Kai twierdzi, że zagrożenia AI wymuszają przejście na bezpieczeństwo oparte na maszynach

Kai przedstawia liderom bezpieczeństwa bezpośredni konflikt: ataki wspierane przez AI przyspieszają, podczas gdy większość mechanizmów obronnych w przedsiębiorstwach nadal działa w tempie ludzi. Firma przekonuje, że autonomiczni agenci bezpieczeństwa muszą wykonywać więcej pracy związanej z wykrywaniem, analizą i usuwaniem zagrożeń, bez oczekiwania na analityków na każdym etapie.

Argument zyskał rozgłos w Google News po publikacjach łączących zmianę charakteru zagrożeń z rosnącym zainteresowaniem CISO bezpieczeństwem opartym na maszynach. Istotnym zjawiskiem nie jest jednak pojedynczy nagłówek ani kolejny produkt bezpieczeństwa AI. Jest nim rosnące zapotrzebowanie na oprogramowanie, które potrafi decydować o priorytetach, gromadzić dowody i podejmować działania obronne w istniejących systemach.

Model ten podważa funkcjonowanie centrum operacji bezpieczeństwa, czyli SOC, skoncentrowanego na analitykach, gdzie ludzie przeglądają alerty i zatwierdzają większość istotnych reakcji. Rodzi też trudniejsze pytanie. Jeśli autonomiczny obrońca podejmie błędną decyzję, kto może ją wyjaśnić, odwrócić i wziąć za nią odpowiedzialność?

Kai twierdzi, że jego platforma zmniejsza lukę czasową, wykorzystując agentów AI do realizacji zadań bezpieczeństwa w wielu przepływach pracy. Agencje rządowe, badania branżowe i konkurencyjni dostawcy potwierdzają szerszy wniosek, że ataki stają się szybsze. Nie dowodzą jednak, że w pełni autonomiczna obrona jest gotowa do nieograniczonego wdrożenia.

Presja na CISO działa więc w dwóch kierunkach. Muszą skracać czas reakcji, jednocześnie wykazując, że zautomatyzowane decyzje pozostają kontrolowane, możliwe do prześledzenia i powiązane z ryzykiem biznesowym.

Kai sprzedaje wykonanie, a nie kolejny strumień alertów

Główna propozycja Kai zakłada, że oprogramowanie bezpieczeństwa powinno wykonywać pracę, zamiast jedynie wskazywać analitykom, gdzie mają szukać.

Firma wyszła z trybu stealth 10 marca 2026 roku, pozyskując 125 mln USD finansowania. Inwestycji przewodził Evolution Equity Partners, przy udziale N47 i inwestorów strategicznych. Kai opisuje swój produkt jako agentową platformę cyberbezpieczeństwa, co oznacza, że agenci programowi mogą analizować zadania i podejmować działania w kierunku zdefiniowanych celów bezpieczeństwa.

W informacji o uruchomieniu platformy firma wskazuje, że agenci mogą działać w różnych zastosowaniach, zamiast pozostawać w obrębie jednej wąskiej kategorii produktów. Kai przedstawia platformę jako alternatywę dla rozproszonych przepływów pracy obejmujących analizę zagrożeń, zarządzanie ekspozycją, inżynierię detekcji i usuwanie skutków incydentów.

To rozróżnienie ma znaczenie, ponieważ zespoły bezpieczeństwa w przedsiębiorstwach rzadko cierpią na całkowity brak sygnałów. Narzędzia endpointowe, skanery chmurowe, systemy tożsamości, bazy danych o podatnościach i platformy informacji bezpieczeństwa już generują ogromne ilości danych. Problem operacyjny polega na przekształceniu tych sygnałów w możliwą do uzasadnienia sekwencję decyzji, zanim atakujący przeniesie się gdzie indziej.

Tradycyjny przepływ pracy często zaczyna się od wykrycia podejrzanego zachowania przez jedno narzędzie. Analityk sprawdza kilka konsol, zbiera kontekst dotyczący zasobu, analizuje powiązane podatności i ustala, czy zdarzenie ma znaczenie. Inny zespół może następnie zatwierdzić zmianę konfiguracji lub poprawkę.

Bezpieczeństwo oparte na maszynach stara się skrócić tę sekwencję. Agent gromadzi dowody, ocenia znaczenie zasobu, rekomenduje lub wykonuje reakcję i sprawdza, czy działanie zmniejszyło ekspozycję. Ludzie ustalają zasady, ograniczenia i reguły eskalacji, zamiast ręcznie realizować każdy krok.

Kai opisał incydent w łańcuchu dostaw, w którym jego system przeszedł od nowych informacji o zagrożeniu do reakcji naprawczej w ciągu kilku minut. To studium przypadku firmy, a nie niezależny benchmark. Ilustruje zamierzony przepływ pracy, lecz nie dowodzi, jak platforma działa w zróżnicowanych środowiskach klientów.

Uwagę należy też poświęcić rozróżnieniu między orkiestracją a autonomią. Orkiestracja bezpieczeństwa istnieje od lat i wykorzystuje zdefiniowane wcześniej playbooki do łączenia narzędzi oraz automatyzowania powtarzalnych działań. Systemy agentowe obiecują bardziej elastyczne rozumowanie, gdy incydent nie odpowiada ustalonej sekwencji.

Ta elastyczność jest zarazem zaletą i ryzykiem. Zdefiniowany wcześniej playbook jest ograniczony, ale jego zachowanie jest względnie przewidywalne. Agent AI może obsłużyć nieznane dowody, jednak jego sposób rozumowania może być trudniejszy do odtworzenia podczas audytu lub przeglądu incydentu.

Kai sprzedaje więc coś więcej niż szybszą automatyzację. Prosi CISO o przeniesienie części osądu operacyjnego z kolejek ludzi do wykonania przez oprogramowanie. Ta zmiana tworzy główne napięcie artykułu: ta sama autonomia, która skraca czas reakcji, może sprawić, że błędna reakcja będzie szybsza i obejmie szerszy zakres.

Dlaczego zagrożenia napędzane przez AI zmieniły rytm pracy CISO

Argument za obroną opartą na maszynach zaczyna się od czasu, ponieważ AI zmniejsza nakład pracy potrzebny do wykrycia, dostosowania i skalowania ataku.

AI nie zastępuje każdego specjalisty zaangażowanego w zaawansowane włamanie. Może jednak przyspieszać rekonesans, przygotowywanie phishingu, analizę kodu, badanie podatności i powtarzalne testowanie. Atakujący mogą wykorzystać te korzyści do prowadzenia większej liczby eksperymentów przeciw większej liczbie celów.

Oświadczenie agencji cyberbezpieczeństwa państw Five Eyes z czerwca 2026 roku wyjątkowo jasno wskazało tę kwestię czasową. Agencje stwierdziły, że rozwój zaawansowanej AI oznacza, iż założenia dotyczące ryzyka cybernetycznego mogą się dezaktualizować w ciągu „miesięcy, a nie lat”.

Ostrzeżenie Five Eyes stwierdzało, że AI zwiększa skalę i szybkość cyberzagrożeń. Wezwano organizacje do ograniczania powierzchni ataku, wzmacniania kontroli tożsamości, usuwania starszych podatności oraz przyspieszania instalowania poprawek.

Te zalecenia nadal opierają się na znanych praktykach bezpieczeństwa. AI nie uczyniła nieistotnymi inwentaryzacji zasobów, kontroli dostępu, kopii zapasowych ani zarządzania poprawkami. Zwiększyła koszt wykonywania ich powoli lub niespójnie.

Liderzy bezpieczeństwa mierzą się także z szerszą powierzchnią ataku, ponieważ ich organizacje wdrażają własnych agentów AI. Systemy te mogą uzyskiwać dostęp do dokumentów, repozytoriów kodu, danych klientów, platform komunikacyjnych i usług chmurowych. Każde połączenie tworzy kolejną tożsamość i kolejną ścieżkę, którą obrońcy muszą monitorować.

Język naturalny wprowadza nietypową ekspozycję. Agent może otrzymywać instrukcje za pośrednictwem promptów, pobranych dokumentów, poczty e-mail lub treści internetowych. Złośliwe instrukcje ukryte w materiałach wyglądających na godne zaufania mogą próbować przekierować zachowanie agenta — technika ta jest powszechnie nazywana prompt injection.

Oznacza to, że CISO muszą bronić się przed atakującymi wspieranymi przez AI, jednocześnie zabezpieczając wewnętrzne systemy AI, które mogą działać na danych biznesowych. Oba problemy łączą się na poziomie tożsamości, autoryzacji i monitorowania środowiska wykonawczego.

Dowody z sektora publicznego pokazują, jak szybko rozszerza się ten zakres odpowiedzialności. Badanie NASCIO i Deloitte z 2026 roku objęło CISO ze wszystkich 50 stanów USA i dwóch terytoriów. Wykazało, że 94 procent uczestniczyło w tworzeniu polityk bezpieczeństwa generatywnej AI, a 84 procent brało udział w strategii dotyczącej generatywnej AI.

Tylko 26 procent stwierdziło, że jest bardzo lub niezwykle pewnych, iż zasoby informacyjne ich stanu są chronione. Według badania stanowych CISO był to spadek z 48 procent w 2022 roku.

Zasoby nie rosły w tym samym tempie. Deloitte podało, że 22 procent uczestniczących CISO otrzymało w 2026 roku podwyżki budżetów wynoszące co najmniej 6 procent. W 2024 roku odpowiadający odsetek wynosił 40 procent.

Wynikające z tego równanie sprzyja automatyzacji. Zespoły bezpieczeństwa mają więcej systemów, tożsamości, podatności i obowiązków związanych z AI, ale nie mogą zakładać proporcjonalnego wzrostu zatrudnienia ani budżetów.

Publikacje w Google News mogą przedstawiać to jako prosty pojedynek między ofensywną AI a defensywną AI. Rzeczywistość operacyjna jest mniej symetryczna. Atakujący mogą tolerować nieudane eksperymenty, podczas gdy obrońcy muszą zachować dostępność, dowody, zgodność z przepisami i zaufanie klientów.

Złośliwy agent może wypróbować tysiące wariantów i skorzystać z jednego sukcesu. Agent obronny musi uniknąć wyłączenia krytycznej usługi, a jednocześnie działać wystarczająco szybko, by miało to znaczenie. Ta różnica podnosi standard autonomicznej obrony znacznie ponad samą zdolność modelu.

Bezpieczeństwo oparte na maszynach zderza się z ludzką odpowiedzialnością

CISO potrzebują maszyn działających szybciej, ale nie mogą przenieść odpowiedzialności na maszynę, gdy zautomatyzowana decyzja spowoduje szkody.

Rozważmy agenta, który identyfikuje przejęte konto administracyjne. Może on odebrać dostęp, odizolować urządzenie, zmienić poświadczenia i zablokować powiązaną aktywność sieciową. Takie działania mogą zatrzymać włamanie, ale mogą też zakłócić działanie systemu produkcyjnego lub zablokować dostęp osobie reagującej na incydent.

Analityk będący człowiekiem stoi przed tym samym kompromisem. Różnica dotyczy skali i opóźnienia. Autonomiczna platforma może zastosować decyzję w wielu systemach, zanim ktokolwiek sprawdzi założenia leżące u jej podstaw.

Dlatego granice polityk są niezbędne. Organizacje muszą określić, jakie działania agenci mogą podejmować automatycznie, które wymagają zatwierdzenia, a które muszą pozostać niedostępne. Granice powinny odzwierciedlać wpływ na biznes, a nie ogólny wskaźnik pewności.

Unieważnienie tymczasowego tokenu deweloperskiego nie jest tym samym co wyłączenie systemu płatniczego. Odizolowanie jednego laptopa pracownika nie jest tym samym co wyłączenie współdzielonej tożsamości używanej przez setki usług. Bezpieczeństwo oparte na maszynach wymaga kontekstu dotyczącego tych różnic.

Kai twierdzi, że jego platforma uwzględnia wartość biznesową przy ustalaniu priorytetów. Twierdzenie to odnosi się do rzeczywistej słabości zarządzania podatnościami, w którym zespoły często otrzymują długie listy bez wystarczającego kontekstu operacyjnego. Klienci nadal muszą jednak zweryfikować, w jaki sposób platforma przedstawia znaczenie zasobów, zależności i akceptowalny poziom zakłóceń.

Agent potrzebuje także wiarygodnych dowodów. Telemetria bezpieczeństwa może być niepełna, opóźniona, zduplikowana lub sprzeczna. Pewne siebie wyjaśnienie wygenerowane na podstawie słabych danych wejściowych nie staje się wiarygodne tylko dlatego, że brzmi płynnie.

W tym miejscu bezpieczeństwo oparte na maszynach różni się od zwykłego asystenta biurowego. Wątpliwe podsumowanie dokumentu marnuje czas. Wątpliwe działanie naprawcze może usunąć dowody, zakłócić opiekę medyczną, zatrzymać produkcję lub stworzyć nową ekspozycję.

CISO musi zatem zachować ścieżkę audytu, która odpowiada na kilka pytań:

• Jakie dowody otrzymał agent?

• Która polityka autoryzowała jego działanie?

• Jakie alternatywy odrzucił?

• Jakie systemy i tożsamości zmienił?

• Czy działanie zadziałało?

• Czy organizacja może przywrócić poprzedni stan?

Są to wymogi zarządzania, ale także wymogi inżynieryjne. Rejestrowanie, kontrole zatwierdzania, zarządzanie tożsamością, mechanizmy wycofania zmian i niezależna walidacja muszą być wbudowane w model operacyjny.

Potrzebę kontroli wzmacniają wytyczne rządowe. Projekt Cyber AI Profile NIST organizuje problem wokół trzech obszarów: zabezpieczania systemów AI, wykorzystywania AI w cyberobronie oraz zapobiegania atakom wspieranym przez AI. Ramy traktują AI zarówno jako zasób, jak i zdolność operacyjną, którą organizacje muszą zarządzać.

Takie podejście nie zakłada, że autonomiczne działanie jest z natury bezpieczne lub niebezpieczne. Wymaga od organizacji identyfikowania ryzyka, ochrony odpowiednich systemów, wykrywania nietypowego zachowania, reagowania i odzyskiwania sprawności. Te funkcje nadal obowiązują, gdy agent AI wykonuje część pracy.

Zespoły bezpieczeństwa mogą zacząć od ograniczonych zadań. Agent może wzbogacać alerty, korelować tożsamości, tworzyć projekty logiki wykrywania lub identyfikować prawdopodobnych właścicieli wystawionych zasobów. Następnie może przechodzić do odwracalnych działań w ramach wyraźnie określonych progów.

Zmiany o dużym wpływie wymagają wyższego progu. Organizacje potrzebują symulacji, testów adversarialnych, etapowego wdrażania i mierzalnej skuteczności wycofywania zmian, zanim przyznają szerokie uprawnienia.

Tworzy to praktyczne ograniczenie dla obietnicy działania z prędkością maszyn. Zatwierdzanie przez człowieka może ponownie wprowadzać opóźnienia, zwłaszcza jeśli wymaga go każde działanie. Usunięcie zatwierdzania zwiększa ryzyko operacyjne.

Odpowiedzią nie jest uniwersalne ustawienie. CISO muszą dzielić pracę według konsekwencji. Rutynowe, odwracalne i dobrze monitorowane działania są lepszymi kandydatami do autonomii. Niejednoznaczne lub potencjalnie zakłócające zmiany wymagają ludzkiego osądu.

Czego relacja Google News nie może dowieść na temat autonomicznej obrony

Zwrot w stronę szybszej obrony jest dobrze udokumentowany, ale twierdzenie, że autonomiczne platformy konsekwentnie ograniczają ryzyko w przedsiębiorstwach, wciąż nie zostało wystarczająco wykazane.

Kai ma wyraźny interes komercyjny w przedstawianiu działań prowadzonych przez ludzi jako przestarzałych. Inni dostawcy agentowych rozwiązań bezpieczeństwa mają podobną motywację. Ich diagnoza może być zasadniczo trafna, podczas gdy proponowany przez nich poziom autonomii pozostaje nieudowodniony.

Publicznie dostępne dowody należy rozdzielić na trzy warstwy. Po pierwsze, AI zwiększa szybkość lub dostępność kilku działań ofensywnych. Ostrzeżenia rządowe i badania nad bezpieczeństwem potwierdzają ten wniosek.

Po drugie, automatyzacja może ograniczać pracę ręczną w wykrywaniu i reagowaniu. Przykładami są już orkiestracja bezpieczeństwa, uczenie maszynowe i automatyczne powstrzymywanie zagrożeń. Nie jest to nowa ani kontrowersyjna teza.

Po trzecie, platforma agentowa może niezależnie rozumować w złożonych procesach i osiągać lepsze wyniki w zakresie ryzyka niż ugruntowane narzędzia oraz zespoły ludzi. To najmocniejsze twierdzenie i wymaga mocniejszych dowodów.

Wiarygodna ocena powinna mierzyć więcej niż liczbę przetworzonych alertów lub zaoszczędzone godziny pracy analityków. Powinna uwzględniać jakość wykrywania, wskaźniki fałszywego powstrzymywania, czas odzyskiwania sprawności, pominięte zależności, naruszenia zasad oraz odsetek działań później cofniętych.

Klienci potrzebują też porównań z realistycznymi alternatywami. Platformę prowadzoną przez maszyny należy testować względem doświadczonych analityków korzystających z nowoczesnej automatyzacji, a nie względem sztucznie ręcznego procesu.

Dostępne materiały Kai zawierają deklaracje produktowe i opisy klientów, lecz publiczne, niezależnie odtwarzalne oceny nadal są ograniczone. Informacja w Google News, która zapoczątkowała tę dyskusję, sama w sobie nie wypełnia tej luki dowodowej.

Wyniki ankiet wymagają podobnej ostrożności. Ankieta może pokazać, że CISO odczuwają presję lub planują wdrożenie AI. Nie może dowieść, że konkretna architektura autonomiczna działa bezpiecznie w środowisku produkcyjnym. Dobór próby, sformułowanie pytań, struktura branżowa i poziom stanowisk respondentów mogą istotnie wpłynąć na wynik.

Najsilniejszy sceptyczny argument nie polega na tym, że ludzie powinni zachować każde zadanie. Takie stanowisko ignoruje problemy z szybkością i obsadą kadrową, z którymi już mierzą się zespoły bezpieczeństwa. Mocniejszy argument brzmi: autonomia musi zasłużyć na uprawnienia poprzez dowody.

Istniejące mechanizmy obronne również mają znaczenie. Platformy endpointowe, dostawcy bezpieczeństwa chmurowego, dostawcy rozwiązań tożsamościowych i systemy informacji o bezpieczeństwie dodają agentów do produktów już wdrożonych w przedsiębiorstwach. Kai musi wykazać, dlaczego jednolita nowa warstwa może lepiej koordynować te środowiska niż dotychczasowi dostawcy rozwijający własne platformy.

Obecni dostawcy mają przewagę w zakresie telemetrii i dystrybucji. Dostawca obsługujący endpoint już widzi aktywność procesów. Dostawca chmury rozumie swoją płaszczyznę sterowania. Platforma tożsamościowa zarządza sygnałami uwierzytelniania i dostępu.

Agent działający między platformami może oferować szerszy kontekst, ale musi integrować się z każdym źródłem i respektować uprawnienia każdego systemu. Jakość integracji może przesądzić o tym, czy zunifikowane rozumowanie jest rzeczywiście kompleksowe, czy tylko stanowi kolejną abstrakcję nad niepełnymi danymi.

Koncentracja po stronie dostawcy rodzi kolejną obawę. Platforma uprawniona do kontrolowania i modyfikowania wielu domen bezpieczeństwa staje się bardzo wartościowym celem. Przejęcie jej poświadczeń, modeli, procesu aktualizacji lub warstwy zasad mogłoby zapewnić atakującemu wyjątkowo szeroki dostęp.

CISO powinni analizować, jak system oddziela dane klientów, chroni tożsamości agentów, ogranicza poświadczenia, weryfikuje aktualizacje i radzi sobie z awariami modeli. Powinni również pytać, czy kluczowe procesy działają nadal, gdy model lub usługa dostawcy staje się niedostępna.

Istnieje także dodatkowe ryzyko ludzkie. Analitycy, którzy w dużym stopniu polegają na generowanych wnioskach, mogą utracić umiejętności potrzebne do ich kwestionowania. Zespoły mogą akceptować wyjaśnienie agenta, ponieważ brzmi spójnie, szczególnie podczas incydentu pod dużą presją.

Ten tryb porażki przypomina błąd wynikający z nadmiernego zaufania do automatyzacji w lotnictwie, medycynie i innych dziedzinach o poważnych konsekwencjach. System wystarczająco często sprawia wrażenie kompetentnego, że ludzie przestają zauważać przypadki brzegowe, w których się myli.

Bezpieczeństwo prowadzone przez maszyny wymaga zatem aktywnego nadzoru człowieka, a nie ceremonialnego zatwierdzania. Zespoły muszą testować agenta, przeglądać próbki decyzji, analizować sytuacje bliskie błędu i aktualizować zasady, gdy środowiska się zmieniają.

Przekaz wyłaniający się z uznanych badań nad bezpieczeństwem jest spójny. AI może wzmocnić obrońców, ale nie rekompensuje słabych fundamentów. Analiza SecurityInfoWatch podobnie podkreślała wspomagane przez AI wykrywanie, automatyczne reagowanie, ciągłe monitorowanie i zarządzanie podatnościami.

Żadna z tych możliwości nie eliminuje potrzeby dokładnych inwentaryzacji, segmentowanego dostępu, bezpiecznych konfiguracji ani przeszkolonych osób reagujących. Organizacja, która nie potrafi zidentyfikować swoich systemów krytycznych, będzie miała trudność z określeniem autonomicznemu agentowi, co zasługuje na ochronę.

Najbardziej uzasadniona interpretacja jest więc węższa niż twierdzenie marketingowe. Procesy prowadzone przez maszyny stają się konieczne, ponieważ ludzkie kolejki nie są w stanie przetworzyć każdego sygnału z prędkością ataku. W pełni zaufany osąd maszynowy nie nastąpił automatycznie.

Trzy sygnały pokażą, czy teza Kai się sprawdzi

O kolejnym etapie zdecydują mierzalna autonomia, reakcje obecnych dostawców oraz mechanizmy kontroli oczekiwane przez regulatorów wobec działań maszyn.

Pierwszym sygnałem są dowody z produkcji. Kai i jego klienci muszą publikować wyniki odróżniające autonomiczne wykonywanie działań od zwykłej automatyzacji.

Użyteczne dowody pokazałyby, jak często agenci podejmują niezależne działania, jaki ich odsetek kończy się powodzeniem i jak często ludzie je cofają. Powinny odróżniać wzbogacanie informacji o niskim ryzyku od istotnych działań naprawczych.

Średni czas wykrycia i średni czas reakcji nadal mają znaczenie, ale nie wystarczają. System może poprawiać czas reakcji poprzez podejmowanie zbyt agresywnych działań. Pomiary muszą obejmować zakłócenia usług, fałszywe powstrzymywanie i pominięte incydenty.

Niezależne oceny miałyby większą wagę niż wybrane historie klientów. Powtarzalne testy w środowiskach chmurowych, endpointowych, tożsamościowych i programistycznych ujawniłyby, czy rozumowanie agentowe uogólnia się poza starannie skonfigurowane wdrożenia.

Drugim sygnałem jest sposób, w jaki ugruntowani dostawcy bezpieczeństwa przeprojektowują swoje produkty. Jeśli dostawcy endpointów, chmury, tożsamości i SIEM przyznają agentom szersze uprawnienia, działania prowadzone przez maszyny staną się zmianą obejmującą całe platformy, a nie tylko kategorią promowaną przez Kai.

Konkurencja skupi się wtedy na kontekście i kontroli. Dostawcy będą musieli pokazać, który system ma najlepsze dowody, najbezpieczniejsze uprawnienia, najjaśniejsze wyjaśnienia i najbardziej niezawodne wycofywanie zmian.

Taka odpowiedź może wzmocnić tezę Kai, jednocześnie osłabiając jego pozycję rynkową. Obecni dostawcy wdrażający autonomiczne wykonywanie działań potwierdziliby model, lecz klienci mogliby preferować agentów osadzonych w narzędziach, którym już ufają.

Alternatywnie przedsiębiorstwa mogą preferować neutralną warstwę koordynacji, ponieważ ataki przekraczają granice między dostawcami. Taki wynik poparłby argument Kai za zunifikowanym rozumowaniem w całym stosie bezpieczeństwa.

Trzecim sygnałem jest zarządzanie. Wytyczne NIST, wymogi ubezpieczeniowe, standardy zakupowe i regulatorzy sektorowi ukształtują zakres niezależnych uprawnień, które organizacje mogą przyznawać agentom bezpieczeństwa.

Decydujące zasady będą dotyczyć śledzalności, nadzoru człowieka, testowania i odpowiedzialności. Wymogi dokumentowania decyzji oraz odwracalności działań sprzyjałyby platformom zaprojektowanym wokół ograniczonej autonomii.

Reguły wymagające zatwierdzenia większości istotnych zmian ograniczyłyby przewagę szybkości. Nie wyeliminowałyby bezpieczeństwa agentowego, lecz przesunęłyby jego wartość w stronę dochodzeń, priorytetyzacji i rekomendowanego reagowania.

CISO powinni również obserwować same dane o zagrożeniach. ISACA podała w czerwcu 2026 r., że 35 procent badanych organizacji europejskich nie potrafiło ustalić, czy doświadczyły cyberataku wspieranego przez AI. Ustalono również, że 71 procent uznawało phishing i inżynierię społeczną wspierane przez AI za trudniejsze do rozpoznania.

Te ustalenia dotyczące zagrożeń AI podkreślają problem pomiaru. Organizacje nie mogą uzasadniać szerokiej autonomicznej kontroli wyłącznie strachem przed atakami, których nie potrafią wiarygodnie klasyfikować.

Lepsze przypisywanie źródła będzie miało znaczenie. Zespoły bezpieczeństwa muszą rozróżniać ataki tworzone przez AI, ataki jedynie przyspieszane przez automatyzację oraz konwencjonalne ataki na systemy AI. Każda kategoria może wymagać innej obrony.

Przyszłe SOC prawdopodobnie połączą maszyny i ludzi, zamiast wybierać jedną ze stron. Agenci zajmą się korelacją dużej liczby zdarzeń, gromadzeniem dowodów i ograniczonym reagowaniem. Ludzie będą ustalać zasady, badać niejednoznaczności, zatwierdzać poważne działania i zarządzać konsekwencjami.

Taki podział nadal może oznaczać dużą zmianę. Analitycy będą spędzać mniej czasu na przenoszeniu danych między konsolami, a więcej na testowaniu założeń lub obsłudze nietypowych incydentów.

Najmocniejszym spostrzeżeniem Kai jest to, że dodanie kolejnego alertu już nie wystarcza. Produkty bezpieczeństwa muszą pomagać zamykać lukę między wiedzą o ekspozycji a jej ograniczaniem.

Nierozstrzygniętym obowiązkiem Kai jest udowodnienie, że autonomiczne wykonywanie działań może to osiągnąć bez tworzenia nowego źródła ryzyka systemowego. Finansowanie, widoczność i uwaga Google News nie odpowiadają na to pytanie. Odpowiedzą na nie dowody operacyjne.

Liderzy bezpieczeństwa oceniający tę zmianę powinni wybrać jeden ograniczony proces i zażądać jasnych poziomów bazowych. Przed przyznaniem agentowi uprawnień należy mierzyć obecne opóźnienia, jakość działań, częstotliwość cofania zmian i wpływ na działalność.

Następnie należy zadać najważniejsze pytanie: czy system ogranicza potwierdzone ryzyko, zachowując ludzką kontrolę, gdy dowody są niepełne? Bezpieczeństwo prowadzone przez maszyny stanie się trwałe, gdy dostawcy będą potrafili odpowiedzieć na to danymi, a nie wyłącznie pilnością.