Od eksperymentów ze sztuczną inteligencją do operacji autonomicznych
– Christophe Briguet, starszy dyrektor ds. zarządzania produktami – analityka sztucznej inteligencji i bezpieczeństwa, Stellar Cyber
San Jose, Kalifornia – 28 kwietnia 2026 r.
Coś zmieniło się na początku 2026 roku. Nie stopniowo — raczej jak po naciśnięciu przełącznika.
Przez lata rozmawialiśmy o sztucznej inteligencji w SOC Tak jak mówiliśmy o samochodach autonomicznych: zawsze pięć lat w przyszłości, zawsze potrzeba „trochę więcej danych”. Potem pojawił się protokół MCP (Model Context Protocol). Wtedy frameworki agentowe przestały być wersjami demonstracyjnymi, a stały się narzędziami. I nagle pytanie nie brzmiało: „Czy sztuczna inteligencja może pomóc zespołom ds. bezpieczeństwa?”, ale: „Co powinniśmy jej pozwolić zrobić najpierw?”.
Wiem, bo sam prowadziłem taki.
Przełom agentyczny, którego nikt się nie spodziewał
Oto, co się zmieniło: agenci AI przestali być chatbotami z dostępem do API, a stali się prawdziwymi współpracownikami, którzy pamiętają dzień wczorajszy, wiedzą, jak korzystać z Twoich narzędzi i mogą samodzielnie wykonywać połączenia.
MCP, pierwotnie stworzony przez Anthropic, a obecnie działający pod kontrolą Linux Foundation, dał nam coś, czego wcześniej nie mieliśmy: uniwersalny sposób łączenia agentów AI z rzeczywistymi systemami. Nie poprzez kruche integracje czy niestandardowy kod. Poprzez standardowy protokół, który pozwala każdemu agentowi AI komunikować się z dowolnym narzędziem, dowolnym API, dowolną platformą. Pomyśl o tym jak o USB dla AI: podłącz nową funkcję, a agent po prostu z niej skorzysta.
At Gwiezdny CyberWprowadziliśmy obsługę MCP na naszej platformie. Agent AI może teraz połączyć się z instancją Stellar Cyber i natychmiast uzyskać dostęp do zarządzania sprawami: listy spraw, pobieranie pełnych szczegółów śledztwa z mapowaniami MITRE i obserwowalnymi, aktualizowanie statusu, przypisywanie analityków. Jedno wywołanie API zwraca to, co wcześniej wymagało ośmiu kliknięć i trzech kart.
Ale MCP to tylko łącznik. Prawdziwy przełom kryje się w tym, co go wyróżnia: agentowej sztucznej inteligencji, która pamięta kontekst, planuje wieloetapowe przepływy pracy i działa w Twoim imieniu pomiędzy sesjami.
Czego nauczyłem się, prowadząc przez tydzień agenta AI
- Napisałem dwa e-maile do klientów dotyczące możliwości funkcji. Wyciągnąłem kontekst z wątku 10 wiadomości, sprawdziłem odnośniki do bazy wiedzy i poprawnie uzupełniłem szczegóły techniczne.
- Zgłosiłem zgłoszenie w Jira. Dwa razy pomyliłem wymagane pola, rozgryzłem API i udało się za trzecim razem.
- Zaplanowałem spotkanie dla czterech osób, sprawdzając kalendarze wszystkich. Znalazłem jeden wolny termin w środę rano.
- Przejrzałem dokumentację procesu w Confluence i pasującą do niej tablicę Figma. Znalazłem pięć luk, których nikt wcześniej nie zauważył.
- Pobrano 30 000 spraw z naszego serwera Stellar Cyber MCP w jednym połączeniu. Pełne mapowanie MITRE, obserwacje, wszystko.
- Skonfigurowałem zadanie cron, aby monitorować Formularz Google pod kątem nowych zgłoszeń, automatycznie tworzyć zgłoszenia i wysyłać mi pinga, gdy coś się pojawi. Bez kodu. Zajęło to około dziesięciu minut.
Druga strona tego
I tu zaczyna być niezręcznie. Wszystko, co właśnie opisałem? Przeciwnicy też to potrafią.
Jeśli agent AI potrafi połączyć się z systemem zgłoszeń, odczytać zgłoszenia eskalacji, sprawdzić bazę wiedzy i zrozumieć luki w wykrywaniu? To darmowa mapa drogowa do wszystkiego, czego nie potrafisz obronić. Te same możliwości agenta, które przyspieszają obrońców, sprawiają, że atakujący są bardziej systematyczni.
MCP jest mieczem obosiecznym. CrowdStrike Opublikowano już badania dotyczące zabezpieczania wdrożeń sztucznej inteligencji opartej na agentach przed szybkim wstrzyknięciem i eskalacją uprawnień. Powierzchnia ataku nie jest teoretyczna. To dokładnie te same punkty integracji, które czynią agentów użytecznymi.
Zmiana krajobrazu zagrożeń jest taka: przewaga prędkości, jaką SOC Zespoły, które miały do czynienia z atakami opartymi na skryptach, znikają. Przeciwnicy z narzędziami agentowymi mogą teraz:
- Wyliczaj swoje środowisko szybciej, niż analitycy są w stanie dokonać wstępnej selekcji alertów
- Twórz treści socjotechniczne uwzględniające kontekst Twojej organizacji
- Zautomatyzuj decyzje dotyczące ruchu bocznego w taki sam sposób, w jaki automatyzujemy decyzje dotyczące triażu
- Dostosowuj taktykę w czasie rzeczywistym na podstawie tego, co działa
Wiele możliwości automatyzacji
1. Alarmowanie i triaż przypadków z prędkością maszynową
To jest oczywiste i to właśnie tam działa funkcja Alert Auto-Triage firmy Stellar Cyber. Agent przeprowadza werdykt weryfikacyjny dla każdego krytycznego przypadku: reputacji IP, anomalii behawioralnych, relacji między jednostkami i podatności urządzenia. Następnie wydaje werdykt: prawdziwie pozytywny, łagodny, fałszywie pozytywny lub niejednoznaczny.
Nowością jest pętla sprzężenia zwrotnego. Kiedy analityk zmienia werdykt, zmiana ta staje się sygnałem szkoleniowym. Nie w mglistym sensie „kiedyś przeszkolimy model”. W sensie „następnym razem, gdy pojawi się ten wzorzec, system rozważy twój osąd”. Tesla FSD uczy się na podstawie przejęć kontroli przez ludzi. Tak samo jak to.
Odblokowanie agenta: Agent połączony z platformą MCP może teraz pobierać szczegóły sprawy, porównywać je z informacjami o zagrożeniach zewnętrznych, sprawdzać historyczne werdykty dotyczące podobnych wzorców i wydawać decyzje dotyczące wstępnej selekcji z pełną możliwością wyjaśnienia, bez konieczności klikania przez pięć zakładek przez człowieka.
2. Automatyzacja przyjęć i wdrażania
Zgłoszenia przychodzą za pośrednictwem formularza. Tradycyjnie ktoś czyta zgłoszenie, tworzy zgłoszenie śledzenia, sprawdza wymagania wstępne i wysyła e-mail z potwierdzeniem. Cztery systemy, trzy zmiany kontekstu, jedna osoba ręcznie wprowadza dane.
Agent monitoruje źródło przyjęć zgodnie z harmonogramem. Gdy pojawi się nowy wpis, tworzy zgłoszenie z pełnym, ustrukturyzowanym opisem, zapisuje odniesienie do źródła i wysyła powiadomienie z podsumowaniem. Zero czynności ręcznych.
Odblokowanie agenta: Ten wzorzec można uogólnić na dowolny proces przyjmowania zgłoszeń. Żądania próbne. Zapytania o zgodność. Ujawnienia luk w zabezpieczeniach. Kierowanie eskalacji klienta. Każdy przepływ pracy obejmujący „odczyt ze źródła A, utworzenie w systemie B, powiadomienie kanałem C” jest kandydatem.
3. Pętla sprzężenia zwrotnego jakości wykrywania
To mnie najbardziej ekscytuje. Dostawcy rozwiązań bezpieczeństwa gromadzą ogromne ilości zgłoszeń typu „to wykrywanie nie działa prawidłowo”. Opisy są często enigmatyczne. Kontekst jest ukryty w wątkach e-mail i zgłoszeniach do pomocy technicznej. Osoba przeprowadzająca triaż musi mieć dogłębną wiedzę o produkcie, aby w ogóle zrozumieć pytanie.
Agent AI z dostępem do systemu zgłoszeń, bazy wiedzy i platformy bezpieczeństwa może odczytać zgłoszenie z informacją o wykryciu, pobrać rzeczywiste dane alertu, porównać je z dokumentacją i wygenerować przejrzyste podsumowanie: „To fałszywy alarm spowodowany dopasowaniem podciągu w regule X. Reporter wprowadził poprawkę. Oto poprawione zapytanie”.
Odblokowanie agenta: Połącz agenta ze środowiskiem raportowania (z uprawnieniami) za pośrednictwem MCP, a on zweryfikuje zgłoszony problem na podstawie danych na żywo. Koniec z pytaniami „czy możesz wysłać zrzut ekranu?”. Koniec z trzytygodniową wymianą zdań. Agent widzi to samo, co osoba zgłaszająca.
4. Łączenie kropek w narzędziach
Zadaniem lidera ds. operacji bezpieczeństwa jest łączenie punktów w różnych systemach. Wątek e-mail dotyczący współpracy z partnerem, zgłoszenie dotyczące luki w wykrywaniu, strona wiki dotycząca procesu, tablica projektowa dotycząca przepływu pracy, cennik w wątku sprzedaży. Wszystkie te elementy funkcjonują w różnych narzędziach i nie są ze sobą automatycznie powiązane.
Agent AI przechodzi przez wszystkie te etapy. Wystarczy zapytać: „Jaki jest status procesu tego partnera?”, a on pobierze wątek e-maili, sprawdzi zgłoszenie, odczyta formularz zgłoszeniowy i zsyntetyzuje jedną odpowiedź. Bez przełączania kart. Bez „pozwól mi sprawdzić”.
Odblokowanie agenta: To właśnie tutaj MCP błyszczy. Każdy system jest serwerem MCP. Agent nie przejmuje się, czy dane znajdują się w poczcie e-mail, Jira czy Stellar Cyber. Komunikuje się z nimi wszystkimi tym samym protokołem.
5. Proaktywny monitoring bez zmęczenia alertami
Tradycyjne podejście do monitorowania polega albo na „ciągłym sprawdzaniu wszystkiego” (kosztowne, uciążliwe), albo na „czekaniu, aż ktoś to zauważy” (powolne, ryzykowne). Agenci AI oferują trzecią ścieżkę: zaplanowane, inteligentne kontrole z ludzką oceną, co warto eskalować.
Mój agent okresowo sprawdza kanały komunikacji, ale nie tylko zgłasza „masz 15 nieprzeczytanych wiadomości”. Kategoryzuje je według pilności, identyfikuje zadania do wykonania, filtruje nieistotne informacje i powiadamia mnie tylko wtedy, gdy coś faktycznie wymaga uwagi. Ten sam schemat dotyczy monitorowania bezpieczeństwa: sprawdza kolejki zgłoszeń, sygnalizuje anomalie w zakresie detekcji, monitoruje naruszenia umów SLA. I milczy, gdy wszystko jest w porządku.
Odblokowanie agenta: Zaplanowany agent działa z optymalizacją na poziomie modelu. Użyj lżejszego modelu do rutynowych kontroli, a następnie eskaluj do bardziej wydajnego modelu, gdy sytuacja wymaga oceny. Automatyzacja uwzględniająca koszty.
6. Dokumentacja i gromadzenie wiedzy
Zespoły ds. bezpieczeństwa generują ogromne ilości wiedzy instytucjonalnej, która nigdy nie jest dokumentowana. Analityk, który wie, że wpisy w logach konkretnego dostawcy zapory sieciowej zachowują się inaczej niż oczekiwano? Ta wiedza tkwi w jego głowie aż do momentu, gdy odejdzie.
Agenci AI mogą gromadzić i strukturyzować tę wiedzę w czasie rzeczywistym. Każde zgłoszenie, każda interakcja, każda decyzja staje się ustrukturyzowanym wpisem w trwałej bazie wiedzy. Agent prowadzi codzienne notatki, aktualizuje swoją pamięć długoterminową o wyselekcjonowane spostrzeżenia i porównuje nowe informacje z tym, co już wie.
Odblokowanie agenta: Im więcej agent pracuje, tym więcej wie. Agent, który dokonał selekcji partii zgłoszeń dotyczących wykrywania, rozumie teraz specyficzne dla dostawcy specyfikacje logów, skrajne przypadki integracji i luki w korelacji tożsamości. Gdy następnym razem pojawi się powiązane zgłoszenie, zaczyna od tego punktu, a nie od zera.
Co to oznacza dla zespołów ds. bezpieczeństwa
Branża bezpieczeństwa spędziła ostatnią dekadę na budowaniu systemów wykrywania. Następna dekada będzie poświęcona podejmowaniu decyzji. Kto decyduje, co jest prawdziwe? Kto decyduje, co z tym zrobić? I jak szybko można podejmować te decyzje?
Agentowa sztuczna inteligencja nie zastępuje analityka. Daje mu przewagę. Ten sam analityk, który ręcznie triażował 20 spraw dziennie, może teraz przejrzeć 200 spraw triażowanych przez agentów, koncentrując swoją wiedzę tam, gdzie to istotne: na przypadkach skrajnych, nowych atakach, decyzjach, których maszyny jeszcze nie potrafią podejmować.
Dostawcy, którzy wciąż kryją się za zamkniętymi interfejsami API i jednorazowymi podsumowaniami AI, zostaną w tyle. Wygrają platformy, które otworzą swoje API za pośrednictwem protokołów takich jak MCP, zbudują pętle sprzężenia zwrotnego, które faktycznie uczą się na podstawie decyzji człowieka, i potraktują automatyzację AI jako produkt, z metrykami dokładności, kontrolą kosztów i systemami zarządzania.
Budujemy to w Stellar Cyber. Serwer MCP jest już uruchomiony. Funkcja Alert Auto-Triage jest w fazie produkcyjnej. Mam też agenta AI, który właśnie napisał ten wpis na blogu.
No cóż, większość.
