Co znajdziesz w tym artykule?
Wprowadzenie do problemu / definicja
Agentic AI, czyli systemy sztucznej inteligencji zdolne do samodzielnego wykonywania zadań, korzystania z narzędzi oraz podejmowania sekwencyjnych decyzji, staje się jednym z najważniejszych tematów we współczesnym cyberbezpieczeństwie. Wraz ze wzrostem autonomii takich rozwiązań rośnie jednak także powierzchnia ataku, znaczenie nadzoru i potrzeba wdrażania precyzyjnych mechanizmów kontroli. Na tym tle podejście Lloyds Banking Group wyróżnia się tym, że bezpieczeństwo agentic AI traktowane jest jako zagadnienie operacyjne, a nie wyłącznie eksperymentalne.
W skrócie
Lloyds rozwija model wdrażania agentic AI silnie osadzony w ramach bezpieczeństwa, tożsamości oraz governance. Organizacja inwestuje równolegle w odpowiedzialne wdrażanie AI, centralny rejestr przypadków użycia, automatyzację kontroli oraz kompetencje w obszarze AI security, threat intelligence i assurance. Z perspektywy cyberbezpieczeństwa kluczowy wniosek jest prosty: wdrożenia agentów AI w sektorze finansowym nie mogą być traktowane jak zwykłe rozszerzenie klasycznych chatbotów, lecz jako nowa warstwa uprzywilejowanej automatyzacji wymagająca rygorystycznego modelu nadzoru.
Kontekst / historia
Sektor finansowy od lat należy do branż najbardziej dojrzałych pod względem zarządzania ryzykiem, zgodności i ochrony danych. Jednocześnie presja na automatyzację procesów, zwiększanie produktywności i poprawę doświadczenia klienta sprawia, że banki coraz intensywniej wdrażają rozwiązania generatywne oraz agentowe.
Lloyds Banking Group od dłuższego czasu rozwija strategię AI jako element transformacji biznesowej. W 2026 roku organizacja wzmocniła kompetencje Responsible AI, podkreślając, że każda inicjatywa AI przechodzi przez zdefiniowaną ścieżkę nadzoru od etapu koncepcji po monitoring produkcyjny. Równolegle bank komunikuje rozwój platform i narzędzi mających umożliwić bezpieczne skalowanie agentic AI w środowisku korporacyjnym, z naciskiem na kontrolę, orkiestrację, tożsamość i bezpieczeństwo.
W praktyce oznacza to zmianę podejścia: AI nie jest już wyłącznie warstwą wspierającą analitykę lub interakcję z użytkownikiem, ale staje się aktywnym uczestnikiem procesów operacyjnych. Taki model wymaga nowych zabezpieczeń, ponieważ agent może uzyskiwać dostęp do systemów, danych i akcji, które wcześniej pozostawały domeną człowieka lub ściśle zaprogramowanej automatyzacji.
Analiza techniczna
Techniczny wymiar problemu sprowadza się do tego, że agentic AI łączy kilka klas ryzyka w jednym komponencie. Po pierwsze, model otrzymuje możliwość rozumienia poleceń i kontekstu. Po drugie, warstwa orkiestracyjna pozwala mu korzystać z narzędzi, API, systemów workflow lub repozytoriów wiedzy. Po trzecie, często działa on w oparciu o uprawnienia nadane przez organizację, a więc może wykonywać czynności o realnym skutku biznesowym.
Podejście Lloyds sugeruje, że bezpieczeństwo agentic AI powinno być projektowane wokół kilku filarów.
- Centralna inwentaryzacja modeli i przypadków użycia – organizacja musi wiedzieć, gdzie agent działa, z jakich danych korzysta, jakie narzędzia wywołuje i jakie decyzje może inicjować.
- Formalna ścieżka Responsible AI – kontrola już na etapie projektowania powinna obejmować klasyfikację danych, ocenę nadużyć, scenariusze prompt injection, ryzyko eskalacji uprawnień i błędów orkiestracji.
- Guardrails i kontrole operacyjne – ograniczanie dostępu do narzędzi, wymuszanie zasady least privilege, separacja środowisk, walidacja wejścia i wyjścia oraz zatwierdzanie działań wysokiego ryzyka.
- Bezpieczeństwo tożsamości – agent AI powinien być traktowany jak podmiot operacyjny z własnym profilem dostępu, którego kompromitacja może skutkować nadużyciami porównywalnymi z przejęciem konta uprzywilejowanego.
- Telemetria i monitoring ciągły – potrzebne są szczegółowe ślady decyzji, historia promptów, kontekst użytych narzędzi, wynik działań oraz korelacja tych danych z systemami bezpieczeństwa.
Warto też zauważyć, że przedstawiciele Lloyds podkreślają ofensywno-defensywny potencjał AI w cyberbezpieczeństwie. Agentowe systemy mogą wspierać wykrywanie ścieżek ataku i słabości infrastruktury szybciej niż tradycyjne procesy manualne, ale te same mechanizmy mogą zostać wykorzystane przez przeciwnika do automatyzacji rekonesansu, analizy ekspozycji i prób obejścia zabezpieczeń.
Konsekwencje / ryzyko
Najważniejszą konsekwencją wdrażania agentic AI jest przesunięcie ryzyka z poziomu treści generowanej przez model na poziom działania wykonywanego przez system. Błędna odpowiedź chatbota może być problemem reputacyjnym, ale błędne działanie agenta z uprawnieniami do systemów wewnętrznych może prowadzić do incydentu bezpieczeństwa, naruszenia danych, błędów operacyjnych lub złamania wymogów regulacyjnych.
W środowisku bankowym szczególnie istotne są następujące ryzyka:
- prompt injection prowadzący do nieautoryzowanych działań,
- nadmierne uprawnienia agentów i kont technicznych,
- wyciek danych przez połączenia z zewnętrznymi usługami lub narzędziami,
- błędy w orkiestracji między agentem, API i systemami back-end,
- brak rozliczalności decyzji podejmowanych przez autonomiczne workflow,
- trudności w odróżnieniu legalnej automatyzacji od działań anomalitycznych.
Z perspektywy organizacyjnej zagrożeniem pozostaje także zbyt szybkie skalowanie rozwiązań AI bez ujednoliconych standardów nadzoru. Jeśli poszczególne zespoły wdrażają własnych agentów bez wspólnej inwentaryzacji, polityk bezpieczeństwa i kontroli dostępu, organizacja może bardzo szybko utracić kontrolę nad tym, jakie byty programowe podejmują działania w jej imieniu.
Rekomendacje
Organizacje planujące wdrożenia agentic AI powinny potraktować doświadczenia Lloyds jako praktyczny wzorzec do budowy własnego modelu bezpieczeństwa.
- Utworzyć centralny rejestr agentów, modeli, konektorów i przypadków użycia.
- Wdrożyć obowiązkową ocenę ryzyka dla każdego systemu agentowego przed uruchomieniem produkcyjnym.
- Nadawać agentom minimalne uprawnienia oraz stosować silną segmentację tożsamości i sekretów.
- Ograniczyć dostęp agentów do działań nieodwracalnych lub wysokiego ryzyka bez zatwierdzenia człowieka.
- Rejestrować pełny łańcuch decyzyjny: prompt, kontekst, narzędzie, akcję, wynik i użytkownika inicjującego.
- Testować odporność na prompt injection, data exfiltration, tool abuse i eskalację uprawnień.
- Integrować agentic AI z istniejącymi mechanizmami SOC, SIEM, IAM, DLP i kontrolami zgodności.
- Rozdzielić warstwę eksperymentalną od produkcyjnej oraz utrzymywać jasne granice między środowiskami.
- Rozwijać kompetencje Responsible AI, AI security i threat modeling w zespołach bezpieczeństwa.
- Ustanowić polityki governance dla orkiestracji agentów, użycia narzędzi oraz cyklu życia modeli.
Dla zespołów blue team szczególnie ważne jest uwzględnienie agentów AI w modelach detekcji. Każdy agent powinien być monitorowany tak, jak monitoruje się uprzywilejowanego użytkownika lub krytyczną usługę automatyzującą procesy biznesowe.
Podsumowanie
Przypadek Lloyds pokazuje, że bezpieczeństwo agentic AI przestaje być zagadnieniem teoretycznym, a staje się elementem architektury operacyjnej dużych organizacji. Najistotniejsza lekcja brzmi: skuteczne wdrożenie agentów AI wymaga połączenia governance, kontroli tożsamości, telemetryki, guardrails i ciągłego nadzoru nad przypadkami użycia.
Dla branży cyberbezpieczeństwa to wyraźny sygnał, że przyszłe programy ochrony nie mogą skupiać się wyłącznie na modelu jako takim. Rzeczywistym obiektem ochrony jest cały system agentowy: jego uprawnienia, narzędzia, dane, procesy decyzyjne i wpływ na środowisko produkcyjne. To właśnie na tym poziomie rozstrzygnie się, czy agentic AI stanie się przewagą obronną, czy nową klasą ryzyka.
Źródła
- Infosecurity Magazine – “Infosecurity Europe: Practical Lessons From Lloyds’ Agentic AI Security Playbook” – https://www.infosecurity-magazine.com/news/lloyds-agentic-ai-security-playbook/
- Lloyds Banking Group – Artificial Intelligence – https://www.lloydsbankinggroup.com/who-we-are/group-overview/artificial-intelligence.html
- Lloyds Banking Group – “Lloyds expands Responsible AI expertise as it advances its AI journey” – https://www.lloydsbankinggroup.com/assets/pdfs/media/press-releases/2026-press-releases/lloyds/20.04.2026-responsible-ai-expertise.pdf
- Microsoft UK Stories – “Lloyds Banking Group rolls out Microsoft 365 Frontier Suite to power agentic future” – https://ukstories.microsoft.com/features/lloyds-banking-group-rolls-out-microsoft-365-frontier-suite-to-power-its-agentic-future/
- The Banker – “Lloyds: AI critical to getting ahead of cyber attackers” – https://www.thebanker.com/content/9ea0b6f3-e620-4111-9c4e-68034e97f4fd