GenAI 即将登陆您的 UEM 平台：如何准备

生成人工智能 (genAI) 的能力和特性即将到来事实上，有些人已经在这里了，技术和商业领导者需要为他们可能面临的挑战做好准备。

一些领先的UEM供应商正在将 AI 和 genAI 功能融入到他们的平台中。以下是一些示例：

管理引擎使其内部基于人工智能的助手 Zia 成为其 UEM 解决方案 Endpoint Central 的一个组成部分。通过与“Ask Zia”聊天机器人进行自然语言交互，IT 团队可以利用人工智能驱动的见解、智能报告生成和人工智能支持的远程支持。

该平台即将推出的功能包括 genAI 支持的管理和安全自动化。 GenAI 功能将通过 Ask Zia 进行集成，其他功能将旨在增强设备性能优化和安全事件管理。

微软在其 Intune UEM 产品中提供 Copilot for Windows Autopatch，该产品可在每个更新管理阶段（从规划和部署跟踪到问题识别和修复）提供人工智能驱动的指导。该公司表示，genAI 工具提供了可行的见解，因此团队可以保持端点的安全和最新状态，同时将干扰降至最低。其他可用或即将推出的 Intune 功能包括针对多个设备查询的 Copilot 协助、端点权限管理和策略管理。

黑莓UEM 的移动威胁防御功能使用人工智能和机器学习模型对应用程序和 URL 进行评分，以检查恶意软件和恶意网站以及网络钓鱼事件。该公司表示，正在评估服务器和应用程序中的 genAI 用例，以便将其包含在未来的版本中，重点是维护客户数据隐私。发言人拒绝对这些路线图功能或发布的大致时间表发表进一步评论。

行业观察人士还指出，改进的脚本生成、自然语言数据提取和分析以及最终用户支持是 genAI 在 UEM 工具中的可能应用。

在大型企业中，UEM 平台可能管理数千个用户设备和其他端点，并与安全系统、数字员工体验工具和其他企业软件紧密相连。显然，当 genAI 嵌入到 UEM 中时，安全性、用户体验和运营效率方面可能会面临挑战。准备对于成功很重要。

计算机世界向三位企业移动分析师询问了企业如何利用 UEM 工具中的 genAI，同时仍然保护其用户、系统和数据的建议。

向供应商询问关键信息

研究公司 Gartner 高级总监兼分析师 Tom Cipolla 表示：“组织可以采取的最重要的第一步是充分了解供应商的 genAI 功能路线图，以及将用于提供这些功能的架构。”

“genAI 的意外发布表明准备工作失败，并且供应商关系可能很薄弱，”Cipolla 说。

技术成本是组织普遍关心的问题，因此管理人员需要密切关注 genAI 功能的成本以及增加的费用是否值得。

Forrester Research 首席分析师安德鲁·休伊特 (Andrew Hewitt) 表示：“如今，大部分功能都处于测试阶段并且免费提供。” “然而，这种情况可能不会持续太久，因为 genAI 的成本很高。”他说，客户应该向供应商询问他们打算对其 UEM 平台中的各种 genAI 功能收取多少费用以及何时收取费用的具体信息。

其他重大问题包括网络安全和企业数据隐私。

休伊特表示，“GenAI 可能会利用该组织专有的数据，并将其发送到第三方云”可能存在风险。他说，最好与 UEM 供应商核实数据是否在本地处理并受到保护。

Hewitt 表示，为此，UEM 客户需要从供应商那里获得有关安全和隐私保护的保证。合同中应注明，客户的专有数据，包括其员工的私人数据，都是经过加密的，不会用于训练genAI模型。

Gartner 的 Cipolla 还敦促 IT 领导者确保其 UEM 供应商将安全性作为 genAI 的优先事项。理想情况下，genAI 功能应以安全的方式提供，以隔离员工和客户的个人数据。

“组织应仔细审查供应商提供的数据隐私保护文档，特别是寻找平台的 genAI 功能使用公共数据的情况。以满足请求，”西波拉说。

创建护栏

在其 UEM 平台中部署任何即将推出的 genAI 功能之前，公司应采取措施保护其系统和数据。例如，他们需要设置护栏以确保专有数据（例如员工的个人身份信息）受到保护。

“组织不仅需要为 UEM 平台建立人工智能治理，还需要为整个数字工作场所堆栈建立人工智能治理，”休伊特说。 “他们应该清点数据当前所在的位置、为安全授权采取的保护措施，并对个人或其他敏感信息进行尽职调查。”

Hewitt 补充道，IT 组织应该开始考虑他们的自动化流程。 “在端点管理堆栈中执行自动化需要什么类型的批准和授权？”他说。 “他们计划如何获得对人工智能和自动化的信任和信心？他们应该如何衡量这一点？盘点现有的自动化流程可能会有所帮助，并在基本用例上对 genAI 进行一些测试。”

在推出之前，应在安全的环境中测试 genAI 功能。 “与任何人工智能解决方案一样，组织应该谨慎行事，并采用‘阻止、行走、奔跑’策略，同时对解决方案及其安全性感到满意，”Cipolla 说。

验证、测试和监控——由人工负责

研究公司 IDC 企业移动项目副总裁 Phil Hochmuth 表示，随着 genAI 功能开始出现在 UEM 工具中，“组织应确保由 AI 启用或协助的端点设备管理任务或功能具有与以前使用的方法相似或更好的结果”。

这意味着密切关注人工智能的建议和行动。 Hochmuth 表示：“在端点 IT 运营中使用人工智能的团队必须警惕人工智能系统的误解、部分或不正确完成任务以及其他影响最终用户生产力的不良结果。”

休伊特说，企业需要特别注意人工智能的错误或不准确的建议。管理员需要先对这些建议进行“健全性检查”，然后再在其环境中实施这些建议。例如，他说，重要的是要确认这些建议是基于最近或实时数据。

西波拉表示同意。他说：“通过 genAI 传递的信息可能包含不准确和幻觉，即听起来属事实但不准确的陈述，这是由用于训练人工智能的大型语言模型造成的。”

Cipolla 表示，如果在使用前未验证 genAI 结果，可能会导致重大运营影响，包括数据丢失、品牌信誉受到打击以及数字员工体验下降。

“出于这个原因，genAI 必须与人类专业知识相结合来验证生成的结果，”他说。 “在实施 genAI 建议之前，请确保至少有一名专家验证信息的准确性。不要使用 genAI 来验证 genAI，因为不同的模型可能会共享幻觉。”

为了降低结果不准确的风险，Cipolla 建议使用类似于基于以下方法的常见方法的框架：IT 基础设施库 (ITIL)，对 IT 变更进行适当的审查。

“此外，在生产环境中实施任何脚本之前，请确保进行测试以验证不会产生意外的副作用。实施后，请仔细监控系统的运行是否存在延迟影响，”Cipolla 说。

组织不应陷入认为 genAI 可以取代技术员工的陷阱。

“在数字工作场所管理工具等定制用例中，genAI 生成的信息的准确性将迅速提高。但是，genAI 永远无法取代数字工作场所中人类的直觉、同理心、好奇心、经验和专业知识。”Cipolla 说道。

为了防止潜在的灾难性后果，“genAI 必须定位于增强人类能力，而不是被视为取代人类的机会，”Cipolla 说。 “人类的创造力和专业知识与 genAI 相结合是一个力量倍增器，有可能带来重大突破。”

为了分享和共同改进积极的结果，Cipolla 建议组织创建 wiki 风格、易于搜索的提示库（和示例结果集），可用于识别常见的成功提示。

“这可以像共享电子表格、协作工具中的频道或基本的维基风格网站一样简单。让所有员工都能做出贡献，并认可那些在提示中表现出非凡创造力的员工，”Cipolla 说。

“即时图书馆也可以作为服务从供应商处购买，”他指出。