Hvorfor $42M-satset på Cogent Security signaliserer et fundamentalt skifte i hvordan vi sikrer programvare.
I 2025 ble det rapportert 48 185 nye sårbarheter — en økning på 20,6 % fra 2024. Samtidig utnytter angripere svakheter innen minutter etter avsløring.
Regnestykket fungerer ikke. Mennesker kan ikke utbedre sårbarheter i den hastigheten angripere utnytter dem.
Denne uken hentet Cogent Security inn $42 millioner i serie A-finansiering bare seks måneder etter lanseringen. Ledet av Bain Capital Ventures med deltakelse fra Greylock og Definition Capital. Total finansiering: $53 millioner siden lanseringen i juli 2025.
Veddemålet? KI-agenter kan endelig fikse cybersikkerhetsens rotete flaskehals.
Dette er ikke bare en ny KI-hype-syklus. Dette er et fundamentalt skifte i hvordan sårbarhetshåndtering fungerer — og det har implikasjoner langt utover sikkerhet.
Problemet med sårbarhetshåndtering
Nåværende tilstand
Enhver organisasjon med programvare har den samme arbeidsflyten:
- Oppdag — Sårbarhetsskannere (Snyk, SonarQube, Dependabot) finner problemer
- Prioriter — Sikkerhetsteam triage basert på CVSS-scorer, forretningskontekst, utnyttbarhet
- Tildel — Billetter opprettet, tildelt utviklere
- Utbedr — Utviklere skriver kodefikser
- Verifiser — Sikkerhet gjennomgår fiksen
- Deploy — Fiksen sendes til produksjon
Denne prosessen er langsom, manuell og skjør.
Hvorfor den bryter sammen
Volum overvelder kapasitet. En enkelt mikrotjeneste-applikasjon kan ha hundrevis av avhengigheter. En stor organisasjon har tusenvis av applikasjoner. I mitt konsulentarbeid har jeg sett team bruke 15+ timer ukentlig bare på triage av sårbarheter, før noe faktisk fikses.
Kontekstbytte dreper produktivitet. Utviklere avbrytes fra funksjonsarbeid for å fikse sikkerhetsproblemer de ikke skapte. Hvert kontekstbytte koster 15-30 minutters tapt fokus.
Prioritering er subjektiv. CVSS-scorer er ofte unøyaktige. Forretningskontekst mangler. Kritiske sårbarheter går tapt i støyen.
Utbedring er kjedelig. «Oppdater dette biblioteket» høres enkelt ut til du innser at det bryter tre andre ting, krever kodeendringer, og vedlikeholderen endret API-et.
Gapet mellom oppdagelse og fiks måles i uker eller måneder. Angripere har timer.
Enter KI-agenter
Hva gjør KI-agenter annerledes
Tradisjonell automatisering følger regler: «Hvis sårbarhetens alvorlighetsgrad > 7, opprett billett.»
KI-agenter resonnerer, planlegger og handler.
En KI-agent for sårbarhetshåndtering:
- Forstår kontekst — Den vet at denne sårbarheten påvirker et offentlig API vs. et internt administrasjonsverktøy
- Planlegger fiksen — Den analyserer avhengigheter, kodemønstre og potensielle breaking changes
- Skriver koden — Den genererer fungerende utbedrings-kode, ikke bare en billettbeskrivelse
- Forklarer resonnementet sitt — Enhver handling er sporbar og revisjonsbar
- Lærer av tilbakemeldinger — Hvis en fiks brekker noe, justerer den tilnærmingen sin
Hvordan Cogent Securitys agenter fungerer
Basert på tilgjengelig informasjon er Cogents tilnærming bemerkelsesverdig av flere grunner:
Integrasjon, ikke erstatning
I stedet for å bygge nok en sårbarhetsskanner integrerer Cogents KI-agenter med eksisterende verktøy:
- Innhenter sårbarhetsdataer fra Snyk, SonarQube, Dependabot
- Kobler til billettssystemer (Jira, Linear, GitHub Issues)
- Arbeider innenfor eksisterende godkjenningsarbeidsflyter
Dette er smart. Organisasjoner har investert millioner i sikkerhetsverktøyene sine. KI-agenter bør forsterke, ikke erstatte.
Multi-modell arkitektur
Cogent bruker modeller fra Anthropic og OpenAI for å hjelpe med å skrive utbedrings-kode. Dette antyder:
- Kodegeneringsoppgaver bruker sannsynligvis Claude eller GPT-4
- Resonerings- og planleggingsoppgaver kan bruke forskjellige modeller
- Det er sannsynligvis et orkestreringslag som ruter oppgaver hensiktsmessig
Transparens by design
Enhver KI-handling er sporbar. For regulerte virksomheter (finansielle tjenester, helsevesen, myndigheter) er dette ikke omsettelig. Du kan ikke ha en svart boks som tar sikkerhetsbeslutninger.
Tilpassbare godkjenningsregler
Agentene opererer innenfor godkjenningsregler definert av organisasjonen:
- Lavrisiko-fikser kan auto-godkjennes
- Høyrisiko-fikser krever menneskelig gjennomgang
- Visse systemer kan alltid kreve manuell godkjenning
Dette balanserer automatiseringshastighet med risikostyring.
Den tekniske arkitekturen til KI-agenter for sikkerhetsarbeid
Basert på bransjemønstre og Cogent-eksemplet, her er hvordan disse systemene typisk fungerer:
Agenttyper og ansvar
Triage-agent
- Input: Rå sårbarhetsdataer + forretningskontekst
- Output: Prioritert liste med risikoscore
- Forsker på CVE-detaljer, sjekker utnyttingstilgjengelighet, vurderer forretningspåvirkning
Forsknings-agent
- Input: Prioritert sårbarhet + kodebase-kontekst
- Output: Utbedringsstrategi
- Analyserer kodemønstre, avhengighetstrær, potensielle breaking changes
Utbedrings-agent
- Input: Utbedringsstrategi + målkodebase
- Output: Fungerende kodefiks (pull request)
- Skriver patcher, oppdaterer avhengigheter, justerer tester
Minneproblemet
KI-agenter trenger minne for å være effektive:
- Korttidsminne: Hva har agenten gjort i denne utbedringsoppgaven hittil?
- Langtidsminne: Hva fungerte og hva fungerte ikke for lignende sårbarheter tidligere?
- Organisasjonsminne: Hva er konvensjonene, godkjente biblioteker og mønstre for denne kodebasen?
Det er her vektordatabaser (Pinecone, Weaviate, pgvector) og retrieval-augmented generation (RAG) blir kritiske. Agenten henter relevant kontekst før den handler.
Hvorfor dette er viktig utover sikkerhet
Cogent Security-eksemplet illustrerer et bredere mønster: KI-agenter beveger seg fra «chat-grensesnitt» til «arbeidsflytautomatisering».
Evolusjonen av KI-agenter
Vi går inn i en æra der KI-agenter eier arbeidsflyter, ikke bare assisterer med oppgaver.
Implikasjoner for programvareingeniørarbeid
Hva endres:
- Skifte fra «hvordan» til «hva» — Ingeniører spesifiserer utfall; agenter finner ut implementeringen
- Tilsyn erstatter utførelse — Å gjennomgå agentarbeid blir den primære aktiviteten
- Kontekst er den nye koden — Organisasjonens kunnskapsbase blir den mest verdifulle eiendelen
- Menneskelig ekspertise skifter til kanttilfeller — Agenter håndterer 80 %; mennesker håndterer 20 %
Hva forblir det samme:
- Systemdesign — Agenter designer ikke systemer (ennå)
- Domenekunnskap — Å forstå forretningskrav forblir menneskelig
- Ansvarlighet — Noen er fortsatt ansvarlig når ting bryter
Utfordringer og åpne spørsmål
Tillit og pålitelighet
KI-agenter gjør feil. Innen sikkerhet kan en feil bety et brudd.
Nåværende tilnærminger:
- Menneske-i-løkken for høyrisiko-handlinger
- Tilbakeruling for alle endringer
- Omfattende testing før deployment
Åpent spørsmål: Hva er akseptabel feilrate for en autonom sikkerhetsagent?
Forklarbarhetsproblemet
Regulatorer vil ha forklaringer. «KI-en sa det» er ikke akseptabelt.
Nåværende tilnærminger:
- Detaljerte revisjonsspor
- Chain-of-thought resoneringsutdata
- Sitering av kilder brukt i beslutningstaking
Åpent spørsmål: Hvordan forklarer du KI-resonering til ikke-tekniske interessenter?
Leverandørlåsing
Hvis sårbarhetshåndteringen din drives av KI-agenter fra en bestemt leverandør, hvordan bytter du?
Hensyn:
- Dataportabilitet (kan du eksportere sårbarhethistorikken og agentlæringen?)
- Arbeidsflytportabilitet (er prosessene dine bundet til leverandørspesifikke evner?)
- Kostnadsprediktbarhet (ettersom agenter blir mer kapable, vil prising endres?)
Kompetansegapet
Organisasjoner trenger folk som forstår både sikkerhet og KI-agenter.
Nye roller som dukker opp:
- KI-sikkerhetsoperasjonsspesialist — Administrerer KI-agenter for sikkerhetsarbeidsflyter
- Agent-pålitelighetsIngeniør — Sikrer at KI-agenter presterer korrekt
- Menneske-agent-interaksjonsdesigner — Designer tilsyns- og tilbakemeldingssløyfer
Hva dette betyr for deg
Hvis du er sikkerhetsutøver
- Lær hvordan KI-agenter fungerer. Forstå flertrinnresonnering, verktøybruk og begrensningene til nåværende modeller.
- Begynn å eksperimentere. De fleste agentplattformer har gratis nivåer. Bygg noe lite — en agent som triager GitHub Security Advisories, for eksempel.
- Fokuser på kanttilfellene. Verdien av menneskelig ekspertise er i uvanlige situasjoner der KI sliter.
Hvis du er utvikler
- Jobben din er i endring. Mer gjennomgang, mindre skriving. Forbered deg på det.
- Lær å jobbe med KI-agenter. Utviklerne som lykkes vil være de som effektivt kan lede og gjennomgå KI-generert kode.
- Bygg kontekst for organisasjonen din. Dokumenter mønstre, konvensjoner og beslutninger. Dette er treningsdataene for fremtidige KI-agenter.
Hvis du er leder
- Invester i KI-agentliteracy. Teamene dine trenger å forstå hva disse systemene kan og ikke kan gjøre.
- Start med veldefinerte arbeidsflyter. Sårbarhetshåndtering er et godt utgangspunkt fordi suksess er målbart (tid til utbedring, sårbarhetsdekking).
- Bygg tilsynsinfrastrukturen. Du trenger dashboards, godkjenningsarbeidsflyter og tilbakerulingsfunksjoner før du deployer autonome agenter.
Bunnlinjen
$42 millioner-veddemålet på Cogent Security handler ikke om sikkerhet — det handler om KI-agenter som eier arbeidsflyter.
Sårbarhetshåndtering er kanariefuglen i kullgruven. Det er en veldefinert, høyvolum, kjedelig prosess med klare suksessmål. Hvis KI-agenter kan ta over denne arbeidsflyten, kan de ta over andre:
- Hendelsesrespons
- Kodegjennomgang
- Infrastrukturprovisjonering
- Datapipeline-administrasjon
- Eskalering av kundestøtte
Spørsmålet er ikke om KI-agenter vil automatisere arbeidsflytene dine. Spørsmålet er: vil du være den som designer og overvåker dem, eller vil du bli fortrengt av dem?
Viktige poeng
- 48 185 sårbarheter rapportert i 2025 (20,6 % økning fra 2024) — mennesker klarer ikke å følge med
- KI-agenter integrerer med eksisterende verktøy — de erstatter ikke, de forsterker
- Transparens og revisjonsmulighet er ikke omsettelig for enterprise-adopsjon
- Dette handler om arbeidsflytautomatisering, ikke bare chat-grensesnitt
- Muligheten er i å designe og overvåke agenter, ikke å konkurrere med dem
Jeg er seniorarkitekt med spesialisering i KI/ML-ingeniørarbeid, autonome agenter og Linux-systemer. Jeg hjelper organisasjoner med å navigere overgangen til KI-forsterket arbeidsflyt mens de opprettholder pålitelighet, sikkerhet og menneskelig tilsyn.
#KIAgenter #Sårbarhetshåndtering #CogentSecurity #Cybersikkerhet #DevSecOps