AI-фишинг перестал быть экзотикой для продвинутых группировок и уже меняет экономику атак: по данным Microsoft Digital Defense Report 2025, автоматизированные с помощью ИИ фишинговые письма показывают 54% переходов против 12% у стандартных рассылок. Для разработчиков, продуктовых команд и ИТ-руководителей это неприятная, но полезная новость: теперь атакующие масштабируют не только спам, но и правдоподобие.
Как пишет InfoQ, автор материала Марко Рицци разбирает, почему AI-фишинг оказался настолько удобным инструментом для злоумышленников. Если раньше массовый фишинг был дешевой лотереей, а адресные атаки требовали времени, денег и человеческой работы, то теперь ИИ начал стирать границу между этими двумя моделями. Простая схема по-прежнему строится на объеме: сотни или тысячи писем, минимальная персонализация, бюджет в сотни евро и средняя результативность на уровне 1-5%. Таргетированный фишинг, наоборот, обходился заметно дороже, от примерно 500 до более чем 5000 евро за кампанию, требовал дней, недель, а иногда и месяцев подготовки, но и успех там был куда выше: 30-70% в корпоративной среде, если письмо было хорошо замаскировано под реальную рабочую коммуникацию.
Ключевая мысль статьи проста: ИИ индустриализирует именно дорогой, «ремесленный» вариант фишинга. Раньше злоумышленнику нужно было руками собирать данные о жертве, читать соцсети, смотреть корпоративный сайт, вычленять стиль общения директора, закупщика или HR, подбирать правдоподобный повод и только потом собирать письмо. Теперь те же этапы можно ускорить и частично автоматизировать. На этапе разведки модели помогают быстро собрать публичные сведения о компании и сотрудниках, вытащить роли, цепочки подчинения, контакты, возможные интеграции и следы цифровой активности. На этапе профилирования жертвы ИИ удобен тем, что сводит разрозненные данные в цельный портрет: кто принимает решения, кто подписывает платежи, кто общается с подрядчиками, кто работает с вакансиями или NDA. Для злоумышленника это экономия времени, для бизнеса - потеря прежнего запаса прочности.
Дальше все становится еще неприятнее. Генерация контента, то есть самих писем, вложений и подводок, больше не упирается в грамотность атакующего или его знание языка. ИИ умеет подражать тону деловой переписки, собирать естественные формулировки, избегать старых триггеров вроде грубых ошибок и странной лексики, а также адаптировать текст под отрасль, должность и конкретный повод. Если раньше письмо «от генерального» часто палилось на первом абзаце, то теперь оно может выглядеть как обычный рабочий пинг в неудобный момент: перед закрытием квартала, во время найма, на фоне сделки или в день запуска продукта. Отдельно Рицци указывает на экономику процесса: по оценке Microsoft, автоматизация на базе ИИ способна увеличить прибыльность фишинга до 50 раз, потому что дорогостоящую персонализацию теперь можно развернуть не на одного финансового директора, а сразу на тысячи людей с минимальными издержками.
Это меняет не только качество письма, но и весь цикл атаки. ИИ помогает выбирать время отправки, тестировать варианты сообщений, подстраивать тему письма под повестку компании и даже поддерживать взаимодействие после первого контакта. Иначе говоря, фишинг все меньше похож на одноразовый заброс удочки и все больше - на полуавтоматический сервис с воронкой, сегментацией и оптимизацией конверсии. Для русскоязычной ИТ-аудитории здесь важен не только факт роста угрозы, но и сама логика процесса. Любая компания, у которой сотрудники активно светятся в LinkedIn, Telegram, на корпоративных страницах, GitHub, конференциях и вакансиях, фактически поставляет сырье для таких кампаний. Чем прозрачнее оргструктура и чем больше цифровых следов, тем дешевле злоумышленнику собрать убедительную легенду.
Плохая новость в том, что старый рецепт «поставим антиспам и проведем раз в год обучение» здесь уже не тянет. В статье предложен многослойный подход, который звучит скучно ровно до первого инцидента. Смысл в том, чтобы оборона повторяла этапы атаки, а не надеялась на один барьер. Нужно сокращать публичную экспозицию данных о сотрудниках и процессах, усиливать аутентификацию, в первую очередь через MFA, использовать поведенческий анализ для выявления аномалий, регулярно тренировать команды на реалистичных сценариях и, главное, вводить жесткие процедуры проверки для чувствительных действий. Платеж, смена реквизитов, отправка конфиденциальных файлов, выдача доступа, срочный запрос от топ-менеджера - все это должно подтверждаться по независимому каналу. Да, это снижает «скорость бизнеса». Зато заметно дешевле, чем разбирать перевод денег на подставной счет или утечку клиентской базы.
Для разработчиков и продуктовых команд у этой истории есть еще один слой. AI-фишинг бьет не только по пользователям, но и по внутренним процессам разработки: письма от «подрядчика», фальшивые сообщения о доступах, поддельные запросы на деплой, документы с правками по релизу, уведомления якобы от HR или закупок. Чем больше в компании асинхронной коммуникации и чем меньше привычка перепроверять нестандартные запросы, тем шире окно для атаки. И если раньше основной мишенью считались бухгалтерия и финансы, то теперь в ту же группу риска входят инженеры с привилегированным доступом, продакты с правом менять интеграции и рекрутеры, которые постоянно открывают внешние файлы и отвечают незнакомым контактам.
Главный вывод из материала Рицци звучит без драматизации: ИИ не придумал фишинг заново, он убрал его прежние узкие места. Когда персонализация, грамотный язык и быстрый ресерч становятся дешевой функцией, выигрывают не самые изобретательные атакующие, а самые масштабные. Вопрос уже не в том, станет ли AI-фишинг обычной частью корпоративного ландшафта, а в том, успеют ли компании перестроить процессы быстрее, чем злоумышленники превратят социальную инженерию в рутинную SaaS-механику. Подробнее об аргументах автора - в материале .