---
title: "Czy testy penetracyjne mogą być tańsze o 90%? | Guardian360"
description: "Czego dotychczas nauczyliśmy się z finansowanego przez UE eksperymentu z testami penetracyjnymi wspieranymi przez AI: w czym agent AI pomaga, w czym nie i na jakie pytania nie potrafimy jeszcze odpowiedzieć."
url: https://guardian360.net/pl/blog/can-penetration-testing-be-90-percent-cheaper/
locale: en
source: guardian360.net
---
[← Wszystkie wpisy](https://guardian360.net/pl/blog/)

Opinia

# Czy testy penetracyjne mogą być tańsze o 90%?

Autor Jan Martijn Broekhof · 13 listopada 2026

Test penetracyjny z łatwością kosztuje sześć tysięcy euro. W przypadku złożonego środowiska rachunek sięga znacznie ponad sto tysięcy. Nawet skromny test za dwa do trzech tysięcy euro to poważny wydatek dla przeciętnej firmy z sektora MŚP, zwłaszcza jeśli trzeba go powtarzać co roku. Przez długi czas była to kwestia wyboru: albo go Państwo wykonywali, albo nie. Chyba że przepisy sektorowe tego wymagały, wtedy żadnego wyboru nie było. Wraz z wejściem w życie europejskiej dyrektywy NIS2, wdrożonej w Holandii jako Cyberbeveiligingswet, to się zmienia. Tysiące organizacji podlega teraz przepisom, które wymagają technicznych środków bezpieczeństwa, w tym regularnego testowania własnej odporności. Wiele organizacji przekłada to na test penetracyjny.

Rynek testów penetracyjnych nie skaluje się wraz z tym popytem. Pentesterów brakuje, wyszkolenie trwa latami, a stawki godzinowe rosną. Można czekać, aż rynek się dostosuje, albo spróbować rozwiązać problem inaczej. My wybraliśmy to drugie.

Guardian360 jest jedną z trzynastu europejskich organizacji, które otrzymały dofinansowanie w ramach programu CYSSDE Unii Europejskiej, aby uczynić testy penetracyjne bardziej dostępnymi. Nasz projekt nazywa się AI-SCALE. Nasza ambicja: oferować profesjonalne testy penetracyjne za około dziesięć procent zwykłej ceny, pozwalając agentowi AI wykonać większość pracy, a ludziom zweryfikować ustalenia. Ten artykuł nie jest o tym, jak dobrze nam idzie, bo jeszcze nie jesteśmy u celu. Jest o tym, na co się natykamy, czego się nauczyliśmy i na jakie pytania nie potrafimy jeszcze odpowiedzieć.

## Co budujemy

Technologia składa się z trzech warstw. Pierwsza warstwa to ciągłe rozpoznawanie: nasza istniejąca platforma Lighthouse nieustannie mapuje powierzchnię ataku, zarówno zewnętrzną, jak i wewnętrzną. Druga warstwa to ocena prowadzona przez AI: nasz własny AI Cyber Security Agent, który generuje i uruchamia scenariusze testów penetracyjnych, dostosowane do sektora i stosu technologicznego organizacji. Trzecia warstwa to weryfikacja przez człowieka: starszy, certyfikowany pentester z jednego z naszych partnerów od testów penetracyjnych waliduje ustalenia, zanim raport zostanie dostarczony.

Ta trzywarstwowa struktura nie jest kompromisem, lecz świadomym wyborem. AI wykonuje pracę, która się skaluje: skanuje szeroko, przechodzi przez scenariusze, dokumentuje ustalenia. Człowiek wykonuje pracę wymagającą osądu: ocenia, czy ustalenie stanowi realne ryzyko, bada, jak podatności łączą się ze sobą, i decyduje, czy wykorzystanie podatności jest odpowiedzialne.

Gdy projekt zakończy się w marcu 2028 roku, agent AI, biblioteki scenariuszy dla poszczególnych sektorów oraz pełna metodyka zostaną opublikowane jako open source. To zobowiązanie zawarte w naszym wniosku projektowym, a zarazem nasze przekonanie: profesjonalne narzędzia bezpieczeństwa powinny dać się przetestować, a nie być czarną skrzynką.

## Czym właściwie jest test penetracyjny?

Zanim zaczniemy mówić o obniżeniu kosztów o 90%, musimy uzgodnić, co chcemy uczynić tańszym. I tu zaczyna się pierwszy problem. Termin “test penetracyjny” nie ma jednej definicji. Dla jednego dostawcy to zautomatyzowany skan podatności z raportem. Dla innego to tygodnie ręcznej pracy specjalisty z certyfikatem OSCP, który naprawdę próbuje się włamać.

Ramy zgodności pomagają tylko do pewnego stopnia. NIS2 wymaga “testowania skuteczności środków bezpieczeństwa”, ale nie określa, jak. ISO 27001 odwołuje się do technicznych ocen podatności, nie precyzując głębokości. DORA jest dokładniejsza w kwestii testów penetracyjnych opartych na zagrożeniach (TLPT), ale dotyczy to wyłącznie sektora finansowego.

W Holandii istnieje konkretny standard jakości: CCV Keurmerk Pentesten, znak jakości dla testów penetracyjnych. Centre for Crime Prevention and Safety (CCV) opracowało schemat certyfikacji, który określa, czym jest pentest, a czym nie jest. Definicja jest jednoznaczna: pentest to “ręczna ocena, która próbuje przeniknąć do systemu możliwie najgłębiej”. Skany podatności, nawet najbardziej zaawansowane, są wyraźnie wyłączone ze znaku. Narzędzia mogą być stosowane pomocniczo, ale, jak ujmuje to CCV, “nie są wiodące w wykonywaniu pentestu”. Wszystkie ustalenia z testów zautomatyzowanych muszą zostać ręcznie zweryfikowane przez wykwalifikowanego pentestera.

Do tego dochodzi twardy wymóg ilościowy: wykwalifikowany pentester musi zrealizować co najmniej pięćdziesiąt procent całkowitego czasu testu. Ponadto pentester musi posiadać uznany certyfikat praktyczny, mieć co najmniej rok doświadczenia zawodowego jako specjalista IT (nie jako stażysta) oraz zaświadczenie o niekaralności (VOG) nie starsze niż trzy lata.

Dla każdego, kto chce oferować pentesty z użyciem AI, ten znak jakości stawia centralne pytanie: jeśli agent AI wykonuje większość pracy, a człowiek weryfikuje, czy nadal jest to pentest w rozumieniu CCV? Uczciwy wniosek jest taki, że model trzywarstwowy pod względem koncepcyjnym pasuje do ducha znaku: narzędzia jako pomoc, człowiek-ekspert ostatecznie odpowiedzialny. Jednak zasada pięćdziesięciu procent i definicja jako “ręcznej oceny” kłócą się z ambicją dziewięćdziesięcioprocentowej redukcji kosztów. Jeśli pentester-człowiek musi zrealizować połowę godzin, to z definicji nie osiągnie się dziesięciu procent zwykłej ceny.

W projekcie AI-SCALE stosujemy więc szerszą definicję: pentest to ustrukturyzowana ocena, która wykracza poza uruchomienie zautomatyzowanego skanu. Obejmuje scenariusze dostosowane do sektora i stosu technologicznego, dotyczące błędnych konfiguracji, błędów autoryzacji i słabości logiki biznesowej, a kończy się weryfikacją przez człowieka.

## Granica automatyzacji: eksploatacja

Jedna z pierwszych rozmów z naszym partnerem od testów penetracyjnych dotyczyła eksploatacji. Czy agent AI może faktycznie wykorzystać znalezioną podatność, aby dowieść, że ryzyko jest realne? Odpowiedź była jednoznaczna: nie, w każdym razie nie w pełni automatycznie.

Brzmi to jak ograniczenie i nim jest. Ale to ograniczenie świadome. Agent AI, który wykorzystuje podatności w środowisku produkcyjnym bez nadzoru człowieka, sam stanowi ryzyko. W naszym modelu agent działa głównie w trybie odczytu: bada, identyfikuje i raportuje. Każde działanie zmieniające system wymaga zgody człowieka. Istnieje wyłącznik awaryjny, dla każdego zlecenia obowiązują Rules of Engagement, a wszystko jest szczegółowo rejestrowane w dziennikach audytowych.

Dla CISO może to być bardziej uspokajające niż w pełni autonomiczny agent. Oznacza to jednak również, że redukcja kosztów będzie ograniczona. Skoro pentester-człowiek musi być istotnie zaangażowany w proces weryfikacji, oszczędność nadal jest możliwa, ale jak duża będzie, pozostaje na razie niejasne.

## Fałszywe alarmy kosztują czas weryfikacji

Agent AI jest silny w szerokości. Błędne konfiguracje, przestarzałe komponenty, ustawienia domyślne i znane wzorce podatności znajduje konsekwentnie, także tam, gdzie człowiek po kilku godzinach patrzy mniej uważnie. Szerokość ma jednak odwrotną stronę: agent generuje więcej ustaleń, a nie wszystkie są istotne.

Jeśli AI produkuje więcej szumu niż tester-człowiek, godziny przesuwają się z testu do weryfikacji. Pentester-człowiek poświęca wtedy więcej czasu na ocenianie i odrzucanie ustaleń niż na ich odkrywanie. Najnowsze benchmarki potwierdzają, że odsetek fałszywych alarmów jest dużym wąskim gardłem zautomatyzowanych narzędzi do pentestów. Czas zyskany na początku testu traci się z powrotem na jego końcu.

## Logika biznesowa i ataki łańcuchowe

Agent znajduje pojedyncze punkty uwagi, ale nie zawsze dostrzega, że razem tworzą poważny łańcuch ataku. Błąd autoryzacji między rolami, przepływ płatności, który w pewnych warunkach pomija krok, API, które samo w sobie jest bezpieczne, ale w połączeniu z innym punktem końcowym umożliwia eskalację uprawnień: to właśnie takie ustalenia sprawiają, że organizacje zatrudniają pentestera. I to właśnie takich ustaleń AI na razie nie potrafi wykonać samodzielnie.

To nie jest kwestia lepszych modeli. Wymaga to zrozumienia, co aplikacja ma robić, w kontekście procesu biznesowego, który wspiera. To wiedza dziedzinowa, a nie rozpoznawanie wzorców.

## Założenia modelu kosztowego

Cel w postaci dziesięciu procent zwykłej ceny, czyli mniej więcej sześciuset euro za test zamiast sześciu tysięcy, opiera się na kilku założeniach, które powinniśmy uczciwie nazwać.

Pierwsze założenie jest takie, że modele AI stają się coraz wydajniejsze. Dotychczas tak było: modele bazowe z każdą generacją są szybsze, tańsze i lepsze. Nie ma jednak prawa natury, które mówiłoby, że to tempo się utrzyma. Jeśli przyrost wydajności wyhamuje, model kosztowy stanie się kruchy.

Nasze modele uruchamiamy na własnej infrastrukturze GPU, za pośrednictwem holenderskiej spółki siostrzanej z dedykowaną mocą Kubernetes i GPU. Oznacza to, że nie ponosimy zmiennych kosztów tokenów, a dane klientów i ustalenia pozostają w obrębie naszego własnego klastra serwerów. Dla wielu organizacji z naszej grupy docelowej ten ostatni punkt może być najważniejszym argumentem. Ale posiadanie GPU przenosi problem, nie eliminuje go. Pytanie nie brzmi wtedy “ile kosztuje ten test?”, lecz “ile testów możemy prowadzić jednocześnie?”. Ograniczeniem jest pojemność, a nie budżet na pojedynczy test.

Drugie założenie jest takie, że zaangażowanie człowieka może pozostać minimalne. Jeśli walidacja L3, czyli weryfikacja przez starszego pentestera, zajmuje znaczną część czasu realizacji, to dziewięćdziesięcioprocentowa redukcja kosztów nie jest osiągalna. Rachunek jest prosty: jeśli walidacja kosztuje trzydzieści procent czasu konwencjonalnego testu, to maksymalna oszczędność wynosi siedemdziesiąt procent, a nie dziewięćdziesiąt. Znak jakości CCV jeszcze bardziej zaostrza ten rachunek: pięćdziesiąt procent czasu człowieka oznacza pułap oszczędności na poziomie pięćdziesięciu procent, a nie dziewięćdziesięciu.

## W tej dziedzinie działają już inni gracze

Guardian360 nie jest pierwszą firmą, która próbuje zautomatyzować testy penetracyjne. Horizon3.ai oferuje autonomiczne pentesty sieci wewnętrznych i środowisk Active Directory w produkcie NodeZero. Pentera pozycjonuje się jako zautomatyzowana walidacja bezpieczeństwa i raportuje ponad sto milionów dolarów rocznych powtarzalnych przychodów. Hadrian koncentruje się na zewnętrznej powierzchni ataku i w marcu 2026 roku uruchomił produkt do agentowych pentestów AI.

Pytanie jest uzasadnione: po co budować coś samemu, skoro istnieją już ugruntowane platformy? Nasza odpowiedź ma trzy części. Po pierwsze, te platformy mają zamknięty kod źródłowy. Nasz agent i metodyka zostaną po zakończeniu projektu opublikowane jako open source, aby społeczność mogła je testować, ulepszać i dostosowywać. Po drugie, są to przeważnie platformy amerykańskie, podczas gdy europejskie regulacje, w szczególności NIS2, DORA oraz standardy sektorowe, takie jak NEN 7510 i ramy BIO, wymagają własnych bibliotek scenariuszy. Po trzecie, są drogie: powszechne modele licencyjne są projektowane dla przedsiębiorstw, a nie dla małych i średnich firm.

## Czego się uczymy

Jesteśmy mniej więcej dwa miesiące po starcie. To zbyt krótko na wnioski, ale wystarczająco długo, by podzielić się pierwszymi spostrzeżeniami.

Pierwsze spostrzeżenie jest takie, że agent jest silny tam, gdzie ludzie są słabi: w wytrwałości. Pentester-człowiek po kilku godzinach traci ostrość. Agent nie. Systematycznie przechodzi przez każdy aspekt środowiska, także te nudne. Daje to ustalenia, które człowiek by przeoczył, nie dlatego, że nie potrafi ich znaleźć, ale po prostu dlatego, że człowiek nie jest maszyną.

Drugie spostrzeżenie jest takie, że przepaść między “wymyśleniem scenariusza” a “uruchomieniem tego scenariusza w rzeczywistym środowisku” jest większa, niż się spodziewaliśmy. Scenariusz ataku, który na papierze jest logiczny, w praktyce grzęźnie na zarządzaniu sesjami, przepływach MFA, ograniczaniu liczby żądań (rate limiting) lub specyficznych dla aplikacji wzorcach uwierzytelniania. Każde środowisko ma swoje osobliwości, których agent nie zna, dopóki na nie nie trafi. Oznacza to, że biblioteki scenariuszy muszą zawierać nie tylko wzorce ataków, lecz także wzorce obronne, które agent musi rozpoznać i albo obejść, albo zaraportować.

Trzecie spostrzeżenie jest takie, że biblioteki scenariuszy dla poszczególnych sektorów nie są luksusem, lecz koniecznością. Pentest dla placówki opieki zdrowotnej, która musi spełniać NEN 7510, wymaga innych scenariuszy niż test dla instytucji finansowej objętej DORA. Ogólne scenariusze dają ogólne ustalenia, a ogólne ustalenia są dla CISO bezużyteczne.

Czwarte spostrzeżenie, być może najbardziej konfrontujące, jest takie, że reakcja doświadczonych pentesterów na ustalenia wygenerowane przez AI jest miarą wartości, której nie potrafimy zautomatyzować. Rozpoznanie i wstępna selekcja wykonane przez agenta są użyteczne; tam oszczędza on godziny człowieka. Ale to, w jakim stopniu recenzent-człowiek musi następnie poprawiać, przeklasyfikowywać lub uzupełniać ustalenia, ostatecznie decyduje o tym, czy model jest opłacalny. Tę pętlę zwrotną mierzymy teraz systematycznie, a wyniki są jeszcze zbyt wczesne, by je publikować.

## Szersza europejska historia

Jak wspomniano, Guardian360 nie jest jedyną organizacją pracującą nad tym tematem. Program CYSSDE wybrał w ramach Open Call 3 trzynaście projektów z dziewięciu krajów europejskich, które łącznie planują ponad 534 oceny bezpieczeństwa. Od ocen bezpieczeństwa OT w Polsce i Niemczech, przez testy penetracyjne oparte na zagrożeniach w Belgii, po suwerenne pentesty AI we Włoszech.

To nie przypadek. UE świadomie inwestuje w europejskie zdolności w zakresie cyberbezpieczeństwa, poprzez European Cybersecurity Competence Centre i programy takie jak CYSSDE. Za tym stoi myśl, że jeśli chcemy, by europejskie organizacje były odporne, nie powinniśmy zależeć od pozaeuropejskich narzędzi i dostawców. Nasze zobowiązanie do open source wpisuje się w tę samą linię: jest wkładem we wspólne dobro europejskiego cyberbezpieczeństwa, a nie tylko produktem.

## Uczciwa odpowiedź

Czy testy penetracyjne mogą być tańsze o dziewięćdziesiąt procent? Uczciwa odpowiedź brzmi: jeszcze nie wiemy. Wierzymy, że AI może przejąć dużą część powtarzalnej pracy i że dzięki temu koszty mogą wyraźnie spaść. Ale “wyraźnie” to nie to samo co “dziewięćdziesiąt procent”, a pułapki, na które się natykamy, od logiki biznesowej, której agent nie rozumie, po standardy jakości, takie jak znak CCV, które wymuszają zaangażowanie człowieka, każą zachować skromność.

Wiemy natomiast, że obecna sytuacja jest nie do utrzymania. Organizacje objęte NIS2, których nie stać na pentest, są narażone na ryzyko. Organizacje, które zlecają tani zautomatyzowany skan i myślą, że wykonały test penetracyjny, ponoszą inne ryzyko: fałszywe poczucie bezpieczeństwa. Pentest, który daje organizacjom fałszywe poczucie bezpieczeństwa, jest być może nawet gorszy niż brak pentestu.

Rozwiązanie nie leży w samej AI ani w samych ludziach. Leży w połączeniu, które jest uczciwe co do tego, co każda ze stron potrafi, a czego nie. Agent skanuje, człowiek ocenia. Agent znajduje wzorce, człowiek widzi łańcuchy. Agent się skaluje, człowiek pilnuje granicy.

Publikujemy nasze wyniki, naszego agenta i naszą metodykę. Nie dlatego, że mamy odpowiedź, ale dlatego, że wierzymy, iż odpowiedź pojawi się szybciej, jeśli szuka jej więcej osób.

## Źródła

- CCV Keurmerk Pentesten, Certification Scheme version 2.0 (January 2024), [https://hetccv.nl/keurmerken/cybersecurity/pentest/](https://hetccv.nl/keurmerken/cybersecurity/pentest/)
- CYSSDE Open Call 3, selected projects, [https://cyssde.eu/cyssde-activities/open-call-3/](https://cyssde.eu/cyssde-activities/open-call-3/)
- Guardian360 AI Pentesting, beta programme, [https://guardian360.net/platform/ai-pentesting/](https://guardian360.net/platform/ai-pentesting/)
- NIS2 directive (EU 2022/2555), Article 21: cybersecurity risk-management measures
- Security Magazine (2026), “Would you trust an AI pentester to work solo?”, [https://www.securitymagazine.com/blogs/14-security-blog/post/102154](https://www.securitymagazine.com/blogs/14-security-blog/post/102154)
- NHI Management Group (2026), “AI pentesting replaces repetition, not expert judgment”, [https://nhimg.org/articles/ai-pentesting-replaces-repetition-not-expert-judgment/](https://nhimg.org/articles/ai-pentesting-replaces-repetition-not-expert-judgment/)
- The Next Web (2026), “The 10 best autonomous pentesting tools, ranked by proof of exploit”, [https://thenextweb.com/news/best-autonomous-pentesting-tools-proof-exploit-2026](https://thenextweb.com/news/best-autonomous-pentesting-tools-proof-exploit-2026)
