Wraz z rozwojem sztucznej inteligencji i zaawansowanych modeli AI sposoby ochrony aplikacji ewoluują dziś równie szybko jak technologie, które próbują zabezpieczać. Jak wskazuje Michael Montoya, Chief Technology Operations Officer w F5, dyrektorzy ds. bezpieczeństwa informacji (CISO) znajdują się pod ogromną presją, aby nadążyć za tym tempem.
Coraz częściej oznacza to konieczność wykorzystywania AI nie tylko do wspierania biznesu, ale również do ochrony organizacji przed nowymi zagrożeniami.
Niedawno opublikowany przez F5 raport „2026 State of Application Strategy Report” analizuje nowe trendy związane z aplikacjami, interfejsami API i sztuczną inteligencją, które zmieniają zakres odpowiedzialności CISO. Na podstawie badania przeprowadzonego wśród decydentów IT z całego świata autor wskazuje trzy priorytety, których nie można już dłużej odkładać.
1. Świadomość wpływu AI i automatyzacji na infrastrukturę
Zgodnie z badaniami F5 ponad połowa aplikacji wykorzystywanych przez organizacje (55%) jest już wspierana przez AI, a eksperymenty związane ze sztuczną inteligencją coraz częściej trafiają do środowisk produkcyjnych. Dodatkowo 67% organizacji wykorzystuje AI do przyspieszania procesów automatyzacji. Wkrótce wolumen ruchu generowanego przez maszyny przewyższy ruch generowany przez ludzi.
Transformacja związana z AI i automatyzacją postępuje bardzo szybko. Większość środowisk IT nie była jednak projektowana z myślą o zachowaniu elastyczności w obliczu tak dynamicznych zmian, co stanowi istotne wyzwanie dla zespołów odpowiedzialnych za bezpieczeństwo.
Systemy AI wprowadzają do środowisk IT nowe rodzaje aktywności. Aplikacje komunikują się z modelami, agenci uruchamiają kolejne usługi i funkcje, a systemy automatyzacji generują ciągły ruch w interfejsach API. W rezultacie rośnie liczba zależności i połączeń pomiędzy poszczególnymi elementami środowiska IT, a powstające w ten sposób ścieżki komunikacji należy uwzględnić przy projektowaniu zabezpieczeń.
Pierwszym krokiem powinno być ustalenie, gdzie i w jaki sposób organizacja wykorzystuje AI oraz mechanizmy automatyzacji. Pełna mapa zależności, ścieżek komunikacji i punktów końcowych pozwala ocenić potencjalne ryzyka oraz wdrożyć odpowiednie zabezpieczenia i polityki bezpieczeństwa.
2. Zarządzanie modelami AI i AI inference jako częścią infrastruktury
Jak wynika z raportu F5 AI inference stało się obecnie dominującym sposobem wykorzystania sztucznej inteligencji w organizacjach. Przeciętne przedsiębiorstwo korzysta dziś z siedmiu modeli AI wykorzystywanych do analizowania danych i generowania odpowiedzi na podstawie nowych informacji. Choć organizacje czerpią korzyści z możliwości analizowania danych, przewidywania trendów i wspierania procesów decyzyjnych oferowanych przez AI, infrastruktura stojąca za tymi rozwiązaniami staje się coraz bardziej złożona.
Raport F5 pokazuje również, że 52% organizacji korzysta z wielu współpracujących ze sobą modeli AI. Powoduje to pojawienie się nowych zagrożeń bezpieczeństwa, takich jak manipulowanie sposobem kierowania zapytań do modeli, wyciek danych podczas ich przetwarzania przez kolejne modele czy niespójne stosowanie polityk bezpieczeństwa w różnych systemach AI.
Dodatkowo 9 na10 organizacji będzie wkrótce obsługiwać działanie modeli AI za pośrednictwem współdzielonej infrastruktury. Choć takie podejście przynosi korzyści ekonomiczne, zwiększa jednocześnie ryzyko związane z bezpieczeństwem i wydajnością.
Wszystko to zwiększa poziom złożoności, z którym już dziś mierzą się CISO. Skuteczne zarządzanie ryzykiem wymaga traktowania komunikacji pomiędzy modelami AI oraz przepływu danych jako elementu podlegającego tym samym zasadom nadzoru i ochrony, które organizacje stosują obecnie wobec aplikacji i ruchu sieciowego.
Organizacje powinny również uwzględnić fakt, że granica bezpieczeństwa przesuwa się z samych modeli AI na sposób ich wykorzystania oraz komunikację pomiędzy systemami. W efekcie dane i zapytania przetwarzane przez modele AI powinny podlegać takiej samej analizie, uwierzytelnianiu i kontroli jak każdy inny krytyczny proces biznesowy realizowany za pośrednictwem aplikacji.
3. Upraszczanie zarządzania infrastrukturą
Według badań F5 35% organizacji uważa, że ich infrastruktura nie jest jeszcze gotowa do obsługi obciążeń związanych ze sztuczną inteligencją.
Dyskusje na temat gotowości do wykorzystania AI często koncentrują się na wydajności – dostępie do procesorów GPU, odpowiedniej mocy obliczeniowej, przepustowości pamięci masowej czy sieci. Choć są to realne wyzwania, nie chodzi wyłącznie o dostępne zasoby. Z perspektywy CISO równie istotne znaczenie ma architektura bezpieczeństwa oraz zdolność do skutecznego wdrażania i utrzymywania mechanizmów kontrolnych w środowisku, w którym AI wprowadza dodatkowy poziom złożoności.
Wykorzystanie sztucznej inteligencji zwiększa liczbę potencjalnych obszarów pozbawionych odpowiedniej widoczności i kontroli. Przygotowanie organizacji na szersze wdrożenie AI oznacza więc konieczność upraszczania coraz bardziej rozbudowanych środowisk IT oraz przyjęcia spójnego modelu zarządzania.
Bez jednolitej platformy umożliwiającej monitorowanie i zarządzanie tymi zależnościami organizacjom będzie coraz trudniej reagować w sposób skuteczny i strategiczny. W efekcie mogą pojawić się problemy z egzekwowaniem polityk bezpieczeństwa, wykrywaniem oszustw i cyberataków oraz usuwaniem podatności w miarę ich identyfikowania.
Jak sprostać wyzwaniom związanym z bezpieczeństwem AI
Dynamiczny rozwój sztucznej inteligencji i automatyzacji zmienia sposób myślenia o bezpieczeństwie. Kluczowe znaczenie zyskują dziś pełna widoczność środowiska, skuteczna kontrola oraz zdolność do zarządzania coraz bardziej złożoną infrastrukturą hybrydową i multicloud.
Jeżeli zabezpieczenia związane z AI zostaną w pełni zintegrowane z istniejącymi procesami ochrony aplikacji i interfejsów API, organizacje zyskają większą elastyczność w reagowaniu na zagrożenia i będą mogły bezpieczniej wykorzystywać sztuczną inteligencję jako element budowania przewagi konkurencyjnej.
