Przegląd SNOK za okres 25 września - 1 października 2026: SAP, bezpieczeństwo agentów AI, UiPath i modele decyzyjne.
Kilka premier z ostatniego tygodnia umieszcza egzekwowanie uprawnień i limitów agentów AI poza instrukcją dla modelu. SAP i NVIDIA rozdzielają autoryzację biznesową od izolacji wykonania, AG-UI 1.0 wprowadza do protokołu wstrzymanie pracy agenta do czasu decyzji człowieka, a Google AX uruchamia każde zadanie agenta w osobnej piaskownicy.
Instrukcja w prompcie określa oczekiwane zachowanie modelu, ale nie gwarantuje jego przestrzegania. Uprawnienia, proces, środowisko wykonania i protokół działają niezależnie od tego, co model przeczyta, i tam producenci przenoszą dziś egzekwowanie. Podobnie jest z SAP ERP 6.0: o tym, jak długo system pozostaje wspierany, przesądzają warunki umowy i parametry techniczne, a nie rok podawany w nagłówkach.
1. SAP ERP 6.0: terminy i warunki utrzymania
Główne utrzymanie SAP Business Suite 7, w tym SAP ERP 6.0, kończy się wraz z 2027 rokiem i obejmuje trzy najnowsze pakiety rozszerzeń. Utrzymanie rozszerzone na lata 2028-2030 SAP wycenia publicznie na dodatkowe 2 punkty procentowe bazy utrzymania. System, który nie zostanie nim objęty, przechodzi do utrzymania specyficznego dla klienta.
Na lata 2031-2033 SAP oferuje wyłącznie subskrypcję „SAP ERP, private edition, transition option”, obejmującą samo SAP ERP bez pozostałych aplikacji SAP Business Suite 7. Warunkiem jest migracja na SAP HANA w private edition przed 31 grudnia 2030 roku, system o wielkości co najmniej 2 TB i plan max success. Według komunikatu SAP z sierpnia 2025 roku umowa podpisana w 2026 roku jest droższa o 20 procent, a ceny dla umów zawieranych od 2027 roku SAP ogłosi razem z ofertą w 2028 roku.
Tłem jest decyzja Komisji Europejskiej z 9 lipca 2026 roku, która nadała zobowiązaniom SAP moc wiążącą na 10 lat, w skali globalnej. Obejmują one m.in. doprecyzowanie warunków podziału krajobrazu systemów między różnych dostawców wsparcia albo bez wsparcia, zniesienie opłat za wznowienie utrzymania i obniżenie opłat za utrzymanie wsteczne. Streszczamy komunikat bez interpretacji - skutki dla konkretnej umowy ocenia prawnik.
Rok 2033 jest więc dostępny tylko dla części systemów i za wyraźnie wyższą cenę. Dla każdego systemu SAP Business Suite 7 trzeba dziś policzyć trzy scenariusze: konwersję do SAP S/4HANA przed końcem głównego utrzymania, utrzymanie rozszerzone do 2030 roku albo - w przypadku SAP ERP - opcję przejściową do 2033 roku. Każdy z nich wymaga osoby, która podejmie decyzję i za nią odpowiada, a umowa podpisana jeszcze w tym roku kosztuje o 20 procent więcej.
Źródła: SAP Support Portal, „Maintenance strategy for SAP Business Suite 7”; SAP News Center, Stefan Steinle, „Navigating Your RISE with SAP Journey: Updates for SAP ERP, Private Edition, Transition Option”, 4.08.2025; Komisja Europejska, komunikat IP/26/1554, 9.07.2026. Status: potwierdzone - odczyt 1.10.2026. Szczegółowe noty SAP są dostępne po zalogowaniu i ich nie cytujemy.
2. SAP Joule Studio i NVIDIA OpenShell: rozdział autoryzacji od izolacji wykonania
NVIDIA ogłosiła 28 września Open Agent Safety Platform. Jej podstawą jest OpenShell, otwarte środowisko uruchomieniowe na licencji Apache 2.0, które wyznacza granice działania agentów uruchamianych na CPU, niezależnie od modelu i harnessu. NVIDIA określa je jako szeroko dostępne. Drugi składnik, Sentry, czyli nadzorca działający na DPU BlueField-4 niezależnie od agenta, ma na razie postać projektu referencyjnego.
SAP pracuje nad połączeniem OpenShell z SAP Joule Studio runtime, częścią SAP Business AI Platform. Podział ról jest jednoznaczny: runtime SAP stosuje autoryzację biznesową, polityki oparte na rolach i kontekst procesu, zanim żądanie trafi do wykonania, a OpenShell kontroluje samo wykonanie. Inżynierowie SAP współtworzą kod OpenShell - rozdzielenie nadzorcy od wykonania agenta, obsługę Kubernetes i obserwowalność. Już tytuł wpisu SAP mówi o pracach w toku („working toward”), a FedRAMP i FIPS znajdują się w planie rozwoju. Wśród partnerów infrastrukturalnych NVIDIA wymienia m.in. Lenovo i SUSE.
Taka architektura daje dwa niezależne punkty kontroli. Pierwszy decyduje, czy akcja agenta zostanie dopuszczona, drugi określa warunki jej wykonania. Żaden z nich nie zależy od tego, co model przeczyta w danych wejściowych - i to odróżnia je od ograniczeń zapisanych w instrukcji systemowej.
Źródła: NVIDIA Newsroom, „NVIDIA Launches Open Agent Safety Platform to Secure Agents From Testing to Deployment”, 28.09.2026; SAP News Center, Andre Lamego, „SAP and NVIDIA OpenShell Working Toward Governance and Security for Auditable AI Agents in Enterprise Systems”, 28.09.2026; repozytorium NVIDIA/OpenShell na GitHub. Status: potwierdzone - odczyt 1.10.2026. Źródła SAP podają dwa różne terminy bezpłatnego dostępu do SAP Joule Studio runtime, dlatego żadnego nie przytaczamy.
3. Walidacja zgłoszeń przed wywołaniem agenta w UiPath Maestro
Panagiotis Drakopoulos, praktyk UiPath, opisał na LinkedIn proces obsługi zgłoszeń IT zbudowany w UiPath Maestro BPMN. Co 15 minut proces odczytuje skrzynkę pocztową i zapisuje każdą nową wiadomość
- nadawcę, temat i treść - jako osobny rekord. Rekordy przetwarza pojedynczo, a agenta uruchamia dopiero wtedy, gdy rekord przejdzie walidację. Autor uzasadnia to kosztem: wywołanie agenta na bezwartościowych danych to wydatek bez efektu.
Agent klasyfikuje zgłoszenie i nadaje mu priorytet według SLA dostawcy. Proces zakłada sprawę w Jira Service Management, powiadamia klienta i dostawcę i wraca po kolejny rekord, aż do wyczerpania kolejki. Od siebie dodajemy jedną uwagę z dokumentacji UiPath: konektor Jira w UiPath Integration Service obsługuje Jira Software Cloud; wersji Server i Data Center nie obsługuje. Czy obsługuje projekty Jira Service Management, nie sprawdzaliśmy.
Przykład dobrze pokazuje, gdzie w tym rozwiązaniu leży kontrola. Proces określa, kiedy agent pracuje i jakie dane otrzymuje, a walidacja przed wywołaniem zmniejsza zarówno koszt, jak i powierzchnię ataku. Organizacje utrzymujące Jira we własnej infrastrukturze muszą zaplanować inną drogę integracji, zanim powstanie demonstracja.
Źródła: Panagiotis Drakopoulos, „The Evolution of ITSM: Moving from Manual to Agentic Automation!”, LinkedIn, wrzesień 2026; UiPath Docs, „About the Jira connector” (Integration Service). Status: potwierdzone - to rozwiązanie jednego praktyka, nie architektura referencyjna UiPath.
4. UiPath Cartographer i modelowanie procesów: model zamiast diagramu
Andrzej Sobczak opisał na LinkedIn przejście od generowania diagramów BPMN z transkrypcji wywiadów do budowania na ich podstawie modelu procesu. Rozróżnienie jest precyzyjne: diagram jest wizualnym odwzorowaniem przebiegu, a model ma wbudowaną hierarchię procesów, słownik pojęć, role, dane, reguły, mierniki i założenia. Uzupełnia go jawna lista luk, czyli tego, czego z wywiadu nie udało się ustalić. Zestaw narzędzi autora zapisuje te elementy, importuje je do Sparx EA 17.1 i łączy relacjami.
UiPath Cartographer, ogólnie dostępny od UiPath FUSION 2026 (23 września), wykonuje podobną pracę w ekosystemie UiPath. Z dokumentów, procedur, nagrań i wywiadów tworzy wersjonowaną mapę obecnego przebiegu procesu wraz ze źródłami, uzgadnia sprzeczne relacje i dopytuje o brakujące informacje. Następnie projektuje stan docelowy, przypisując każdemu krokowi tryb pracy: w pełni automatyczny, wspomagany, realizowany przez agenta, z przeglądem człowieka albo ręczny. Na końcu generuje dokument PDD w formacie Word oraz SDD w Markdown dla zespołów deweloperskich i agentów kodujących. UiPath podkreśla, że PDD i SDD wynikają z mapy i nie pełnią roli źródła prawdy. Cartographer działa na UiPath Delegate, a cennika UiPath nie opublikował.
Oba podejścia przesuwają wynik analizy przedwdrożeniowej z rysunku na model z jawnymi lukami. Jawna lista luk wskazuje, czego zespół musi się dowiedzieć, zanim zaprojektuje proces. Agent, który ma ten proces zbudować, potrzebuje właśnie takiego modelu: hierarchii, reguł i informacji o tym, czego nie wiadomo.
Źródła: Andrzej Sobczak, wpis na LinkedIn, wrzesień 2026; UiPath Newsroom, „UiPath Launches UiPath Cartographer Map of Work”, 23.09.2026; strona produktu UiPath Cartographer; UiPath Docs, „Cartographer overview”. Status: potwierdzone - odczyt 1.10.2026. Zestawienie obu podejść jest naszą interpretacją - autor wpisu nie odnosi się do UiPath.
5. Ocena incydentu w Microsoft 365 w trybie tylko do odczytu
M365 Investigation Toolkit to otwarty zestaw skryptów PowerShell 7.5+ na licencji MIT, przeznaczony do pierwszej oceny kompromitacji Microsoft 365 i Entra ID. Według dokumentacji narzędzie wykonuje wyłącznie operacje odczytu. Loguje się delegowanym kontem administratora, interaktywnie albo kodem urządzenia, bez rejestracji aplikacji i bez zapisywania tokenów na dysku.
Narzędzie zbiera dowody z przekierowań i reguł skrzynek, reguł transportu, logowań interaktywnych i nieinteraktywnych, logowań jednostek usług, zgód OAuth i przypisań ról uprzywilejowanych. Wersja 1.0.0 ma 18 kolektorów dowodów i 10 detekcji, m.in. nadużycia zgód OAuth, wskaźniki BEC, password spray, przejęcie uśpionego konta i backdoory jednostek usług. Raport podaje poziom pewności i wskazuje luki w zebranym materiale, a autor zastrzega, że wynik nie przesądza ani o kompromitacji, ani o jej braku.
Tryb tylko do odczytu skraca pierwsze godziny po incydencie, ale nie oznacza ograniczonego dostępu.
Wśród wymaganych uprawnień jest Mail.Read, obejmujące treść poczty, więc użycie narzędzia u klienta
jest decyzją umowną i z zakresu RODO, wymagającą autoryzacji na piśmie. Projekt ma jedno wydanie
z marca 2026 roku, co trzeba uwzględnić, zanim narzędzie trafi do procedury reagowania.
Źródło: repozytorium securigeek/M365-Investigation-Toolkit na GitHub, README, release notes
i plik licencji, odczyt 1.10.2026. Status: potwierdzone co do dokumentacji; narzędzia nie
uruchamialiśmy.
6. Bezpieczeństwo agenta AI w wymaganiach analityka biznesowego
Dorota Roszkowska w czwartej części cyklu #BA4AI przekłada ryzyko prompt injection na wymagania, które analityk biznesowy może wpisać do specyfikacji. Punktem wyjścia jest spostrzeżenie, że agent uprawniony do anulowania zamówienia może je anulować także na polecenie atakującego - wydane wprost w wiadomości albo ukryte w mailu, dokumencie lub stronie, którą agent czyta. Autorka formułuje cztery pytania.
„Kto sprawdza wywołanie narzędzia, zanim się wykona?” - model jedynie proponuje akcję, a logika biznesowa weryfikuje uprawnienia i parametry, na przykład limit kwoty zwrotu. „Czyimi uprawnieniami działa agent?” - uprawnieniami użytkownika, w którego imieniu działa, bez szerokich kont technicznych. „Które akcje są nieodwracalne?” - anulowanie, płatność i usunięcie danych wymagają potwierdzenia człowieka, a okno potwierdzenia pokazuje parametry odczytane z systemu, nie opis wygenerowany przez model. „Jak filtrujemy wejście i wyjście?” - osobną warstwą klasyfikującą przed agentem i po nim oraz separatorami oddzielającymi instrukcje od danych.
OWASP zalicza prompt injection do najważniejszych ryzyk aplikacji opartych na dużych modelach językowych (LLM01:2025) i zaznacza, że nie wiadomo, czy istnieje w pełni skuteczna metoda obrony. Wymagania Roszkowskiej ograniczają więc skutki ataku, nie eliminując jego możliwości - i dlatego pierwsze z pytań powinno znaleźć się w specyfikacji każdego agenta.
Źródła: Dorota Roszkowska, „#BA4AI 4/5 Agenci AI: 4 pytania bezpieczeństwa”, LinkedIn, 28.09.2026; OWASP, „LLM01:2025 Prompt Injection”. Status: potwierdzone - odczyt 1.10.2026.
7. Autonomiczny pentest aplikacji z zakresem egzekwowanym w narzędziu
Pentest Swarm AI to otwarte narzędzie do autonomicznych testów penetracyjnych API i aplikacji webowych, udostępnione na licencji AGPL-3.0. Autorzy przedstawiają je jako otwartą alternatywę dla XBOW. Narzędzie łączy rozpoznanie z łańcuchami ataków - BOLA i IDOR, fałszowanie tokenów JWT, mass assignment, SSRF i injection - i potwierdza znaleziska zebranymi dowodami. Działa z Claude, z API zgodnym z OpenAI, z Gemini albo w pełni lokalnie przez Ollama lub LM Studio.
Ważniejsze od samego roju agentów są dwa rozwiązania. Zakres testu jest egzekwowany w warstwie narzędzia i powtórnie przez moduł wykonawczy, a rejestr sprzątania uruchamia się przy przerwaniu, awarii i wyczerpaniu budżetu. Autorzy wprost opisują dojrzałość projektu: domyślny pięciofazowy tryb sekwencyjny jest stabilny, rój agentów pozostaje w fazie alfa, a łańcuchy eksploitów w fazie beta. README wymaga pisemnej zgody właściciela systemu przed każdym skanem.
Narzędzia tej klasy są dostępne także atakującym, więc rozpoznanie aplikacji i API przyspieszy. W narzędziach dopuszczanych do własnych testów zakres i sprzątanie muszą być egzekwowane poza modelem. Licencja AGPL-3.0 rodzi przy tym obowiązki w razie udostępniania zmodyfikowanej wersji jako usługi - to pytanie do prawnika.
Źródło: repozytorium Armur-Ai/Pentest-Swarm-AI na GitHub, README, plik licencji i wydania
(v0.2.31 z 29.09.2026), odczyt 1.10.2026. Status: potwierdzone co do dokumentacji; skuteczność to
deklaracja autorów, narzędzia nie testowaliśmy.
8. Aikido Altar-1: model do analizy bezpieczeństwa kodu we własnej infrastrukturze
Aikido Security udostępniło 21 września Altar-1, otwarte wagi modelu do analizy bezpieczeństwa kodu i pentestów bez wysyłania kodu poza firmę. Altar-1 nie jest modelem trenowanym od podstaw ani douczanym pod bezpieczeństwo, lecz przyciętym GLM-5.3. Przycinanie ekspertów (REAP) pozostawiło 168 z 256 ekspertów na warstwę, a ich wagi skwantyzowano do INT4. Całość zajmuje 328 GB, liczy 504 mld parametrów i działa w vLLM na czterech kartach H200.
Aikido podaje wynik na własnym zestawie testowym: 32 znane podatności w 30 repozytoriach, po trzy przebiegi na przypadek. Średni recall Altar-1 wynosi 60,4 procent wobec 65,6 procent pełnego GLM-5.3. Licencja GLM-5.3 dopuszcza użycie komercyjne, modyfikację i redystrybucję na swoich warunkach (osobne wymagania dotyczą największych dostawców modeli udostępnianych jako usługa), ale nie jest licencją open source zatwierdzoną przez OSI.
Analiza kodu bez opuszczania firmy kosztuje więc kilka punktów trafności i cztery karty klasy Hopper. Tę cenę trzeba policzyć przed zakupem infrastruktury, a licencję przeczytać przed pierwszym testem. To nie jest porada prawna.
Źródła: Aikido Security, wpis „Aikido Altar” na blogu, 21.09.2026; karta modelu AikidoSec/altar-1
na Hugging Face; licencja GLM-5.3. Status: potwierdzone - odczyt 1.10.2026. Wynik zestawu testowego
to pomiar producenta.
9. AG-UI 1.0: wstrzymanie pracy agenta do czasu decyzji człowieka
CopilotKit ogłosił 30 września AG-UI 1.0 (Agent-User Interaction Protocol), stabilną wersję protokołu wymiany zdarzeń między backendem agenta a interfejsem użytkownika. Każde zdarzenie ma schemat JSON, z którego powstają SDK dla TypeScript, Pythona i .NET. Pakiety 1.0.0 są dostępne od 17 września, a wersja zachowuje zgodność wsteczną.
Najważniejsza zmiana to wstrzymanie pracy agenta do czasu decyzji człowieka i wznowienie jej dokładnie w miejscu zatrzymania. Dochodzą subagenci jako osobne obiekty strumienia, dzięki czemu wiadomo, który agent wykonuje którą część pracy, a także multimodalne wejście i wyniki narzędzi oraz raportowanie zużycia tokenów w zdarzeniu końcowym. README wymienia wśród wspieranych integracji m.in. LangGraph, CrewAI, Microsoft Agent Framework, Google ADK i Mastra. CopilotKit opisuje podział warstw tak: MCP łączy agenta z narzędziami, A2A z innymi agentami, a AG-UI z aplikacją użytkownika.
Moment decyzji człowieka staje się w ten sposób standardowym zdarzeniem, które aplikacja może zapisać. Samą logikę kontroli i ślad audytowy aplikacja nadal buduje sama; protokół ujednolica wyłącznie sposób sygnalizacji. Zapowiedź przyjęcia protokołu przez Google, Microsoft, Amazon i Oracle traktujemy jako deklarację CopilotKit; potwierdzone są istniejące integracje.
Źródła: CopilotKit, „Introducing AG-UI 1.0: a stable spec for connecting any agent to any
application”, 30.09.2026; changelog specyfikacji AG-UI 1.0; repozytorium ag-ui-protocol/ag-ui
na GitHub (licencja MIT). Status: potwierdzone - odczyt 1.10.2026.
10. Otwarte modele decyzyjne, w tym model dla języka polskiego
W niecałe dwa tygodnie po premierze Jev (15 września) pojawiło się pięć otwartych modeli działających według tego samego kontraktu: wybierają spośród zadanych odpowiedzi i podają prawdopodobieństwo każdej z nich w jednym przebiegu, bez generowania tekstu. basal-1.0 Remka Kinasa, na licencji Apache 2.0, został douczony na polskim modelu Bielik v3.0 w wariantach 4,5 mld i 1,5 mld parametrów i jest przeznaczony dla polszczyzny. Jego serwer udostępnia ten sam interfejs co Jev, więc aplikacja zmienia tylko adres usługi.
Intern-Decision z InternLM przyjmuje obrazy, a do jego wag stosują się warunki licencji Qwen. CLM-8B dodaje niewielkie głowice do zamrożonego Qwen3-8B. GLiNER2.5-Decide od Fastino i Julia 1 od Supersonic Labs to małe modele działające na zwykłym procesorze. Liquid AI d1 realizuje ten sam kontrakt, ale wyłącznie jako usługa w chmurze, bez otwartych wag.
Decyzja w ustalonym formacie staje się warstwą, którą można uruchomić lokalnie, także na polskich danych. Wyniki zależą jednak od języka. Autor basal-1.0 podaje 0,884 na polskich decyzjach wobec 0,780 Jev, ale na publicznym zestawie angielskim 0,740 wobec 0,861 Jev. Autorzy Julia 1 podają na zbiorze Banking77 64 procent wobec 87 procent Jev. Wszystkie te wyniki pochodzą od autorów - nie weryfikowaliśmy ich niezależnie.
Źródła: repozytorium rkinas/basal i karty Remek/basal-1.0-4.5B oraz -1.5B na Hugging Face;
repozytorium InternLM/Intern-Decision; repozytorium Contrastive-LM/CLM i karta CLM-v0.1-8B;
karty fastino/GLiNER2.5-Decide i SupersonicLabs/Julia-1; dokumentacja Liquid AI. Status:
potwierdzone co do istnienia, licencji i rozmiarów - odczyt 1.10.2026; wyniki niezweryfikowane.
11. Google AX: izolowane środowisko dla każdego zadania agenta
Google opublikował na GitHubie AX, otwarty i deklaratywny orkiestrator zadań agentowych na licencji
Apache 2.0, działający na warstwie Agent Substrate. Zadanie (Task) uruchamia niezaufany kod agenta
w osobnej piaskownicy z limitami procesora i pamięci. Przestrzeń robocza (Workspace) dostarcza mu
repozytoria, serwery MCP i skille, tak by agent startował z gotowym kontekstem. Zadanie można wstrzymać
i wznowić dokładnie w miejscu przerwania, a składnia poleceń przypomina kubectl.
Autorzy otwierają dokumentację ostrzeżeniem: AX jest intensywnie rozwijany i przed wersją stabilną
wprowadzi zmiany niezgodne wstecz. API ma status v1alpha1, a ostatnie wydanie to v0.3.1 z 25 września.
Skala „miliardów zadań w klastrze” jest zapowiedzią autorów, nie pomiarem.
Agent jest nowym rodzajem obciążenia: gromadzi stan, wywołuje zewnętrzne usługi i w pętli potrafi wyczerpać budżet, zanim ktokolwiek to zauważy. Izolację i limity musi zapewnić platforma, bo prompt ich nie wymusi. AX traktujemy jako punkt odniesienia w rozmowie o środowisku wykonawczym dla agentów; do produkcji go nie rekomendujemy.
Źródło: repozytorium google/ax na GitHub, README i wydania, odczyt 1.10.2026. Status:
potwierdzone; projekt eksperymentalny, nie usługa Google Cloud.
12. Apple i serwery AI: doniesienie prasowe
The Information, cytowany przez Bloomberga 16 września, donosi, że Apple pracuje nad serwerem dla przedsiębiorstw opartym na własnych układach - z myślą o twórcach AI, administracji i firmach. Mają powstać dwie wersje: z dwoma i z czterema przyszłymi chipami M8 Ultra. Apple miało rozmawiać z NVIDIA o łączeniu układów przez NVLink Fusion.
Serwer trafiłby na rynek najwcześniej w 2029 roku, a projekt może zostać przerwany albo kontynuowany bez technologii NVIDIA. Tłem jest nieoczekiwany popyt twórców AI na Mac mini i Mac Studio. Apple nie skomentowało doniesień, a cen nie podano.
Doniesienie wskazuje, że Apple rozważa serwer przeznaczony do lokalnego uruchamiania modeli AI. Produktu i ceny nie ma, więc decyzji zakupowych na lata 2026-2027 to nie zmienia.
Źródło: Bloomberg, „Apple Is Developing Enterprise Server for AI Age, Report Says”, 16.09.2026, na podstawie The Information. Status: zapisane - doniesienie prasowe oparte na anonimowych źródłach; artykuł The Information jest płatny i go nie otwieraliśmy.
13. Książka „Cyberbezpieczeństwo SAP od A do Z”
29 września SNOK Press wydało „Cyberbezpieczeństwo SAP od A do Z”, książkę dla CIO, CISO, kierowników projektów SAP, administratorów SAP Basis i zespołów SOC. Ma 304 strony, 24 rozdziały w pięciu częściach i aneksy A-D. Autorami są Jacek Bugajski, Zespół SNOK RedTeam oraz duże modele językowe.
Książka omawia ścieżki ataku na systemy SAP, uprawnienia, agentów AI zarówno jako zagrożenie, jak i wsparcie obrony, laboratorium red team, detekcję i reagowanie oraz NIS2. Każdy rozdział zawiera ramkę „Dla decydenta”, a obok niej ramki „Praktyka kontroli”, „Na co uważać” i „Pytanie do CIO”. Równolegle ukazało się wydanie angielskie, „SAP Cybersecurity from A to Z”.
Ramki „Dla decydenta” dają zarządowi wejście w każdy rozdział, nie odbierając tekstowi szczegółów technicznych. Obie wersje językowe można pobrać na snok.ai po podaniu adresu służbowego.
Źródło: SNOK Press, wydanie z 29.09.2026; strona materiału i wpis premierowy na snok.ai. Status: potwierdzone - odczyt 1.10.2026.
Kontrola ograniczeń agenta przed wdrożeniem
Przegląd agenta przed wdrożeniem zaczynamy od wskazania ograniczeń, które istnieją wyłącznie jako zdanie w prompcie. Takie ograniczenie nie daje gwarancji egzekwowania, bo spreparowana treść może skłonić model do jego naruszenia. Ograniczenia zapisane w uprawnieniach, w procesie, w środowisku wykonania i w protokole działają niezależnie od tego, co model przeczyta.
W SNOK prowadzimy oceny bezpieczeństwa agentów AI, wdrożenia UiPath Maestro, wdrożenia modeli językowych we własnej infrastrukturze klienta oraz konwersje do SAP S/4HANA z kontrolą bezpieczeństwa. Chętnie omówimy Wasz przypadek.