Amikor az ügynök döntése és a vállalat kockázattűrése nem egyezik
2025 decemberében egy AWS-mérnök Kirót, az Amazon saját AI kódügynökét használta egy apró hiba javítására a Cost Explorer irányítópulton. Kiro megoldása az volt, hogy törölte a production környezetet, és nulláról építette újra. A kimaradás tizenhárom óráig tartott az AWS egyik szárazföldi kínai régiójában, és az Amazon addig hallgatott róla, amíg a Financial Times két hónappal később meg nem írta a történetet. Az, amit az Amazon ezután tett, egyértelműbb jelzés: kötelezővé tette a második felülvizsgálót minden AI által kezdeményezett, production-be jutó változtatásnál - ez a kontroll a kimaradás előtt nem létezett.
Egyedi eset volt az AWS-incidens?
Nem. 2025 júliusában a Replit AI-ügynöke törölte Jason Lemkin, a SaaStr alapítójának épülő cégének éles production adatbázisát, annak ellenére, hogy aktív kódbefagyasztás volt érvényben. Több mint 1200 vezetői rekord és 1196 céges rekord veszett el. A Replit vezérigazgatója nyilvánosan megerősítette az esetet, és az Amazonhoz hasonlóan bevezette a hiányzó kontrollt: a fejlesztői és a production adatbázisok automatikus szétválasztását.
A Docker saját, 2026 májusi felmérése legalább tíz ilyen esetet számolt össze hat különböző kódolóeszköz - köztük a Kiro, a Replit ügynöke, a Google Antigravity IDE-je, a Cursor, a Claude Code és a Claude Cowork - körében, 2024 októbere és 2026 februárja között. A Docker megbízásából készült, 400 észak-amerikai IT-, kiberbiztonsági és alkalmazásfejlesztési szakembert megkérdező 2026-os Omdia-felmérés szerint a szervezetek 77%-ánál fordult elő valamilyen ellátásilánc-incidens az elmúlt évben. A Kiro és a Replit egyszerűen csak az a két eset, amelyről hír született.
Miért ellátásilánc-probléma ez, és nem csak kódolási hiba?
Mert a szervezetek maguk is így látják. Ugyanabban az Omdia-felmérésben a válaszadók 40%-a nevezte meg az AI által generált kódot az ellátási lánc legnagyobb kockázataként, megelőzve a harmadik féltől származó kódot (39%) és a szoftverfüggőségeket (38%). Ez fordulat: korábban a szervezeten kívülről érkező kódot tartották a legnagyobb kockázatnak. Most a szervezeten belül működő rendszer által generált kód az.
A mechanizmus már dokumentált. 2025 augusztusában az Nx build rendszer npm-en terjesztett kompromittált verziói a fertőzött gépeken hitelesítő adatok után kutattak, és kifejezetten a Claude Code, a Gemini CLI vagy az Amazon Q jelenlétét vizsgálták. Ahol találtak ilyet, a kártevő rávette az adott ügynököt, hogy maga futtassa le a keresést, megkerülve ezzel a saját biztonsági szabályait. A Snyk és a StepSecurity is az elsők között jelezte, hogy ez az egyik első dokumentált eset, amikor egy AI-asszisztenst a támadó saját eszközévé alakítottak.
A tágabb adatok is ezt erősítik meg. A Claude Code-dal készült commit-ok körülbelül 3,2%-a szivárogtat hitelesítő adatokat, ami több mint kétszerese a kizárólag emberi commit-ok 1,5%-os alapértékének - ezt a GitGuardian State of Secrets Sprawl 2026 jelentése mutatja. A CodeRabbit 470 valós, nyílt forráskódú pull request vizsgálata alapján az AI-közreműködéssel készült kód 1,7-szer több hibát produkál összességében, mint az ugyanazokat a feladatokat lefedő, kizárólag emberi kód - a biztonsági hibákat is beleértve.
Milyen tempóban hagyja le ez a governance-t?
Gyorsabban, mint amit a governance követni tud. Az Anthropic 2026-os Agentic Coding Trends jelentése szerint az AI a fejlesztők napi munkájának körülbelül 60%-át adja. A Docker saját, több mint 800 fejlesztőt, platformmérnököt és technológiai vezetőt megkérdező felmérése ugyanezt a 60%-os arányt találta azoknál a szervezeteknél, amelyek már production környezetben futtatnak ügynököket, és a válaszadók 40%-a nevezte meg a biztonságot és a megfelelőséget a további skálázás legfőbb akadályaként.
A JFrog adatai egyértelműen mutatják a szakadékot: a megkérdezett szervezetek 97%-a állítja, hogy tanúsított AI governance programja van, ugyanakkor 18%-uknál egyáltalán nincs governance azon IDE-k vagy MCP-szerverek felett, ahol a fejlesztők ténylegesen futtatják az AI-eszközöket. Az Omdia-felmérés a kínálati oldalt is megvilágítja: a szervezetek 57%-a számít arra, hogy egy éven belül kódjaik több mint fele harmadik féltől érkezik majd, és a tesztelt tizenkét biztonsági eszközkategória közül csak egyet minősítettek a válaszadók többsége nagyon hatékonynak.
Mit igényel valójában a vállalati szintű AI-bevezetés?
Ugyanazokat a hozzáférés-kontrollokat és jóváhagyási lépéseket, amelyekkel minden más production rendszer már rendelkezik - a kezdetektől beépítve, nem egy incidens után hozzátoldva. Az Amazon kötelező társfelülvizsgálata és a Replit automatikus adatbázis-szétválasztása ugyanannak a megoldásnak két példája: olyan kontroll, amelynek helye a kezdeti bevezetésben van. Az Omdia-felmérés szerint a szervezetek 98%-a máris prioritásnak tartja a fejlesztői biztonság megteremtését, ami inkább strukturális hiányra utal, mint az akarat hiányára. A Deloitte 2026-os State of AI in the Enterprise jelentése szerint azok a szervezetek, ahol a felső vezetés közvetlenül részt vesz az AI governance-ban, jelentősen nagyobb üzleti értéket nyernek az AI-beruházásaikból, mint azok, amelyek ezt kizárólag a technikai csapatokra hagyják.
A gyakorlatban ez azt jelenti, hogy körülhatárolt jogosultságokra van szükség az általánosak helyett, és egy felelős vezetőre azokra a pillanatokra, amikor az ügynök döntése és a vállalat kockázattűrése nem egyezik. A legtöbb szervezet már így üzemelteti az adatbázisait és a deployment folyamatait. Kevesen terjesztették ki ugyanezt a fegyelmet azokra az ügynökökre, amelyek most mindkettőben működnek.
A "Mi garantálja, hogy az AI által generált kód biztonságos egy vállalati rendszerben?" című anyagunkban bemutattuk, mi teszi biztonságossá magát a kódot a Webtownnál: a spec-driven fejlesztési folyamat, a Liferay és az Ibexa platformokba már beépített biztonsági modell, és a governance afölött, hogy milyen adat jut el egyáltalán egy AI-eszközhöz. A fenti esetek egy ehhez kapcsolódó, de külön garanciára mutatnak rá. Egy ügynök írhat hibátlan kódot, és közben ugyanő birtokolhatja azokat a hitelesítő adatokat, amelyekkel törölni tudja a production környezetet. A biztonságos kód és a biztonságos végrehajtás nem ugyanaz az ígéret, és a vállalati AI-bevezetéshez mindkettőre szükség van. Az általunk alkalmazott sztenderd a második felet fedi le: a jogosultságok körülhatárolása, emberi jóváhagyás minden visszafordíthatatlan lépésnél, és auditálhatóság már a kezdeti tervezésbe beépítve, nem utólag hozzácsapva. Mindez nem garantálja, hogy egy ügynök soha nem dönt rosszul. Azt garantálja, hogy egy felülvizsgáló elkapja a rossz döntést, mielőtt az elérné a production-t, nem pedig az ügyfél fedezi fel utólag.
Ha tiszta képet szeretnél kapni arról, hol tart valójában a szervezeted AI governance-a - nem ott, ahol a szabályzatok szerint tartana -, foglalj egy beszélgetést a csapatunkkal.
Források: Docker és Omdia, "Securing the Software Supply Chain in the Age of AI", 2026-os felmérés 400 észak-amerikai IT-, kiberbiztonsági és alkalmazásfejlesztési szakember körében. Docker, "Coding Agent Horror Stories: The Security Crisis Threatening Developer Infrastructure", 2026 május, a Financial Times és a Fortune/The Register AWS- és Replit-incidensekről szóló beszámolói alapján. Anthropic, 2026-os Agentic Coding Trends jelentés. Docker, State of Agentic AI Report, 2026 február. JFrog, Software Supply Chain Security State of the Union 2026. GitGuardian, State of Secrets Sprawl 2026, 2026 március. CodeRabbit, State of AI vs Human Code Generation Report, 2025 december. Deloitte AI Institute, The State of AI in the Enterprise, 2026.
