Hvordan agentbasert AI vil transformere cybertrusler og cyberforsvar i 2026

Agentisk AI var et av de mest omtalte konseptene innen cybersikkerhet i 2025. Det handler om AI-systemer som ikke bare utfører individuelle oppgaver, men som også kan handle selvstendig ved å samle inn informasjon, ta beslutninger, tilpasse seg omstendigheter og utføre komplette handlingssekvenser. Denne evnen skaper store muligheter – men også en helt ny generasjon av cybertrusler.

Foran 2026 har sikkerhetseksperter hos Barracuda identifisert en rekke trender som vil forme året.

De ser for seg en fremtid der:

• En agentisk AI-operatør kan utføre hele cyberangrep fra start til slutt, samle det som trengs, lage troverdige lokkeduer, teste ulike ruter inn og kontinuerlig justere taktikker etter hvordan forsvaret reagerer. Forsvarere kan forvente angrepstyper de ikke har sett før og som kan være vanskelige å forstå i ettertid.
  
  
• Agentic AI analyserer store mengder data i sanntid for å finne sårbarheter, som lar angripere automatisere både identifisering og utnyttelse av svakheter.
  
  
• AI kan føre tale- og tekstdialoger med mennesker på et nivå som gjør det svært vanskelig å avgjøre at det ikke er en ekte person., som skaper helt nye muligheter for sosial manipulasjon.
  
  
• Lederskap i cybersikkerhet vil handle om å lede både mennesker og AI-agenter, der ledere må integrere AI i teamene sine for å styrke produktiviteten og beslutningstakingen.

Samlet sett peker dette mot en utvikling der AI ikke bare brukes som støtte, men blir en aktiv aktør i både angrep og forsvar.

Hva betyr agentisk AI for utviklingen av trussellandskapet i 2026 og utover?

Yaz Bekkar, ledende konsulentarkitekt XDR, EMEA:
I løpet av det neste året, angrep ikke bare ”ved å bruke AI” – AI vil fungere som en uavhengig aktør som tar sine egne valg for å nå målet sitt. AI kan allerede automatisere deler av et angrep, som informasjonsinnsamling, phishing og enklere forsvarsforsøk. I 2026 forventes det systemer som planlegger sine egne steg, lærer av forsvarets reaksjoner og endrer angrepsmetoder i sanntid.

Den agentiske AI-operatøren håndterer hele prosessen – samler fakta, lager fengende agn, tester en vei inn, observerer hvordan forsvar reagerer og justerer taktikk og timing til det lykkes. Det vil føles som et sammenhengende angrepsmønster, der hvert trinn automatisk tilpasser seg og blander seg inn i normal aktivitet.

Forsvarere bør være forberedt på nye ting typer angrep og en økning i angrep som utnytter ukjente sårbarheter.

Eric Russo, direktør for SOCs defensive sikkerhet:
AI har utviklet seg så raskt at den allerede kan føre avanserte samtaler med mennesker, både via tale og tekst, på en måte som gjør det svært vanskelig å avgjøre om det er et menneske eller ikke. Et hverdagseksempel er hvordan Android-brukere kan la Googles AI svare på ukjente anrop, stille spørsmål og vurdere om anropet er legitimt.

Teknologien er imponerende, men i gale hender kan den endre måten sosial manipulering gjøres på. For eksempel kan en agentisk AI ha en overbevisende samtale med en finansansatt for å prøve å innhente bedriftens bankdetaljer. Eller den kan brukes i mer komplekse scenarier, for eksempel gjennom deepfake-basert tale eller chat for å lure en brukerstøtte til å tilbakestille flerfaktorautentisering, og dermed åpne døren for et større sikkerhetsbrudd.

Jesus Cordero-Guzman, direktør for løsningsarkitekter for applikasjon, nettverkssikkerhet og XDR, EMEA:
Autonome AI-systemer er allerede en realitet, og som en trussel vil de utvikle seg raskt. De kan analysere store mengder data, identifisere sårbarheter i sanntid og automatisere hvordan de utnyttes. I 2025 dukket plattformer som Xanthorox, et AI-system designet for nettkriminalitet, opp. Dette ble etterfulgt av HexStrike og det enda mer avanserte Venice.AI.

Agentic AI kan brukes til automatisert phishing, kontinuerlig forsvarskartlegging og til og med for å omgå CAPTCHA-løsninger for å få uautorisert tilgang.

Hvordan kan organisasjoner forsvare seg mot AI-baserte trusler fra agenter og beskytte sine egne AI-systemer?

Yaz Bekkar:
Mange organisasjoner vil synes det er vanskelig å oppdage agentiske AI-angrep fordi de kan gli inn i det normale miljøet. Forsvar basert på atferdsanalyse og AI som er skreddersydd til deres egne behov er nødvendig. virksomheten, ikke generiske verktøy med standardinnstillinger.

Et effektivt forsvar inkluderer:

• en plattform som gir oversikt på tvers av identiteter, enheter, SaaS-tjenester, sky, e-post og nettverk
• Atferdsanalyse som lærer hva som er normalt og oppdager avvik uten å stole på signaturer
• menneskelig ekspertise som kontinuerlig overvåker, justerer og forbedrer beskyttelsen

Jesus Cordero-Guzman:
Tradisjonelle forsvarsmetoder vil slite med å holde tritt med trusler som kan tilpasse seg i sanntid. Organisasjoner må investere i moderne løsninger der AI brukes til å oppdage og reagere på angrep, slik at trusler møtes på samme nivå.

Hva bør organisasjoner gjøre for å beskytte sine egne agentiske AI-løsninger?

Jesus Cordero-Guzman:
Lederskap innen cybersikkerhet vil i økende grad handle om å lede AI-agenter like mye som mennesker. Den nye generasjonen ledere må forstå hvordan AI-agenter kan integreres i team og hvordan de kan styres for å forbedre produktivitet og beslutningstaking. Dette vil kreve økt ekspertise innen teknologi, naturlig språkbehandling og dataanalyse, slik at AI-agentene får den ”rollen” og funksjonen som passer til virksomhetens behov.

Dette er ikke bare et operasjonelt spørsmål, men også et etisk spørsmål. Organisasjoner må sørge for at AI-agenter brukes ansvarlig, og at beslutningene systemene tar er i tråd med av virksomheten verdier og samfunnsnormer. Etter hvert som AI fortsetter å utvikle seg, vil også lederansvaret endre seg, spesielt når det gjelder å navigere i dette nye og raskt skiftende landskapet innen nettsikkerhet.

Hvordan kan agentisk AI styrke sikkerheten?

Erik Russo:
Agentic AI vil bli en viktig støtte for sikkerhetsoperasjonssentre (SOC-er). Den kan avlaste mye av det rutinemessige, reaktive arbeidet og frigjøre tid til mer proaktive oppgaver, som trusselanalyse og utvikling av nye deteksjonsmodeller.

En annen mulighet er mer avanserte maskinlæringsbaserte deteksjonssystemer. Ved å etablere grunnlinjer for brukeratferd og nettverkstrafikk og automatisk identifisere avvik, kan systemene finne mer avanserte trusler, samtidig som de reduserer antallet falske positiver og forhindrer at analytikere blir overveldet av falske varsler.