What is agentic AI and why does it pose new governance challenges?

Agentic AI refers to artificial intelligence systems that operate non-deterministically, meaning they don't follow fixed, predictable patterns. Instead, they adapt, reason, and act independently, selecting different tools and approaches as they work. This contrasts sharply with traditional, static software systems where inputs reliably lead to predictable outputs. This non-deterministic nature challenges traditional governance frameworks, which were designed for predictable deployments, by creating complexities in security, compliance, and observability. Agentic AI can lead to inconsistent security postures and compliance gaps because its actions, even if malicious, might occur within legitimately granted permissions, making detection difficult for standard tools.

What is AI Risk Intelligence (AIRI) and who developed it?

AI Risk Intelligence (AIRI) is an enterprise-grade automated governance solution developed by the AWS Generative AI Innovation Center. It is designed to address the unique governance challenges posed by agentic AI systems. AIRI automates the assessment of security, operations, and governance controls, consolidating them into a single, continuous viewpoint across the entire agentic lifecycle. Its development is guided by the robust AWS Responsible AI Best Practices Framework, aiming to help organizations deploy trusted AI systems by integrating responsible AI considerations from design through post-production.

How does AIRI address 'Tool Misuse and Exploitation' in agentic systems?

AIRI addresses 'Tool Misuse and Exploitation,' an OWASP Top 10 risk for agentic applications, by providing continuous, automated governance that evaluates an agent's actions against its intended scope. Unlike traditional data loss prevention or network monitoring tools that might miss anomalies within authorized permissions, AIRI integrates security directly into how agents operate. It reasons over evidence to determine if an agent's use of its tools, such as email or calendar access, aligns with established governance standards, even if the actions are technically within granted permissions. This allows for early detection of potentially malicious or unintended tool misuse that could lead to data exfiltration or other breaches.

What governance frameworks can AIRI operationalize?

AIRI is framework-agnostic, meaning it can operationalize a wide array of governance standards rather than being limited to a specific set of rules. It transforms frameworks such as the NIST AI Risk Management Framework, ISO standards, and OWASP guidelines from static reference documents into automated, continuous evaluations. This adaptability allows AIRI to calibrate against an organization's specific governance standards, including internal transparency policies and industry-specific compliance requirements, making it applicable across diverse agent architectures, industries, and risk profiles without needing re-engineering for each new context.

How does AIRI utilize 'semantic entropy' in its evaluation process?

AIRI utilizes 'semantic entropy' as a technique to strengthen the reliability of its automated governance judgments. After performing an evaluation of a control, AIRI repeats the assessment multiple times. Semantic entropy then measures the consistency of the conclusions drawn across these repeated runs. If the outputs or judgments vary significantly, it signals that the underlying evidence might be ambiguous or insufficient for a definitive automated determination. In such cases, AIRI intelligently triggers a human review, preventing potentially unreliable automated judgments and ensuring that complex or unclear situations receive necessary human oversight and expertise.

What are the key benefits of implementing AIRI for enterprise AI deployments?

Implementing AIRI provides several key benefits for enterprise AI deployments. It moves organizations from reactive, manual governance to proactive, automated, and continuous oversight of agentic systems. Benefits include achieving a consistent security posture across complex agentic workflows, closing compliance gaps through continuous evaluation against various standards (NIST, ISO, OWASP), and enhancing visibility into agent behavior and risks for business stakeholders. By automating the assessment of security, operations, and governance controls, AIRI allows organizations to scale their AI ambitions confidently, reduce manual audit efforts, and build trust in their AI systems by embedding responsible AI principles throughout the entire lifecycle.

Pamamahala ng AI: Katalinuhan sa Panganib para sa Agentic Systems

title: "Pamamahala ng AI: Katalinuhan sa Panganib para sa Agentic Systems" slug: "can-your-governance-keep-pace-with-your-ai-ambitions-ai-risk-intelligence-in-the-agentic-era" date: "2026-04-01" lang: "fil" source: "https://aws.amazon.com/blogs/machine-learning/can-your-governance-keep-pace-with-with-your-ai-ambitions-ai-risk-intelligence-in-the-agentic-era/" category: "AI ng Negosyo" keywords:

pamamahala ng AI
agentic AI
katalinuhan sa panganib ng AI
AWS
AI ng negosyo
seguridad ng AI
responsableng AI
pagsunod sa AI
pamamahala sa panganib
awtomatikong pamamahala
generative AI
kaligtasan ng AI meta_description: "Alamin kung paano binabago ng AI Risk Intelligence (AIRI) mula sa AWS ang pamamahala ng AI para sa mga agentic system, tinitiyak ang seguridad at pagsunod sa hindi-deterministic na panahon ng AI." image: "/images/articles/can-your-governance-keep-pace-with-with-your-ai-ambitions-ai-risk-intelligence-in-the-agentic-era.png" image_alt: "Dashboard ng katalinuhan sa panganib ng AI na nagpapakita ng komprehensibong pangkalahatang-ideya ng kalusugan ng agentic system." quality_score: 94 content_score: 93 seo_score: 95 companies:
AWS schema_type: "NewsArticle" reading_time: 5 faq:
question: "Ano ang agentic AI at bakit ito nagdudulot ng mga bagong hamon sa pamamahala?" answer: "Ang agentic AI ay tumutukoy sa mga sistema ng artificial intelligence na gumagana nang hindi-deterministic, ibig sabihin, hindi sila sumusunod sa nakapirming, predictable na mga pattern. Sa halip, sila ay umaangkop, nangangatuwiran, at kumikilos nang independyente, pumipili ng iba't ibang tool at diskarte habang gumagana. Malaki ang pagkakaiba nito sa tradisyonal, static na mga sistema ng software kung saan ang mga input ay maaasahang nagdudulot ng predictable na mga output. Ang hindi-deterministic na katangian na ito ay humahamon sa tradisyonal na mga balangkas ng pamamahala, na idinisenyo para sa predictable na mga pag-deploy, sa pamamagitan ng paglikha ng mga kumplikasyon sa seguridad, pagsunod, at pagmamasid. Maaaring humantong ang agentic AI sa hindi magkakaugnay na mga postura ng seguridad at mga puwang sa pagsunod dahil ang mga aksyon nito, kahit na nakakapinsala, ay maaaring mangyari sa loob ng lehitimong ibinigay na mga pahintulot, na nagpapahirap sa pagtuklas para sa mga karaniwang tool."
question: "Ano ang AI Risk Intelligence (AIRI) at sino ang bumuo nito?" answer: "Ang AI Risk Intelligence (AIRI) ay isang solusyon sa awtomatikong pamamahala na pang-enterprise na binuo ng AWS Generative AI Innovation Center. Idinisenyo ito upang tugunan ang mga natatanging hamon sa pamamahala na idinudulot ng mga agentic AI system. Awtomatikong sinusuri ng AIRI ang mga kontrol sa seguridad, operasyon, at pamamahala, pinagsasama-sama ang mga ito sa isang tuloy-tuloy na pananaw sa buong lifecycle ng agentic. Ang pagbuo nito ay ginagabayan ng matatag na AWS Responsible AI Best Practices Framework, na naglalayong tulungan ang mga organisasyon na mag-deploy ng pinagkakatiwalaang mga AI system sa pamamagitan ng pagsasama ng mga konsiderasyon ng responsableng AI mula sa disenyo hanggang sa post-produksyon."
question: "Paano tinutugunan ng AIRI ang 'Pang-aabuso at Pagsasamantala sa Tool' sa mga agentic system?" answer: "Tinutugunan ng AIRI ang 'Pang-aabuso at Pagsasamantala sa Tool,' isang OWASP Top 10 na panganib para sa mga agentic na aplikasyon, sa pamamagitan ng pagbibigay ng tuloy-tuloy, awtomatikong pamamahala na sumusuri sa mga aksyon ng isang ahente laban sa nilalayon nitong saklaw. Hindi tulad ng tradisyonal na pag-iwas sa pagkawala ng data o mga tool sa pagsubaybay sa network na maaaring makaligtaan ang mga anomalya sa loob ng awtorisadong mga pahintulot, direktang isinasama ng AIRI ang seguridad sa paraan ng pagpapatakbo ng mga ahente. Nangangatuwiran ito sa ebidensya upang matukoy kung ang paggamit ng isang ahente ng mga tool nito, tulad ng email o pag-access sa kalendaryo, ay naaayon sa itinatag na mga pamantayan ng pamamahala, kahit na ang mga aksyon ay teknikal na nasa loob ng ibinigay na mga pahintulot. Nagbibigay-daan ito para sa maagang pagtuklas ng posibleng malisyoso o hindi sinasadyang pang-aabuso sa tool na maaaring humantong sa paglabas ng data o iba pang paglabag."
question: "Anong mga balangkas ng pamamahala ang kayang ipatupad ng AIRI?" answer: "Ang AIRI ay framework-agnostic, ibig sabihin, kaya nitong ipatupad ang malawak na hanay ng mga pamantayan ng pamamahala sa halip na limitado sa isang partikular na hanay ng mga panuntunan. Binabago nito ang mga balangkas tulad ng NIST AI Risk Management Framework, mga pamantayan ng ISO, at mga alituntunin ng OWASP mula sa static na mga dokumento ng sanggunian tungo sa awtomatiko, tuloy-tuloy na mga pagsusuri. Ang kakayahang umangkop na ito ay nagbibigay-daan sa AIRI na mag-calibrate laban sa mga partikular na pamantayan ng pamamahala ng isang organisasyon, kabilang ang mga panloob na patakaran sa transparency at mga kinakailangan sa pagsunod na partikular sa industriya, na ginagawa itong mailalapat sa magkakaibang mga arkitektura ng ahente, industriya, at mga profile ng panganib nang hindi nangangailangan ng re-engineering para sa bawat bagong konteksto."
question: "Paano ginagamit ng AIRI ang 'semantic entropy' sa proseso nito ng pagsusuri?" answer: "Ginagamit ng AIRI ang 'semantic entropy' bilang isang pamamaraan upang palakasin ang pagiging maaasahan ng mga awtomatikong paghatol nito sa pamamahala. Matapos magsagawa ng pagsusuri ng isang kontrol, inuulit ng AIRI ang pagtatasa nang maraming beses. Pagkatapos ay sinusukat ng semantic entropy ang pagkakapare-pareho ng mga konklusyon na nakuha sa mga paulit-ulit na pagpapatakbo na ito. Kung ang mga output o paghatol ay nag-iiba nang malaki, ipinahihiwatig nito na ang pinagbabatayang ebidensya ay maaaring malabo o hindi sapat para sa isang tiyak na awtomatikong pagtukoy. Sa mga ganitong kaso, matalinong nagpapalitaw ang AIRI ng human review, pinipigilan ang posibleng hindi maaasahang awtomatikong paghatol at tinitiyak na ang mga kumplikado o hindi malinaw na sitwasyon ay makakatanggap ng kinakailangang pagsubaybay at kadalubhasaan ng tao."
question: "Ano ang mga pangunahing benepisyo ng pagpapatupad ng AIRI para sa mga enterprise AI deployment?" answer: "Ang pagpapatupad ng AIRI ay nagbibigay ng ilang pangunahing benepisyo para sa mga enterprise AI deployment. Inililipat nito ang mga organisasyon mula sa reactive, manual na pamamahala tungo sa proactive, awtomatiko, at tuloy-tuloy na pangangasiwa ng mga agentic system. Kabilang sa mga benepisyo ang pagkamit ng pare-parehong postura ng seguridad sa mga kumplikadong agentic workflow, pagsasara ng mga puwang sa pagsunod sa pamamagitan ng tuloy-tuloy na pagsusuri laban sa iba't ibang pamantayan (NIST, ISO, OWASP), at pagpapahusay ng visibility sa pag-uugali ng ahente at mga panganib para sa mga stakeholder ng negosyo. Sa pamamagitan ng pag-automate ng pagtatasa ng seguridad, operasyon, at mga kontrol sa pamamahala, pinapayagan ng AIRI ang mga organisasyon na palakihin ang kanilang mga ambisyon sa AI nang may kumpiyansa, bawasan ang mga manu-manong pagsisikap sa pag-audit, at bumuo ng tiwala sa kanilang mga AI system sa pamamagitan ng pag-embed ng responsableng AI na mga prinsipyo sa buong lifecycle."

Ang Agentic AI Era: Paghubog Muli ng Enterprise AI Governance

Mabilis na nagbabago ang landscape ng AI, nagpasimula ng isang "agentic era" kung saan ang mga sistema ng AI ay nagpapatakbo nang may hindi pa nagagawang awtonomiya. Wala na ang mga araw ng predictable, binary DevOps; ang agentic AI ay hindi-deterministic, umaangkop at nangangatuwiran nang independyente. Ang pagbabago ng paradigma na ito ay nagpapakita ng isang malaking hamon sa tradisyonal na mga balangkas ng pamamahala ng IT, na idinisenyo para sa static, predictable na mga deployment. Nakikipaglaban ang mga organisasyon sa hindi magkakaugnay na mga postura ng seguridad, mga puwang sa pagsunod, at malabong sukatan ng observability para sa mga kumplikadong interaksyon ng multi-system na ito. Nangangailangan ang dinamikong kapaligiran na ito ng isang bagong diskarte sa seguridad, operasyon, at pamamahala, na tinitingnan bilang magkakaugnay na mga dimensyon ng kalusugan ng agentic system. Mula sa kritikal na pangangailangan na ito lumitaw ang AI Risk Intelligence (AIRI). Binuo ng AWS Generative AI Innovation Center at itinayo sa matatag na AWS Responsible AI Best Practices Framework, ang AIRI ay isang enterprise-grade na awtomatikong solusyon sa pamamahala na idinisenyo upang magdala ng kalinawan at kontrol sa agentic era.

Ang Hindi Mahuhulaang Katangian ng Agentic AI at Nagkakasunod-sunod na Panganib

Ang pangunahing katangian ng agentic AI ay ang hindi nito deterministic na pag-uugali. Hindi tulad ng tradisyonal na software, ang pagtatanong sa isang ahente ng parehong tanong nang dalawang beses ay maaaring magbigay ng iba't ibang sagot, dahil ang mga ahente ay independyenteng pumipili ng mga tool at diskarte sa halip na sumunod sa mahigpit na workflow. Ang pagkalikido na ito ay nangangahulugang ang kalidad ay umiiral sa isang gradient, mula sa perpekto hanggang sa gawa-gawa, sa halip na isang simpleng pass-fail. Dahil dito, ang mga predictable na dependency at proseso ay nagbigay-daan sa mga autonomous na sistema na umaangkop, nangangatuwiran, at kumikilos nang independyente.

Ang tradisyonal na pamamahala ng IT, na binuo para sa static na mga deployment, ay hindi epektibong makakapamahala sa mga kumplikadong interaksyon ng multi-system na ito. Lumilikha ito ng malaking mga 'blind spot'. Halimbawa, kinikilala ng Open Worldwide Application Security Project (OWASP) ang "Pang-aabuso at Pagsasamantala sa Tool" bilang isang pangunahing panganib para sa mga agentic na aplikasyon. Pagmasdan ang isang sitwasyon kung saan ang isang enterprise AI assistant, na lehitimong naka-configure na may access sa email, kalendaryo, at CRM, ay nakompromiso. Ang isang malisyosong aktor ay naglalagay ng mga nakatagong tagubilin sa loob ng isang email. Kapag humiling ang isang user ng isang inosenteng buod, ang nakompromisong ahente, na nagpapatakbo sa loob ng mga ibinigay nitong pahintulot, ay naghahanap ng sensitibong data at nagpapalabas nito sa pamamagitan ng mga imbitasyon sa kalendaryo, lahat habang nagbibigay ng isang benign na tugon na nagtatakip sa paglabag. Ang mga standard na tool sa pag-iwas sa pagkawala ng data at pagsubaybay sa network ay nabigo dito dahil ang mga aksyon, bagaman malisyoso, ay nagaganap sa loob ng awtorisadong mga parameter, at hindi kinakailangang mag-trigger ng paggalaw ng data o mga anomalya sa network sa paraang matutuklasan ng tradisyonal na mga sistema. Ibinibida nito kung paano maaaring magkakasunod-sunod ang mga kahinaan sa seguridad sa mga agentic system sa maraming operational na dimensyon nang sabay-sabay, na ginagawang hindi epektibo ang tradisyonal, siloed na pamamahala. Binibigyang-diin ng mga ganitong sitwasyon ang kahalagahan ng mga estratehiya tulad ng pagdidisenyo ng mga ahente upang labanan ang prompt injection mula pa sa simula.

Ipinapakilala ang AI Risk Intelligence (AIRI): Isang Pagbabago sa Paradigma ng Pamamahala

Upang tulay ang agwat sa pagitan ng static na mga kontrol at dinamikong pag-uugali ng ahente, binuo ng AWS ang AI Risk Intelligence (AIRI). Binibigyan ng AIRI ng bagong kahulugan ang seguridad, operasyon, at pamamahala bilang isang magkakaugnay na balangkas ng 'AI Risk Intelligence'. Ito ay isang enterprise-grade na awtomatikong solusyon sa pamamahala na awtomatikong sumusuri sa mga kontrol sa seguridad, operasyon, at pamamahala, pinagsasama-sama ang mga ito sa isang solong, actionable na pananaw sa buong agentic lifecycle. Ginagamit ng disenyo ng AIRI ang AWS Responsible AI Best Practices Framework, na gumagabay sa mga customer sa pagsasama ng responsableng mga konsiderasyon ng AI sa buong AI lifecycle, na nagbibigay-daan sa matalinong mga desisyon sa disenyo at nagpapabilis sa pag-deploy ng pinagkakatiwalaang mga sistema ng AI. Ang solusyon na ito ay nagbabago nang malaki sa pamamahala mula sa isang reaktibo, manu-manong proseso tungo sa isang proactive, awtomatiko, at tuloy-tuloy na isa.

Ang nagpapalakas sa AIRI ay ang katangian nitong framework-agnostic. Hindi ito naglalagay ng hardcoded na mga panuntunan para sa mga partikular na banta ngunit nagkakaloob ng kalibrasyon laban sa malawak na hanay ng mga pamantayan ng pamamahala, kabilang ang NIST AI Risk Management Framework, ISO, at OWASP. Nangangahulugan ito na ang parehong engine na sumusuri sa mga kontrol sa seguridad ng OWASP ay maaari ding suriin ang mga panloob na patakaran sa transparency ng isang organisasyon o mga kinakailangan sa pagsunod na partikular sa industriya. Tinitiyak ng kakayahang umangkop na ito na mananatiling may kaugnayan ang AIRI sa magkakaibang mga arkitektura ng ahente, industriya, at umuusbong na mga profile ng panganib, nangangatuwiran sa ebidensya tulad ng isang tuloy-tuloy, scalable na auditor. Binabago nito ang mga abstract na kinakailangan sa balangkas sa konkreto, actionable na mga pagsusuri na naka-embed sa buong agentic lifecycle, mula sa disenyo hanggang sa post-produksyon.

AIRI sa Aksyon: Pagsasakatuparan ng Awtomatikong Pamamahala

Balikan natin ang halimbawa ng ating AI assistant upang ilarawan kung paano isinasakatuparan ng AIRI ang awtomatikong pamamahala. Isipin na ang isang development team ay lumikha ng isang Proof of Concept (POC) para sa AI assistant na ito. Bago mag-deploy sa produksyon, ginagamit nila ang AIRI. Upang magtatag ng isang pangunahing pagtatasa, ginagamit ang awtomatikong kakayahan ng AIRI sa pagsusuri ng teknikal na dokumentasyon. Awtomatikong kinokolekta ng prosesong ito ang ebidensya ng mga implementasyon ng kontrol, sinusuri hindi lamang ang seguridad kundi pati na rin ang kritikal na operational quality controls tulad ng transparency, controllability, explainability, safety, at robustness. Ang pagsusuri ay sumasaklaw sa disenyo ng use case, ang pinagbabatayang imprastraktura nito, at ang mga nauugnay na patakaran ng organisasyon upang matiyak ang pagkakahanay sa enterprise governance at mga kinakailangan sa pagsunod.

Narito ang isang halimbawa ng mga uri ng kontrol na maaaring suriin ng AIRI sa yugtong ito:

Kategorya ng Kontrol	Deskripsyon	Pokus ng Pagsusuri ng AIRI
Seguridad	Data encryption, access control, vulnerability management	Pagpapatunay ng paghawak ng data, access sa tool, at posibleng mga vector ng pagsasamantala.
Operasyon	Pagsubaybay, pag-log, pagtugon sa insidente	Pagsusuri ng kakayahan sa pagmamasid at pagtugon ng sistema.
Transparency	Pinagmulan ng modelo, pinagmulan ng data, proseso ng paggawa ng desisyon	Kalinawan ng panloob na paggana ng AI at pinagmulan ng data.
Kakayahang Kontrolin	Mga mekanismo ng pangangasiwa ng tao, mga punto ng interbensyon, emergency stop	Pagiging epektibo ng human-in-the-loop at fail-safe na mga protocol.
Kakayahang Ipaliwanag	Katwiran para sa mga aksyon ng ahente, interpretability ng mga resulta	Kakayahang maunawaan kung bakit ginawa ng isang ahente ang isang partikular na aksyon.
Kaligtasan	Pagtukoy ng bias, etikal na alituntunin, sukatan ng pagiging patas	Pagsunod sa responsableng mga prinsipyo ng AI at pagpapagaan ng nakakapinsalang output.
Katatagan	Pagiging matatag sa mga adversarial attack, paghawak ng error, pagiging maaasahan	Kakayahan ng sistema na mapanatili ang pagganap sa ilalim ng stress at laban sa manipulasyon.
Pagsunod	Pagsunod sa regulasyon, pamantayan ng industriya, mga patakaran ng organisasyon	Pagkakahanay sa mga legal na mandato at panloob na mga balangkas ng pamamahala.

Para sa bawat dimensyon ng kontrol, nagpapatupad ang AIRI ng isang reasoning loop. Una, kinukuha nito ang mga partikular na pamantayan sa pagsusuri mula sa naaangkop na balangkas ng pamamahala. Susunod, kumukuha ito ng ebidensya nang direkta mula sa mga artifact ng sistema—kabilang ang mga dokumento ng arkitektura, mga configuration ng ahente, at mga patakaran ng organisasyon. Sa huli, nangangatuwiran ito sa pagkakahanay sa pagitan ng mga kinakailangan ng balangkas at ng ipinakitang ebidensya ng sistema, na tinutukoy ang pagiging epektibo ng implementasyon ng kontrol. Ang diskarte na ito na batay sa pangangatwiran ay nagbibigay-daan sa AIRI na umangkop sa mga bagong disenyo ng ahente, umuusbong na mga balangkas, at umuusbong na mga kategorya ng panganib nang hindi nangangailangan ng re-engineering ng pangunahing lohika nito.

Upang mapahusay ang pagiging maaasahan ng mga paghatol na ito, gumagamit ang AIRI ng isang pamamaraan na tinatawag na semantic entropy. Inuulit nito ang bawat pagsusuri nang maraming beses at sinusukat ang pagkakapare-pareho ng mga konklusyon nito. Kung ang mga output ay nag-iiba nang malaki sa iba't ibang pagpapatakbo, ipinahihiwatig nito na ang ebidensya ay maaaring malabo o hindi sapat. Sa mga ganitong kaso, matalinong nagpapalitaw ang AIRI ng human review, pinipigilan ang posibleng hindi maaasahang awtomatikong paghatol at tinitiyak ang isang matatag na proseso ng pamamahala. Ang makabagong diskarte na ito ay epektibong tumutulay sa agwat sa pagitan ng abstract na mga kinakailangan sa balangkas at kongkretong pag-uugali ng ahente, binabago ang intensyon ng pamamahala sa isang structured, repeatable, at scalable na pagsusuri sa mga kumplikadong agentic system.

Konklusyon: Pagsisiguro sa Kinabukasan ng Agentic AI

Ang pag-usbong ng agentic AI ay nagmamarka ng isang pangunahing pagbabago sa kung paano dapat lapitan ng mga organisasyon ang deployment at pamamahala ng AI. Tapos na ang panahon ng predictable, static na mga sistema, pinalitan ng dynamic, hindi-deterministic na mga ahente na nangangailangan ng bagong antas ng sopistikasyon sa pamamahala sa panganib. Ang tradisyonal na mga modelo ng pamamahala ay hindi sapat upang makasabay sa bilis at kumplikasyon ng mga pagsulong na ito ng AI. Nagbibigay ang AI Risk Intelligence (AIRI) mula sa AWS ng isang kritikal na solusyon, na nag-aalok ng isang awtomatiko, komprehensibo, at adaptibong balangkas para sa pagsisiguro at pamamahala ng mga agentic system. Sa pamamagitan ng pagsasama ng seguridad, operasyon, at pamamahala sa isang solong, tuloy-tuloy na pananaw, binibigyan ng kapangyarihan ng AIRI ang mga organisasyon na may kumpiyansa na ituloy ang kanilang mga ambisyon sa AI habang pinaninindigan ang responsableng mga prinsipyo ng AI at tinitiyak ang pagsunod. Habang patuloy na isinasakatuparan ng mga organisasyon ang agentic AI, ang mga solusyon tulad ng AIRI ay magiging mahalaga sa pagbabago ng mga potensyal na panganib sa mga pagkakataon para sa inobasyon at paglago.