Sean Roche, Obsidian Security Ürün Pazarlaması ve Değer Mühendisliği Kıdemli Direktörü — Röportaj Serisi

Sean Roche, Obsidian Security’de Ürün Pazarlaması ve Değer Mühendisliği Kıdemli Direktörü olarak SaaS güvenliği, yapay zekâ güvenliği ve pazara giriş stratejisine odaklanan bölümler arası girişimlere liderlik ediyor. Şirketin ilk birleşik kullanım senaryosu çerçevesini geliştirerek satış, pazarlama ve müşteri başarısı ekiplerini ölçülebilir iş sonuçları etrafında buluşturmada önemli rol oynadı. Üretken yapay zekâ ve yapay zekâ ajanlarına yönelik güvenlik çözümlerinin lansmanlarını da yönetti. Daha önce Forter, Aviatrix ve Okta’da liderlik görevleri üstlendi; iş değeri danışmanlığı, fiyatlandırma stratejisi, müşteri değeri analizi ve üst yönetim için yatırım getirisi analizinde uzmanlaştı. Siber güvenlik, kurumsal yazılım stratejisi ve finansal araştırmayı birleştiren deneyimiyle teknik yetenekleri kurumsal müşteriler için ölçülebilir iş sonuçlarına dönüştürdü.

Obsidian Security, modern bulut ortamlarında SaaS uygulamalarını, yapay zekâ ajanlarını, kimlikleri ve kurumsal entegrasyonları koruyan bir siber güvenlik şirketidir. Birleşik platformu; tehdit tespitini, SaaS güvenlik durumunun yönetimini, veri erişiminin denetlenmesini ve iş açısından kritik uygulamalardaki riskli faaliyetlerin izlenmesini destekler. Bu uygulamalar arasında Microsoft 365, Salesforce (CRM ), Slack ve diğer bulut hizmetleri bulunur. Son yıllarda yapay zekâ ajanlarının güvenliğine de odaklanarak otonom sistemlerin SaaS platformları, veriler ve iş akışlarıyla gerçek zamanlı etkileşimini işletmelerin görmesini sağlıyor. CrowdStrike (CRWD ), Okta, Cylance ve Carbon Black deneyimine sahip güvenlik liderlerinin kurduğu Obsidian, bulut ve ajan tabanlı yapay zekâ ortamlarının artan karmaşıklığına yönelik uçtan uca bir SaaS ve yapay zekâ güvenlik platformu olarak konumlanıyor.

Kariyerinizi iş değeri, risk stratejisi ve SaaS güvenliğinin kesişiminde kurdunuz. Şimdi Obsidian Security’de değer mühendisliği ve ürün pazarlamasını yönetiyorsunuz. Yapay zekâ destekli SaaS ekosistemlerinin güvenliğine yönelmenizi ne sağladı ve OpenClaws gibi yeni ajan teknolojilerinde Obsidian’ın yaklaşımı nasıl farklılaşıyor?

Kariyerim boyunca en büyük boşluk, güvenlik sistemlerinin göremediği alanlar oldu; çünkü gerçek ihlaller orada yaşanıyor. Bağlantısı kesilmiş veya yönetilmeyen sistemlerin geleneksel kontrollerin yakalayamadığı riskler yarattığı olaylar gördük. Büyük platformlara bağlanmak için kullanılan modern bağlantı araçlarında ve olağan güvenlik görünürlüğünün dışında kalan bağlantılarda da aynı durumu doğrudan yaşadım. Bazen BT ekibi bunları devre dışı bıraktığını düşündükten sonra bile bağlantılar sürüyordu. Bu deneyimler riskin yalnızca koruduğumuzu düşündüğümüz sistemlerin içinde değil, sistemler arasındaki bağlantı noktalarında da ne kadar yoğun olduğunu gösterdi.

Bu gerçeklik gölge BT’den gölge yapay zekâya kayıyor. Yeni araçlar ve ajanların yürüttüğü iş akışları, yönetişim stratejilerinin yetişebileceğinden hızlı ortaya çıkıp yayılıyor. Birçok güvenlik yaklaşımı her şeyi tek bir kontrol katmanında merkezileştirmeye çalışıyor. Ancak dağıtık ortamlarda bu model işlemiyor; özellikle kritik veriler ve faaliyetler, sahibi olmadığımız ve tamamen kontrol edemediğimiz üçüncü taraf uygulamaların içinde gerçekleşiyorsa.

Yapay zekâ destekli SaaS ekosistemlerinin güvenliğine yönelmemin ve Obsidian’ın yaklaşımını ikna edici bulmamın nedeni bu. SaaS ihlallerinin sayısı %300 arttı; buna rağmen çoğu kuruluş bu uygulamaların nasıl kullanıldığını yeterince göremiyor. İşletmede gerçekte neler olduğunu ve riskin nerede bulunduğunu anlamak için bu boşluğa odaklanıyoruz. OpenClaws gibi ajan teknolojileri olgunlaştıkça yaklaşım daha da önem kazanıyor. Risk yalnızca ajanın belirli verilere erişip erişememesi değil, nelere erişebildiği ve ne kadar hızlı harekete geçebildiğidir.

OpenClaws gibi ajan tabanlı yapay zekâ sistemleri NVIDIA (NVDA ) GTC’nin ardından büyük ilgi görüyor. Güvenlik riski açısından önceki yapay zekâ araçlarından temel farkları nedir?

İnsan dışı kimliklerin ne olduğunu ve nasıl korunacağını anlamak güvenlik ekipleri için kritik hale geldi. Çünkü BT güvenlik olaylarının %68’i artık makine kimliklerini içeriyor ve ankete katılan işletmelerin yarısı, yönetilmeyen insan dışı kimlikler nedeniyle güvenlik ihlali yaşadı. Güvenlik sektörü SaaS güvenlik durumu yönetimine ve insan kimliklerinin yönetişimine odaklanırken insan dışı kimlikler arka planda çoğaldı. Kuruluşlar yönetici ayrıcalıklarına sahip yapay zekâ ajanlarını büyük ölçekte devreye aldıkça yönetişim açığı kritik hale geldi.

OpenClaws gibi sistemler gerçekten otonom ajanların hem olanaklarını hem risklerini gösteriyor. Dar ve gözetimli bir iş akışının ötesinde, gerçek ortamda gerçek özerklikle çalışan yapay zekâyı gördüğümüz ilk örneklerden biri.

Bu yeteneklere erişim kolaylaşınca güvenlik riski hızla değişiyor. Uzman olmayanların kritik sistemlerle etkileşime girme ve bunları potansiyel olarak kötüye kullanma eşiği düşüyor. İnsanlar ajanları API anahtarları, yerleşik entegrasyonlar ve üçüncü taraf uygulamalar üzerinden SaaS ortamlarına zaten bağlıyor. Her yeni ajan destekli iş akışı erişim yollarını katlıyor.

Yakın zamandaki Vercel ihlali bu büyüyen tehdidi gösteriyor. Bir üçüncü taraf uygulamasını yetkilendirince onun altyapısına dokunan herkese, bulut sağlayıcısına, geliştiricilerine ve onların bağlı hizmetlerine örtük olarak güvenmiş oluyorsunuz. Çoğu kuruluş gerçekte neye onay verdiğini bilmiyor. Ajan tabanlı yapay zekânın kontrolsüz yaygınlaşması bunu daha da büyütüyor.

Birçok ajan, davranışını sınırlayacak gerçek bir teknik kontrol çerçevesi olmadan çalışıyor. Ajanın faaliyetini tanımlayan izler yoksa veya koruyucu sınırlar zayıfsa ajanın ne yaptığını, hangi kaynaklara dokunduğunu ve neyi değiştirdiğini sonradan inceleme yapmadan anlamak zordur. Bu bileşim, önceki yapay zekâ araçlarından temelden farklı bir risk profili yaratıyor.

OpenClaws’ın geniş izinler ve özerklik nedeniyle yeni saldırı yüzeyleri açabileceğini söylediniz. Bu riskin bir işletme için somutlaştığı gerçek bir senaryoyu anlatabilir misiniz? 

OpenClaws’ın riski, ajanlar yalıtılmış görevlerden gerçek üretim ortamlarına geçtiği anda somutlaşıyor. Bu zaten oluyor.

Çoğu kuruluş doğru kişinin ajana erişebilmesine ve ajanın beklendiği gibi davranmasına odaklanıyor. Ancak bir ajan başka bir ajanla etkileşime başladığında ne olacağını düşünen kuruluş az.

Saldırı yüzeyi o noktada büyüyor. Slack mesajları veya Jira görevleri gibi bir sistemin çıktıları başka sistemdeki eylemleri tetikliyor. Liderler etkileşimlerin kontrolünü kaybediyor; tutarlı görünürlük ve denetim izi sağlayamıyor. Ajanlar aynı anda SaaS API’leri üzerinden bağlanıyor ve bunların birçoğunda hâlâ uygun ağ geçitleri veya güvenlik önlemleri yok.

Ortalama işletme yüzlerce ajan çalıştırıyor. Bu sayı geçen yıl neredeyse 100 katına çıktı. Ekipler gerçekten incelediğinde %38’inin orta, yüksek veya kritik risk taşıdığını görüyor. Çoğunun kayıtlı sorumlusu yok; bazılarını artık var olmayan hesaplar oluşturmuş, ancak üretim sistemlerine etkin bağlantıları bulunuyor ve hiç çalıştırma geçmişleri yok.

Boşluğu kapatmak için uygulamaların içine derinlemesine bakmak gerekiyor: Bu erişim bilgileri her sistemde ve veri kümesinde, bunları kullanarak eylem başlatabilecek her olası çağıran için neye izin veriyor? Doğru bağlam olmadan resmin yarısını görüyorsunuz. Liderler tespitten çalışma sırasında zorunlu kontrole geçmeli; eylemi tamamlanmadan, yürütüldüğü anda engellemeli, zarar oluştuktan sonra değil.

Birçok kuruluş yeterli SaaS güvenliğine zaten sahip olduğunu düşünüyor. Ajan tabanlı yapay zekâ devreye girince bu varsayım nerede bozuluyor?

Birçok kuruluş SaaS güvenliğini “çözdüğünü” düşünüyor, ancak ajan tabanlı yapay zekânın hızla benimsenmesi bu varsayımı sorgulatıyor. SaaS güvenliği çoğu zaman tamamlandı işareti konacak bir madde sayılıyor: Bütçe onaylandı, araç devreye alındı ve sorun çözüldü. Gerçekte bu ortamların temelindeki SaaS API’leri hiçbir zaman tam kontrol altına alınmadı. İşletmeler API düzeyinde neler olduğunu ve hangi SaaS kaynaklarının birbiriyle konuştuğunu çok sınırlı ölçüde görebiliyor.

Bu yapısal bir kör nokta yaratıyor. İşletmeler kimlikleri ve uç noktaları koruyabilir, ancak API’ler üzerinden SaaS verilerine nasıl erişildiğini ve hangi işlemlerin yapıldığını çoğu zaman net göremez. Birçok kuruluş, alttaki API etkileşimlerinin ölçeğini ve davranışını tam anlamadan açık internetten doğrudan kritik sistemlere bağlanmaya devam ediyor.

Ajan tabanlı yapay zekâ bu boşluğu açığa çıkarıyor, ekiplerin çözebileceğinden hızlı sorunlar üretiyor ve API tartışmasını hızlandırıyor.

Birden fazla sistemde verilere erişebilen, verileri taşıyabilen ve üzerlerinde işlem yapabilen otonom yapay zekâ ajanları için işletmeler yönetişimi nasıl düşünmeli?  

Hiçbir lider şu anda yapay zekâ benimsemesini yavaşlatmak istemiyor. Daha hızlı ilerleme ve ölçülebilir sonuç gösterme baskısı artıyor; değerlendirmelerde token tüketimi bile kullanılıyor. Yapay zekâ talimatları çoğu zaman doğrudan üst yönetimden geliyor. CEO’lar yönetim kurullarına, hatta kamuya açık paydaşlara ilerlemeyi raporladığı için hızlı benimseme baskısı güçleniyor. “Her ne pahasına olursa olsun yapay zekâ” yaklaşımı varsayılan tutuma dönüştüğünde yanlış yapılandırmaları ve aşırı izinleri geleneksel yönetişim döngüleriyle yeterince hızlı düzeltmek gerçekçi olmuyor.

Ajan sistemleri düzeltmeyi beklemiyor. Sistemleri keşfedip eylemleri birbirine bağlayabiliyor, birden fazla SaaS uygulamasında saniyeler içinde iş akışı yürütebiliyor. İnsan daha fark edemeden, müdahale etmek bir yana, çoğu zaman on veya daha fazla adımı tamamlıyorlar.

Bu yüzden yönetişim artık yalnızca geliştirme döngüsünde sorunları erkenden bulmak değil, giderek daha çok ajanın gerçekten eyleme geçtiği anda kontrol uygulamak demek. Kontrol yalnızca kötüye kullanımdan sonra geliyorsa güvenlik liderleri ajanları etkili biçimde yönetemez.

Ajanların SaaS sistemleri arasında otonom karar verdiği bir dünyada bu tehditlere karşı tek uygulanabilir yaklaşım, yürütme sırasında yönetişimdir. Eylem sonrası tespitin ötesine geçip ayrıcalık yükseltmeyi, aşırı veri erişimini ve politika ihlallerini kuruluşa etki etmeden tespit etmek ve engellemek gerekir. Kontroller OWASP standartları ve sektörün iyi uygulamalarıyla uyumlu olmalı; ajanların açık ve teknik olarak uygulanabilir sınırlar içinde çalışmasını sağlamalıdır. Böylece ekipler yeniliği tehlikeye atmadan ajan tabanlı yapay zekânın benimsenme hızına yetişebilir.

Teknik açıdan, ajan tabanlı yapay zekânın SaaS ortamlarına getirdiği en çok gözden kaçan güvenlik açıkları neler?

Kuruluşlar yeni bir SaaS aracı benimsediğinde yapay zekâ işlevlerinin sessizce eklendiğini veya varsayılan olarak açıldığını sıkça görüyor. Bu yetenekler, güvenlik ekiplerinin geleneksel SaaS özelliklerinde dayandığı yapılandırma kontrollerini veya denetlenebilirliği aynı düzeyde sunmayabiliyor. Eylem gerçekleştiğinde insan tarafından mı yoksa otonom ajan tarafından mı başlatıldığını ayırmak zorlaşıyor. Birçok durumda işletme yapay zekâ işlevini kapatamıyor, çünkü bu yetenek uygulamanın içine gömülü.

Belirsizlik, güvenlik ve yönetişim açısından büyük bir kör nokta. Gömülü bir yapay zekâ özelliği kullanıcı adına karar veriyorsa kuruluş çoğu zaman niyeti izleyemiyor, karar mantığını anlayamıyor veya belirli bir eylemi neyin tetiklediğini bile doğrulayamıyor.

SaaS’ın kendi içindeki yapay zekâ tedarik zinciri de riski büyütüyor. Bu gömülü yetenekler çoğu zaman zincirin önceki aşamalarındaki modellere, hizmetlere ve üçüncü taraf entegrasyonlarına bağlı. Zincirin bir parçası ele geçirilirse, performansı düşerse veya manipüle edilirse SaaS içindeki yapay zekâ güvenilir iş uygulamalarını saldırı yolunun etkin katılımcılarına dönüştürebilir.

SaaS içindeki yapay zekâ katmanı kendi başına bir tedarik zinciri haline geldi. Ayrı olarak izlenmesi ve yönetilmesi gereken yeni bir risk sınıfı doğuruyor. Bu gömülü sistemlerin davranışını ve dayandıkları verileri görmeden kuruluşlar SaaS saldırı yüzeyinin büyüyen bir bölümüne karşı kör kalıyor.

İş değeri ve riski nicelleştirme konusunda kapsamlı deneyiminiz var. Kuruluşlar korunmayan yapay zekâ ajanlarına bağlı finansal ve itibar riskini nasıl ölçmeli?  

Bir ajan kötüye kullanılır veya ihlale neden olursa ilk etki yalnızca olay değil, ardından gelen kurumsal tepkidir. Liderler daha temkinli hale geldiği için şirketin yapay zekâyı benimsemeye ve yaygınlaştırmaya istekli olduğu hız düşer. Güven kırıldığında başta değer üreten inovasyon motorunu yeniden çalıştırmak çok daha zorlaşır.

Bu etki iç ekiplerin ötesine, dış paydaşlara da uzanır. Yönetim kurulları, müşteriler ve hissedarlar sorumlu kullanım bekler. Otonom ajanlarla bağlantılı bir başarısızlık, emanet edilen çıkarları koruma sorumluluğuna ve itibara ilişkin bir mesele haline hızla gelir. Güvenlik en baştan tasarıma katılmamışsa kuruluşlar olaylardan sonra kontrol ve güvenliği tartışmak zorunda kalır; bu da işletme genelinde kararları kaçınılmaz olarak yavaşlatır.

Sık gözden kaçan yapısal bir finansal risk de vardır. Ajanların yol açabileceği zararın algılanan kapsamı büyüdükçe şirketler sermaye dağıtımında daha tutucu olur. Bazen olası olaylara karşı para tutar veya yatırımları ertelerler.

Bu açıdan ajan güvenliği yalnızca risk azaltma değil, gelir ve büyüme konusudur. Ajanların yönetildiğini ve belirli sınırlar içinde tutulduğunu bilerek yapay zekâyı güvenle kullanabilen kuruluşlar daha hızlı ilerler. Bu güveni taşımayanlar doğal olarak yavaşlar. 2026’da hızla güveni birleştirme yeteneği çok güçlü bir avantaja dönüşüyor.

Hızlı yapay zekâ benimsemesiyle sorumlu kullanım arasında bir gerilim var. Risk profilini artırmadan yenilik yapmak isteyen şirketler için dengeli strateji nasıl görünür?  

Şu anda benimseme ile sorumlu kullanım arasındaki en büyük boşluklardan biri iletişim. Birçok işletme SaaS ortamlarında etkin biçimde yapay zekâ kullanıyor, ancak nasıl kullanıldığını ve hangi korumaların bulunduğunu dışarıya açık ve tutarlı şekilde anlatmıyor. Şeffaflık eksikliği, müşterilerin ve ortakların gerçek kontrolleri anlamak yerine en kötüsünü varsaymasına yol açarak riski artırabilir.

Dengeli yaklaşım sorumlu yapay zekâ kullanımını yalnızca iç uyum işi değil, değer önerisinin bir parçası sayar. Şirketler yapay zekâyı nasıl yönettiklerini, neleri yapabildiğini ve yapamadığını, hassas sistemlerle etkileşimde hangi korumaların bulunduğunu daha açık anlatabilir. Bu açıklık güven yaratır ve yapay zekânın güvenli biçimde yaygınlaşmasına yardımcı olur.

SaaS ortamlarındaki kullanımı net anlatan ve yapay zekânın yapılandırılmış, gözlemlenebilir bir biçimde kontrol edildiğini gösteren şirketler algılanan riski artırmadan daha hızlı yenilik yapabilir.

Daha fazla işletme ajan tabanlı yapay zekâyla deney yaparken güvenlik ekipleri, manşetlere çıkacak bir sonraki ihlalin kurbanı olmamak için bugün hangi acil adımları atmalı?  

Ajan tabanlı yapay zekâ yeni bir risk sınıfı getirmekle kalmaz, kuruluşların göremediği riskleri de hızlandırır. Nitekim gölge yapay zekâ, ortalama ihlal maliyetine ek 670 bin dolar getirir. Temel sorun görünürlüktür. Kuruluş yapay zekânın nerede kullanıldığını ve sistemlerle nasıl etkileştiğini bilmiyorsa olayları tespit etmek ve etkilerini sınırlamak daha uzun sürer. Finansal ve düzenleyici etkiler doğrudan büyür.

İlk adım işletme genelinde görünürlük sağlamaktır. Güvenlik ekipleri hem onaylı hem onaysız kullanımı yalnızca uygulama düzeyinde değil, yapay zekânın karar aldığı veya kararları etkilediği iş akışlarında da açıkça görmeli.

Sonra bu bilgiyi teknik olarak uygulanabilen politikalara dönüştürüp gerçek işin yapıldığı sistemlere yerleştirmeli. İş birimleriyle kullanım biçimi üzerinde anlaşmak, ardından belgelerden uç noktalarda, SaaS platformlarında ve ajan sistemlerinde çalışan teknik kontrollere geçmek gerekir. Kontroller yürütme yoluna ne kadar erken girerse gölge yapay zekâ ve otonom ajanlardan doğan yüksek maliyetli, etkisi zor sınırlandırılan olayların olasılığı o kadar azalır.

Ajan tabanlı yapay zekâ sistemleri kurumsal altyapıya daha derin entegre oldukça güvenlik ortamı nasıl gelişecek?

Kuruluşlar yapay zekâ kaynaklı tehditlere karşı yapay zekâ için özel tasarlanmış güvenliğe ihtiyaç duyacak. Sistemlerin makine hızında çalışması gerekecek; bu da güvenlik operasyonlarını temelden değiştirecek. İnsanlar süreçte kalacak ama stratejik gözetim sağlayacak, yapay zekânın hâlâ sahip olmadığı bağlam anlayışını ve muhakemeyi kullanacak.

Güvenlik ekiplerinin yapısı da değişecek. Ekipler mutlaka küçülmeyebilir, ancak kapsamları büyüyecek; tek bir güvenlik uzmanı otomasyon ve yapay zekâ araçları sayesinde çok daha geniş bir alandan sorumlu olacak.

Ajan ortamlarında izleme ve tespit yeterli değil. Gerçek kontrol uygulama mekanizmaları gerekiyor. Sistemler bir anahtar gibi çalışmalı: Yetenekleri açıp kapatabilmeli, davranışı gerçek zamanlı sınırlayabilmeli ve hatalı davranan ya da işletmenin geri kalanını tehlikeye atabilecek sistemleri yalıtabilmeli. Yapay zekâ tedarik zincirinin yarattığı risk o kadar büyük ki mimaride acil durdurma mekanizmalarına mutlaka yer verilmeli.

İleride yapay zekâ hızlanmayı sürdürecek ve insan hızını ve kapasitesini aşabilir. Ancak konuşma yalnızca riski değil, fırsatı da içermeli. Çocuk yetiştirmek gibi: Yapay zekâ büyüyecek, hata yapacak ve bizi aşma potansiyeline sahip olacak. Kazananlar onu büyük ölçekte benimserken güvenli ve güvenilir kullanım için gerekli kontrol sistemlerini kuranlar olacak.

Bu güzel röportaj için teşekkürler. Daha fazla bilgi edinmek isteyen okurlar Obsidian Security adresini ziyaret edebilir.