55% организаций уже применяют AI-пентесты по всей своей инфраструктуре, ещё 36% успели их протестировать, но не развернули массово. Главная проблема технологии — вовсе не способность ИИ находить уязвимости: компании больше боятся утечки данных и неосторожных действий автоматизированного инструмента в продакшене. Для российских команд с частыми релизами это знакомая развилка: проверять быстрее или долго объяснять, почему очередной дефект успел доехать до боевой среды.
Такие выводы приводит The Hacker News со ссылкой на исследование Intruder среди 500 руководителей направлений безопасности и инженерии из США и Великобритании. Опрос показывает, насколько сильно разошлись темпы разработки и классического пентеста: 68% компаний выкатывают код в продакшен минимум раз в день, а 37% — несколько раз за день. При этом 47% проводят полноценную проверку веб-приложений и API реже раза в месяц. Причём речь идёт о самом часто тестируемом приложении в компании; остальные системы, вероятно, попадают под проверку ещё реже.
Именно этот разрыв и делает AI-пентесты привлекательными. Обычный сканер можно запускать на каждом билде, но он часто фиксирует типовые признаки риска и не всегда понимает бизнес-логику конкретного приложения. Ручной пентест глубже, зато остаётся снимком состояния системы на дату проверки. Если за неделю после него команда выпустила десять релизов, ценность такого снимка быстро стремится к архивной.
Между релизом и пентестом остаётся слишком много кода
Лишь 4% опрошенных руководителей считают, что текущая частота проверок даёт достаточное покрытие. 42% признают, что выпускают изменения без дополнительных проверок между плановыми пентестами, фактически принимая риск как часть скорости поставки. Остальные комбинируют автоматическое сканирование в CI/CD, ручные проверки, внутренние AppSec-команды и ИИ-инструменты.
Тревога при этом не выглядит надуманной. Среди команд, которые живут по расписанию пентестов, 88% беспокоятся об уязвимостях, появляющихся между проверками. Примерно половина называет этот разрыв одним из самых крупных неуправляемых киберрисков, другая половина считает его известной проблемой, которую пока прикрывают базовыми периметровыми мерами. С учётом того, что авторы исследования оценивают время от обнаружения слабого места до его эксплуатации злоумышленниками в один день, окно между деплоем и очередным тестом выглядит особенно некомфортно.
Самые крупные компании из выборки — со штатом от 5 до 10 тысяч человек — продвинулись дальше остальных: 71% уже используют AI-пентесты по всей среде. В среднем сегменте технологию пробовали почти так же активно, но масштабировали заметно реже: до уровня всей инфраструктуры дошли 54%. Это логично: крупный бизнес может выделить людей на внедрение, настройку доступа и контроль результатов, а у midmarket обычно сначала возникает вопрос, кто будет разбирать поток новых находок.
ИИ должен не только находить баги, но и не ломать систему
Качество самих AI-пентестов вошло в число главных барьеров только у четверти участников опроса. Выше оказались защита данных — 40%, безопасность работы инструмента в production — 36%, а также готовность аудиторов и регуляторов принять отчёт, подготовленный с участием ИИ, — 28%. Это полезная поправка к привычному разговору про «точность модели». Для службы безопасности важнее понять, какие данные увидит сервис, куда они уйдут, какие учётные записи получит агент и способен ли он выполнить рискованное действие на живой системе.
Доверие упирается и в проверяемость. 46% респондентов сказали, что сильнее всего подорвут уверенность отсутствие прозрачности по объёму тестирования либо невозможность воспроизвести доказательство эксплуатации. Первое выбрали 25%, второе — 21%. DevSecOps-руководители, которым потом приходится превращать отчёты в задачи для разработки, настроены особенно скептично: только 5% заявили, что их доверие ничто не сможет поколебать. Среди CTO так ответили 19%.
Отдельная боль — ложные срабатывания. 56% команд тратят на их разбор шесть и более часов в неделю, а каждая пятая — не меньше 11 часов. Для 44% руководителей подтверждение реальности находки стало главным тормозом при устранении уязвимостей. В этом месте автоматизация может дать практическую пользу, если она не просто добавляет очередной отчёт в Jira, а проверяет эксплуатацию до передачи проблемы инженерам и фиксирует, что именно было протестировано.
Не менее важна перепроверка исправлений. Менее двух из пяти организаций независимо тестируют патч в продакшене сразу после поставки; почти половине на это требуется до двух недель. До повторной проверки у команды нет надёжного подтверждения, что уязвимость действительно закрыта, а не сменила форму после рефакторинга или конфигурационного изменения. Встраивание проверки в цикл релиза здесь выглядит полезнее, чем попытка заменить ИИ одной ежегодной аудит-процедурой.
90% участников исследования согласны, что модель с единственным ежегодным пентестом устарела; только 6% всё ещё полагаются на неё как на единственный подход. На горизонте трёх-пяти лет 54% ожидают, что ИИ будет выполнять основную массу тестов, а ручной пентест останется главным методом валидации лишь примерно у каждого шестого. Ещё 28% предполагают сохранять ручные проверки преимущественно ради аудиторов — независимо от их технической отдачи.
Практичный старт для команды — не выдавать инструменту доступ к продакшену в первый день, а начать со staging-среды, близкой к боевой, и сравнить результаты с ближайшим ручным пентестом. Нужны воспроизводимые доказательства, журнал действий и понятные правила обработки кода и данных. AI-пентесты уже становятся частью DevSecOps-контура, но победит не тот сервис, который громче обещает «взломать всё», а тот, которому можно безопасно доверить доступ к критичной среде. Подробнее о результатах опроса — в материале .


