Tại sự kiện VB Transform 2026, các chuyên gia công nghệ từ NTT DATA AIVista và Snowflake đã đưa ra cảnh báo rằng việc chỉ xác thực danh tính (identity) là không đủ để bảo vệ các hệ thống AI agent tự trị trong doanh nghiệp. Trong bối cảnh làn sóng triển khai AI agent bùng nổ, việc thiếu các biện pháp kiểm soát quyền truy cập ở cấp độ hành động và nhật ký kiểm toán chống can thiệp (tamper-resistant audit trails) đang tạo ra những rủi ro bảo mật hệ thống nghiêm trọng.
Bối cảnh & Nguyên nhân
Theo báo cáo từ VentureBeat vào tháng 6, có tới 69% doanh nghiệp hiện đang vận hành các AI agent sử dụng chung thông tin đăng nhập (shared credentials). Đây là một thực trạng đáng báo động vì nó trực tiếp dẫn đến tỷ lệ xảy ra các sự cố bảo mật cao hơn. Trong môi trường phần mềm truyền thống, hành vi của hệ thống là tất định (deterministic) khi người dùng thao tác. Tuy nhiên, các AI agent tự trị lại sở hữu khả năng tự đưa ra quyết định và liên tục điều chỉnh quy trình hoạt động để đạt được mục tiêu được giao.
Khi doanh nghiệp gán một mã khóa API tĩnh duy nhất cho agent và cho phép nó hoạt động đại diện cho nhiều người dùng, họ đã vô tình cung cấp cho AI quyền hạn vượt quá nhu cầu thực tế. Do có bản chất thích khám phá, AI agent sẽ thử nghiệm nhiều phương thức khác nhau để giải quyết tác vụ, dẫn đến những tác động ngoài ý muốn. Hơn thế nữa, việc dùng chung tài khoản khiến công tác điều tra dấu vết (forensics) khi xảy ra sự cố trở nên bất khả thi do không thể quy trách nhiệm chính xác cho từng agent riêng biệt.
Phân tích kỹ thuật & Công nghệ
Để giải quyết triệt để vấn đề này, các chuyên gia đề xuất một mô hình quản trị bảo mật 3 lớp toàn diện cho hệ thống AI tự trị. Lớp thứ nhất là lớp agent, tập trung vào việc quản lý danh tính, phân quyền công cụ (tool permissions) và kiểm soát giao thức bối cảnh mô hình (Model Context Protocol - MCP). Lớp thứ hai là lớp mô hình (model), chịu trách nhiệm ngăn chặn các cuộc tấn công tiêm mã lệnh gián tiếp (indirect prompt injection) và cô lập mô hình chạy bên trong đám mây riêng ảo (VPC) của khách hàng để bảo vệ dữ liệu đầu vào. Lớp cuối cùng là lớp dữ liệu (data), áp dụng kiến trúc không sao chép (zero-copy), phân quyền truy cập tối thiểu và kiểm soát truy cập dựa trên vai trò (RBAC).
Bên cạnh đó, việc sử dụng các thông tin đăng nhập có phạm vi giới hạn (scoped credentials) chỉ là bước khởi đầu. Trong các ngành chịu sự quản lý chặt chẽ như y tế hay tài chính, hệ thống cần có các ràng buộc động theo thời gian thực dựa trên khu vực pháp lý và quy tắc nội bộ của tổ chức. Chẳng hạn, một agent xử lý bồi thường bảo hiểm phải tự động áp dụng các quy định pháp lý khác nhau tùy thuộc vào địa bàn mà khách hàng cư trú, đòi hỏi cơ chế ủy quyền theo từng hành động cụ thể tại thời điểm thực thi.
Ý kiến chuyên gia & Nhận định
Ông Mukesh Karki, Giám đốc Công nghệ (CTO) của NTT DATA AIVista, nhấn mạnh rằng các doanh nghiệp không thể áp dụng tư duy quản lý nhân sự thông thường đối với AI. "Nếu mỗi nhân viên sở hữu hàng trăm agent, bạn không thể tiến hành onboarding hay xác minh lý lịch cho từng agent đó như con người được", ông Karki nhận định. Thay vào đó, ông Mayank Upadhyay, Giám đốc Bảo mật và Tin cậy tại Snowflake, gợi ý rằng doanh nghiệp nên đối xử với AI agent như những "thực tập sinh" — những thực thể có thiện chí nhưng chưa có đủ kinh nghiệm, cần sự giám sát liên tục và nâng dần mức độ tin cậy theo thời gian thông qua các rào chắn (guardrails) nghiêm ngặt trên nền tảng.
Tác động & Tương lai
Các chuyên gia khuyến nghị doanh nghiệp nên bắt đầu rà soát lại hệ thống quản trị AI agent hiện tại bằng việc kiểm toán các khóa bảo mật tĩnh và dẹp bỏ tình trạng "AI bóng tối" (shadow AI) thông qua cổng kết nối MCP. Việc xây dựng khả năng chứng minh hành vi cho kiểm toán viên là giấy thông hành bắt buộc để hệ thống AI hoạt động hợp pháp. Điều cốt lõi là các giải pháp bảo mật và khả năng kiểm toán này phải được thiết kế và tích hợp ngay từ đầu, bởi việc cố gắng vá víu hay nâng cấp một hệ thống agent đang vận hành là cực kỳ phức tạp và tốn kém đối với bất kỳ doanh nghiệp nào.