Naukowcy zaproponowali AGIL (Adaptive Governance Intelligence Layer), konceptualną architekturę pięciowarstwową mającą rozwiązać problem deficytu atestacji - sytuacji, w której organizacje mają polityki zarządzania, ale nie potrafią dostarczyć audytowalnych dowodów ich egzekwowania w ramach regulacyjnych deadline'ów. Problem dotyczy 78% organizacji wdrażających AI na całym świecie, a jego skutki są realne: średni koszt naruszenia danych to 4,99 mln USD rocznie, a jedynie 38% firm ma end-to-end monitoring swoich systemów AI.
Pięć warstw AGIL działa jak zintegrowany system ochrony: najpierw Autonomous Discovery wykrywa ukryte wdrożenia AI poprzez analizę zachowań, następnie Behavioral Risk Classification ocenia ryzyko związane z halucynacjami, bezpieczeństwem i prywatnością. Trzecia warstwa to Policy Enforcement Gateway, który w poniżej 100 ms podejmuje decyzje o pozwoleniu, blokowaniu lub modyfikacji działań. Czwarta warstwa generuje niezaprzeczalne ślady audytu jako naturalny efekt uboczny egzekwowania, a piąta wykorzystuje machine learning do ewolucji samych polityk na podstawie obserwowanych zagrożeń.
To nie jest problem techniczny, lecz organizacyjny - twierdzi raport na podstawie danych ze Stanford 2026 AI Index Report (362 dokumentowanych incydentów) i badania IBM/Ponemon. Tylko 17% firm ma monitoring komunikacji między agentami AI, co oznacza gigantyczną lukę w widoczności ryzyka. AGIL próbuje wypełnić tę lukę poprzez architekturę, która czyni nadzór i audyt immanentną częścią działania każdego systemu AI.