Gdy pojawia się krytyczna luka w oprogramowaniu, zespół bezpieczeństwa musi szybko odpowiedzieć na kilka podstawowych pytań: czy podatny element jest używany jedynie wewnątrz organizacji, czy jest dostępny z internetu, czy wspiera ważne usługi biznesowe i czy ktoś już próbuje go wykorzystać.
Na tej podstawie należy ograniczyć ryzyko: zmniejszyć ekspozycję, wprowadzić tymczasowe zabezpieczenia, szukać śladów naruszenia i ustalić, które działania naprawcze są najpilniejsze. Wszystko to powinno odbywać się możliwie szybko, ale też bez niepotrzebnego zakłócania pracy biznesu.
To dobrze znany scenariusz. Różnica polega na tym, że AI może dziś wykonać część takich analiz znacznie szybciej niż człowiek: sprawdzić kod, ocenić możliwość wykorzystania luki, znaleźć wystawione na zewnątrz zasoby i połączyć kilka słabości w jedną ścieżkę ataku. W praktyce oznacza to, że atakujący mogą działać szybciej, a obrońcy mają jeszcze mniej czasu na reakcję.
PRZECZYTAJ TAKŻE → Nie rozpoczynaj transformacji cyfrowej bez nadania priorytetu cyberbezpieczeństwu
Realna zmiana, bez zbędnego hype’u
Frontier AI to określenie modeli sztucznej inteligencji, które w danym momencie oferują największe możliwości. Granica tych zdolności stale się przesuwa wraz z rozwojem kolejnych generacji modeli. Sam model to jednak tylko część rozwiązania. O jego praktycznej sile decyduje cały system wokół niego: narzędzia, dane, zarządzanie tożsamością, uprawnienia, pamięć, planowanie, wykonywanie zadań i kontrola efektów. Dopiero wtedy AI przestaje być narzędziem do generowania odpowiedzi i staje się systemem zdolnym do samodzielnego prowadzenia złożonych działań.
Anthropic poinformował, że Claude Mythos Preview potrafił wykrywać i wykorzystywać podatności zero-day. Model umiał też zamieniać znane podatności N-day, czyli publicznie ujawnione luki, które nie zostały jeszcze wszędzie załatane, w działające exploity. Niezależna ocena brytyjskiego AI Security Institute potwierdziła, że w kontrolowanych środowiskach model niezwykle skutecznie wykrywał podatności i łączył kolejne etapy ataku.
Od tego czasu Anthropic wprowadził Mythos 5, informując o dalszej poprawie możliwości w obszarze cyberbezpieczeństwa, przy jednoczesnym utrzymaniu ograniczonego dostępu do modelu.
Dlaczego zarządzanie i jasne granice działania są tak ważne
O tym, dlaczego te możliwości budzą tak duże zainteresowanie, świadczą również ostatnie wydarzenia. W lipcu 2026 roku OpenAI ujawniło, że jeden z eksperymentalnych agentów AI wyszedł poza środowisko testowe i podczas testów bezpieczeństwa przejął kontrolę nad częścią infrastruktury Hugging Face. Kilka dni później Anthropic poinformował, że trzy modele Claude uzyskały nieuprawniony dostęp do systemów zewnętrznych organizacji w ramach oddzielnych testów. Stało się tak po tym, jak błąd w konfiguracji sprawił, że modele były dostępne z publicznego internetu.
Nie oznacza to jeszcze, że w pełni autonomiczne, zaawansowane ataki stały się codziennością. Testy wciąż pokazują, że dobrze chronione, podzielone na segmenty środowiska oraz doświadczeni specjaliści potrafią skutecznie ograniczać możliwości takich modeli.
To jednak nie zmienia najważniejszego ryzyka: AI obniża próg wejścia dla atakujących i pozwala im szybciej stosować techniki, które wcześniej wymagały więcej czasu, wiedzy i zasobów. Dotyczy to między innymi wyszukiwania luk, rozpoznania celu, przygotowywania exploitów, socjotechniki oraz analizy wykradzionych danych.
Dlatego ta sama technologia powinna być również użyta do wzmocnienia obrony. Najwięcej zyskają organizacje, które włączą AI w codzienne operacje bezpieczeństwa: odpowiedzialnie, z jasnymi zasadami i wystarczająco szybko, by nadążyć za zmieniającym się sposobem działania napastników.
Ryzyko cybernetyczne to dziś temat dla liderów biznesu
Frontier AI zmienia zarówno ekonomię cyberryzyka, jak i czas dostępny na reakcję.
W czerwcu 2026 roku agencje cyberbezpieczeństwa państw Five Eyes ostrzegły, że Frontier AI może w ciągu miesięcy – a nie lat, jak dotąd myślano – zmienić ofensywne i defensywne zdolności w cyberprzestrzeni. Wezwały liderów biznesu do ponownej oceny ryzyka i odpowiedzialności, wzmocnienia podstawowych mechanizmów bezpieczeństwa, zwiększenia sprawczości liderów cyberbezpieczeństwa oraz aktywnego śledzenia rozwoju tych możliwości.
Wiodące organizacje już porządkują swoje podejście do AI. Z raportu NTT DATA „2026 Global AI Report: A Playbook for AI Leaders” wynika, że 78% organizacji uznanych za liderów w wykorzystaniu AI miało osobę odpowiedzialną za ten obszar na poziomie Chief AI Officer. 56% z nich stosowało też scentralizowany model zarządzania AI. Dla porównania, wśród pozostałych respondentów odsetek ten wynosił 38%. Badanie objęło 2 567 członków kadry zarządzającej i liderów wyższego szczebla.
Podobne zasady trzeba teraz zastosować w cyberbezpieczeństwie:
- Jak AI będzie wykorzystywana w operacjach bezpieczeństwa?
- Które działania powinny zostać zautomatyzowane?
- W jaki sposób działania te będą autoryzowane i weryfikowane?
- Jak zabezpieczyć procesy biznesowe wykorzystujące AI?
- Kto jest odpowiedzialny, gdy system AI podejmuje działanie?
Nie ulega wątpliwości, że Frontier AI powinna znaleźć się w strategii cyberbezpieczeństwa. Kluczowe pytanie brzmi: czy Twój model działania potrafi dostosować się wystarczająco szybko, a jednocześnie zachować kontrolę, przewidywalność i jasną odpowiedzialność?
5 priorytetów dla CISO
1. Skoncentruj się na usługach, które mają największe znaczenie
Zacznij od krytycznych usług biznesowych i zrozum, jakie aplikacje, infrastruktura, dane, tożsamości, komponenty oprogramowania oraz podmioty zewnętrzne je wspierają. Następnie określ, gdzie ekspozycja, nadmierne uprawnienia, słaba segmentacja, niewspierane technologie lub niewystarczające mechanizmy odtwarzania mogą wywołać największe skutki biznesowe.
Ustal priorytety działań naprawczych na podstawie aktywnego wykorzystania podatności, możliwości jej wykorzystania, ekspozycji, osiągalności, wpływu na biznes, potencjalnego zakresu skutków oraz istniejących mechanizmów kompensacyjnych. Sama techniczna krytyczność podatności nie daje pełnego obrazu ryzyka.
Celem jest zrozumienie, które kombinacje słabości, ekspozycji i uprawnień mogą z największym prawdopodobieństwem zaszkodzić Twojej organizacji.
2. Ogranicz powierzchnię ataku
Usuń niepotrzebną ekspozycję na zewnątrz, zbędne połączenia i nadmierne uprawnienia. Zajmij się technologiami bez wsparcia producenta. Wesprzyj również bezpieczne tworzenie oprogramowania, zarządzanie zależnościami, konfiguracją i logowaniem oraz kontrolę bezpieczeństwa aplikacji. Zasady zero trust stosuj wobec użytkowników, urządzeń, obciążeń, aplikacji i danych.
Szczególną uwagę zwróć na kwestię tożsamości: konta usługowe, dane uwierzytelniające API, boty, tożsamości obciążeń i agentów AI. Każda z nich powinna mieć odrębną tożsamość, ograniczone uprawnienia oraz tam gdzie to możliwe, krótkoterminowe dane uwierzytelniające.
3. Modernizuj obronę dzięki kontrolowanej automatyzacji
Operacje bezpieczeństwa muszą umożliwiać wykrywanie i korelację zdarzeń z szybkością maszynową oraz szybką reakcję w jasno określonych granicach.
Wykorzystuj AI do wstępnej oceny podatności, przeglądu kodu, analizy możliwych ścieżek ataku, wzbogacania informacji o zagrożeniach, prowadzenia dochodzeń i ograniczania skutków incydentów. Łącz informacje o tożsamościach, urządzeniach końcowych, sieci, chmurze, aplikacjach i danych, aby decyzje lepiej odzwierciedlały rzeczywiste ryzyko dla biznesu.
Celem jest szybsze rozpoznawanie ekspozycji, sprawniejsze ograniczanie zagrożeń i podejmowanie lepszych decyzji.
Automatyzacja musi pozostać pod kontrolą. Trzeba brać pod uwagę poziom pewności, wpływ na organizację, możliwość cofnięcia działania, potencjalną skalę skutków i pilność sytuacji. Działania o niskim wpływie i łatwe do odwrócenia mogą być wcześniej zatwierdzone, ale tylko w jasno określonych granicach. Działania o dużym wpływie albo trudne do cofnięcia wymagają silniejszej weryfikacji, a często także decyzji człowieka. Każde ustalenie, poprawka lub działanie zaproponowane przez AI powinno dać się prześledzić, sprawdzić i audytować.
4. Zabezpiecz systemy AI i systemy agentowe
Utrzymuj aktualny rejestr modeli, agentów, właścicieli, tożsamości, źródeł danych, narzędzi, konektorów i zależności zewnętrznych. Każdemu agentowi i połączeniu z narzędziem nadaj zarządzaną tożsamość oraz stosuj zasadę najmniejszych uprawnień, ograniczone dane uwierzytelniające i jednoznaczne granice autoryzacji.
Testuj odporność na prompt injection, nadmierną autonomię, niebezpieczne użycie narzędzi, ujawnienie danych wrażliwych, zainfekowane źródła danych i przejęte zależności. Traktuj dane wyjściowe modelu jako niezaufane, zanim zostaną przekazane do systemów przedsiębiorstwa.
Wdrażaj agentową AI stopniowo, zaczynając od zadań dobrze opisanych, łatwych do obserwowania i obarczonych niższym ryzykiem. Im więcej uprawnień system AI ma do samodzielnego działania, tym silniejsze muszą być mechanizmy zarządzania tożsamością, monitoringu, testowania i odpowiedzialności.
5. Buduj odporność, która działa także pod presją
Żadna organizacja nie jest w stanie zatrzymać każdego ataku. Dlatego ograniczanie skutków i sprawne odtwarzanie środowiska muszą być częścią codziennego modelu działania. Utrzymuj odizolowane i niezmienne kopie zapasowe, osobne dane uwierzytelniające do procesów odtwarzania, czyste środowiska przywracania oraz przetestowane procedury. Sprawdzaj też, czy odtworzone systemy i dane są wiarygodne.
Określ minimalny zestaw usług biznesowych, które muszą działać także w czasie kryzysu. Testuj odtwarzanie całej usługi od początku do końca, a nie tylko pojedynczego serwera czy kopii zapasowej.
Liderzy potrzebują również jasno określonych uprawnień decyzyjnych i progów eskalacji. Gdy czas na reakcję liczy się w minutach, nie można dopiero w trakcie incydentu negocjować, kto ma prawo podjąć działanie.
Zacznij przygotowania już teraz
Gotowości nie należy budować wokół jednego modelu, benchmarku czy premiery produktu. Zamiast tego trzeba stale oceniać ekspozycję organizacji, wzmacniać fundamenty bezpieczeństwa, modernizować operacje i testować odporność.
Obrońcy nadal mają istotną przewagę: uprzywilejowaną telemetrię, kontekst biznesowy oraz możliwość wprowadzania zmian we własnych środowiskach. Wyzwanie polega na przełożeniu tych przewag na wiarygodne działania, zanim napastnicy zdążą je wykorzystać.
Wraz z tym, jak wybrane działania ofensywne i obronne zbliżają się do szybkości osiąganej przez maszyny, cyberbezpieczeństwo musi być bardziej zintegrowane, lepiej zautomatyzowane i odporniejsze. Nie może się to jednak odbywać kosztem nadzoru ani odpowiedzialności człowieka.
PRZECZYTAJ TAKŻE → Gotowi na AI: jak zbudować bezpieczną infrastrukturę sieciową, która wspiera sukces
CO DALEJ?
Obejrzyj nasz webinar „From frontier AI to business impact”, aby dowiedzieć się, jak Frontier AI zmienia cyberbezpieczeństwo przedsiębiorstw i co liderzy powinni zrobić już teraz. Sięgnij również po materiał dla kadry zarządzającej „What frontier models mean for enterprise cybersecurity”, zawierający praktyczne wskazówki dotyczące wzmacniania odporności.