AI-kodekrisen: 31,6 % av AI-generert kode er utnyttbar – slik skal Cytix' $7M-plattform håndtere endringsrisikoen

AI-assisterte kodeverktøy som GitHub Copilot har forandret måten programvare utvikles på, men har samtidig åpnet en ny og farlig front i cybersikkerhet. Forskning publisert i 2026 viser at 31,6 % av AI-genererte kodeeksemplarer er fullt utnyttbare, og 69 % av organisasjoner har allerede funnet sårbarheter introdusert av AI-skrevet kode i sine systemer . Hver femte organisasjon har opplevd en alvorlig sikkerhetshendelse knyttet til slik kode .

Samtidig har farten i AI-assistert utvikling gjort tradisjonelle sikkerhetsgjennomganger utdaterte. Tidsvinduet for å håndtere sårbarheter har krympet fra dager til mellom 12 og 72 timer . Sikkerhetsteam kan ikke lenger manuelt gå gjennom hver eneste pull request – men kostnaden ved å overse én eneste risikabel endring kan være katastrofal.

I dette landskapet har cybersikkerhetsstartupen Cytix, basert i Manchester, hentet inn 7 millioner dollar i Series A-finansiering – avsluttet 12. august 2026 og ledet av Northern Gritstone med deltagelse fra Auriga Cyber Ventures og NPIF II – PXN Equity Finance – for å skape et nytt kontrolllag i programvareutviklingen . Plattformen er utformet for å svare på spørsmålene konvensjonelle verktøy ikke kan: Hvilke endringer har faktisk betydning? Hvilken risiko bærer de? Og hvilke bevis finnes for at håndteringen var riktig?

De fem cybersikkerhetsutfordringene ved AI-drevet utvikling

Forskning fra World Economic Forum, Check Point, IOActive og andre store cybersikkerhetsorganer peker på et sett med målbare risikoer skapt av AI-assistert programvareutvikling.

1. Utnyttbar AI-generert kode. IOActives vurdering for 2026 fant at 31,6 % av AI-genererte kodeeksemplarer er fullt utnyttbare – en angriper kan kompromittere systemet via sårbarheten. Tradisjonelle verktøy oppdager bare delvis disse feilene . Aikidos rapport 'State of AI in Security & Development' for 2026 viste at 69 % av organisasjoner har støtt på sårbarheter fra AI-skrevet kode, og én av fem har hatt en alvorlig sikkerhetshendelse .

2. Hastverk som overgår sikkerhetsmodellene. Check Point Research rapporterer at AI nå kan resonnere om kode godt nok til å generere fungerende angrep i stor skala. Tidsvinduet for å håndtere sårbarheter er krympet til 12–72 timer – ned fra den tradisjonelle dagersrammen . Sikkerhetsteam som bruker manuelle gjennomganger, henger ikke med i maskinfartens utviklingssykluser.

3. Tap av risikokontekst. Mange eksisterende skanneverktøy kan identifisere enkeltsårbarheter, men mangler forståelse for hvilke endringer som faktisk betyr noe for virksomheten, hvilket miljø de påvirker, og hvilken risiko de bærer . Dette fører til alarmtretthet og feilprioritering.

4. Regulatorisk eksponering. World Economic Forums 'Global Cybersecurity Outlook 2026' fant at 87 % av sikkerhetsledere identifiserte AI-relaterte sårbarheter som den raskest voksende cyberrisikoen i 2025 . Gartner anslår at innen 2027 vil over 40 % av AI-relaterte databrudd stamme fra feil bruk av generativ AI . Organisasjoner under GDPR, SOC 2 eller bransjespesifikke regler står under økende press for å bevise at de har vurdert AI-generert kode.

5. Skygge-AI og forsyningskjederisiko. Aktive angrepsvektorer inkluderer prompt-injisering, lekkasje av sensitiv informasjon via AI-verktøy og kompromittering av AI-forsyningskjeder – der bakdører introduseres i modeller eller forgiftede avhengigheter . Deloitte peker på skygge-AI – uautorisert bruk av AI-verktøy av ansatte – som en av de mest presserende interne risikoene .

Slik fungerer Cytix' plattform for endringsrisikostyring

Cytix posisjonerer plattformen som et 'sikkerhetsbeslutningslag' som plasseres mellom programvareutviklingslivssyklusen (SDLC) og risikostyrings-, sikkerhets- og compliance-funksjonene . I stedet for å legge til nok et skanneverktøy, fungerer det som et kontrollpunkt som hver programvareendring må passere – forstå endringen, bestemme sikkerhetstiltak, validere risikoen og levere bevis til regulatorer . Plattformen opererer i fire trinn:

Sanntidsoversikt. Cytix overvåker kontinuerlig hver programvareendring – billetter, pull requests, kode-differ og utgivelser – og leser kontekst: eiendelen, miljøet og historikken. Plattformen vedlikeholder en vedvarende kunnskapsgraf over systemlandskapet, slik at team kan se hvilke endringer som har reell risiko så snart de dukker opp .

Umiddelbar risikovurdering. I stedet for å behandle alle endringer likt, kvalifiserer plattformen hva som har skjedd og bestemmer en proporsjonal respons – enten det betyr mer kontekst, en sikkerhetsgjennomgang, en trusselmodell eller en spesifikk test. Lavrisikoendringer kan godkjennes automatisk; høyrisikoendringer får nødvendig gransking .

Veiledet validering og handling. Plattformen gjennomfører riktig respons – AI-ledet, menneskelig vurdert eller partnerlevert gjennom etablerte partnerskap med NCC Group og KPMG – slik at ingenting risikabelt går videre uten riktig håndtering .

Samsvarsbevis. Hver beslutning, handling og resultat knyttes permanent til endringen som utløste det, og skaper en enkelt sammenhengende oversikt over sikkerhet. Ledelse for styring, risiko og compliance kan på forespørsel vise hvilke endringer som ble vurdert, hva som ble gjort og hvem som eide dem – uten å måtte forberede seg i panikk .

Hvorfor dette haster nå

Cytix' administrerende direktør Ben Armstrong formulerer problemet enkelt: 'Eksisterende verktøy kan fortelle deg hvilke sårbarheter du har, men ikke om risikoen. Vi lanserte Cytix' plattform for å få kontroll over den risikoen' .

Plattformens tilnærming – kontekstbevisst, risikobasert og bevisproduserende – gjenspeiler et bredere skifte i cybersikkerhetsbransjen. Ettersom AI-kodegenerering fortsetter å øke farten, er gapet mellom utviklingshastighet og sikkerhetssikring den nye slagmarken. Med 7 millioner dollar i Series A-finansiering satser Cytix på at bedrifter vil betale for et policy- og bevislag rundt hver endring, med etablerte konsulenthus som distribusjonskanal og tillitsgarantist .

For sikkerhetsledere er dataene klare: nesten én av tre AI-genererte kodeeksemplarer er fullt utnyttbar, og tidsvinduet for å respondere måles i timer, ikke dager. Spørsmålet er ikke lenger om AI-akselerert utvikling skaper risiko, men om din sikkerhetsmodell er bygget for å håndtere den.

Denne artikkelen ble publisert 13. august 2026. Den ble oppdatert for å gjenspeile finansieringskunngjøringen 12. august 2026.