Badanie a16z wśród CISO stawia AI na pierwszym miejscu w 2027 roku, przy adopcji SOC na poziomie 18%
a16z opublikowało badanie 100 dyrektorów ds. bezpieczeństwa informacji, czyli CISO, pokazujące, że AI dominuje w ich priorytetach na 2027 rok mimo ograniczonej adopcji operacyjnej. W badaniu a16z wśród CISO 87% respondentów spodziewa się wzrostu wydatków na bezpieczeństwo. Jednak tylko 18% deklaruje produkcyjne wykorzystanie narzędzi AI dla centrów operacji bezpieczeństwa, które pomagają zespołom badać zagrożenia i na nie reagować.
Opublikowane 28 października wyniki obejmują liderów bezpieczeństwa z firm zatrudniających ponad 1 000 osób. Wszystkie siedem głównych inicjatyw na 2027 rok obejmuje AI. Automatyzacja SOC otrzymała najwięcej głosów za pierwszym miejscem. Bezpieczeństwo wewnętrznych agentów AI, automatyzacja SOC i bezpieczeństwo ofensywne odnotowały największy wzrost priorytetu. Bezpieczeństwo ofensywne oznacza testowanie systemów poprzez autoryzowane próby wykrycia możliwych do wykorzystania słabości.
Centralnym napięciem jest pilność wydatków kontra gotowość do wdrożenia. Przedsiębiorstwa chcą zautomatyzowanej obrony, podczas gdy ich własne wdrożenia AI tworzą dodatkową ekspozycję. Microsoft już oferuje agentów bezpieczeństwa w swoich istniejących produktach, zapewniając kupującym konkretną opcję platformową. Pytanie, przed którym stoją liderzy bezpieczeństwa, dotyczy tego, które obowiązki systemy te mogą niezawodnie przejąć i jakiego nadzoru nadal wymagają.
Badanie a16z wśród CISO pokazuje, że gotowość wdrożeniowa pozostaje za pilnością wydatków
Priorytety bezpieczeństwa na 2027 rok łączą rosnące budżety z zagrożeniami wspieranymi przez AI i rozszerzającą się powierzchnią ataku wdrożeń AI w przedsiębiorstwach. Powierzchnia ataku obejmuje systemy, połączenia i uprawnienia, które atakujący może potencjalnie wykorzystać. Wyniki umieszczają automatyzację obrony i ochronę wewnętrznej AI w tej samej rozmowie o wydatkach.
Badanie wskazuje na popyt na bezpieczeństwo AI, ale nie rozstrzyga skuteczności poszczególnych produktów.
To rozróżnienie ma znaczenie, ponieważ prognoza budżetowa mierzy intencję. Adopcja produkcyjna mierzy, czy organizacja wykorzystuje daną funkcję operacyjnie. Żadna z tych liczb sama w sobie nie potwierdza, czy dana funkcja ogranicza incydenty, usprawnia dochodzenia lub oszczędza czas analityków po uwzględnieniu nadzoru.
Wyniki 87% i 18% dotyczą także różnych pytań. Pierwszy odnosi się do oczekiwanych ogólnych wydatków na bezpieczeństwo. Drugi dotyczy obecnej adopcji w konkretnej kategorii produktów. Odejmowanie ich od siebie stworzyłoby mylący wskaźnik niezaspokojonego popytu.
Ich znaczenie leży w kontraście. Liderzy bezpieczeństwa przewidują dodatkowe wydatki, podczas gdy wykorzystanie operacyjne znaczącej kategorii bezpieczeństwa AI pozostaje ograniczone. To połączenie opisuje okno zakupowe, którego ostateczny kształt pozostaje nieustalony.
Dla dostawców okazja obejmuje pracę związaną z oceną i wdrożeniem, obok sprzedaży oprogramowania. Kupujący muszą ustalić, czy produkt pasuje do ich środowiska, zanim powierzą mu istotne obowiązki. Przekonująca demonstracja nie może odpowiedzieć na każde pytanie dotyczące wdrożenia operacyjnego.
Dla kupujących zwiększone wydatki tworzą problem rozliczalności. Lider bezpieczeństwa musi wyjaśnić, co zmienia dodatkowa inwestycja. Przetwarzanie większej liczby alertów brzmi użytecznie, ale nie rozstrzyga, czy organizacja wcześniej identyfikuje ważne zagrożenia.
Ta sama obawa dotyczy ochrony wewnętrznej AI. Odkrywanie wcześniej nieznanych agentów zapewnia widoczność. Korzyść biznesowa zależy od tego, czy zespoły bezpieczeństwa potrafią powiązać tę widoczność z istotnymi decyzjami dotyczącymi dostępu, własności i dopuszczalnej aktywności.
Dla czytelników szukających wyjaśnienia priorytetów bezpieczeństwa a16z najsilniejszą interpretacją jest zmiana w rodzaju pracy, którą muszą wspierać budżety bezpieczeństwa. Wyniki nie ustanawiają uniwersalnej sekwencji wdrożeń. Różne organizacje napotkają różne ograniczenia, przechodząc od zainteresowania do odpowiedzialności operacyjnej.
To rozróżnienie ogranicza również szersze twierdzenia rynkowe. Respondenci kierują bezpieczeństwem w dużych firmach. Ich priorytety nie powinny automatycznie opisywać mniejszych organizacji, które mierzą się z innymi modelami zatrudnienia i obciążeniami wdrożeniowymi.
Badanie oferuje obraz presji zakupowej w przedsiębiorstwach. Jego najważniejszą implikacją jest to, że dostawcy będą musieli odpowiadać na pytania o gotowość operacyjną obok pytań o możliwości modeli.
Przedsiębiorstwa kupują obronę, jednocześnie rozszerzając zakres tego, co trzeba chronić
AI tworzy problem budżetowy o dwóch połączonych stronach. Zespoły bezpieczeństwa chcą oprogramowania, które wykonuje więcej pracy obronnej. Inne działy chcą systemów AI, które mają dostęp do dokumentów, obsługują aplikacje i realizują zadania biznesowe.
Organizacja wdrażająca AI dla produktywności staje się również odpowiedzialna za uprawnienia, które czynią te wdrożenia użytecznymi.
Agent AI to oprogramowanie, które wykorzystuje model i połączone narzędzia do wykonywania zadań. Przyznanie agentowi użytecznych narzędzi wprowadza decyzje o tym, co może odczytywać, zmieniać lub wysyłać. Decyzje te przekształcają wdrożenie AI w kwestię zarządzania dostępem.
Rozważmy przykładowe wdrożenie wewnętrznego asystenta badawczego. Odczytywanie zatwierdzonych dokumentów stwarza inną ekspozycję niż edytowanie współdzielonych plików lub wysyłanie informacji poza firmę. Bazowy model może pozostać niezmieniony, podczas gdy biznesowe konsekwencje systemu się rozszerzają.
Ta różnica wywiera presję na liderów bezpieczeństwa, właścicieli aplikacji i zespoły zakupowe. Przegląd produktu skupiony na jakości odpowiedzi pominie pytania dotyczące delegowanego dostępu. Przegląd bezpieczeństwa skupiony wyłącznie na pierwotnym wdrożeniu może pominąć późniejsze zmiany.
Badacze NIST Bill Fisher i Ryan Galluzzo wskazują na powiązane obawy w swojej dyskusji o ryzykach tożsamości agentów. Ostrzegają przed współdzieleniem poświadczeń, nadmiernymi uprawnieniami i długotrwałymi poświadczeniami dostępu. Ich analiza przestrzega również, że nadmiar próśb o zatwierdzenie przez człowieka może prowadzić do zmęczenia zgodami.
Wniosek jest węższy niż stwierdzenie, że istniejące praktyki bezpieczeństwa są przestarzałe. Wdrożenia agentów ujawniają znane słabości w tożsamości i autoryzacji, czyli procesie określania, co może zrobić zidentyfikowany podmiot. Istniejące mechanizmy kontroli pozostają istotne, choć ich wdrożenie musi uwzględniać zautomatyzowaną aktywność.
Tworzy to praktyczne napięcie dla sponsorów AI w przedsiębiorstwie. Ograniczenie dostępu może zmniejszyć użyteczność. Rozszerzenie dostępu może zwiększyć konsekwencje błędów lub kompromitacji. Wydatki na bezpieczeństwo muszą uwzględniać tę relację obok dokładności samego modelu.
Presja dociera do pracowników umysłowych, ponieważ zwykłe przepływy informacji coraz częściej obejmują połączoną AI. Przeszukiwanie dokumentów, podsumowywanie korespondencji i przygotowywanie współdzielonych materiałów może przekraczać różne granice uprawnień. Pozornie prosty asystent może uczestniczyć w kilku systemach.
Rozróżnienie między wiedzą osobistą a zespołową stanowi użyteczny punkt wyjścia do tej dyskusji. Decyzje przedsiębiorstw muszą również uwzględniać, co połączone oprogramowanie może zrobić z pobranymi informacjami. Dostęp do wiedzy i uprawnienie do działania zasługują na odrębną analizę.
W tym miejscu wpływ a16z AI na bezpieczeństwo staje się konkretny. Firma chce zwiększać produktywność dzięki szerszemu dostępowi, podczas gdy bezpieczeństwo nadal odpowiada za wynikającą z tego ekspozycję. Dodatkowe wydatki muszą wspierać oba cele w tym samym środowisku operacyjnym.
Ta relacja wyjaśnia, dlaczego ochrona wewnętrznych agentów znajduje się obok automatyzacji obrony. Oba zagadnienia dotyczą oprogramowania działającego z uprawnieniami organizacyjnymi, nawet gdy oprogramowanie służy różnym działom.
Automatyzacja SOC rozwija się dzięki konkretnym zadaniom, a nie nieograniczonym uprawnieniom
Automatyzacja SOC przyciąga uwagę, ponieważ dochodzenia bezpieczeństwa zawierają powtarzalne zadania. Analitycy zbierają dowody, porównują sygnały, oceniają podejrzaną aktywność i decydują, czy konieczne jest dalsze działanie. Kroki te oferują możliwe do zidentyfikowania okazje do wsparcia.
Wartość operacyjna zależy od niezawodnego wykonania ograniczonego zadania i przekazania nierozstrzygniętych decyzji właściwej osobie.
Microsoft oferuje konkretny przykład za pośrednictwem swojego agenta klasyfikacji phishingu. Phishing obejmuje zwodnicze wiadomości mające nakłonić odbiorców do ujawnienia informacji lub podjęcia szkodliwych działań. Microsoft twierdzi, że jego agent klasyfikuje zgłaszane przez użytkowników e-maile, wyjaśnia swoje ustalenia i wspiera informacje zwrotne od analityków.
Udokumentowany przepływ pracy rozróżnia klasyfikacje. Agent może zamykać zgłoszenia, które uzna za fałszywe alarmy. Wiadomości sklasyfikowane jako rzeczywiste zagrożenia pozostają otwarte do zbadania przez analityka. Ten podział pokazuje, jak dostawca może zautomatyzować część dochodzenia, nie przypisując sobie pełnej odpowiedzialności za reagowanie na incydenty.
Ten przykład nie potwierdza przewagi porównawczej. Dokumentacja Microsoft opisuje jego produkt i zamierzone działanie. Niezależne testy nadal byłyby konieczne do oceny wydajności w konkretnej organizacji.
Pokazuje jednak, dlaczego adopcja wymaga czegoś więcej niż wyboru dokładnego modelu. Agent potrzebuje odpowiedniego dostępu, istotnych dowodów i zdefiniowanego miejsca w istniejącym przepływie pracy. Analitycy potrzebują też wystarczających informacji, aby ocenić jego wnioski.
Dla kupującego wynikające z tego porównanie dotyczy wykonanej pracy. Ugruntowana platforma może oferować integrację z systemami już używanymi. Specjalista może szukać przewagi dzięki lepszemu obsługiwaniu konkretnego zadania. Żadna ścieżka nie wygrywa wyłącznie ze względu na kategorię produktu.
Porównanie zmienia się również wraz z przypisaną odpowiedzialnością. Podsumowywanie dowodów nakłada na system jedno obciążenie. Rozstrzyganie alertu nakłada inne. Podjęcie działania, które przerywa pracę pracownika, wprowadza kolejną konsekwencję wymagającą wyraźnego rozważenia.
Pomaga to wyjaśnić, dlaczego wskaźnik adopcji na poziomie 18% nie może służyć jako prosty werdykt dotyczący produktów AI SOC. Ograniczone wdrożenie może odzwierciedlać nierozstrzygnięte kwestie integracji, oceny lub zarządzania. Sama liczba z badania nie może wskazać, które wyjaśnienie ma zastosowanie.
Produkcjne wykorzystanie nie gwarantuje też szerokiej autonomii. Wdrożone narzędzie może wykonywać wąskie zadanie w ustalonych granicach. Kupujący i dostawcy muszą opisać ten zakres przed porównywaniem twierdzeń dotyczących adopcji.
Rozróżnienie operacyjne staje się szczególnie ważne, gdy dostawcy opisują oszczędność czasu analityków. Użyteczna ocena obejmuje wysiłek wymagany do przeglądania wyników, badania błędów i utrzymywania integracji. Łączne liczby aktywności nie wyjaśniają tych kosztów.
Szerszy wpływ a16z AI na bezpieczeństwo będzie częściowo zależał od tego, czy produkty uczynią te granice zrozumiałymi. Jasna odpowiedzialność pomaga kupującemu oceniać korzyści i identyfikować błędy. Niejednoznaczna odpowiedzialność utrudnia oba te działania.
Automatyzacja SOC oferuje zatem konkretną drogę do wydatków przedsiębiorstw na bezpieczeństwo AI. Jej adopcja będzie zależeć od pracy, którą zespoły bezpieczeństwa potrafią rozpoznać, mierzyć i nadzorować w ramach istniejących obowiązków.
Szybsze wykrywanie wywiera presję na pracę, która następuje później
Wzrost znaczenia bezpieczeństwa ofensywnego rodzi drugie pytanie o zdolności operacyjne. Wykrywanie słabości ma wartość tylko wtedy, gdy organizacja potrafi zdecydować, które ustalenia mają znaczenie, i je usunąć. Zautomatyzowane wykrywanie może przesunąć wysiłek na dalsze etapy.
Większy strumień ustaleń zwiększa wartość defensywną tylko wtedy, gdy zespoły potrafią przełożyć istotne ustalenia na wdrożone zmiany.
To analityczna implikacja szybszego testowania, a nie zmierzony wynik tego badania. Ma znaczenie, ponieważ praca nad bezpieczeństwem przekracza granice organizacyjne. Ustalenie może wymagać analizy, odpowiedzialności po stronie zespołu inżynieryjnego, testów i decyzji o wydaniu, zanim zmieni się poziom ekspozycji.
Rozważmy przykładowy przypadek obejmujący podatną wewnętrzną aplikację. System testowy identyfikuje możliwą do wykorzystania ścieżkę i przedstawia szczegółowe wyjaśnienie. Właściciel aplikacji nadal musi zrozumieć usługę, której dotyczy problem, oraz ustalić, czy proponowana zmiana zakłóci działalność biznesową.
Jakość tego przekazania wpływa na rezultat. Technicznie poprawne ustalenie może pozostać nierozwiązane, gdy nie jest jasne, kto jest właścicielem problemu. Jasny raport nadal może napotkać opóźnienia, gdy system objęty problemem ma ograniczenia operacyjne.
Wywiera to presję zarówno na menedżerów inżynierii, jak i nabywców rozwiązań bezpieczeństwa. Ich zespoły przejmują pracę generowaną przez nowe możliwości wykrywania. Ocena produktu bezpieczeństwa bez uwzględnienia tego obciążenia może zaciemniać jego wpływ na organizację.
To samo rozróżnienie dotyczy automatycznych poprawek. Wygenerowanie proponowanej zmiany w kodzie tworzy potencjalne rozwiązanie. Ustalenie, że zmiana zachowuje wymagane zachowanie i eliminuje ekspozycję, wymaga dodatkowych dowodów.
Ataki wspierane przez AI nadają pilności odpowiedni kontekst. W listopadzie 2025 roku Anthropic opisał kampanię szpiegowską koordynowaną przez AI, obejmującą niewłaściwe wykorzystanie Claude Code. Firma podała, że atakujący użyli systemu przeciwko około 30 celom i odnieśli sukces w niewielkiej liczbie przypadków.
Ta relacja pozostaje dochodzeniem i oceną dostawcy. Wspiera obawy dotyczące automatycznej pomocy w całym procesie ataku. Nie dowodzi, że każdy atakujący może działać autonomicznie ani że ludzki osąd stracił znaczenie.
Wniosek dla zakupów jest bardziej konkretny. Kupujący odczuwają presję, aby skrócić czas między identyfikacją istotnej ekspozycji a ukończeniem reakcji. Produkty przyspieszające wyłącznie pierwszy etap pozostawiają część tej presji nierozwiązaną.
Tworzy to użyteczną podstawę do porównywania ofert z zakresu bezpieczeństwa ofensywnego. Jeden produkt może identyfikować więcej potencjalnych słabości. Inny może ułatwiać odtworzenie, przypisanie i usunięcie swoich ustaleń. Właściwe porównanie zależy od faktycznego wąskiego gardła kupującego.
Dla organizacji, które już zmagają się z nierozwiązanymi ustaleniami, dodatkowe wykrywanie może jedynie skomplikować ustalanie priorytetów. Dla organizacji o ograniczonym pokryciu testami rozszerzone wykrywanie może wypełnić rzeczywistą lukę. Ta sama funkcja może zatem przynosić różne rezultaty operacyjne.
Zmiana priorytetów w badaniu czyni to rozróżnienie pilniejszym. Zainteresowanie zakupem wprowadzi dodatkowe produkty do procesu oceny. To, czy poprawią one bezpieczeństwo, zależy od pełnego procesu, do którego trafią.
Ustalenia mierzą intencje kupujących, a nie potwierdzone wyniki bezpieczeństwa
Badanie a16z CISO stanowi użyteczny obraz nastrojów przedsiębiorstw. Jego ograniczenia zasługują na uwagę, ponieważ jego wyniki wpisują się w szerszą tezę inwestycyjną dotyczącą wschodzących firm z branży bezpieczeństwa.
Oczekiwania kupujących wspierają tezę rynkową, lecz nie mogą potwierdzić skuteczności produktów ani przewidzieć, którzy dostawcy przejmą wydatki.
Opublikowany artykuł omawia firmy, w które zainwestowało a16z. Ta perspektywa komercyjna nie unieważnia odpowiedzi. Daje czytelnikom powód, by oddzielać zgłoszone ustalenia od wniosków autorów dotyczących szans dla startupów.
Rozróżnienie to jest szczególnie ważne przy interpretowaniu rosnącego priorytetu. Kategoria może przesunąć się wyżej na liście priorytetów kupującego, ponieważ problem stał się pilniejszy. Nie dowodzi to, że dostępne produkty rozwiązują problem w sposób satysfakcjonujący.
Oczekiwania dotyczące wydatków również pozostawiają otwartych kilka możliwych rezultatów. Dodatkowe budżety mogą wspierać wdrożenia, wyspecjalizowane narzędzia, obecnych dostawców lub inne potrzeby bezpieczeństwa. Nagłówkowy odsetek nie może określić, jak wydatki ostatecznie rozłożą się między tymi wyborami.
Metodologia wprowadza kolejną niepewność. Artykuł porównuje planowane priorytety na 2027 rok ze wspomnieniami respondentów o ich priorytetach w 2026 roku. Odtworzone z pamięci rankingi różnią się od porównania wykorzystującego niezależnie zarejestrowane odpowiedzi zebrane w każdym z tych momentów.
Opublikowany tekst pozostawia także bez odpowiedzi ważne pytania dotyczące doboru próby i reprezentacji geograficznej. Czytelnicy powinni unikać traktowania wyników jako statystycznie reprezentatywnego obrazu każdego dużego przedsiębiorstwa. Określona grupa respondentów wyznacza użyteczną granicę interpretacji.
Wdrożenia produkcyjne wymagają podobnej ostrożności. Słowo „produkcja” może obejmować wdrożenia o różnym zakresie i konsekwencjach. Narzędzie wspierające dochodzenia operacyjnie różni się od agenta uprawnionego do podejmowania istotnych zmian.
Bez spójnych definicji porównania między przyszłymi badaniami mogą stać się mylące. Pozorny wzrost może odzwierciedlać szerszy zakres zadań, większą liczbę organizacji wdrażających narzędzia w wąskim zakresie albo zmiany w sposobie klasyfikowania istniejących narzędzi przez respondentów.
Wartość 18% wskazuje zatem na ograniczone zgłoszone wdrożenie w tej próbie. Nie ustanawia wskaźnika niepowodzeń, oceny gotowości ani bezpośredniej miary zaufania. Takie twierdzenia wymagałyby innych dowodów.
Niezależne prace nad standardami stanowią użyteczną przeciwwagę dla narracji skoncentrowanych na produktach. Analiza tożsamości NIST podkreśla znaczenie ugruntowanych mechanizmów kontroli i dyscypliny wdrożeniowej. Ta perspektywa podważa wszelkie sugestie, że zakup produktu oznaczonego jako AI rozwiązuje podstawowy problem zarządzania.
Dla czytelników szukających wyjaśnienia priorytetów bezpieczeństwa a16z rozróżnienie to ma istotne konsekwencje. Badanie opisuje to, co kupujący uznają za ważne. Ocena, czy zakup poprawia bezpieczeństwo, wymaga dowodów ze środowisk, w których produkt działa.
Najmocniejszy wniosek pozostaje skoncentrowany: AI zajmuje obecnie centralne miejsce w planowaniu tych respondentów. Powstający rynek nadal będzie zależał od wdrożenia, mierzalnych wyników i odpowiedzialności za błędy.
Trzy sygnały pokażą, czy wydatki przełożą się na zdolność operacyjną
Następny kwartał powinien dostarczyć dowodów na to, jak kupujący i dostawcy przekładają pilność na wdrożenia. Najbardziej miarodajne wydarzenia będą opisywać odpowiedzialność operacyjną, zamiast powtarzać szerokie twierdzenia o popycie na AI.
Ważnymi sygnałami są wyraźniejszy zakres wdrożenia, mierzalne wyniki procesów roboczych oraz możliwe do wdrożenia mechanizmy kontroli uprawnień agentów.
Po pierwsze, warto obserwować ujawnienia klientów, które definiują użycie produkcyjne. Przydatne ogłoszenia wskażą pracę wykonywaną przez agenta, systemy, do których ma on dostęp, oraz decyzje wymagające interwencji człowieka. Te szczegóły ułatwiają interpretację twierdzeń dotyczących wdrożenia.
Wdrożenie obejmujące powtarzalne zadanie dochodzeniowe wspierałoby argument za stopniowym rozszerzaniem zakresu. Dowody na szerszą odpowiedzialność wymagałyby odpowiednio jaśniejszego opisu nadzoru i konsekwencji.
Z kolei ogłoszenia pomijające zakres wdrożenia pozostawiłyby obecną niepewność w dużej mierze bez zmian. Sama liczba klientów nie wyjaśnia, czy narzędzia wyszły poza ograniczone wsparcie. Rozróżnienie to ma znaczenie, gdy dostawcy opisują rosnący zasięg operacyjny.
Po drugie, warto obserwować oceny mierzące pełny proces roboczy. Istotne dowody obejmują wysiłek analityków związany z przeglądem, jakość eskalacji oraz to, czy system pomaga zespołom ukończyć niezbędne działania. Wyniki oceny powinny wyjaśniać mierzone zadanie i środowisko.
W bezpieczeństwie ofensywnym oznacza to powiązanie ustaleń z ich usunięciem. W przypadku narzędzi SOC oznacza to analizę tego, co dzieje się po automatycznej klasyfikacji. Właściwy rezultat zależy od odpowiedzialności przypisanej produktowi.
Opublikowane dowody na niższe całkowite obciążenie pracą wzmocniłyby argument, że AI zwiększa zdolność defensywną. Dowody na znaczący nakład pracy związany z przeglądem lub poprawkami wskazywałyby, że wdrożenie nadal jest głównym ograniczeniem.
Oceny te wymagają również sensownego porównania. Wynik mierzony względem niejasnej wartości bazowej niewiele mówi kupującym. Opisanie poprzedniego procesu pomaga czytelnikom zrozumieć, czy deklarowana poprawa rozwiązuje problem operacyjny.
Po trzecie, warto obserwować przejście od zasad tożsamości agentów do działających przykładów. 29 września National Cybersecurity Center of Excellence NIST wskazało rozwój oprogramowania jako swój pierwszy przypadek użycia wdrożeniowego. Jego projekt autoryzacji agentów zademonstruje identyfikację, uwierzytelnianie i autoryzację w tym środowisku.
Uwierzytelnianie weryfikuje tożsamość, natomiast autoryzacja określa dozwolone działania. Działające przykłady mogą pomóc organizacjom ocenić, jak te mechanizmy kontroli działają w połączonych narzędziach programistycznych. Ogłoszenie wyznacza kierunek projektu, a nie ukończony uniwersalny standard.
Praktyczne wytyczne wzmocniłyby argument, że przedsiębiorstwa mogą rozszerzać wykorzystanie agentów przy jaśniejszym podziale odpowiedzialności. Utrzymująca się niepewność dotycząca wdrożenia pomogłaby wyjaśnić, dlaczego przeglądy bezpieczeństwa pozostają wymagające. Każdy z tych rezultatów wniósłby informacje do pytania o gotowość wdrożeniową postawionego przez badanie.
W miarę postępu planowania na 2027 rok należy czytać badanie a16z CISO wraz z dowodami z rzeczywistych wdrożeń. Należy pytać, która praca opuściła kolejkę analityków, które decyzje pozostały po stronie ludzi oraz czy organizacja zmniejszyła ekspozycję. W przypadku agentów wewnętrznych należy szukać jasnej odpowiedzialności i egzekwowalnych ograniczeń dostępu. W przypadku agentów bezpieczeństwa należy szukać wyników uwzględniających nadzór i korektę. Te szczegóły pomogą odróżnić użyteczne wdrożenie od ambitnej oceny. Pokażą również, czy wyższe wydatki kupują dodatkową zdolność defensywną, czy głównie wspierają wysiłek wymagany do jej ustanowienia. Następna istotna aktualizacja będzie wyraźniejszym opisem tego, co te systemy niezawodnie robią wewnątrz przedsiębiorstw. Należy szukać takiego opisu przed wyciąganiem wniosków z kolejnego nagłówka dotyczącego wdrożeń.
