Bedrock Data 擴展 ArgusAI 平台，強化對企業 AI 代理、MCP 伺服器與數據的風險監控。此更新自動探索 MCP 伺服器，並為 Snowflake Cortex 服務提供治理，解決資安團隊難以追蹤 AI 數據存取的問題。ArgusAI 透過 Metadata Lake 和 DBOM 建立數據資產庫存，提供全面的 AI 風險可視性。此舉旨在將數據治理嵌入 AI 工作流程，以應對 AI 系統帶來的非確定性數據存取風險。
隨著人工智慧（AI）技術日益整合至企業營運，資安團隊面臨的風險管理挑戰也隨之加劇。專精於數據安全的公司 Bedrock Data 今日宣布，已擴展其 ArgusAI 平台功能，旨在強化對 AI 代理（AI agent）、Model Context Protocol (MCP) 伺服器及企業數據的監控與治理，全面應對企業 AI 風險。
此次更新的核心在於自動化探索 MCP 伺服器，並針對 Snowflake Cortex Search 和 Cortex Analyst 等服務提供更完善的治理能力。Bedrock Data 也推出自家的 MCP 伺服器，將數據風險脈絡整合至 AI 工作流程中。這項擴展主要解決資安團隊難以追蹤 AI 系統如何透過連接器、角色與權限存取內部數據的問題，特別是當企業將新數據集導入 AI 搜尋系統時，往往未審查其中是否包含敏感資訊。
ArgusAI 平台建立於 Bedrock Data 的 Metadata Lake 之上，並運用數據物料清單（Data Bill of Materials, DBOM）來建立與 AI 系統相關的數據資產庫存，包括分類、敏感度分級、授權鏈、法規情境及數據溯源。《IT Brief Australia》引述 Bedrock Data 技術長暨共同創辦人 Pranava Adduri 的說法，指出 AI 風險並非由單一端點或服務定義，而是由代理、基礎設施、角色與數據之間的連接鏈所構成。他強調，ArgusAI 將這些層面整合為統一的曝險模型，使資安團隊能全面掌握 AI 部署內容及其實際可存取的數據。
分析機構 Intellyx 總監暨首席分析師 Jason English 表示，AI 引入了非確定性的數據存取模式，這是傳統資安工具無法有效治理的。他認為，企業需要更清晰地了解 AI 系統如何與企業數據互動，才能管理新興風險。根據 Bedrock Data 在 2025 年的企業數據安全信心指數報告，雖然有六成的資安團隊已承擔 AI 治理職責，但仍有高達 53% 的團隊缺乏對敏感數據資產的即時可視性。
Bedrock Data 的目標是透過其 MCP 伺服器，將數據風險情報直接嵌入 AI 工作流程中，確保治理措施能在 AI 系統進行存取審查、事件回應或數據營運等操作決策前，就已整合其中，而非事後補救。如此一來，企業將能更有效地管理 AI 應用帶來的安全挑戰，確保創新與風險控制並行。