Harold Byun, CEO BlueRock – Wywiad

Harold Byun, CEO BlueRock, to doświadczony executive z branży enterprise technology z głęboką wiedzą w zakresie cyberbezpieczeństwa, platform SaaS, bezpieczeństwa chmury i przywództwa produktowego. Przed objęciem stanowiska CEO w kwietniu 2026 r. pełnił funkcję Chief Product Officer, gdzie pomógł ukształtować kierunek rozwoju BlueRock wokół agentic AI security i obserwowalności. Przed dołączeniem do BlueRock, Byun pełnił stanowiska kierownicze w AppOmni, ServiceNow (NOW ), Skyhigh Networks, Symantec i Citrix po przejęciu Zenprise. W tych rolach zbudował reputację pomagając przedsiębiorstwom zabezpieczać coraz bardziej złożone środowiska chmury i danych, co teraz bezpośrednio wiąże się z nowymi wyzwaniami bezpieczeństwa związanymi z autonomicznymi agentami AI i ekosystemami Model Context Protocol (MCP).

BlueRock koncentruje się na zabezpieczaniu warstwy wykonawczej systemów agentic AI, co staje się coraz bardziej krytyczne, gdy przedsiębiorstwa wdrażają autonomiczne agenty AI zdolne do interakcji z narzędziami, API, kodami źródłowymi i wrażliwymi danymi przedsiębiorstwa. Firma rozwija technologie bezpieczeństwa i obserwowalności zaprojektowane do monitorowania, izolowania i egzekwowania ograniczeń zachowania agentów AI, szczególnie w środowiskach opartych na MCP. Platforma BlueRock kładzie nacisk na widoczność czasu wykonywania i ochronę warstwy wykonawczej, a nie tylko na środki ostrożności na poziomie promptu, co odzwierciedla szerszy trend przemysłowy w kierunku zabezpieczania, jak agenci AI działają, a nie tylko tego, co mówią. Gdy organizacje przechodzą od eksperymentów z AI do autonomicznych przepływów pracy w produkcji, firmy jak BlueRock stawiają się w centrum tego, co może stać się nową główną kategorią w ramach bezpieczeństwa przedsiębiorstwa.

Przez lata pracowałeś w chmurze, SaaS, Data Loss Prevention (DLP) i bezpieczeństwie przedsiębiorstwa w firmach jak AppOmni, Symantec, ServiceNow i Skyhigh Networks. Co przekonało Cię, że bezpieczeństwo czasu wykonywania dla agentów AI stanie się następną dużą kategorią bezpieczeństwa?

To, co stało się dla mnie oczywiste, to fakt, że AI zmienia miejsce, w którym występuje znaczące ryzyko operacyjne i złożoność. W tradycyjnym oprogramowaniu większość zachowań jest definiowana przed wdrożeniem. W systemach agenticznych zachowanie coraz częściej pojawia się podczas wykonywania za pomocą promptów, kontekstu, narzędzi, API, serwerów MCP i interakcji downstream.

To tworzy bardzo inny model operacyjny. Gdy agenci mogą dynamicznie podejmować decyzje i wykonywać czynności w systemach, organizacje tracą wyraźną widoczność i zrozumienie operacyjne, na którym polegały przez lata.

Widziałem podobne zmiany platformy wcześniej w bezpieczeństwie chmury i SaaS, gdzie infrastruktura ewoluowała szybciej niż systemy zarządzające nią. AI tworzy kolejny z tych momentów. Długoterminowe wyzwanie nie polega tylko na bezpieczeństwie modelu. Polega na umożliwieniu organizacjom bezpiecznego działania systemów agenticznych na dużą skalę.

Kategoria, która ostatecznie będzie miała znaczenie, to ta, która pomoże organizacjom zrozumieć, co agenci tak naprawdę robią w produkcji, i da im pewność, aby odpowiedzialnie skalować operacje AI.

BlueRock mówi o „Agentic Execution Gap”, gdzie organizacje tracą widoczność, gdy agenci zaczynają działać autonomicznie w czasie wykonywania. Dlaczego tradycyjne narzędzia obserwowalności i bezpieczeństwa nie działają w tych środowiskach?

Tradycyjne narzędzia obserwowalności i bezpieczeństwa zostały zaprojektowane dla deterministycznych systemów z względnie przewidywalnymi ścieżkami wykonywania. Zakładają, że deweloperzy w większości wiedzą, jak aplikacje mają się zachowywać przed ich uruchomieniem.

Systemy agenticzne łamią to założenie.

Agenci mogą dynamicznie odkrywać narzędzia, wywoływać serwery MCP, łączyć przepływy pracy, interakcje z API i podejmować decyzje w czasie rzeczywistym. Ścieżka wykonywania często pojawia się podczas wykonywania.

Większość istniejących narzędzi przechwytuje fragmenty, takie jak logi, ślady, telemetria lub dane wyjściowe modelu. Ale organizacje coraz częściej potrzebują przyczynowego zrozumienia całej ścieżki wykonywania: dlaczego agent wybrał narzędzie, jaki kontekst wpłynął na decyzję, które systemy downstream zostały dotknięte i jakie działania wystąpiły w wyniku.

To jest Agentic Execution Gap. Wykonywanie stało się dynamiczne, ale modele widoczności i kontroli nie ewoluowały wraz z nim.

Rosnąca liczba przedsiębiorstw eksperymentuje z architekturami opartymi na Model Context Protocol (MCP) i autonomicznymi przepływami pracy AI. Jakie są największe złudzenia bezpieczeństwa, których organizacje nadal doświadczają w odniesieniu do serwerów MCP i systemów agenticznych?

MCP szybko staje się podstawową infrastrukturą dla tego, jak agenci AI odkrywają, łączą się i interakcjują z narzędziami, systemami i danymi przedsiębiorstwa.

To, co sprawia, że MCP jest ważne, to fakt, że dramatycznie zmniejsza tarcie między systemami AI a środowiskami operacyjnymi. Zwiększa prędkość deweloperów i odblokowuje potężne przepływy pracy, ale także masowo zwiększa liczbę ścieżek wykonywania, które agenci mogą podjąć w systemach przedsiębiorstwa.

W wielu przypadkach organizacje mogą już mieć narzędzia AI, które interakcjują z usługami połączonymi z MCP, bez pełnego zrozumienia narażenia operacyjnego, które jest tworzone.

Inne złudzenie polega na tym, że kontrolowanie promptów lub modeli jest wystarczające. W praktyce większe ryzyko pojawia się po podjęciu decyzji przez model. Gdy agenci mogą wywoływać narzędzia, wykonywać przepływy pracy, pobierać wrażliwe dane lub interakcje z infrastrukturą, wyzwanie przechodzi w kierunku zachowania w czasie wykonywania i kontroli wykonywania.

Powierzchnia operacyjna rośnie znacznie szybciej niż większość modeli zarządzania i obserwowalności została zaprojektowana, aby ją obsłużyć.

Badania BlueRock ujawniły poważne słabości w publicznych serwerach MCP, w tym Server-Side Request Forgery (SSRF) i ekspozycję iniekcji poleceń. Czy przedsiębiorstwa zaniżają, jak szybko ekosystemy MCP mogą stać się nową powierzchnią ataku łańcucha dostaw oprogramowania?

Tak. Myślę, że branża jest jeszcze na wczesnym etapie zrozumienia, jak ważne może być środowisko MCP z punktu widzenia łańcucha dostaw i zaufania operacyjnego. Na przykład, ponad 36% z 11 000 serwerów MCP, które przeanalizowaliśmy, ma nieograniczone słabości SSRF. Większość ludzi w branży nie rozumie, że to skutecznie otwiera całą sieć z punktu widzenia dostępu do danych. To nigdy nie byłoby dopuszczone w prawie każdym środowisku przedsiębiorstwa na świecie.

Historycznie organizacje martwiły się o biblioteki, kontenery i zależności open source, ponieważ te komponenty stawały się częścią stosu oprogramowania przed wdrożeniem. MCP zmienia ten model. Agenci mogą teraz dynamicznie odkrywać i interakcjonować z zewnętrznymi narzędziami i usługami podczas samego wykonywania. I w wielu przypadkach deweloperzy i biznes po prostu ruszyli do przodu i wdrożyli MCP, nie rozumiejąc ani oceniając ryzyka.

To tworzy bardzo inny problem zaufania.

Organizacje nie zarządzają już tylko statycznymi zależnościami. Coraz częściej zarządzają dynamicznymi zależnościami wykonywania, które pojawiają się, gdy systemy są uruchomione. Agenci mogą wywoływać narzędzia, łączyć przepływy pracy lub uzyskiwać dostęp do systemów downstream w sposób, którego operatorzy nie w pełni przewidują ani obserwują.

Nasze badania wokół SSRF, iniekcji poleceń i innych słabości odzwierciedlają, jak nie dojrzałe są jeszcze części ekosystemu. Ale większy problem jest szerszy niż poszczególne słabości. Gdy wdrożenie MCP przyspiesza, organizacje będą potrzebować znacznie głębszej widoczności, jak autonomiczne systemy interakcjują z zewnętrznymi usługami podczas wykonywania.

Wasza platforma kładzie nacisk na „agenticzną obserwowalność” zamiast tylko monitorowania promptów lub danych wyjściowych. Co tak naprawdę oznacza widoczność czasu wykonywania, gdy agenci podejmują dynamiczne decyzje w narzędziach, API i infrastrukturze?

Widoczność czasu wykonywania wymaga zrozumienia pełnej ścieżki wykonywania, a nie tylko izolowanych zdarzeń.

Organizacje muszą zobaczyć, jak decyzja modelu staje się działaniem w narzędziach, serwerach MCP, API, infrastrukturze i systemach downstream. To oznacza zrozumienie, dlaczego agent wybrał narzędzie, jaki kontekst wpłynął na decyzję, jakie uprawnienia zostały udzielone, jakie działania zostały wywołane i jaki operacyjny wynik został ostatecznie utworzony.

To staje się szczególnie ważne, gdy agenci działają w rozproszonych i efemerycznych środowiskach, gdzie tradycyjne monitorowanie szybko się fragmentuje.

Sam monitoring promptów nie jest wystarczający, ponieważ prompty nie wyjaśniają zachowania operacyjnego. Dane wyjściowe nie są wystarczające, ponieważ nie ujawniają, które systemy zostały dotknięte downstream.

Przyszłość obserwowalności w systemach agenticznych jest świadoma wykonywania. Chodzi o zrozumienie zachowania od decyzji do działania do wyniku w czasie rzeczywistym.

Silnik zaufania BlueRock wydaje się dołączać dane tożsamości, zaufania i zdolności bezpośrednio do przepływów wykonywania w czasie rzeczywistym. Jak ważne będzie kontekstowe zaufanie, gdy agenci AI coraz częściej będą interakcjonować z zewnętrznymi narzędziami i systemami w sposób autonomiczny?

Kontekstowe zaufanie staje się podstawowe w systemach agenticznych, ponieważ agenci podejmują decyzje dynamicznie w czasie wykonywania.

Tradycyjne systemy opierały się silnie na statycznych założeniach zaufania. Ale agenci coraz częściej działają w zmieniających się kontekstach, zewnętrznych narzędziach, API, serwerach MCP, tożsamościach i uprawnieniach.

Organizacje muszą oceniać zaufanie w sposób ciągły podczas samego wykonywania. Nie tylko, czy model jest bezpieczny, ale czy wywoływane narzędzie jest zaufane, czy żądane działanie odpowiada oczekiwanemu zachowaniu i jakie ryzyko operacyjne wprowadza to działanie.

Dlatego uważamy, że kontekst zaufania staje się krytyczną infrastrukturą dla następnej generacji systemów AI.

Obserwujemy szybkie przyjęcie agentów kodowania AI i autonomicznych przepływów pracy deweloperskich. Jakie są najbardziej niepokojące ryzyka, gdy agenci zyskują możliwość modyfikowania infrastruktury, wdrażania kodu lub interakcji z systemami produkcyjnymi bez przeglądu ludzkiego?

Największa zmiana polega na tym, że organizacje próbują dramatycznie zwiększyć prędkość deweloperów, umożliwiając nie tylko tradycyjnym inżynierom oprogramowania, ale także nowej generacji deweloperów AI i citizen developerom.

Agenci kodowania AI mogą już generować kod, modyfikować infrastrukturę, interakcjonować z pipeline’ami CI/CD, wywoływać usługi chmury i uzyskiwać dostęp do wrażliwych systemów. Wysiłek produkcyjny jest ogromny, ponieważ przedsiębiorstwa mogą teraz odblokować zarówno doświadczonych deweloperów, jak i nową generację deweloperów AI i citizen developerów.

Wyzwanie polega na tym, że złożoność operacyjna rośnie równie szybko. Obawa nie dotyczy tylko zachowania malwersatywnego. Dotyczy negatywnego wpływu, jaki agent może mieć, powodując awarie produktu i wpływając na dostępność danych i infrastruktury dla organizacji. Ten rodzaj niespodziewanego zachowania jest podobny do publicznego problemu bucketu S3 z dziesięciu lat temu. Oczekujemy, że agenci będą się zachowywać. Oczekujemy, że będą wprowadzane ograniczenia i kontrole. Ale są ścieżki do niespodziewanego zachowania, nadmiernych uprawnień, ukrytych zależności, niebezpiecznego użycia narzędzi lub ścieżek wykonywania, których nikt nie przewidział. I to spowoduje więcej awarii lub nieoptymalnych wdrożeń, w których ludzie stają się operatorami, a ROI nie jest w pełni realizowany.

Organizacje potrzebują widoczności operacyjnej i kontroli świadomych wykonywania, które poruszają się wraz z obciążeniem, aby mogły bezpiecznie skalować rozwój AI bez spowalniania innowacji.

Wiele organizacji nadal myśli o bezpieczeństwie AI głównie przez pryzmat bezpieczeństwa modelu i wstrzykiwania promptu. Dlaczego uważasz, że branża musi teraz przesunąć się w kierunku zabezpieczania działań i ścieżek wykonywania zamiast?

Bezpieczeństwo modelu i wstrzykiwanie promptu absolutnie mają znaczenie, ale reprezentują tylko część wyzwania.

Branża przechodzi od systemów, które generują odpowiedzi, do systemów, które podejmują działania. Gdy agenci mogą wywoływać narzędzia, modyfikować systemy, pobierać wrażliwe dane, wykonywać przepływy pracy lub interakcjonować z infrastrukturą, ryzyko operacyjne przechodzi w kierunku samego zachowania wykonywania.

Doskonale dopasowany model może nadal tworzyć ryzyko, jeśli wywoła nieodpowiednie narzędzie, uzyska dostęp do nieodpowiedniego systemu lub spowoduje niespodziewane działania downstream. Dlatego zabezpieczanie tylko promptów jest niewystarczające. I zawsze będą nowe podejścia do ominięcia tych rodzajów zabezpieczeń promptów. To będzie ciągła gra w kotka i myszkę.

Organizacje muszą uznać, że te zabezpieczenia będą omijane, a gdy będą, potencjalny negatywny wpływ jest największy na końcu ścieżki wykonywania. W związku z tym coraz bardziej potrzebują widoczności i kontroli w całej ścieżce wykonywania i wpływu operacyjnego zachowania agenta w czasie rzeczywistym.

Niektórzy badacze porównali przyjęcie MCP do udostępnienia systemom AI „uniwersalnego portu USB” do infrastruktury przedsiębiorstwa. Jak firmy powinny balansować ogromną wydajność agentów połączonych z ryzykiem operacyjnym, które one wprowadzają?

Wydajność jest realna. MCP dramatycznie upraszcza, jak agenci łączą się z narzędziami, systemami i przepływami pracy, co jest jednym z powodów, dla których wdrożenie jest tak szybkie.

Ale organizacje powinny unikać myślenia o MCP tylko jako warstwie łączności. Skutecznie staje się częścią operacyjnej tkaniny przedsiębiorstwa.

Równowaga polega na umożliwieniu deweloperom i AI-nativnym budowniczym poruszania się szybko, utrzymując przy tym widoczność i kontrolę świadomą wykonywania.

To oznacza zrozumienie bezpieczeństwa samej implementacji serwera MCP, dlatego zbudowaliśmy mcp-trust.com. I oznacza to zrozumienie, z którymi serwerami MCP agenci interakcjują, jakie narzędzia te serwery ujawniają, jakie uprawnienia są udzielone i jak działania propagują się podczas wykonywania.

Organizacje, które odniosą sukces, będą tymi, które zbudują zaufanie operacyjne wokół autonomicznego wykonywania.

Spójrzając w przyszłość, jaki będzie wyglądał dojrzały stos bezpieczeństwa AI przedsiębiorstwa w świecie, w którym autonomiczni agenci rutynowo współpracują, podejmują decyzje i wykonują zadania w wielu systemach w produkcji?

Myślę, że dojrzały stos AI przedsiębiorstwa stanie się znacznie bardziej ukierunkowany na wykonywanie.

Organizacje nadal będą potrzebować bezpieczeństwa modelu, tożsamości, ochrony danych i bezpieczeństwa infrastruktury. Ale większa zmiana polega na tym, że przedsiębiorstwa będą potrzebować systemów operacyjnych zaprojektowanych dla autonomicznego i nie-deterministycznego oprogramowania.

Gdy agenci coraz częściej współpracują, podejmują decyzje i wykonują zadania w narzędziach, infrastrukturze i biznesowych przepływach pracy, organizacje będą potrzebować ciągłej widoczności, jak systemy AI zachowują się podczas wykonywania.

Przyszły stos połączy obserwowalność, kontekst zaufania, operacyjne zarządzanie, egzekwowanie polityki świadomej wykonywania, tożsamość i bezpieczeństwo czasu wykonywania w jedną warstwę operacyjną dla systemów agenticznych.

Organizacje, które odniosą sukces, będą tymi, które mogą ciągle zrozumieć i zoperacjonalizować autonomiczne wykonywanie bez spowalniania innowacji. Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić BlueRock.