Średni koszt naruszenia danych w Indiach osiąga rekordowy poziom, gdy AI zmienia ryzyko cybernetyczne

Najnowsze badanie IBM dotyczące naruszeń danych trafiło do Google News z uderzającą liczbą: średni koszt naruszenia w indyjskiej organizacji wzrósł w 2026 roku do 255 mln INR.

To równowartość 25,5 crore INR i wzrost o 15,9 procent względem 220 mln INR w 2025 roku. IBM określa tę kwotę jako najwyższą średnią dla Indii odnotowaną w corocznym badaniu.

Nagłówek budzi niepokój, ale sednem historii nie jest po prostu to, że sztuczna inteligencja podniosła koszt każdego cyberataku. Ustalenia IBM wskazują na dwa przeciwstawne zjawiska. Atakujący wykorzystują AI do skalowania oszustw i złośliwego oprogramowania, a obrońcy stosują automatyzację, by skracać dochodzenia i ograniczać straty.

To napięcie ma większe znaczenie niż sam rekord. Indyjskie organizacje bez AI i automatyzacji bezpieczeństwa płaciły za naruszenie znacznie więcej niż te, które szeroko wykorzystywały takie zabezpieczenia. Równocześnie niekontrolowane użycie AI przez pracowników tworzyło kolejne kosztowne źródło ryzyka.

Rezultatem jest rywalizacja między zarządzaną automatyzacją a niekontrolowanym wdrażaniem AI. Organizacje nie wybierają między korzystaniem z AI a jej unikaniem. Decydują, czy to atakujący, pracownicy czy zespoły bezpieczeństwa będą używać jej przy najmniejszych ograniczeniach.

Google News skupiło się na rekordowym koszcie naruszeń danych w Indiach

IBM szacuje, że średni koszt naruszenia w Indiach osiągnął 255 mln INR, a przeciętny incydent objął również więcej rekordów danych.

IBM opublikował indyjskie wyniki 3 sierpnia 2026 roku. Firma podała, że przeciętne naruszenie objęło 39 500 rekordów, wobec 38 200 rekordów w 2025 roku.

Wzrost o 1 300 rekordów wydaje się niewielki w porównaniu ze skokiem kosztów o 15,9 procent. Ta różnica sugeruje, że wpływ finansowy nie wzrósł wyłącznie dlatego, że organizacje utraciły więcej danych.

Koszty naruszenia mogą obejmować dochodzenie techniczne, obsługę klientów, zakłócenia operacyjne, działania regulacyjne i utracony biznes. Nawet nieznacznie większy incydent może więc wygenerować znacznie wyższy rachunek, gdy wykrywanie i odzyskiwanie sprawności pozostają powolne.

Oryginalna historia krążąca w Google News słusznie podkreślała nowy rekord. Jednak bazowe ustalenia dotyczące naruszeń w Indiach zawierają bardziej użyteczne porównanie operacyjne.

Organizacje, które nie zgłosiły wykorzystywania AI ani automatyzacji w działaniach bezpieczeństwa, odnotowały średni koszt naruszenia na poziomie 316 mln INR. Te, które szeroko stosowały AI i automatyzację, zgłosiły średnio 213 mln INR.

Różnica między tymi dwiema grupami wynosi 103 mln INR, czyli 10,3 crore INR. Organizacje o ograniczonym wdrożeniu osiągnęły średnio 231 mln INR.

Dane te nie dowodzą, że instalacja zautomatyzowanego produktu bezpieczeństwa bezpośrednio eliminuje 103 mln INR kosztów z każdego przyszłego incydentu. Badanie IBM ma charakter obserwacyjny, a organizacje z dojrzałą automatyzacją prawdopodobnie różnią się także pod innymi względami.

Mogą dysponować silniejszymi mechanizmami kontroli tożsamości, większymi zespołami bezpieczeństwa, przetestowanymi planami reakcji lub lepiej utrzymywanymi inwentaryzacjami zasobów. Czynniki te mogą wpływać na koszty obok automatyzacji.

Mimo tego ograniczenia trudno zignorować kierunek zależności. Organizacje z szeroko wdrożoną automatyzacją zgłaszały niższe średnie koszty niż te o ograniczonym wdrożeniu lub bez niego.

Rekord wpisuje się również w utrwalony trend wzrostowy. IBM podał średni koszt naruszenia w Indiach na poziomie 195 mln INR w 2024 roku. Jego wyniki dla Indii z 2025 roku podniosły tę wartość do 220 mln INR.

Dwuletni wzrost z 195 mln INR do 255 mln INR wynosi około 30,8 procent. Każdy roczny szacunek wyznaczał nowy rekord w indyjskich badaniach IBM.

Liczby te wymagają ostrożnego sformułowania. Opisują średnie wśród organizacji badanych przez IBM i Ponemon Institute. Nie są krajowym rozliczeniem wszystkich naruszeń danych, których doświadczyły organizacje w całych Indiach.

Mniejsze incydenty mogą pozostać niewykryte lub niezgłoszone. Organizacje uczestniczące w badaniach nad naruszeniami mogą też różnić się od szerszej populacji.

Szacunek pozostaje wartościowy, ponieważ odzwierciedla organizacyjny koszt reagowania na rzeczywiste incydenty. Pokazuje, że obciążenie wykracza poza skradzioną bazę danych lub jeden zakłócony serwer.

Kosztowne naruszenie może jednocześnie pochłaniać zasoby działów prawnych, technicznych, komunikacyjnych i kadry kierowniczej. Może też zakłócać systemy generujące przychody długo po tym, jak atakujący utraci dostęp.

Nagłówek Google News wskazuje więc widoczny rezultat. Ważniejsze pytanie brzmi, dlaczego niektóre organizacje ponoszą znacznie większe straty niż inne.

AI przyspiesza ataki, ale nie jest jedyną przyczyną

AI zmienia tempo i skalę złośliwej aktywności, jednak phishing i zwykłe luki w zabezpieczeniach nadal zapewniają wiele początkowych punktów wejścia.

IBM ustalił, że 26 procent zbadanych w Indiach złośliwych naruszeń obejmowało ataki wygenerowane z użyciem AI. Firma podaje, że ataki te wykorzystywały techniki, które czyniły złośliwą aktywność szybszą, bardziej zaawansowaną lub łatwiejszą do skalowania.

Globalny wzorzec był podobny. Badanie IBM dotyczące naruszeń w 2026 roku wskazuje, że jedno na cztery złośliwe naruszenia było wspomagane przez AI, co oznacza wzrost o 56 procent w porównaniu z poprzednim rokiem.

IBM wskazał podszywanie się z użyciem deepfake’ów i złośliwe oprogramowanie wspierane przez AI jako istotne elementy tego wzrostu. Firma oszacowała średni globalny koszt naruszeń wspomaganych przez AI na około 6 mln USD.

Ustalenia te wskazują na jasny mechanizm. Systemy generatywne mogą skrócić czas potrzebny do tworzenia wiarygodnych wiadomości, modyfikowania złośliwego kodu lub naśladowania zaufanej osoby.

Atakujący nie musi już ręcznie pisać każdej wiadomości phishingowej. AI może tworzyć warianty dla różnych stanowisk, branż i kanałów komunikacji.

Klonowanie głosu może zwiększyć presję, imitując członka kierownictwa, klienta lub członka rodziny. Wygenerowany tekst może eliminować rażące błędy gramatyczne, które wcześniej zdradzały oszustwa niskiej jakości.

Złośliwe oprogramowanie wspierane przez AI może także pomagać atakującym różnicować kod i badać podatne systemy. Dostęp do AI nie prowadzi jednak automatycznie do skutecznego włamania.

Atakujący nadal potrzebują punktu wejścia, użytecznych danych uwierzytelniających, podatnego oprogramowania lub osoby skłonnej wykonać fałszywe polecenie. Wyniki z Indii pokazują, że znane ścieżki ataku pozostają kluczowe.

Phishing, w tym phishing głosowy i SMS-owy, odpowiadał za 19 procent początkowych wektorów ataku w indyjskiej próbie IBM. Kompromitacja typu drive-by stanowiła 16 procent, a kompromitacja łańcucha dostaw — 15 procent.

Kompromitacja typu drive-by zachodzi, gdy odwiedzenie złośliwej lub przejętej strony naraża użytkownika lub urządzenie na atak. Kompromitacja łańcucha dostaw dociera do celu przez zaufane oprogramowanie, dostawców lub relacje usługowe.

Kategorie te pokazują, dlaczego stwierdzenie „AI spowodowała rekord” jest zbyt szerokie. AI może ulepszyć przekaz, moment lub skalę ataku, lecz słabe zabezpieczenia tożsamości i oprogramowania nadal decydują o jego powodzeniu.

Phishing pozostaje szczególnie istotny, ponieważ atakuje ludzką ocenę sytuacji. Pracownicy otrzymują wiadomości przypominające rutynowe prośby, ostrzeżenia o hasłach, zatwierdzenia płatności lub udostępnione dokumenty.

Wygenerowana wiadomość nie musi oszukać wszystkich. Wystarczy, że dotrze do jednej osoby, której dostęp umożliwi użyteczny kolejny krok.

To utrudnia przygotowanie obrony. Zespoły bezpieczeństwa muszą wykryć początkową komunikację, zapobiec nadużyciu danych uwierzytelniających i zauważyć nietypowe zachowania po uzyskaniu dostępu.

Indyjskie organy ds. cyberbezpieczeństwa również udokumentowały utrzymującą się aktywność ransomware i ewoluujące techniki atakujących. Raport o ransomware CERT-In opisuje taktyki obserwowane w indyjskiej cyberprzestrzeni w 2024 roku.

Ransomware nie jest tożsame z każdym naruszeniem uwzględnionym w badaniu IBM. Stanowi jednak ważny punkt odniesienia, ponieważ łączy włamanie, zakłócenia działalności, kradzież danych i presję związaną z odzyskiwaniem sprawności.

AI może wzmacniać kilka etapów, nie zastępując podstawowego schematu działania. Może usprawniać rozpoznanie, personalizować przynęty lub pomagać atakującemu komunikować się na większą skalę.

Liderzy bezpieczeństwa powinni więc unikać dwóch mylących wniosków. Pierwszy zakłada, że AI stworzyła całkowicie nieznane środowisko zagrożeń. Drugi — że istniejące zabezpieczenia wystarczą bez modyfikacji.

Rzeczywistość leży między tymi twierdzeniami. Tożsamość, aktualizacje, segmentacja i planowanie reakcji nadal mają znaczenie, lecz zespoły muszą teraz działać przeciwko szybszym i bardziej adaptacyjnym przeciwnikom.

Rzeczywista rywalizacja to zarządzana automatyzacja kontra niekontrolowana AI

Największy podział w danych IBM nie przebiega między użytkownikami AI a osobami z niej niekorzystającymi, lecz między kontrolowanym wdrożeniem zabezpieczeń a aktywnością AI poza nadzorem organizacji.

Tylko 32 procent organizacji objętych indyjskim badaniem zgłosiło szerokie wykorzystanie AI i automatyzacji bezpieczeństwa. Kolejne 36 procent deklarowało ograniczone użycie, a 32 procent nie zgłosiło żadnego użycia.

Automatyzacja może łączyć sygnały bezpieczeństwa, które ludzie w przeciwnym razie analizowaliby osobno. Może nadawać priorytet podejrzanej aktywności, wzbogacać alerty i uruchamiać zdefiniowane wcześniej działania ograniczające skutki incydentu.

Systemy te nie usuwają analityków z procesu. Ich główna wartość polega na skróceniu czasu poświęcanego na zbieranie dowodów i wykonywanie powtarzalnych działań.

Dane IBM dotyczące czasu pokazują skalę problemu. Organizacje bez AI i automatyzacji bezpieczeństwa potrzebowały średnio 236 dni, aby zidentyfikować naruszenie.

Organizacje z szeroko wdrożoną automatyzacją potrzebowały 175 dni. Oznacza to różnicę 61 dni przed identyfikacją incydentu.

Ograniczanie skutków przyniosło mniej intuicyjny wynik. Organizacje bez automatyzacji potrzebowały średnio 75 dni, by opanować naruszenie, w porównaniu z 81 dniami wśród intensywnych użytkowników.

Ta sześciodniowa różnica uniemożliwia proste twierdzenie, że automatyzacja przyspieszyła każdy etap. Identyfikacja wyraźnie się poprawiła, natomiast zgłaszany czas ograniczania skutków nie podążał tym samym wzorcem.

Wynik ten może wyjaśniać kilka czynników. Organizacje o wysokim poziomie automatyzacji mogą mieć większe środowiska, bardziej złożoną infrastrukturę lub incydenty wymagające szerokiej walidacji przed pełnym opanowaniem.

Publicznie dostępne dane nie rozdzielają tych możliwości. Uzasadniają zatem węższy wniosek: szeroka automatyzacja korelowała z wcześniejszą identyfikacją i niższym całkowitym kosztem.

Wczesne wykrycie ma znaczenie, ponieważ atakujący mogą rozszerzać dostęp w czasie między włamaniem a jego odkryciem. Mogą badać systemy wewnętrzne, lokalizować wrażliwe rekordy i ustanawiać dodatkowe mechanizmy trwałego dostępu.

Przeciwną siłą jest shadow AI, czyli korzystanie przez pracowników z aplikacji AI bez zgody lub nadzoru organizacji. IBM podaje, że jej obecność zwiększała średnie koszty naruszeń w Indiach o 17,9 mln INR.

Shadow AI znalazła się wśród trzech największych czynników podnoszących koszty w Indiach, obok niezgodności z regulacjami i migracji do chmury. To umieszcza aktywność pracowników związaną z AI w dyskusji o ekonomice naruszeń, a nie wyłącznie w polityce miejsca pracy.

Ryzyko pojawia się, gdy pracownicy przesyłają wrażliwe materiały do zewnętrznych narzędzi, podłączają niezatwierdzone aplikacje lub przyznają systemom nadmierny dostęp. Zespoły bezpieczeństwa mogą mieć trudności z ochroną danych, których przepływu nie widzą.

Problem obejmuje również zatwierdzone oprogramowanie biznesowe, które po cichu dodaje funkcje generatywne. Rejestr zakupów może identyfikować główną aplikację, pomijając każdy wbudowany model lub zewnętrzny przepływ danych.

Zakazanie każdego narzędzia AI prawdopodobnie nie rozwiąże tego problemu. Pracownicy często sięgają po nieautoryzowane usługi, gdy zatwierdzone procesy pozostają wolniejsze lub mniej użyteczne.

Zakaz może zepchnąć aktywność dalej poza obszar monitorowania. Może też uniemożliwić zespołom bezpieczeństwa zrozumienie, które zadania napędzają wdrażanie.

Ład organizacyjny stanowi bardziej praktyczną przeciwwagę. Organizacje potrzebują wiarygodnego rejestru aplikacji AI, tożsamości, dostępu do danych i połączonych usług.

Potrzebują również zasad odróżniających pomoc o niskim ryzyku od przetwarzania wrażliwych danych. Tworzenie ogólnych tekstów marketingowych to coś innego niż przesyłanie rejestrów klientów lub poufnego kodu źródłowego.

Główny przeciwnik jest więc jasny. Zarządzana automatyzacja daje obrońcom widoczność i szybkość działania, podczas gdy niezarządzana AI tworzy ukryte ścieżki dostępu i niepewność co do przetwarzania danych.

Obie strony korzystają z podobnej technologii bazowej. Różnica polega na autoryzacji, monitorowaniu i rozliczalności.

Czego nie dowodzą dane IBM

Raport IBM wskazuje na silne zależności, ale nie dowodzi, że sama AI spowodowała 15,9-procentowy wzrost kosztów w Indiach.

Badanie pochodzi od IBM, firmy sprzedającej produkty z zakresu bezpieczeństwa, automatyzacji, chmury i AI. Nie unieważnia to jego ustaleń, ale czytelnicy powinni uwzględnić kontekst komercyjny.

IBM i Ponemon Institute opierają raport na organizacjach, które doświadczyły naruszeń. Publiczne podsumowanie nie czyni z wyników kontrolowanego eksperymentu.

Organizacje z dojrzałą automatyzacją mogą już mieć lepsze mechanizmy zarządzania i większe budżety bezpieczeństwa. Te przewagi mogą niezależnie wpływać na szybkość wykrywania i koszt naruszenia.

Możliwa jest też sytuacja odwrotna. Duże organizacje ze złożonymi systemami częściej kupują automatyzację, a jednocześnie stanowią dla atakujących szersze cele.

Średnie koszty mogą ukrywać znaczące różnice między typami incydentów i sektorami. Naruszenie dotyczące banku nie stworzy takiego samego obciążenia związanego z reakcją jak incydent u mniejszego dostawcy oprogramowania.

IBM ustalił, że indyjskie organizacje z sektora usług finansowych odnotowały najwyższy średni koszt naruszenia — 409 mln INR. Sektor technologiczny znalazł się dalej z wynikiem 357 mln INR, a sektor komunikacyjny osiągnął średnio 345 mln INR.

Te różnice sektorowe mają znaczenie, ponieważ każda branża przechowuje inne dane i działa pod innymi ograniczeniami operacyjnymi. Organizacje finansowe muszą także realizować obowiązki regulacyjne oraz utrzymywać usługi, w których przestój ma natychmiastowe konsekwencje.

Średni koszt naruszenia w Indiach nie powinien więc stać się uniwersalnym szacunkiem budżetowym. Konkretna organizacja musi uwzględnić swoje dane, infrastrukturę, ekspozycję prawną i zależności operacyjne.

Określenie „atak wygenerowany przez AI” również wymaga interpretacji. Może obejmować różne techniki — od generowanych treści phishingowych po złośliwe oprogramowanie modyfikowane przy wsparciu AI.

Ta kategoria nie musi oznaczać, że autonomiczny system zaplanował i przeprowadził całe naruszenie. Ludzie nadal wybierają cele, potwierdzają dostęp i dążą do przejęcia cennych systemów.

Podobnie związek shadow AI z kosztem 17,9 mln INR nie dowodzi, że każdy nieautoryzowany chatbot powoduje naruszenie. Shadow AI sygnalizuje problem z widocznością i zarządzaniem.

Organizacje z rozległym niezatwierdzonym użyciem mogą także mieć rozproszone procesy zakupowe, słabe zarządzanie dostępem lub niejasne zasady dotyczące danych. Te warunki mogą zwiększać ryzyko jeszcze zanim AI trafi do przepływu pracy.

Dane dotyczące czasu wymagają takiej samej ostrożności. Rozbudowana automatyzacja korelowała z wykrywaniem o 61 dni wcześniej, ale według opublikowanych wyników dla Indii ograniczenie skutków trwało o sześć dni dłużej.

Ta niespójność powinna pozostać widoczna. Jej usunięcie zamieniłoby zniuansowany zbiór danych w marketing.

Najmocniejsza interpretacja nie brzmi, że automatyzacja gwarantuje szybszą reakcję na każdym etapie. Chodzi raczej o to, że organizacje intensywnie z niej korzystające zgłaszały niższe koszty i znacznie wcześniejsze wykrywanie ogółem.

Globalne porównanie również komplikuje obraz Indii. IBM podał, że globalny średni koszt naruszenia wyniósł 4,99 mln USD, o 12 procent więcej niż rok wcześniej.

Naruszenia wspierane przez AI kosztowały globalnie średnio około 6 mln USD. Różnice geograficzne, regulacyjne, dotyczące pracy i infrastruktury uniemożliwiają jednak bezpośrednie przeliczenie tej wartości na indyjski punkt odniesienia.

Dlatego pierwotny materiał o rekordowych kosztach najlepiej traktować jako punkt wyjścia. Nie powinien być ostatnim poziomem analizy.

Bardziej uzasadniony wniosek jest taki, że AI stała się mierzalnym czynnikiem naruszeń. Wzmacnia niektóre ataki, tworzy nowe niezarządzane ścieżki danych i pomaga dojrzałym obrońcom kontrolować koszty.

Niepewne pozostaje, w jakim stopniu każdy z tych mechanizmów przyczynił się do rekordu w Indiach. Publiczne dane IBM nie przedstawiają przyczynowego rozkładu całego rocznego wzrostu o 35 mln INR.

Najbardziej narażone sektory Indii mierzą się z różnymi presjami

Usługi finansowe, technologia i komunikacja odnotowują najwyższe średnie koszty, lecz w każdym sektorze wynikają one z innych zagrożeń operacyjnych.

Indyjskie organizacje z sektora usług finansowych odnotowały średni koszt naruszenia na poziomie 409 mln INR. To o 154 mln INR więcej niż ogólna średnia dla Indii.

Banki, ubezpieczyciele, dostawcy płatności i platformy inwestycyjne zarządzają tożsamościami, transakcjami i wysoce wrażliwymi rejestrami. Naruszenie może jednocześnie wywołać działania techniczne, ochronę klientów i pracę regulacyjną.

Organizacje te zależą również od złożonych sieci dostawców i usług. Kompromitacja łańcucha dostaw może ominąć mechanizmy kontroli skupione wyłącznie na bezpośrednich atakach zewnętrznych.

Instytucje finansowe nie mogą po prostu odłączyć każdego systemu objętego incydentem bez uwzględnienia dostępu klientów i ciągłości transakcji. To ograniczenie może podnosić koszt ograniczania skutków.

Firmy technologiczne odnotowały drugi najwyższy wynik — średnio 357 mln INR. Ich ryzyko często wykracza poza rejestry klientów i obejmuje kod źródłowy, dane uwierzytelniające, infrastrukturę deweloperską i połączone usługi chmurowe.

Przejęte konto dewelopera może ujawnić kilka środowisk. Atakujący może przejść z narzędzia współpracy do repozytorium, systemu wdrożeniowego lub konta chmurowego.

Narzędzia AI dodają kolejną drogę, ponieważ deweloperzy używają ich do generowania kodu, debugowania i dokumentacji. Wrażliwy kod lub dane konfiguracyjne mogą opuścić zatwierdzone granice za pośrednictwem nieautoryzowanego asystenta.

Firmy technologiczne tworzą też produkty używane przez inne organizacje. Kompromitacja może więc stać się incydentem w łańcuchu dostaw, wykraczającym poza pierwotną ofiarę.

Organizacje komunikacyjne osiągnęły średnio 345 mln INR. Obsługują infrastrukturę łączącą klientów, przedsiębiorstwa i usługi publiczne.

Naruszenie może dotyczyć informacji o abonentach, dostępu do sieci lub zakłóceń usług. Obciążenie związane z odzyskiwaniem sprawności rośnie, gdy organizacja musi zabezpieczać dowody, jednocześnie utrzymując kluczową łączność.

Różnice te pokazują, dlaczego jedna ogólna polityka bezpieczeństwa AI jest niewystarczająca. Każdy sektor potrzebuje mechanizmów kontroli dostosowanych do swoich najcenniejszych systemów i prawdopodobnych ścieżek ataku.

Organizacje finansowe powinny ściśle monitorować tożsamości, autoryzację transakcji i dostęp stron trzecich. Firmy technologiczne potrzebują silnej ochrony repozytoriów, systemów kompilacji, sekretów i tożsamości chmurowych.

Dostawcy usług komunikacyjnych muszą łączyć zabezpieczenia danych klientów z bezpieczeństwem sieci operacyjnych. We wszystkich trzech sektorach plany reagowania na incydenty muszą uwzględniać ciągłość usług.

Phishing przenika wszystkie te środowiska, ponieważ każdy sektor opiera się na komunikacji międzyludzkiej. AI ułatwia dostosowywanie podszywania się pod inne osoby, ale organizacje nadal mogą ograniczać jego skutki.

Uwierzytelnianie odporne na phishing ogranicza użyteczność skradzionych haseł. Kontrole dostępu uprzywilejowanego zmniejszają zakres systemów, do których może dotrzeć jedna przejęta tożsamość.

Segmentacja sieci może zapobiec przekształceniu początkowej kompromitacji w incydent obejmujący całą organizację. Przetestowane procedury reagowania ograniczają niepewność, gdy zespoły muszą działać szybko.

Zgłoszenia pracowników pozostają istotne, ponieważ automatyczne wykrywanie nie wychwyci każdej wiadomości. Pracownik, który wcześnie zgłosi podejrzaną prośbę, może dostarczyć pierwszy wiarygodny sygnał.

Presja na te sektory ma charakter zarówno natychmiastowy, jak i długofalowy. Obecne naruszenia zwiększają koszty reakcji, podczas gdy rosnące wdrażanie AI tworzy więcej aplikacji, tożsamości i połączeń danych wymagających zarządzania.

Programy bezpieczeństwa muszą zatem rozwijać się wraz z biznesowym wdrażaniem AI. Dodawanie asystentów i agentów bez aktualizacji kontroli tożsamości i danych rozszerza powierzchnię ataku szybciej, niż obrońcy są w stanie ją zmapować.

Trzy sygnały pokażą, czy krzywa kosztów się zmienia

Dane o naruszeniach z kolejnego roku powinny ujawnić, czy indyjskie organizacje przekuwają planowane wydatki na bezpieczeństwo w mierzalną poprawę kontroli.

Pierwszym sygnałem jest szerokie wdrażanie AI i automatyzacji bezpieczeństwa. IBM ustalił, że w 2026 roku jedynie 32 procent indyjskich organizacji osiągnęło ten poziom.

Blisko 73 procent miało podobno planować wzmocnienie narzędzi bezpieczeństwa i zarządzania po doświadczeniu naruszenia. Przyszłe badania powinny pokazać, czy ta intencja prowadzi do szerszego wdrożenia.

Jeśli szerokie wdrażanie wzrośnie, a średnie koszty naruszeń i czasy identyfikacji spadną, argument IBM dotyczący automatyzacji zyska poparcie. Jeśli koszty będą nadal rosnąć, jakość wdrożeń będzie wymagać dokładniejszego zbadania.

Organizacje nie powinny uznawać pojedynczego narzędzia do alertowania za dojrzałą automatyzację. Użyteczną miarą jest to, czy procesy wykrywania, dochodzenia, kontroli tożsamości i reagowania działają razem.

Drugim sygnałem jest koszt i skala występowania shadow AI. IBM umieścił ją wśród trzech głównych czynników zwiększających koszty w Indiach, dodających 17,9 mln INR tam, gdzie występuje.

Spadek sugerowałby, że organizacje zyskują widoczność aplikacji używanych przez pracowników i połączonych danych. Dalszy wzrost pokazałby, że wdrażanie nadal wyprzedza zarządzanie.

Istotną miarą nie jest po prostu liczba narzędzi AI używanych przez pracowników. Jest nią liczba narzędzi przetwarzających wrażliwe informacje bez zatwierdzonych tożsamości, zasad retencji lub monitorowania.

Organizacje powinny zwracać uwagę na aplikacje połączone przez prywatne konta. Powinny również śledzić funkcje AI dodawane do istniejącego oprogramowania po pierwotnym przeglądzie bezpieczeństwa.

Trzecim sygnałem jest równowaga między phishingiem a nowszymi technikami wspieranymi przez AI. Phishing pozostał w Indiach głównym wektorem początkowym na poziomie 19 procent, mimo szybkiego wzrostu ataków wspieranych przez AI.

Jeśli phishing utrzyma tę pozycję, ochrona tożsamości i weryfikacja pracowników pozostaną najbardziej praktycznymi priorytetami obrony. Wydatki na bezpieczeństwo AI nie mogą zastąpić tych fundamentów.

Jeśli podszywanie się z użyciem deepfake’ów, złośliwe oprogramowanie wspierane przez AI lub ataki na modele AI gwałtownie wzrosną, zespoły bezpieczeństwa będą potrzebować bardziej wyspecjalizowanego wykrywania i kontroli dostępu.

Taka zmiana wzmocniłaby argument, że AI zmienia strukturę krajobrazu zagrożeń. Stabilne udziały wektorów ataku sugerowałyby, że AI głównie przyspiesza znane metody.

Czytelnicy trafiający na tę historię przez Google News powinni śledzić te trzy miary zamiast jednej rocznej średniej. Liczba z nagłówka opisuje szkody już poniesione.

Bardziej użyteczne wskaźniki pokazują, czy organizacje skracają czas pozostawania atakujących w środowisku, zarządzają użyciem AI i zapobiegają dotarciu jednej skradzionej tożsamości do systemów krytycznych.

Dla liderów technologicznych natychmiastowym działaniem jest porównanie każdego biznesowego wdrożenia AI z jego zakresem ochrony bezpieczeństwa. Kto jest właścicielem aplikacji, do jakich danych może uzyskać dostęp i która tożsamość autoryzuje jej działania?

Dla pracowników i osób pracujących z wiedzą pytanie jest równie konkretne. Czy istnieje zatwierdzony przepływ pracy dla informacji umieszczanych w systemie AI?

Rekordowe 255 mln INR w Indiach nie jest dowodem, że organizacje powinny wycofać się z AI. Pokazuje, że wdrażanie bez widoczności generuje koszty, podczas gdy zarządzana automatyzacja może poprawić pozycję obronną.

Kolejnego nagłówka w Google News nie należy oceniać wyłącznie po tym, czy średnia ponownie wzrośnie. Warto obserwować, czy szeroka automatyzacja się rozszerza, koszty shadow AI spadają, a phishing traci pozycję najłatwiejszego wejścia.