AIエージェントは研究デモから日常のエンドポイントワークフローへと移行しました。開発者はローカルファイルアクセスを持つコード作成アシスタントをインストールし、アナリストはデータ取得、スクリプト実行、API呼び出しを行う自律ツールを試用します。各エージェントはファイルシステム、ネットワーク、OAuthスコープ、APIトークン、パッケージマネージャーなどの新たな権限面を導入し、従来のEDRはこれらを単なるプロセスとして扱います。その結果、セキュリティチームがインベントリ化するよりも速くシャドウエージェントが増殖しています。核心的な問題はマルウェアだけでなく、過剰な権限を持ち、検証されていない自動化が正当な操作を意図せぬ結果とともに実行することにあります。顧客データの持ち出しから、侵害された依存関係を通じたリポジトリの汚染まで多岐にわたります。
Glowの賭けは、AIエージェントをエンドポイントセキュリティの第一級市民にすることです。侵害の指標を待つのではなく、インストール済みおよび一時的なエージェントを継続的にマッピングし、それらを機能（ツール、プラグイン、モデル呼び出し）に関連付け、文脈的リスクを評価します：エージェントが触れるもの、保持する資格情報、パッケージの取得方法、EDRの劣化状況など。ポリシーは事前許可のガードレールを強制します—リスクのあるnpmインストールをブロックし、許可されていないツールを呼び出すエージェントを隔離し、高影響の操作にはステップアップ承認を要求します。これはエージェントの意図と権限に沿った予防であり、単なる一般的なプロセステレメトリではありません。
購入者にとっての課題は、このレイヤーがスタックのどこに位置し、開発者の速度を妨げずにどのように運用するかです。現実的なアプローチは、MDMと連携して展開し、EDRで信号を融合し、IdP/SSOでアイデンティティ認識ポリシーを適用しつつ、開発者に優しい例外処理と監査可能性を提供することです。成功指標には、シャドウエージェントの削減、リスクのあるパッケージのプル防止、EDRのカバレッジギャップの解消、ポリシー修正までの平均時間が含まれます。データ処理の実践、オンデバイス対クラウド推論、バージョニング、ドライラン、数万台のデバイスにわたる段階的展開を可能にするポリシーコードモデルに注目してください。