Sobre a Camada de Confiança da IA

Estrutura de governança e controle do AI Trust Layer no Test Cloud para centralizar a segurança, a observabilidade e a imposição de políticas em todas as atividades de IA generativa.

O AI Trust Layer é a estrutura de governança e controle da UiPath para todas as atividades de IA generativa em produtos e serviços. Ele fornece controle centralizado, segurança e observabilidade de como os LLMs gerenciados pela UiPath e terceirizados são usados.

A AI Trust Layer garante que todas as solicitações de IA generativa sigam as regras de segurança, privacidade e uso em toda a organização. Ele aplica essas políticas de forma consistente em todos os produtos, atuando como um ponto de controle compartilhado para todo o tráfego de LLM.

O que a AI Trust Layer rege

A AI Trust Layer rege o uso de IA generativa em:

• Produtos e serviços da UiPath, como Autopilot, Studio, Test Manager, Process Mining e muito mais.
• LLMs gerenciados pela UiPath e LLMs de terceiros, incluindo configurações de traga seu próprio LLM.
• Seleção de modelo, controles de acesso, privacidade de dados e rastreamento de uso.

Subserviços da AI Trust Layer

Para habilitar a modularidade e a governança, a AI Trust Layer é organizada nos seguintes subserviços, cada um responsável por um conjunto específico de ações:

• Gateway de LLM: o gateway de LLM é a interface entre os serviços da UiPath e provedores de LLM de terceiros. Ele serve como o ponto de entrada central para todo o tráfego de LLM, aplicando lógica de governança e configuração antes que as solicitações cheguem aos modelos externos. Os recursos específicos do gateway de LLM envolvem:
  • Gerenciamento de políticas da AI Trust Layer: verifique as políticas de AI Trust Layer existentes em Automation Ops > Governança e suas implantações.
  • Configuração de LLM: integre suas assinaturas de IA existentes, mantendo a estrutura de governança fornecida pela UiPath, substituindo a assinatura de UiPath LLM ou trazendo seu próprio LLM.
• Contextualização (também conhecida como Enterprise Context Service ou ECS): a Contextualização aprimora prompts com contexto relevante antes de serem enviadas para um LLM. Você pode usar a Contextualização para criar e gerenciar índices de dados usados por funcionalidades e agentes do UiPath GenAI. O gerenciamento do índice está disponível no Orchestrator.
• Observabilidade de LLM: a observabilidade de LLM é responsável pelo monitoramento, visibilidade de uso e registro de auditoria para todas as interações de LLM nos serviços da UiPath. Os recursos específicos para a capacidade de observação de LLM envolvem:
  • Resumo do uso: rastreia o uso do LLM por tenant, serviço e modelo.
  • Registro em log de auditoria: captura detalhes de interações de LLM para rastreabilidade, conformidade e depuração.
  • Mascaramento de PII: garante que informações de identificação pessoal sejam personificadas antes de alcançar os LLMs usados em funcionalidades de IA generativa.

AI Trust Layer e outros serviços

Embora a AI Trust Layer inclua subserviços, ela também rege fluxos envolvendo outros serviços e componentes, incluindo:

• Funcionalidades de IA generativa da UiPath que dependem do acesso a LLMs, como funcionalidades fornecidas pelo Autopilot, IXP, Autopilot for Everyone, Agentes
• LLMs especializados, como CommPath e Helix Extractor
• Conectores do GenAI

Esses serviços interagem com a AI Trust Layer, mas podem ter os próprios espaços de configuração. Por exemplo, o Autopilot for Everyone é regido pela AI Trust Layer, em termos dos LLMs usados, mas é gerenciado a partir de uma aba separada no nível da organização e do tenant.

Segurança e confiança

Um princípio-chave da AI Trust Layer é garantir a privacidade dos dados:

• Todos os dados que fluem pela AI Trust Layer são criptografados (TLS 1.2 ou superior em trânsito, AES-256 em repouso).
• A UiPath não garante nenhum treinamento de terceiros em seus dados.

Model tenancy

UiPath-managed LLMs are off-the-shelf third-party models, hosted in the providers’ cloud infrastructure. The model that serves a request is common to all organizations; the data in that request is not:

• Each inference call is unique to the organization that originated it, and encrypted in transit.
• Calls are processed individually, with no memory of previous interactions retained.
• No data is shared between organizations, so your data stays confidential and segregated.

Organizations that need a dedicated model can connect their own LLM through the AI Trust Layer. For details, refer to Configuring LLMs.