AI-кибербезопасность всё меньше похожа на покупку очередного волшебного сканера и всё больше — на проверку зрелости инженерной культуры. 11 сентября 2026 года Stack Overflow выпустил подкаст с Сэмом Карри, CSO Zscaler, где главный тезис звучит неприятно просто: ИИ ускоряет поиск дыр, но не отменяет старую работу по проектированию устойчивых систем.
В разговоре с Райаном, сообщает Stack Overflow Blog, Карри обсуждает, где в новой ландшафтной карте безопасности остаётся человеческий интеллект, почему защиту стоит сдвигать ближе к приложениям и зачем компаниям строить более живучую кодовую инфраструктуру. Запись сделали на конференции Ai4. Zscaler в этом контексте выступает не как случайный комментатор: компания занимается облачными решениями безопасности, zero trust-архитектурой и TLS-инспекцией для организаций, работающих в многопользовательских средах.
Главная мысль выпуска: ИИ не делает кибербезопасность автоматической. Он делает её быстрее, шумнее и менее терпимой к архитектурным компромиссам. Если раньше злоумышленнику нужно было вручную перебирать поверхности атаки, читать документацию, писать скрипты и ждать удачного совпадения, теперь часть этой разведки можно ускорить. Но ровно то же ускорение получает и защитник: анализ логов, поиск аномалий, приоритизация уязвимостей, проверка конфигураций и генерация гипотез становятся дешевле.
Отсюда и метафора «кошки-мышки», но без голливудской драматургии. В корпоративной реальности это не дуэль супермоделей, а ежедневная гонка между теми, кто ищет слабые места, и теми, кто пытается сузить пространство для таких поисков. Карри, судя по описанию выпуска, делает акцент не на магии AI, а на смене позиции защиты: чем ближе контроль находится к приложению, тем меньше у атакующего возможностей спокойно «простукивать» инфраструктуру в поисках уязвимой поверхности.
Для разработчиков это важный сдвиг. Безопасность перестаёт быть внешним контуром, который где-то потом прикрутит отдельная команда. Если защита должна жить ближе к приложению, значит, вопросы аутентификации, авторизации, сетевых политик, секретов, зависимостей и наблюдаемости снова возвращаются в инженерный backlog. Не в виде абстрактного пункта «улучшить безопасность», а в виде конкретных решений: где проходит граница доверия, какие сервисы видят друг друга, что логируется, как быстро можно отключить проблемный компонент и насколько безопасно приложение ведёт себя при сбое.
Для бизнеса вывод ещё менее романтичный: AI-кибербезопасность не заменяет инвестиции в базовую устойчивость. Если инфраструктура держится на устных договорённостях, ручных исключениях в доступах и древних сервисах, которые никто не решается трогать, ИИ просто быстрее подсветит весь этот музей компромиссов. Причём подсветит не только внутренней команде, но и тем, кто смотрит на компанию снаружи. Поэтому разговор о внедрении AI в security неизбежно превращается в разговор о техдолге, архитектурных границах и дисциплине разработки.
Отдельно в выпуске звучит тема человеческого интеллекта. Это хороший противовес модной идее, что агенты и модели скоро сами разберутся с безопасностью лучше людей. Модели могут помочь обнаружить подозрительный паттерн, объяснить риск или предложить remediation-план. Но решение о том, какой риск принять, какой сервис изолировать, какую уязвимость закрывать первой и какой компромисс допустим для продукта, остаётся человеческим. Особенно там, где безопасность сталкивается с доступностью, стоимостью и скоростью релиза.
Для русскоязычных IT-команд практический смысл здесь довольно прямой. Если компания уже экспериментирует с AI-инструментами для разработки, поддержки или анализа инцидентов, ей придётся пересмотреть и модель угроз. Код станет появляться быстрее, интеграций станет больше, а значит, больше будет и мест, где можно ошибиться. Нельзя просто включить AI-помощника в разработке и оставить прежний процесс ревью, прежние политики доступа и прежнюю реакцию на уязвимости. Это как поставить турбину на старый двигатель и удивляться запаху перегрева.
Рынок безопасности движется к тому, что защита будет всё плотнее встраиваться в среду исполнения и жизненный цикл приложения. Не только сканеры на входе, не только периметр, не только SOC где-то в конце цепочки, а набор контролей вокруг самого продукта: от зависимостей и контейнеров до API, трафика и поведения пользователей. AI-кибербезопасность в такой схеме становится не отдельной коробкой, а ускорителем для уже работающей системы. Если системы нет, ускорять особенно нечего.
Следующий рубеж, похоже, будет не в том, кто первым купит самый громкий AI-security-инструмент. Важнее окажется другое: какие команды смогут переписать процессы так, чтобы ИИ находил уязвимости быстрее, чем они превращаются в инциденты, а архитектура выдерживала не только удачные релизы, но и постоянное давление автоматизированной разведки.