Najczęstsze wykorzystanie AI nie przypomina scen z filmów, w których autonomiczny system samodzielnie przejmuje całą sieć komputerową. Sztuczna inteligencja pełni przede wszystkim rolę bardzo szybkiego asystenta. Może pomagać przestępcom porządkować informacje o potencjalnej ofierze, analizować publicznie dostępne dane, przygotowywać teksty, poprawiać kod, tłumaczyć komunikaty i wyszukiwać interesujące fragmenty w dużych zbiorach informacji. Człowiek nadal określa cel ataku i podejmuje najważniejsze decyzje, ale wykonanie wielu zadań staje się znacznie prostsze. Osoba posiadająca ograniczoną wiedzę techniczną może dzięki narzędziom AI szybciej zrozumieć działanie określonej technologii albo poprawić przygotowany wcześniej skrypt. Dla bardziej doświadczonych grup korzyścią jest przede wszystkim tempo - narzędzia automatyzują czynności, które wcześniej trzeba było wykonywać ręcznie.
Druga zmiana dotyczy połączenia AI z innymi formami automatyzacji. Cyberprzestępcy od lat korzystają ze skryptów, botów i gotowych zestawów narzędzi. Generatywna sztuczna inteligencja pozwala jednak dodawać do takich procesów element adaptacji. System może na przykład analizować wynik wcześniejszego działania i sugerować kolejne rozwiązanie albo automatycznie dopasować treść wiadomości do określonego odbiorcy. W efekcie przestępcy mogą szybciej testować wiele wariantów ataku i odrzucać te, które nie działają. Nie oznacza to, że każdy cyberatak staje się nagle zaawansowany. Nadal ogromna część skutecznych włamań wykorzystuje stare problemy - słabe hasła, brak aktualizacji, nieostrożność pracowników czy błędną konfigurację systemu. AI sprawia jednak, że wyszukiwanie i wykorzystywanie takich okazji może przebiegać znacznie sprawniej.
Przez wiele lat jednym z najprostszych sposobów rozpoznawania phishingu były błędy językowe. Podejrzana wiadomość zawierała dziwne tłumaczenia, nietypową składnię, literówki albo sformułowania, których prawdziwy bank czy firma raczej by nie użyła. Generatywna sztuczna inteligencja mocno osłabia tę przewagę. Model może w kilka sekund przygotować poprawnie brzmiącą wiadomość po polsku, angielsku, niemiecku czy w innym języku. Może również dostosować jej ton do sytuacji - formalny dla księgowości, techniczny dla działu IT albo bardziej osobisty dla konkretnego pracownika. To oznacza, że brak błędów przestaje być dowodem wiarygodności wiadomości. Ładnie napisany e-mail może być równie niebezpieczny jak wiadomość pełna literówek.
Jeszcze większym problemem jest personalizacja. Jeśli przestępca posiada informacje o firmie, pracownikach, wydarzeniach branżowych czy kontrahentach, AI może pomóc szybko przygotować wiele wariantów wiadomości dopasowanych do konkretnych osób. Zamiast masowego e-maila o przypadkowej fakturze pracownik może otrzymać wiadomość odnoszącą się do rzeczywistego projektu, stanowiska albo wydarzenia, w którym uczestniczył. Nie wszystkie dane muszą pochodzić z włamania. Dużą ilość informacji można znaleźć na stronach firmowych, portalach społecznościowych i w publicznych dokumentach. Dlatego podczas oceny wiadomości coraz większe znaczenie ma nie stylistyka, lecz kontekst. Nietypowa prośba o logowanie, przelew, zmianę numeru rachunku czy przekazanie kodu powinna zostać potwierdzona innym kanałem nawet wtedy, gdy treść wygląda perfekcyjnie.
Jednym z największych skutków rozwoju generatywnej AI jest obniżenie bariery wejścia do wielu zadań technicznych. Nie oznacza to, że osoba bez wiedzy może jednym poleceniem przeprowadzić zaawansowany atak na dużą organizację. Skomplikowane operacje nadal wymagają znajomości systemów, infrastruktury i bezpieczeństwa. AI może jednak pomagać mniej doświadczonym osobom rozumieć błędy, poprawiać skrypty, tłumaczyć dokumentację i przygotowywać podstawowe elementy kampanii oszustwa. Na przestępczych forach pojawiają się również narzędzia reklamowane jako specjalnie przygotowane do phishingu, tworzenia złośliwego oprogramowania czy wyszukiwania podatności. Część z nich to zwykły marketing albo próba oszukania samych przestępców, ale sam rynek takich usług pokazuje, w jakim kierunku rozwija się cyberprzestępczość.
Koszt ataku spada także dlatego, że jedna osoba może przygotować znacznie więcej materiałów w tym samym czasie. AI pozwala automatycznie tworzyć różne wersje wiadomości, streszczać zdobyte dane, przygotowywać listy potencjalnych celów i porządkować informacje. Model biznesowy cyberprzestępczości już wcześniej opierał się na usługach sprzedawanych innym przestępcom - można było kupić dostęp do zainfekowanej sieci, zestaw phishingowy albo usługę ransomware. Sztuczna inteligencja może dodatkowo zwiększać wydajność takiego ekosystemu. Z punktu widzenia zwykłego użytkownika oznacza to przede wszystkim większą liczbę prób oszustwa. Jeżeli przygotowanie jednej kampanii wymaga mniej czasu, przestępca może jednocześnie testować znacznie więcej potencjalnych ofiar.
AI może pomagać przy tworzeniu i modyfikowaniu kodu podobnie jak podczas legalnej pracy programistycznej. Modele są wykorzystywane do znajdowania błędów, proponowania fragmentów kodu, tłumaczenia działania programu czy przenoszenia go pomiędzy różnymi językami programowania. Cyberprzestępcy próbują wykorzystywać te same możliwości. Firmy zajmujące się analizą zagrożeń obserwowały przypadki używania modeli do wspierania tworzenia złośliwego oprogramowania, a także eksperymentalne programy odwołujące się do modeli AI już podczas swojego działania. W takim scenariuszu część kodu albo sposób wykonania określonego zadania może być generowany dynamicznie zamiast znajdować się na stałe w jednym pliku.
Nie należy jednak wyciągać z tego wniosku, że klasyczne złośliwe oprogramowanie za chwilę przestanie istnieć. Dla przestępcy liczy się przede wszystkim skuteczność i niezawodność, a tradycyjne narzędzia nadal dobrze wykonują wiele zadań. Dynamiczne wykorzystywanie AI może być bardziej skomplikowane, droższe i potencjalnie mniej przewidywalne. Najbardziej prawdopodobny kierunek to więc stopniowe łączenie sprawdzonych technik z elementami AI tam, gdzie rzeczywiście dają przewagę. Może to dotyczyć modyfikowania kodu, analizy środowiska ofiary, wyboru interesujących danych albo zmiany sposobu działania po wykryciu zabezpieczeń. Dla systemów ochronnych oznacza to większe znaczenie analizy zachowania programu, a nie wyłącznie szukania znanych wcześniej fragmentów złośliwego kodu.
W cyberbezpieczeństwie szybkość ma ogromne znaczenie. Od chwili uzyskania pierwszego dostępu do systemu może rozpocząć się wyścig pomiędzy napastnikiem a zespołem bezpieczeństwa. Przestępca próbuje rozszerzyć swoje uprawnienia, odnaleźć wartościowe dane i zdobyć dostęp do kolejnych urządzeń, zanim zostanie wykryty. Automatyzacja i AI mogą skracać czas potrzebny na wykonywanie części tych zadań. Zamiast ręcznie analizować długie listy plików, konfiguracji czy danych, przestępca może wykorzystać narzędzia pomagające szybko wskazać najbardziej interesujące informacje. Podobnie AI może przyspieszać przygotowywanie kolejnych elementów operacji i analizowanie komunikatów zwracanych przez systemy.
Szybkość jest problemem również przed właściwym włamaniem. Zbieranie informacji o firmie, jej pracownikach i używanych technologiach może zostać częściowo zautomatyzowane. To skraca okres przygotowań i pozwala równolegle analizować większą liczbę potencjalnych celów. W praktyce organizacje mają więc mniej czasu na zauważenie anomalii i reakcję. Automatyzacja po stronie obronnej staje się przez to równie ważna jak automatyzacja ataku. System, który wykrywa podejrzane logowanie i automatycznie blokuje sesję, może zareagować szybciej niż człowiek analizujący alert kilkadziesiąt minut później. Wyścig pomiędzy przestępcami a obrońcami coraz częściej odbywa się więc w czasie liczonym nie w dniach, lecz w minutach.
Generowanie realistycznego głosu i obrazu znacząco rozszerza możliwości socjotechniki. Oszustwo nie musi już ograniczać się do wiadomości e-mail podpisanej nazwiskiem prezesa. Przestępca może próbować stworzyć nagranie głosowe przypominające konkretną osobę albo wykorzystać syntetyczny obraz podczas rozmowy wideo. Najbardziej oczywistym zastosowaniem są próby wyłudzania pieniędzy. Pracownik może otrzymać wiadomość od osoby wyglądającej lub brzmiącej jak przełożony, która prosi o pilny przelew albo przesłanie poufnych dokumentów. Im bardziej wiarygodna forma kontaktu, tym trudniej w pierwszej chwili zauważyć oszustwo. Właśnie dlatego zasada "słyszałem jego głos, więc to na pewno on" przestaje być wystarczającym mechanizmem weryfikacji.
Nie oznacza to, że każda rozmowa telefoniczna stanie się podejrzana. Znaczenie będzie miało tworzenie procedur, które nie opierają bezpieczeństwa na jednym sygnale. Duży przelew może wymagać dodatkowego potwierdzenia w systemie, zmiana numeru rachunku kontrahenta kontaktu przez znany wcześniej kanał, a nietypowa prośba przełożonego krótkiego telefonu na zapisany numer. W rodzinach można również ustalić prosty sposób potwierdzania tożsamości w sytuacji nagłej prośby o pieniądze. Technologia deepfake przede wszystkim pokazuje, że wygląd i głos przestają być tak silnym dowodem autentyczności jak jeszcze kilka lat temu. Najbezpieczniejsza staje się weryfikacja oparta na kilku niezależnych elementach.
Wyszukiwanie podatności jest obszarem, w którym AI może przynieść duże korzyści zarówno obrońcom, jak i napastnikom. Modele mogą analizować kod programu, wskazywać nietypowe fragmenty oraz pomagać badaczom bezpieczeństwa w identyfikowaniu miejsc wymagających dokładniejszej kontroli. Te same możliwości mogą interesować cyberprzestępców. W 2026 roku Google Threat Intelligence Group poinformował o zidentyfikowaniu przypadku, w którym aktor zagrożenia wykorzystał lukę zero-day, a analitycy ocenili, że exploit prawdopodobnie został opracowany przy wsparciu AI. Jest to istotny sygnał pokazujący, że sztuczna inteligencja przestaje być wykorzystywana wyłącznie do przygotowywania phishingu i prostych narzędzi.
Jednocześnie znalezienie luki jest tylko jednym etapem znacznie bardziej skomplikowanego procesu. Trzeba jeszcze zrozumieć warunki jej występowania, przygotować odpowiedni sposób wykorzystania i przeprowadzić działanie w rzeczywistym środowisku. AI może pomagać w części tych czynności, ale nie eliminuje potrzeby posiadania wiedzy eksperckiej. W praktyce najważniejszą zmianą może być przyspieszenie pracy osób, które już posiadają wysokie kompetencje techniczne. Z drugiej strony z tych samych narzędzi korzystają zespoły tworzące oprogramowanie. AI może pomagać znajdować błędy przed publikacją programu, analizować duże repozytoria kodu oraz szybciej przygotowywać poprawki. Rozwój AI nie musi więc automatycznie oznaczać trwałej przewagi atakujących.
Nie można powiedzieć, że samo wykorzystanie AI czyni dowolny atak niewidzialnym. Wiele zagrożeń nadal pozostawia podobne ślady jak wcześniej: nietypowe logowania, uruchamianie podejrzanych procesów, połączenia z nieznanymi serwerami, zmiany konfiguracji czy kopiowanie dużej ilości danych. Problem pojawia się wtedy, gdy AI pomaga częściej zmieniać sposób działania programu albo dostosowywać zachowanie do konkretnego środowiska. Tradycyjne rozwiązania bazujące głównie na rozpoznawaniu znanych plików i wzorców mogą mieć wtedy trudniejsze zadanie. Współczesne systemy ochrony coraz częściej analizują więc nie tylko wygląd pliku, ale również jego zachowanie.
Podobny problem dotyczy phishingu. Filtr pocztowy może łatwo rozpoznać identyczną wiadomość wysłaną do miliona osób, ale sytuacja staje się trudniejsza, gdy każda osoba otrzymuje nieco inną, dobrze napisaną wersję treści. Dlatego bezpieczeństwo coraz bardziej opiera się na łączeniu wielu sygnałów. Podejrzana domena, nietypowa lokalizacja logowania, nowy sposób korzystania z konta czy nagłe pobieranie dużej liczby dokumentów mogą razem wskazywać na atak nawet wtedy, gdy pojedyncza wiadomość wygląda wiarygodnie. AI zmusza więc obrońców do odejścia od prostego pytania "czy znamy ten konkretny wirus?" w stronę pytania "czy zachowanie użytkownika i urządzenia nadal wygląda normalnie?".
AI jest dostępna dla obu stron. Cyberprzestępcy mogą wykorzystywać ją do przyspieszania ataków, ale firmy stosują te same technologie do analizy ogromnej liczby alertów, wykrywania nietypowych zachowań, klasyfikowania wiadomości phishingowych i automatycznego reagowania na incydenty. System bezpieczeństwa może na przykład zauważyć nietypowe logowanie, porównać je z zachowaniem użytkownika, przeanalizować inne zdarzenia i podjąć decyzję o dodatkowej weryfikacji. W środowisku generującym tysiące alertów dziennie automatyzacja może być jedynym sposobem na odpowiednio szybką reakcję. AI nie jest więc technologią, która automatycznie przesuwa przewagę wyłącznie w stronę atakujących.
Największą przewagę mogą nadal dawać podstawy bezpieczeństwa. Aktualne systemy, wieloskładnikowe uwierzytelnianie, ograniczone uprawnienia użytkowników, kopie zapasowe, odpowiednia segmentacja sieci oraz szkolenia pracowników utrudniają ogromną część ataków niezależnie od tego, czy napastnik korzystał z AI. Właśnie dlatego eksperci podkreślają, że nowe technologie nie eliminują starych problemów. Cyberprzestępca może używać bardzo zaawansowanego modelu, a mimo to jego najskuteczniejszą drogą do organizacji okaże się pracownik, który poda hasło na fałszywej stronie. AI zwiększa tempo i skalę zagrożenia, ale nadal musi znaleźć słaby punkt, który pozwoli uzyskać dostęp.
Dla zwykłego użytkownika najważniejsze zasady nie zmieniają się tak bardzo, jak mogłoby się wydawać. Każde ważne konto powinno mieć unikalne hasło i włączone uwierzytelnianie wieloskładnikowe, najlepiej z wykorzystaniem aplikacji uwierzytelniającej albo klucza dostępu zamiast samego SMS-a. System telefonu i komputera powinien być regularnie aktualizowany. Nie należy instalować programów pochodzących z przypadkowych reklam i wiadomości, nawet jeśli wykorzystują logo popularnej firmy technologicznej. Szczególną ostrożność powinny wzbudzać komunikaty tworzące presję czasu: natychmiastowy przelew, blokada konta za kilka minut, pilne przekazanie kodu albo konieczność zalogowania się przez podany link.
W firmach potrzebne są również procedury zakładające, że wiadomość, głos, a nawet obraz rozmówcy mogą zostać podrobione. Przelewy i zmiany danych płatniczych powinny być potwierdzane niezależnym kanałem, a dostęp do najważniejszych systemów ograniczony zgodnie z rzeczywistymi potrzebami pracownika. Warto również posiadać kopie zapasowe oraz plan działania na wypadek incydentu. Najważniejsze jest jednak odejście od przekonania, że oszustwo zawsze będzie wyglądało podejrzanie. AI może sprawić, że fałszywy e-mail będzie napisany perfekcyjnym językiem, a syntetyczny głos będzie brzmiał bardzo znajomo. W nowym środowisku cyfrowym bezpieczeństwo coraz częściej zależy więc nie od tego, czy komunikat wygląda prawdziwie, lecz od tego, czy potrafimy niezależnie potwierdzić jego autentyczność.
Wizja sztucznej inteligencji, która sama wybiera ofiarę, przełamuje kolejne zabezpieczenia i prowadzi całą kampanię bez nadzoru człowieka, nadal wyprzedza dominującą rzeczywistość. Aktualne obserwacje firm zajmujących się cyberbezpieczeństwem pokazują przede wszystkim ataki, w których człowiek pozostaje odpowiedzialny za cel, strategię i najważniejsze decyzje. AI pomaga mu działać szybciej, analizować więcej informacji i automatyzować fragmenty operacji. Pojawiają się jednak eksperymentalne systemy i złośliwe programy potrafiące wykorzystywać modele podczas swojego działania, co pokazuje kierunek dalszego rozwoju. Granica pomiędzy narzędziem a bardziej autonomicznym agentem może więc stopniowo się przesuwać.
Najważniejszym skutkiem AI w najbliższych latach prawdopodobnie nie będzie jednak pojawienie się "cyfrowego superhakera". Znacznie bardziej realnym problemem jest industrializacja cyberprzestępczości. Ta sama grupa może przygotowywać więcej ataków, szybciej analizować cele, skuteczniej personalizować oszustwa i krócej pozostawiać obrońcom czas na reakcję. To wystarczy, aby zmienić skalę zagrożenia. Jednocześnie AI daje podobne możliwości systemom ochronnym. Przyszłość cyberbezpieczeństwa może więc przypominać wyścig dwóch coraz bardziej zautomatyzowanych stron. W tym świecie największego znaczenia nabierają dobre procedury, silna ochrona tożsamości, aktualne oprogramowanie i ograniczone zaufanie do informacji otrzymywanych wyłącznie jednym kanałem.
