Искусственный интеллект меняет не только способ написания кода. Он меняет скорость жизненного цикла программного обеспечения. AI-ассистенты и автономные агенты сокращают время между постановкой задачи, изменением кода, добавлением зависимости и выпуском новой версии. Одновременно снижается стоимость анализа исходного кода, поиска уязвимостей и подготовки исправлений. На этом фоне возникает один из ключевых рисков ближайших лет: скорость производства и потребления программных изменений начинает расти быстрее, чем скорость корпоративного контроля. Разработчик может получить рабочий код за минуты, новая версия библиотеки — появиться за недели, а согласование, тестирование и установка обновления в крупной организации по-прежнему занимают недели или месяцы.

Возникают своеобразные «ножницы скорости»: программная экосистема постепенно переходит на машинный темп, а значительная часть процессов информационной безопасности остается на человеческом. Поэтому мой прогноз состоит не столько в появлении нового класса угроз, сколько в изменении самой временной модели ИБ. В ближайшие годы информационной безопасности придется работать на той же скорости, на которой меняется программный стек. Для этого недостаточно быстрее получать сообщения о CVE. Необходимо перестраивать управление зависимостями, обновлениями и жизненным циклом программного обеспечения.

Современное прикладное ПО в значительной степени состоит из компонентов, которые организация сама не разрабатывала. По данным Open Source Security and Risk Analysis, open source присутствует практически во всех исследуемых коммерческих кодовых базах. В исследовании 2025 года речь шла о 97% кодовых баз, при этом около 70% исследованного кода имело open-source-происхождение, а среднее приложение включало 911 OSS-компонентов. В исследовании 2026 года доля кодовых баз с open source достигла 98%, а среднее количество OSS-компонентов на приложение выросло до 1180. Но для информационной безопасности еще важнее то, как эти компоненты попадают в приложение.

Разработчик непосредственно выбирает только часть зависимостей. Прямая зависимость может использовать несколько других библиотек, а те в свою очередь — собственные зависимости. В результате внутри продукта появляется большое количество транзитивных компонентов, о существовании которых разработчик может даже не знать. Современную прикладную систему поэтому правильнее рассматривать не как монолитный программный продукт, а как постоянно изменяющийся граф технологических зависимостей. У каждого элемента этого графа собственный жизненный цикл: новые версии, прекращение поддержки, изменение API, новые зависимости и новые уязвимости.

Есть и менее очевидная сторона AI-assisted development. Разработчик использует ИИ не только для генерации алгоритмов. Он просит подобрать библиотеку, подготовить Dockerfile, написать конфигурацию, добавить интеграцию, исправить ошибку или обновить существующий проект.

Вместе с кодом AI-ассистент фактически начинает принимать решения о программных зависимостях. И эти решения не обязательно безопасны. Языковая модель обучалась на большом объеме существующего программного кода. Значительная часть этого кода была создана несколько лет назад и использует версии библиотек, актуальные на момент его написания. Поэтому функционально корректный ответ не гарантирует, что предложенная зависимость соответствует текущему состоянию программной экосистемы.

AI-ассистент может предложить знакомую и работоспособную библиотеку, версия которой уже устарела или содержит известную уязвимость. Исследование 2026 года, в котором было проанализировано более 117 тыс. изменений программных зависимостей в семи экосистемах, показало: AI-агенты выбирали версии с уже известными уязвимостями в 2,46% случаев против 1,64% у людей. Причем ошибки агентов оказались еще и труднее устранимы: 36,8% таких выборов требовали мажорного обновления для исправления против 12,9% у человека. В совокупности агентская работа с зависимостями дала чистый прирост уязвимостей, тогда как работа людей — чистое снижение.

Сам по себе этот результат пока не позволяет делать универсальные выводы по всей индустрии, но механизм риска достаточно понятен.

Сегодня большинство мошеннических атак остается массовым явлением — одна легенда на тысячи абонентов. Однако развитие искусственного интеллекта позволит изменить эту механику. Например, перед началом атаки ИИ сможет автоматически собрать цифровой профиль человека: изучить социальные сети, профессиональные сообщества, открытые публикации, утечки данных, интересы, место работы, круг общения.

Объем попавших в открытый доступ данных, по оценкам аналитиков, составил 767 млн записей, что на 70% больше показателей 2024 года. Этих данных достаточно, чтобы построить детальный портрет многих жителей России. После сбора информации ИИ сможет самостоятельно построить легенду для нужного человека, подобрать в разговоре с ним нужные слова и, как следствие, вызвать больше доверия у потенциальной жертвы.

Мы постепенно привыкаем к тому, что голос можно синтезировать. Следующий этап — перестать полагать, что с помощью голоса теперь можно идентифицировать личность человека.

То же самое происходит с видео. Чем больше фотографий, роликов и голосовых сообщений появляется в открытом доступе, тем проще создать убедительную цифровую копию человека.

И здесь важен не сам факт существования дипфейков. Важно то, что исчезает один из базовых механизмов человеческого доверия. Если раньше мы говорили: «Я слышал его голос» или «Я видел его на онлайн-звонке», то в ближайшие годы этого станет недостаточно. Последний опрос показал, что 73% россиян уже сомневаются в достоверности незнакомых видеозвонков, а 41% готовы доверять только личной встрече для подтверждения важной информации. Есть серьезные подозрения, что подобный тренд будет усиливаться.

Мы привыкли говорить о защите телефона, банковского приложения или электронной почты. Но если атака одновременно развивается в пяти разных каналах, защищать каждый из них отдельно становится бессмысленно.

Следующим этапом развития индустрии кибербезопасности станет защита цифровой личности. Не отдельно номера телефона, не SIM-карты, не устройства, а человека как совокупности его цифровых особенностей, привычек, стиля коммуникации и поведения в Интернете.

Объем мирового рынка решений для защиты цифровой идентичности, по оценкам аналитиков, к 2028 году достигнет 24,8 млрд долларов, ежегодно прирастая на 17,6%. В России этот рынок пока формируется, однако в целом тема цифровой защиты остается в фокусе отечественного бизнеса — по оценкам экспертов, российские компании дополнительно инвестировали в решения для кибербезопасности до 47 млрд рублей в 2025 году и до 58 млрд уже в 2026-м. В последующие годы тенденция продолжится, и, как следствие, защита цифровой идентичности пользователя станет фокусным направлением для всего рынка ИБ.

В ближайшем будущем ключевыми игроками будут две системы искусственного интеллекта, которые находятся «по разные стороны баррикад». Одна будет автоматически искать потенциальных жертв для обмана, формировать их цифровой профиль, клонировать голос и изображение, строить легенды и вести диалог. Другая — выполнять роль защитника в режиме реального времени, например, анализировать сотни сигналов в режиме реального времени и не допускать вредоносные и опасные звонки, сопоставлять события из разных каналов общения пользователя, выявлять аномалии и предупреждать пользователя до того, как он будет введен в заблуждение мошенником.

У телеком-операторов подобные технологии для безопасности пользователей уже активно применяются. Например, «МТС Защитник» уже использует ИИ-модели собственной разработки, анализирующие более 200 параметров каждого вызова в реальном времени. За 2025 год система помогла выявить и заблокировать почти 3,2 млрд нежелательных звонков, а главными потенциальными целями обмана стали взрослые люди 35−44 лет, а также пожилые россияне 65+. Однако процесс создания и внедрения ИИ-агентов продолжается, и во многом именно качество защитных моделей компаний станет главным фактором безопасности ближайшего десятилетия.

Технологии защиты пользователей от компаний будут становиться сильнее. Но одновременно с этим человеку придется отказаться от старых критериев доверия. Знакомый голос или видеоизображение больше не будет означать, что вы слышите и видите вашего приятеля или близкого человека. Цифровая гигиена постепенно перестает быть набором рекомендаций. Она уже сейчас переходит в разряд обязательных навыков жизни в эпоху непрерывного развития генеративного искусственного интеллекта.

В целом через несколько лет смысл выражения «телефонное мошенничество» постепенно начнет изменяться. Не потому, что исчезнут звонки, а потому что телефон станет лишь одним из множества инструментов мошеннической атаки. Мы перейдем к новой модели, где объектом нападения станет цифровая личность человека, а важным инструментом защиты — его цифровое доверие и гигиена. Именно вокруг этой идеи и будет строиться следующий этап развития индустрии цифровой безопасности.