حدود ۹۰ درصد از سازمان‌ها قصد دارند طی دو سال آینده به سمت عملیات خودگردان IT (Autonomous IT Operations) حرکت کنند و برای این منظور از Agentic AI استفاده نمایند؛ نرم‌افزارهایی که قادرند به‌طور مستقل برای انجام وظایف چندمرحله‌ای برنامه‌ریزی کرده و آن‌ها را اجرا کنند. با این حال، ۷۷ درصد از این سازمان‌ها همچنان در برابر اجازه دادن به AI برای اتخاذ تصمیمات عملیاتی بدون تایید انسانی تردید دارند.
تضاد بین اهداف مدیریتی و واقعیت‌های فنی
اکثر شرکت‌ها مدل «خودگردانی با نظارت انسانی» را ترجیح می‌دهند، اما تعداد کمی از آن‌ها زیرساخت‌های لازم برای این مدل را فراهم کرده‌اند. تنها ۴۱ درصد اعلام کرده‌اند که محیط IT آن‌ها برای عملیات خودگردان آماده است و در حال حاضر تنها ۱۹ درصد از عملیات IT آن‌ها به‌صورت خودکار (Automated) اجرا می‌شود. این نشان می‌دهد که بسیاری از کسب‌وکارها در حال برنامه‌ریزی برای فناوری‌هایی هستند که محیط‌های فعلی آن‌ها قادر به پشتیبانی از آن نیست.
چالش دید جامع و پراکندگی ابزارها
بر اساس نظرسنجی‌ها، ۹۶ درصد از پاسخ‌دهندگان معتقدند که داشتن دید جامع (Visibility) در سراسر شبکه‌ها، اپلیکیشن‌ها، نقاط انتهایی (Endpoints) و محیط‌های ابری برای IT مبتنی بر AI حیاتی است؛ اما تنها ۱۷ درصد توانسته‌اند این دید را به‌صورت یکپارچه ایجاد کنند. برای اینکه یک Agent بتواند علت یک قطعی را تشخیص دهد، به تصویر کاملی از سیستم نیاز دارد، در حالی که در اکثر سازمان‌ها، داده‌ها در سیلوهای مجزا (Data Silos) قرار دارند.
موانع حاکمیتی و امنیتی
پراکندگی ابزارها (Tool Sprawl) وضعیت را وخیم‌تر کرده است. اگرچه ادغام ابزارها می‌تواند اصطکاک‌های عملیاتی را کاهش دهد، اما همین پراکندگی باعث افزایش نیاز به یکپارچه‌سازی سیستم‌ها شده است. در این میان، نگرانی‌های امنیتی و رعایت قوانین (Compliance) در صدر موانع قرار دارند.
- فقدان نظارت: ۵۱ درصد از سازمان‌ها اعلام کرده‌اند که نظارت کافی بر عملکرد و قابلیت اطمینان Agentهای AI ندارند.
- شکاف مهارتی: کمبود مهارت‌های تخصصی و مقاومت در برابر تغییر، علاوه بر مسائل فنی، از دیگر چالش‌های اصلی هستند.
- تضاد دیدگاه: مدیران ارشد معمولاً کیفیت داده‌های سازمان خود را بالاتر از آنچه متخصصان فنی تجربه می‌کنند، ارزیابی می‌کنند.
آینده میز خدمات (Service Desk)
تقریباً تمامی پاسخ‌دهندگان انتظار دارند که AI ظرف دو سال آینده، نقش تیم‌های خط مقدم IT و میز خدمات (Service Desk) را تغییر دهد. پیش‌بینی‌ها شامل کاهش حجم فعالیت‌های روتین، تمرکز بر مسائل پیچیده‌تر و تغییر رویکرد از «واکنشی» (Reactive) به «پیشگیرانه» (Preventive) است. در حال حاضر، یک‌سوم شرکت‌ها گزارش داده‌اند که تیم‌های IT آن‌ها در استفاده از AI برای شناسایی و رفع مشکلات پیش از آنکه کاربران متوجه شوند، بسیار موفق عمل می‌کنند.
به‌روزرسانی (اکتبر 9, 2026 — The Hacker News)
به‌روزرسانی: گزارش جدید SailPoint با عنوان «افق‌های امنیت هویت» (Horizons of Identity Security)، مفهومی کلیدی به نام «پارادوکس سرعت» (Velocity Paradox) را معرفی کرده است. این پارادوکس به وضعیتی اشاره دارد که در آن سازمان‌ها در حالی که برای عملیات تجاری خود به دنبال سرعت خیره‌کننده هوش مصنوعی هستند، همچنان از کنترل‌های امنیتی با «سرعت انسانی» استفاده می‌کنند؛ شکافی ساختاری که باعث می‌شود رویکردهای سنتی در برابر عامل‌های خودمختار (Autonomous Agents) شکست بخورند.
داده‌های این گزارش نشان می‌دهد که بلوغ امنیتی بازار در حوزه مدیریت هویت به بن‌بست رسیده است؛ به‌طوری که ۶۰٪ از سازمان‌ها همچنان در مراحل ابتدایی (بدون برنامه رسمی یا استفاده از ابزارهای دستی) قرار دارند. نکته بحرانی این است که متدهای مدیریت دسترسی که برای کارکنان انسانی طراحی شده‌اند، در محیط‌های پویا و مقیاس‌پذیر هوش مصنوعی که در هر دقیقه هزاران تراکنش انجام می‌دهند، به‌طور کامل ناکارآمد هستند.
این تحلیل بر شکاف عمیق میان مدیریت هویت‌های انسانی و هویت‌های غیرانسانی (Non-Human Identities – NHI) تأکید می‌کند. در حالی که بسیاری از سازمان‌ها در مدیریت دسترسی کاربران انسانی موفق بوده‌اند، اما در گسترش همین استانداردها به محیط‌های ابری و Agentic محیط‌های AI دچار ضعف شدید هستند. در واقع، مشکل فعلاً نبود تخصص نیست، بلکه وجود یک «سقف معماری» است که اجازه نمی‌دهد حاکمیت (Governance) امنیتی با سرعت توسعه AI پیش برود.
