Rapporter

Check Points “2026 Cloud Security Report: Securing the AI Transformation” advarer om, at virksomhedernes sikkerhed halter efter indførelsen af AI

Antoine Tardif
Føj Unite.AI til dine foretrukne kilder på Google
Nøglepunkter% af organisationer rapporterede eller havde mistanke om AI-relaterede…
Vis mere
  • % af organisationer rapporterede eller havde mistanke om AI-relaterede sikkerhedshændelser.
  • Kun 5% har fuldt overblik over medarbejderes brug af AI-værktøjer og dataflow.
  • % anser nu samlet sikkerhedsstyring som afgørende for AI-arbejdsbelastninger.

Ifølge den nye rapport “2026 Cloud Security Report: Securing the AI Transformation” fra Check Point og Cybersecurity Insiders accelererer indførelsen af kunstig intelligens hurtigere, end virksomhedernes sikkerhedsteams kan tilpasse sig. Rapporten argumenterer for, at organisationernes største problem ikke længere er, om de tager AI i brug, men om deres sikkerhedsarkitektur kan håndtere den skala, hastighed og autonomi, som AI-systemer nu bringer ind i produktionsmiljøerne.

Rapportens resultater antyder, at mange virksomheder er på vej ind i en farlig overgangsperiode. AI-assistenter, copiloter, autonome agenter og maskinstyrede arbejdsgange bliver hurtigt integreret i forretningsoperationer, men kontrollerne omkring dem forbliver fragmenterede. Traditionelle sikkerhedsarkitekturer blev designet omkring forudsigelig menneskelig adfærd, stabile applikationer og tydeligt definerede netværksgrænser. AI-systemer ændrer alle tre samtidig.

AI er allerede flyttet ind i produktion

Et af de klareste resultater i rapporten er, at AI-eksperimenteringen stort set er ovre. Omkring 70% af de adspurgte virksomheder sagde, at de allerede kører arbejdsbelastninger med generativ AI i produktionsmiljøer, mens 64% rapporterede, at de havde AI-agenter i pilot- eller produktionsimplementeringer.

Dette skift er vigtigt, fordi AI-agenter ikke længere er begrænsede til at generere tekst eller sammenfatte information. De bliver mere og mere forbundet med virksomhedsapplikationer, API’er, interne databaser og operationelle systemer. I nogle tilfælde giver virksomheder endda disse systemer privilegeret adgang til den centrale infrastruktur.

Rapporten påpeger, at 12% af virksomhederne allerede har givet AI-agenter privilegeret adgang til kritiske systemer. Dette skaber en helt anden type cybersikkerhedsproblem. Sikkerhedsholdene er ikke længere kun beskæftiget med at styre medarbejderinteraktioner med AI-værktøjer som ChatGPT eller Gemini. De er nu tvunget til at styre autonome systemer, der kan tage handlinger inden for miljøer i drift.

Ifølge rapporten sagde 83% af respondenterne, at det er sværere at sikre applikationer med generativ AI end at beskytte traditionelle software-miljøer.

Sikkerhedsincidenser er allerede udbredt

Undersøgelsesresultaterne antyder, at AI-relaterede sikkerhedsproblemer ikke længere er teoretiske. Mere end halvdelen af de adspurgte virksomheder rapporterede mindst én bekræftet AI-relateret sikkerhedsincident, mens yderligere 24% havde mistanke om hændelser, men manglede tilstrækkelig indsigt til at bekræfte dem.

Dette betyder, at 78% af virksomhederne enten ved, at de har oplevet AI-relaterede sikkerhedsproblemer, eller ikke kan udelukke dem med sikkerhed.

Incidenttyperne varierer bredt. Nogle involverer uautoriseret medarbejderbrug af eksterne AI-værktøjer, ofte kaldet skygge-AI. Andre involverer følsom datalekkage gennem AI-systemer eller AI-genererede phishing- og deepfake-angreb.

Rapporten fremhæver, at AI-trafik i stigende grad ligner legitim virksomhedsaktivitet, hvilket gør det betydeligt sværere at opdage trusler. API-opkald, modelanmodninger og udgående forbindelser til AI-tjenester kan se normale ud på netværkslaget, medmindre inspektionssystemer er i stand til at analysere adfærden af interaktionen selv.

Dette skaber en situation, hvor ondsindet aktivitet kan blande sig med legitime AI-brugsmodeller.

Kløften på 51 point i AI-sikkerheden

Måske den mest slående statistik i rapporten er, hvad forskerne beskriver som en “51-punkts parathedskløft”.

Mens 77% af virksomhederne sagde, at de havde ændret deres samlede sikkerhedsstrategi som svar på AI-adoption, troede kun 26% på, at deres nuværende sikkerhedsarkitektur faktisk var parat til at understøtte AI-drevne arbejdslaster uden større omkonstruktion.

Rapporten påstår, at denne diskonnektion forklarer, hvorfor virksomheder fortsætter med at opleve politikfejl, huller i styringen og synlighedsproblemer, på trods af øget investering og ledelsesopmærksomhed.

I mange miljøer flytter AI-arbejdslaster sig mellem cloud-tjenester, SaaS-applikationer, privat infrastruktur, API’er og fjerne slutpunkter. Eksisterende sikkerhedskontroller mister ofte konsistens ved disse grænser.

Forskere påstår, at virksomhederne mere og mere behøver samlede sikkerhedsarkitekturer, der kan anvende konsistente politikker på tværs af hybridmiljøer, snarere end at stole på adskilte værktøjer, der fungerer uafhængigt.

Indsigt i AI-aktivitet er ekstremt begrænset

Rapporten understreger gentagne gange, at mange virksomheder stadig mangler grundlæggende indsigt i deres AI-miljøer.

Kun 5% af respondenterne sagde, at de havde fuld indsigt i, hvilke AI-værktøjer medarbejderne bruger, hvordan der tilgås disse værktøjer og hvor følsomme data flyder, når de kommer ind i AI-systemer.

En tilsvarende procentdel sagde, at de pålideligt kan skelne mellem legitim AI-aktivitet og mistænkelig eller uautoriseret adfærd.

Dette skaber betydelige operationelle blinde pletter. Browserbaserede AI-assistenter kan efterlade meget få endpoint-beviser, mens API-baserede AI-interaktioner kan omgå traditionelle SaaS-opdagelsessystemer helt. AI-agenter, der fungerer under servicekonti, kan også se utilskillelige ud fra normalt automatiseret systemadfærd.

Uden AI-specifik telemetri og overvågning forsøger mange virksomheder i praksis at sikre miljøer, de ikke fuldt ud kan observere.

Eksisterende infrastruktur er ikke bygget til AI-trafik

Rapporten påstår også, at AI fundamentalt ændrer virksomhedstrafikmønstre.

Virksomhederne rapporterede dramatiske øgninger i API-drevet trafik, kommunikationsstrømme mellem brugere og AI-systemer, øst-vest-trafik inde i datacentre og udgående anmodninger til eksterne AI-tjenester.

Disse skift belaster eksisterende infrastruktursikkerhedsværktøjer.

Kun 24% af virksomhederne sagde, at deres netværkssikkerhedsværktøjer fuldt ud kan inspicere AI-trafik uden at forringe ydeevnen. Samtidig rapporterede 67% fragmenterede sikkerhedspolitikker på tværs af hybridmiljøer.

Forskere påstår, at traditionelle arkitekturer bygget omkring forudsigelige bruger-sessioner og stabile applikationsflader nu er tvunget til at styre dynamiske, API-tunge, service-medierte interaktioner, der sker på tværs af multiple miljøer samtidig.

Rapporten peger også på en voksende migration af AI-arbejdslaster tilbage til private datacentre og hybrid-infrastruktur. Omkring 29% af virksomhederne sagde, at de allerede flytter AI-arbejdslaster til private eller on-premises-miljøer, mens yderligere 49% overvejer det.

Denne tendens er delvist drevet af regulatoriske bekymringer, performanceskrav og ønsket om at placere AI-beregninger tættere på følsomme virksomhedsdata.

WAF og traditionelle sikkerhedskontroller kæmper

Et andet større tema i rapporten er den voksende uoverensstemmelse mellem AI-applikationer og traditionelle web-sikkerhedsværktøjer.

Kun 22% af respondenterne sagde, at deres Web Application Firewall (WAF) eller WAAP-løsninger er effektive til at opdage GenAI-specifikke angreb som prompt-injektion. Samtidig rapporterede 71% øgede falske positiver, siden de adopterede arbejdsbelastninger med generativ AI.

Traditionel WAF-logik blev designet omkring forudsigelig browser-trafik, kendte signaturer og strukturerede anmodninger. AI-systemer genererer lange prompts, streaming-svar, model-specifikke API-interaktioner og autonome service-til-service-kommunikation, der ofte falder uden for disse antagelser.

Runtime-beskyttelsen er også umoden.

Kun 17% af virksomhederne sagde, at de havde implementeret runtime-kontroller i bredt omfang, der kan inspicere og gennemtvinge politik på LLM-input og output i realtid. Mere end halvdelen rapporterede, at de enten ikke havde en formel sikkerhedstestproces for GenAI-applikationer eller kun benyttede ad hoc-test.

Rapporten advarer om, at mange virksomheder deployer AI-funktionalitet i produktionsmiljøer hurtigere, end de kan validere deres sikkerhed ordentligt.

Medarbejdere fortsætter med at omgå AI-beskyttelse

Selv når virksomheder implementerer kontroller, omgår medarbejderne dem ofte.

Ifølge undersøgelsen sagde 42% af virksomhederne, at medarbejderne omgår AI-sikkerhedskontrollerne, når disse kontroller skaber friktion eller sænker produktiviteten.

Denne adfærd strækker sig fra brug af personlige AI-konti til adgang til browserbaserede værktøjer uden for godkendte virksomheds-miljøer.

Rapporten påstår, at dette reflekterer et dybere arkitektonisk problem. Sikkerhedspolitikker, der forstyrrer arbejdsgange, fejler ofte, fordi medarbejderne prioriterer hastighed og brugervenlighed over overholdelse.

Forskere foreslår, at virksomhederne skal gøre godkendt AI-adgang lettere og mere gnidningsfri end ikke-godkendte alternativer, hvis de håber at reducere skygge-AI-brug.

Et skift mod samlede AI-sikkerhedsarkitekturer

Gennem hele rapporten returnerer Check Point og Cybersecurity Insiders gentagne gange til ideen om, at AI-sikkerhed ikke kan løses gennem isolerede punktløsninger.

I stedet påstår rapporten, at virksomhederne langsomt bevæger sig mod bredere “hybrid mesh”-sikkerhedsarkitekturer, der kan anvende centraliseret politik-gennemtvingelse på tværs af cloud-infrastruktur, datacentre, SaaS-platforme, slutpunkter og AI-arbejdslaster samtidig.

Ifølge undersøgelsen betragter 86% af virksomhederne nu samlet sikkerhedsstyring på tværs af datacentre, cloud og kant-miljøer som kritisk for AI-arbejdslaster.

Rapporten konkluderer, at AI afslører svagheder, der allerede eksisterede inden for fragmenterede virksomhedssikkerhedsmodeller. Udfordringen er ikke længere kun at opdage trusler efter, at de er sket. Det er at bygge forebyggende arkitekturer, der kan fungere med samme hastighed og skala som moderne AI-systemer.

Som “2026 Cloud Security Report: Securing the AI Transformation” gør klart, har mange virksomheder allerede taget AI i brug i driften, men deres sikkerhedsfundamenter halter stadig bagefter.

Antoine er en visionær leder og stiftende partner i Unite.AI, drevet af en urokkelig passion for at forme og fremme fremtiden for AI og robotteknologi. Som serieiværksætter mener han, at AI vil forandre samfundet lige så grundlæggende som elektriciteten, og han taler ofte begejstret om potentialet i banebrydende teknologier og kunstig generel intelligens (AGI).

Som fremtidsforsker er han optaget af at undersøge, hvordan disse innovationer vil forme vores verden. Han er desuden grundlægger af Securities.io, en platform med fokus på investering i avancerede teknologier, der omdefinerer fremtiden og omformer hele brancher.