Umělá inteligence se během pár let přesunula z chatovacího okna přímo do našich počítačů. AI agenti dnes čtou a upravují soubory, spouštějí příkazy, pracují s firemními systémy a komunikují s externími službami. Méně se už ví, že po celou dobu po sobě nechávají podrobné stopy – a ty se právě teď stávají novou kapitolou digitální forenziky.
Pracovní deník, o kterém se moc neví
AI agenti si lokálně ukládají překvapivě úplný záznam své práce: celé konverzace s uživatelem, volání nástrojů i s jejich výstupy, v některých případech dokonce kompletní kopie požadavků odeslaných poskytovateli AI – včetně hlaviček a celého obsahu. Vzniká tak podrobný pracovní deník: kdo agentovi co zadal, co agent udělal, co při tom přečetl a co odeslal ven.
Že jde o téma, které forenzní komunita bere vážně, ukazuje říjnový článek SANS Internet Storm Center. Jim Clausing v něm představuje nové skripty pro rekonstrukci činnosti AI agentů a zmiňuje, že kurz SANS pro pokročilou forenzní analýzu nově pokrývá osm AI nástrojů – mezi nimi Claude Code, Codex, Gemini CLI, Cursor nebo Copilot. Smyslem takových nástrojů není agenta „přehrát“, ale zpětně přečíst, co se zaznamenalo: prompty, odpovědi, aktivitu nástrojů i souvislosti. A jedno varování navíc: v záznamech mohou zůstat i přístupové údaje, které výstupy nástrojů obsahovaly.
Proč je to důležité pro kybernetickou bezpečnost
Schopnosti agentů – práce se soubory, spouštění příkazů, komunikace s externími službami – přinášejí nová bezpečnostní rizika. Tři scénáře, se kterými se dá v praxi reálně počítat:
- Únik firemních dat. Zaměstnanec používá AI agenta, který získá přístup k interním dokumentům. Bezpečnostní tým potřebuje zjistit, zda se jejich obsah dostal do požadavků odeslaných externímu poskytovateli AI – a právě lokální záznamy agenta to mohou doložit.
- Kompromitovaný agent. Útočník agenta zmanipuluje, například podstrčenou instrukcí v dokumentu či na webu (prompt injection), a agent následně provede nebezpečnou operaci. Forenzní analýza pomůže zjistit, jaké instrukce agent dostal a jak na ně reagoval.
- Vyšetřování incidentu. Na serveru dojde k podezřelé aktivitě a ukáže se, že na něm běžel AI agent. Z jeho záznamů lze rekonstruovat zaznamenanou komunikaci a činnost – a zařadit ji do časové osy incidentu.
Uvedené scénáře jsou ilustrace praktického využití, nikoli konkrétní útoky popsané v citovaných zdrojích.
Nejde jen o agenty v terminálu
Podobné stopy nechávají i běžné AI aplikace. Výzkumníci ze Southern Illinois University letos publikovali první forenzní studii desktopové aplikace ChatGPT pro Windows – a obsah konverzací dokázali obnovit z operační paměti i z disku dokonce po smazání chatů a vypnutí počítače. Kolem AI agentů zároveň rychle roste vyšetřovatelský ekosystém: open-source projekt AgentDFIR už umí detekovat a zajistit stopy dvanácti různých AI nástrojů do zapečetěných důkazních balíčků a nálezy mapuje na známé útočné techniky.
Odvrácená strana: stopy jsou samy citlivá data
Tytéž záznamy, které umožní incident objasnit, jsou ale samy o sobě koncentrátem citlivých informací – obsahují interní dokumenty vložené do promptů, výstupy z firemních systémů i případné klíče a hesla. A zdaleka nejde o okrajový problém: podle reportu IBM Cost of a Data Breach byl s neschváleným používáním AI („shadow AI“) spojen zhruba každý pátý únik dat, takové incidenty vyšly v průměru o 670 tisíc dolarů dráž a v 65 % případů při nich unikly osobní údaje zákazníků.
Pro firmy z toho plyne dvojí úkol. Vědět, kde AI nástroje běží a co si zapisují – aby jejich záznamy bylo možné při incidentu využít. A zároveň s těmito záznamy zacházet jako s citlivými daty: řídit, kdo k nim má přístup, jak dlouho se uchovávají a kdy se mažou. V naší praxi se při vyšetřování incidentů dnes už standardně ptáme i na to, zda v prostředí neběžel AI agent – jeho deník může být nejrychlejší cestou k odpovědi na otázku, co se skutečně stalo.
Poučení: zmapujte, kde ve vaší firmě běží AI nástroje a agenti, a zahrňte je do inventáře systémů i plánů reakce na incidenty. Jejich záznamy mohou incident objasnit – ale potřebují stejnou ochranu jako data, která se v nich mohou objevit.
Zdroje: SANS ISC – Reconstructing AI Agent Activity (Jim Clausing, říjen 2026) · Digital Forensic Investigation of the ChatGPT Windows Application (Southern Illinois University, 2025) · AgentDFIR · IBM Cost of a Data Breach Report.