Від експериментів зі штучним інтелектом до автономних операцій
– Крістоф Бріге, старший директор з управління продуктами – ШІ та аналітика безпеки, Stellar Cyber
Сан-Хосе, Каліфорнія – 28 квітня 2026 р.
Щось змінилося на початку 2026 року. Не поступово, а радше як перемикання вимикача.
Роками ми говорили про штучний інтелект у SOC те, як ми говорили про самокеровані автомобілі: завжди через п'ять років, завжди потрібно «трохи більше даних». Потім з'явився MCP (Model Context Protocol). Потім агентні фреймворки перестали бути демонстраціями та стали інструментами. І раптом питання було не «чи може ШІ допомогти командам безпеки?», а «що ми повинні дозволити йому зробити спочатку?»
Я знаю, бо сам один з них проводив.
Прорив агента, якого ніхто не передбачав
Ось що змінилося: агенти зі штучним інтелектом перестали бути чат-ботами з доступом до API та стали справжніми колегами, тими, хто пам’ятає вчорашній день, знає, як користуватися вашими інструментами, і може самостійно здійснювати дзвінки.
MCP, спочатку створений Anthropic, а тепер під егідою Linux Foundation, дав нам те, чого у нас раніше не було: універсальний спосіб для агентів ШІ підключатися до реальних систем. Не через крихкі інтеграції чи користувацький код. Через стандартизований протокол, який дозволяє будь-якому агенту ШІ взаємодіяти з будь-яким інструментом, будь-яким API, будь-якою платформою. Уявіть собі це як USB для ШІ: підключіть нову функцію, і агент просто її використовує.
At Зоряний кібер, ми додали підтримку MCP до нашої платформи. Агент ШІ тепер може підключитися до екземпляра Stellar Cyber та негайно отримати доступ до управління справами: перелік справ, отримання повної інформації про розслідування з картами MITRE та спостереженнями, оновлення статусу, призначення аналітиків. Один виклик API повертає те, що раніше займало вісім кліків та три вкладки.
Але MCP — це лише з’єднувач. Справжній прорив — це те, що знаходиться поверх нього: агентний ШІ, який запам’ятовує контекст, планує багатоетапні робочі процеси та діє від вашого імені між сеансами.
Чого я навчився, керуючи ШІ-агентом протягом тижня
- Написав два електронні листи для клієнтів щодо можливостей функцій. Витягнув контекст з 10-повідомленої розсилки, перевірив базу знань, правильно вказав технічні деталі.
- Подав запит у Jira. Двічі помилився в обов'язкових полях, розібрався з API, з третьої спроби все вийшло.
- Запланував зустріч для чотирьох людей, перевіривши календар кожного. Знайшов єдиний вільний час у середу вранці.
- Переглянув документацію процесу Confluence та відповідної дошки Figma. Знайшов п'ять прогалин, яких ніхто не помітив.
- Витягли 30 000 справ з нашого сервера Stellar Cyber MCP за один виклик. Повні мапування MITRE, спостережувані об'єкти, вся робота.
- Налаштував cron-завдання для відстеження нових заявок у Google-формі, автоматичного створення заявок та надсилання мені пінгу, коли щось надходить. Без коду. Це зайняло близько десяти хвилин.
Інший бік цього
Ось тут і починається дискомфорт. Все, що я щойно описав? Супротивники теж можуть це робити.
Якщо агент штучного інтелекту може підключитися до вашої системи видачі заявок, прочитати ваші заявки на ескалацію, зіставити посилання на вашу базу знань та зрозуміти прогалини у виявленні? Це безкоштовний посібник з усунення всього, від чого ви погано справляєтеся. Ті ж агентські можливості, які роблять захисників швидшими, також роблять зловмисників більш систематичними.
MCP — це палиця з двома кінцями. CrowdStrike вже опубліковані дослідження щодо захисту агентних розгортань ШІ від оперативного впровадження та ескалації привілеїв. Поверхня атаки не є теоретичною. Це ті самі точки інтеграції, які роблять агентів корисними.
Зміна ландшафту загроз полягає в наступному: перевага в швидкості, яка SOC Зникнення надмірно скриптованих атак команд. Зловмисники з агентними інструментами тепер можуть:
- Перераховуйте своє середовище швидше, ніж ваші аналітики можуть сортувати сповіщення
- Створюйте контент соціальної інженерії, який враховує контекст вашої організації
- Автоматизуйте рішення щодо горизонтального переміщення так само, як ми автоматизуємо рішення щодо сортування
- Адаптуйте тактику в режимі реального часу залежно від того, що працює
Багато можливостей автоматизації
1. Оповіщення та сортування випадків зі швидкістю машини
Це очевидний випадок, і саме тут вже працює система автоматичного сортування попереджень Stellar Cyber. Агент виконує перевірки сигналів вердикту для кожного критичного випадку: репутація IP-адрес, аномалії поведінки, зв'язки з сутностями та вразливість пристроїв. Потім він виносить вердикт: справді позитивний, доброякісний, хибнопозитивний або непереконливий.
Новим є цикл зворотного зв'язку. Коли аналітик ігнорує вердикт, це ігнорування стає навчальним сигналом. Не в розпливчастому сенсі «ми колись перенавчимо модель». У сенсі «наступного разу, коли з'явиться ця закономірність, система зважить вашу думку». Tesla FSD вчиться на людських захопленнях. Те саме стосується і цієї компанії.
Агентське розблокування: агент, підключений до MCP, тепер може отримувати деталі справи, співвідносити їх із зовнішньою інформацією про загрози, перевіряти історичні висновки щодо схожих закономірностей та приймати рішення про сортування з повним поясненням, без необхідності перемикатися між п'ятьма вкладками з боку людини.
2. Автоматизація прийому та адаптації
Запити надходять через форму. Історично хтось читає заявку, створює квиток відстеження, перевіряє передумови та надсилає електронний лист із підтвердженням. Чотири системи, три перемикачі контексту, одна людина виконує ручне введення даних.
Агент відстежує джерело входу за розкладом. Коли з'являється новий запис, він створює заявку з повним структурованим описом, записує посилання назад до джерела та надсилає сповіщення з коротким описом. Нульові ручні дії.
Агентське розблокування: Цей шаблон узагальнюється для будь-якого процесу входу. Запити на пробне використання. Запити на відповідність. Розкриття вразливостей. Маршрутизація ескалації клієнтів. Будь-який робочий процес, який включає «читання з джерела A, створення в системі B, повідомлення через канал C», є кандидатом.
3. Цикл зворотного зв'язку щодо якості виявлення
Це те, що мене найбільше хвилює. Постачальники систем безпеки накопичують величезні запаси заявок на кшталт «це виявлення працює неправильно». Описи часто загадкові. Контекст прихований у потоках електронної пошти та заявках підтримки. Людина, яка проводить сортування, потребує глибоких знань продукту, щоб взагалі зрозуміти запит.
Агент штучного інтелекту з доступом до вашої системи видачі заявок, бази знань та платформи безпеки може прочитати заявку на зворотний зв'язок про виявлення, отримати фактичні дані сповіщень, зіставити їх з документацією та створити чіткий висновок: «Це хибнопозитивний результат, спричинений збігом підрядка в правилі X. Автор повідомлення надав виправлення. Ось виправлений запит».
Розблокування агента: підключіть агента до середовища звітності (з дозволом) через MCP, і він зможе перевірити повідомлену проблему на відповідність актуальним даним. Більше жодних питань «чи можете ви надіслати скріншот?». Більше жодних тритижневих переговорів. Агент бачить те саме, що й той, хто повідомляє.
4. Поєднання точок між інструментами
Завдання керівника відділу операцій безпеки полягає в тому, щоб поєднувати точки між системами. Гілка електронної пошти про взаємодію з партнером, заявка про прогалину у виявленні, сторінка вікі про процес, дошка дизайну про робочий процес, ціноутворення в гілці продажів. Вони знаходяться в різних інструментах без автоматичної кореляції.
Агент штучного інтелекту обходить усі ці питання. Запитайте його: «Який статус випробування цього партнера?», і він витягне ланцюжок електронних листів, перевірить квиток відстеження, зчитає форму заявки та синтезує одну відповідь. Без перемикання вкладок. Без «давайте я перевірю».
Агентське розблокування: саме тут MCP сяє. Кожна система є MCP-сервером. Агенту байдуже, де дані знаходяться в електронній пошті, Jira чи Stellar Cyber. Він спілкується з усіма ними за одним протоколом.
5. Проактивний моніторинг без втоми від тривоги
Традиційний підхід до моніторингу — це або «постійно все перевіряти» (дорого, шумно), або «чекати, поки хтось помітить» (повільно, ризиковано). Агенти штучного інтелекту пропонують третій шлях: заплановані, інтелектуальні перевірки з людським судженням про те, що варто посилити.
Мій агент періодично перевіряє канали зв'язку, але він не просто повідомляє «у вас 15 непрочитаних повідомлень». Він класифікує повідомлення за терміновістю, визначає пункти дій, фільтрує шум і сповіщає мене лише тоді, коли щось дійсно потребує уваги. Така ж схема застосовується до моніторингу безпеки: перевіряйте черги справ, позначайте аномалії в охопленні виявлення, контролюйте порушення SLA. І мовчіть, коли все нормально.
Розблокування агентів: Запланований агент працює з оптимізацією на рівні моделі. Використовуйте легшу модель для рутинних перевірок, перейдіть на більш потужну модель, коли ситуація вимагає оцінки. Автоматизація з урахуванням витрат.
6. Документація та фіксація знань
Команди безпеки генерують величезні обсяги інституційних знань, які ніколи не документуються. Аналітик, який знає, що записи журналу певного постачальника брандмауера поводяться не так, як очікувалося? Ці знання залишаються в їхній голові, поки вони не підуть.
Агенти ШІ можуть збирати та структурувати ці знання в режимі реального часу. Кожна перевірка квитків, кожна взаємодія, кожне рішення стає структурованим записом у постійній базі знань. Агент веде щоденні нотатки, оновлює свою довготривалу пам'ять отриманими висновками та зіставляє нову інформацію з тим, що він уже знає.
Розблокування агентом: чим більше працює агент, тим більше він знає. Агент, який проаналізував партію квитків на виявлення, тепер розуміє особливості журналів, специфічні для постачальника, граничні випадки інтеграції та прогалини в кореляції ідентифікацій. Наступного разу, коли надходить пов'язаний квиток, він починає з цієї бази, а не з нуля.
Що це означає для команд безпеки
Індустрія безпеки витратила останнє десятиліття на створення систем виявлення. Наступне десятиліття — це питання рішень. Хто вирішує, що є реальним? Хто вирішує, що з цим робити? І як швидко ці рішення можуть бути прийняті?
Агентний ШІ не замінює аналітика. Він дає аналітику важелі впливу. Той самий аналітик, який вручну проводив сортування 20 справ на день, тепер може переглянути 200 справ, відсортованих агентом, зосереджуючи свою експертизу там, де це важливо: граничні випадки, нові атаки, рішення, які машини ще не можуть приймати.
Постачальники, які досі ховаються за закритими API та одноразовими звітами про ШІ, залишаться позаду. Перемогуть ті платформи, які відкриють свої API через протоколи, такі як MCP, побудують петлі зворотного зв'язку, які фактично навчаються на людських рішеннях, та розглядатимуть автоматизацію ШІ як продукт з показниками точності, контролем витрат та напрямками управління.
Ми створюємо це в Stellar Cyber. Сервер MCP запущено. Система автоматичного сортування попереджень працює. І в мене є агент зі штучним інтелектом, який щойно написав цей допис у блозі.
Ну, більша частина.
