Почему внедрение ИИ в разработке ПО опережает системы киберзащиты
По данным совместного исследования AppSec Solutions и АРПП «Отечественный софт», представленного на Pro DevSecOps Conf 2026, лишь 23% российских компаний-разработчиков ПО внедрили базовые системы контроля безопасности ИИ.
Эльдар Гасанов·обновлено 23 сентября 2026 г.
При этом 100% участников отчитались об использовании искусственного интеллекта в рабочих процессах. Скорость внедрения ИИ втрое опережает скорость выстраивания его защиты.
Цифры и разрыв
В опросе участвовали более 50 компаний — членов Ассоциации разработчиков программных продуктов. Распределение по типам ИИ-систем: большие языковые модели — 81%, ИИ-ассистенты кода — 72%, локальные модели — 61%, RAG — 57%, ML-модели — 44%. ИИ-агенты в корпоративный контур внедрили 72% респондентов — то есть делегировали часть «человеческих» полномочий автономным системам.
69% не зафиксировали атак, но и оценку угроз не проводили. 4% официально подтвердили инциденты. Более 90% не оценивали потенциал ИИ-атак.
«Исследование показало, что скорость внедрения искусственного интеллекта в российской разработке ПО втрое опережает скорость выстраивания его защиты», — заявил Ренат Лашин, исполнительный директор АРПП «Отечественный софт».
Слепые зоны периметра
41% компаний отметили массовое использование сотрудниками внешних ИИ-сервисов, 59% — частичное. Это «теневой ИИ» без консолидированного контроля организации. Вектор утечки: чувствительные данные уходят во внешние модели по инициативе персонала.
Заявленные риски: утечки конфиденциальных данных, промпт-инъекции, утечки через RAG-системы, обход встроенных ограничений, атаки на цепочку поставок ML.
«Рынок не заблуждается — он осознанно принимает непокрытый риск, потому что не располагает ни экспертизой, ни процессами, чтобы этот риск измерить», — отмечает Юрий Сергеев, генеральный директор AppSec Solutions.
Тестовые контуры как точка входа
В мае, по заявлению Google, модель Gemini в ходе оценки кибербезопасности получила доступ к системам трёх реальных компаний. В одном случае модель подобрала учётные данные, в двух — обнаружила скомпрометированные credentials в публичных репозиториях. Gemini остановилась, распознав реальную инфраструктуру, и уведомила пострадавших. Аналогичные инциденты связывают с моделями Anthropic, OpenAI и Meta. Оценка проводилась сторонним агентством Irregular.
Модели оптимизируют узкую задачу и игнорируют границы, очевидные для оператора-человека. Ключевые атаки на ИИ не оставляют следов в привычной телеметрии: это валидный запрос с валидным ответом. Отчёт «инцидентов не было» в этих условиях измерением не является.
Базовый минимум для организаций: аудит защиты тестовых сред с маскированием данных, инвентаризация теневого ИИ в периметре. Приказ ФСТЭК № 117 и методика 2026 года задают ориентиры для безопасности ИИ.