Журнал "Information Security/ Информационная безопасность" #3, 2026

ИИ усиливает продуктив- ность сотрудников, но не работает как самостоятель- ный исполнитель. Именно это и дает измеримый эффект – снижение ручного труда, ускорение разбора, снижение нагрузки на команду, более предсказуе- мое время реакции. Риск возникает не пото- му, что модель плохая. Он возникает в тот момент, когда ИИ-помощнику отдают то, что ему отдавать не сле- дует. Первый источник про- блем – чувствительные дан- ные. Последствия ошибок в ИБ оцениваются иначе, чем в маркетинге или финансах – здесь нельзя просто попробовать и откатить. Поэтому преж- де, чем решать, куда ста- вить ИИ-помощника, стоит чест- но ответить на вопрос: где он дает эффект без роста недопу- стимых рисков, а где сам стано- вится проблемой. ИИ-помощник действительно снимает нагрузку Оценить эффективность ИИ- помощника в информационной безопасности можно с помощью простых критериев. Задача подходит для ИИ- помощника, если: l у нее большой объем повто- ряющегося анализа, l достаточный контекст для интерпретации, l контролируемая цена ошибки. А таких задач у любой ИБ-команды немало. Давайте посмотрим на несколько при- меров. 1. Первичный разбор сраба- тываний. Аналитик в крупном центре мониторинга разбирает от нескольких сотен до несколь- ких тысяч событий в день. Подав- ляющее большинство из них – ложные срабатывания или типо- вые паттерны, требующие базо- вой классификации. ИИ-помощ- ник снимает именно этот слой: группирует события, проставляет предварительные метки, выде- ляет кандидатов на эскалацию. Аналитик не тратит время на очевидное и концентрируется на реальных угрозах, что напря- мую влияет на скорость реакции и снижает утомляемость коман- ды, – ведь перегруженность сотрудников безопасности сама по себе становится источником пропущенных угроз. 2. Анализ журналов событий и обогащение инцидентов кон- текстом. ИИ-помощник умеет быстро пройти по большому массиву логов и найти паттер- ны, поиск которых вручную занимает часы. Он может авто- матически обогатить карточку инцидента, добавив информа- цию об учетной записи, истории обращений, связанных активах. Это сокращает ручную работу и ускоряет MTTR – не потому, что модель умнее аналитика, а потому что не устает от моно- тонного поиска. 3. Черновики отчетов, регла- ментов и материалов для про- верок. Это, пожалуй, самое недооцененное применение ИИ-помощника. Руководитель ИБ тратит колоссальное коли- чество времени на документа- цию, ответы на запросы, подго- товку к проверкам. ИИ-помощ- ник может сделать первый чер- новик за минуты. Человек оста- нется его проверить, отредак- тировать и подписать. Разница в трудозатратах – ощутима. 4. Поддержка предваритель- ной приоритизации уязвимо- стей. При десятках тысяч заре- гистрированных уязвимостей и ограниченном ресурсе на уста- новку исправлений, первичная сортировка по критичности, наличию эксплойтов и присут- ствию актива в продуктивной среде – задача, с которой ИИ справляется эффективнее чело- века. Специалист принимает финальное решение, но может не тратить время на механиче- скую расстановку приоритетов. Во всех этих случаях ИИ усиливает продуктивность сотрудников, но не работает как самостоятельный испол- нитель. Именно это и дает измеримый эффект – сниже- ние ручного труда, ускорение разбора, снижение нагрузки на команду, более предска- зуемое время реакции. В какой момент появляется новый класс рисков? Риск возникает не потому, что модель плохая. Он возни- кает в тот момент, когда ИИ- помощнику отдают то, что ему отдавать не следует. Первый источник проблем – чувствительные данные. Риск утечки через ИИ-сервисы уже нельзя считать теоретическим. Согласно результатам исследо- вания ГК "Солар", за год объем данных, отправляемых в ИИ-сер- висы, вырос в 30 раз, при этом 60% компаний до сих пор не имеют формализованных правил работы с такими инструментами. Это уже работающий вектор атаки и источник неконтро- лируемых утечек, который ИБ-команда теперь обязана учи- тывать и предотвращать. Второй источник – несанк- ционированные действия. В значимых и чувствительных контурах проблема начинает- ся там, где ИИ переходит от 80 • СПЕЦПРОЕКТ ИИ-помощник для ИБ: где он снижает нагрузку и расходы, а где создает новый класс рисков ефицит ИБ-специалистов в России к 2027 г. может составить до 65 тыс. человек 1 . При этом поток расследований, регуля- торных требований и внутренних запросов постоянно растет и ускоряется. Инфраструктура и атакующая поверхность про- должают увеличиваться, а специалистам приходится закры- вать все больше фронтов. Возникает вполне понятное жела- ние поставить ИИ-помощника и получить передышку. Д Станислав Ежов, директор по развитию ИИ ПАО “Группа Астра” Фото: Группа Астра 1 https://habr.com/ru/news/820237/