיים, כמו Copilot Learning Center, כדי לאחד ידע, לצמצם בלבול ולמנוע הצפה של פניות לתמיכה. אסטרטגיה זו מניבה החזר השקעה ממשי, והופכת השקות של Copilot לחלקות ופחות כאוטיות מהיום הראשון. פריסה בשלבים, עם מדיניות ייעודית לסביבת sandbox מול סביבת ייצור, מונעת ממשתמשים להכניס סוכנים לא מוכנים לתהליכים עסקיים קריטיים.

מקרי בוחן מדגישים את חשיבות הניטור האוטומטי, ניהול אירועים יעיל ונתיבי הסלמה ברורים. כפי שנדון במדריך זה, שליטה הדוקה על הנראות של הסוכנים ועל נתוני השימוש בהם מאפשרת לזהות חריגות מוקדם, ולוודא שגורמים זדוניים נשארים כלואים. התוצאה? תוכנית Copilot בת-קיימא שמשלבת פרודוקטיביות עם צמצום סיכונים, גם כשיכולות ה-AI ממשיכות להתרחב.

כדאי לשקול תוכניות פיילוט עם בדיקות מתמשכות ולולאות משוב מבעלי העניין. על ידי אימות בקרות הממשל בכל שלב, תבטיחו שככל ש-Copilot מבשיל, כך גם היכולת שלכם לשמור על ציות ועל אמון עסקי.

מדידת האפקטיביות של ממשל ואימוץ Copilot

מעקב אחר הצלחת תוכנית הממשל של Copilot חורג בהרבה מהשאלה "האם פרסנו את זה?". אתם צריכים למדוד עד כמה המשתמשים מאמצים את Copilot, באיזו תדירות מדיניות נשמרת או מופרת, והחשוב מכל: האם התוכנית מניבה ערך עסקי ממשי.

מדדי ביצוע מרכזיים (KPIs) שכדאי לעקוב אחריהם כוללים שיעורי מעורבות של משתמשים (כגון משתמשים פעילים מדי יום ודפוסי שימוש), שיעורי ציות למדיניות (באיזו תדירות הפרות מזוהות ונפתרות), והחזר על השקעה (ROI), הנמדד באמצעות חיסכון בזמן ושיפור בפרודוקטיביות. ניטור סדיר של מדדים אלה עוזר לזהות נקודות עיוורון ולגלות אילו צוותים זקוקים ליותר תמיכה או הכשרה.

לולאת המשוב חייבת להיות הדוקה: קבעו סקירות חוזרות של נתוני שימוש, סקרי שביעות רצון של משתמשים ודיווחים על אירועי מדיניות. כשמתעוררות בעיות, יש להתאים את מדיניות הממשל, לפרוס בקרות חדשות ולעדכן את חומרי ההדרכה. מאמר זה מספק תובנות על מדידת ההשפעה האמיתית של Copilot באמצעות שיפורי פרודוקטיביות ומגמות אימוץ.

אין להמעיט גם בהיבט התרבותי. אימוץ לרוב נכשל בשל התנגדות או חוסר בהירות, ולא בשל הטכנולוגיה. כפי שנדון בהניתוח הזה, מעקב אחר שינויי התנהגות לצד עמידה טכנית בדרישות תורם לתמונה מלאה. שיפור מתמיד המבוסס על נתונים שומר על אסטרטגיית הממשל רלוונטית ועל התוכנית מעודכנת.

שילוב ממשל Copilot באסטרטגיות האבטחה הרחבות של Microsoft 365 ו-Azure

ממשל Copilot לא צריך להיות מאמץ מבודד. כדי להפחית סיכונים באמת, המדיניות חייבת להשתלב היטב בערימת האבטחה הרחבה של Microsoft 365 ושל Azure. המשמעות היא חיבור בקרות Copilot לניהול זהויות, לסקירות הרשאות, להגנה מפני איומים ולאסטרטגיות DLP שכבר פועלות בענן שלכם.

גישה מאוחדת משתמשת בתהליכי עבודה קיימים, כמו מדיניות גישה מותנית ב-Azure, הגדרת היקף תפקידים ב-Entra ID ומודיעין האיומים של Defender XDR, כדי לשמור על Copilot בגבולות הראויים. במקום להמציא מחדש את הגלגל, הוסיפו את אכיפת מדיניות Copilot למסגרות המוכחות שעליהן אתם נשענים לניהול דואר, קבצים ויישומים. תוויות רגישות, ביקורות נתונים והתראות אירוע צריכות לזרום דרך פלטפורמות מרכזיות.

אכיפת הרשאות מינימליות היא עמוד השדרה כאן. לפי המדריך הזה, הרשאות Graph רחבות ב-Copilot עלולות להוביל לחשיפת יתר, ולכן פיצול הגישה לפי תפקיד ולפי עומס עבודה הוא קריטי. הרחבת DLP והביקורת לתוכן שנוצר בידי AI, כולל צ'אטים ודוחות, היא מה שסוגר את המעגל.

על ידי הטמעת ממשל Copilot במערכת האקולוגית של Microsoft 365 ו-Azure, מקבלים פיקוח רב יותר ואכיפה עקבית. כך קל יותר לנטר, להתאים ולדווח על נוף הסיכונים ככל שה-AI משתלב עמוק יותר בתהליכי העבודה הארגוניים.

עתיד הממשל של Microsoft Copilot

בהמשך הדרך, אנליסטים מובילים צופים שממשל Copilot מהדור הבא ישלב מנועי מדיניות אדפטיביים, ניטור מתמיד של סיכוני AI ועדכוני תאימות אוטומטיים ככל שהרגולציה משתנה. Gartner צופה זינוק של 60% בארגונים שיאמצו בקרות אבטחה ייעודיות ל-AI עד 2026, כשחברות לומדות מפריסות Copilot המוקדמות.

ערכות הכלים העתידיות יתמקדו בהרשאות דינמיות, ניתוח כוונות AI וביקורת מקורית לענן, ויעניקו לארגונים שליטה חדה יותר בהתנהגות המתפתחת של Copilot. המומחים מסכימים: שמירה על גמישות במסגרות הממשל היא הדרך היחידה להתמודד עם איומים ושינויים רגולטוריים חדשים. בניית גמישות במדיניות שלכם כבר היום מכינה אתכם לנצל את היתרונות העתידיים של AI, בצורה מאובטחת ומתוך שקט נפשי.

כדאי גם להאזין לאלה

אם אתם חוקרים את Microsoft Copilot, ארכיטקטורת AI וממשל, הפרקים הבאים מוסיפים הקשר מעשי:

• Microsoft AI Agent Harness – Simply Explained — למדו כיצד ה-agent harness מספק תזמור, כלים, הערכה, תצפיתיות ומנגנוני הגנה לסוכני AI אמינים.
• Azure AI Foundry – Simply Explained — הבינו את פלטפורמת Azure לבנייה, הערכה, פריסה וממשל של פתרונות AI ארגוניים.
• RAG on Azure – Simply Explained — ראו כיצד אחזור מידע, עיגון בנתונים, הרשאות וציטוטים משפרים תשובות AI ארגוניות.
• Microsoft Defender XDR – Simply Explained — גלו את יכולות האותות, החקירה והתגובה לאירועי אבטחה התומכות בממשל AI.