Lühidalt: Klassikalised intsidendireageerimise raamistikud jäävad AI-intsidentide puhul puudulikuks, kuna need ei hõlma probabilistlikke vigu ning vajalik on uus klassifitseerimisskeem eraldi mängureeglitega mudelist tingitud ja väliselt põhjustatud tõrkestsenaariumide jaoks.
Vaid 16% organisatsioonidest, kelle tehisintellektil on juurdepääs kriitilistele süsteemidele, suudavad seda juurdepääsu tõhusalt kontrollida. CISO-d peavad oma olemasolevad intsidendireageerimise mängureeglid üle vaatama, kuna need ei ole kohandatud AI-intsidentide eripäraga.
2026. aasta CISO AI riskiraport toob esile struktuurse juhtimisprobleemi: 71% organisatsioonidest kasutab tootmiskeskkonnas tehisintellektisüsteeme, millel on juurdepääs peamistele äritegevuse süsteemidele, kuid ainult 16% suudab seda juurdepääsu tõhusalt hallata. Enamikus ettevõtetes valitseb seejuures kriitiline väärarusaam: organisatsioonidel on tootmises tehisintellekt ja neil on olemas intsidendireageerimise mängureeglid. Eeldatakse, et need kaks asja on omavahel seotud – tegelikkuses see nii ei ole. CISO-d, kes usuvad, et nende olemasolevad IR-mängureeglid katavad ka AI-intsidendid, ei ole neid reeglina testinud. Need, kes on neid testinud, teavad, et need ei toimi.
AI-intsidentide arv kasvas aastatel 2023–2024 56,4% võrra, ulatudes 233 dokumenteeritud juhtumini. Levinud IR-raamistikud, nagu NIST SP 800-61, MITRE ATLAS ja GLACIS AI Incident Response Playbook, pakuvad kuuest intsidenditüübist koosnevat taksonoomiat – kuid see klassifikatsioon jätab tähelepanuta olulise erisuse: kas tõrke põhjustas mudel ise või inimtegevus. Nende kahe rühma vahel erinevad põhjalikult nii avastamisstrateegia, ohjeldamise loogika kui ka vastutusrisk. Mudelist tingitud tõrked – mudeli kvaliteedi halvenemine, kallutatus, hallutsinatsioonid – tekivad siis, kui süsteem toimib täpselt vastavalt spetsifikatsioonile, kuid ikkagi ekslikult. Epic Sepsis Model, mida kasutati sadades USA haiglates, näitas välisandmetega valideerimisel vaid 33% tundlikkust. See jättis märkamata kaks kolmandikku tegelikest sepsisjuhtumitest ja üleujutas arstid valehäiretega – nagu tuvastas 2021. aastal JAMA Internal Medicine uuring. Keegi seda süsteemi ei rünnanud. See lihtsalt lakkas vaikselt taustal korrektselt töötamast, samal ajal kui kõik armatuurlauad püsisid rohelisena.
Väliselt põhjustatud tõrked – vastandlikud rünnakud, andmete mürgitamine, andmekaitserikkumised – tekivad sisendite või treeningkeskkonna manipuleerimise tulemusena. Tesla Autopiloti nn fantoompidurdusjuhtumid, mida uuris NHTSA sadade tuhandete sõidukite lõikes, näitavad, milline näeb välja sisendviga turvakriitilistes süsteemides. Need kaks rühma vajavad erinevaid esmaseid kaitsemeetmeid ja omaette mängureegleid.
Suurima õigusliku riski kannab praegu hübriidjuhtum. Hallutsinatsioonid tulenevad mudelist, kuid kohtus käsitletakse neid nagu inimlikke vigu. Kui Air Canada vestlusrobot esitas väljamõeldud leinatariifi eeskirja, jäi lennufirma sellest hoolimata vastutavaks. Kui USA föderaalkohus lubas kohtuasjas Mobley v. Workday menetlusega jätkata, tunnistas see, et AI-põhine värbamisplatvorm võib olla otseselt vastutav kui tööandja “agent”. Ükski neist vigadest ei näinud algselt välja nagu turvaintsident. Mõlemad lõppesid õigusliku vaidlusena. Klassikaline CIA-triaad – konfidentsiaalsus, terviklikkus, käideldavus – ei suuda neid intsidente hõlmata: miski ei olnud kättesaamatu, midagi ei muudetud ilma loata, midagi ei avaldatud. Raamistik lihtsalt ei toimi. AI-intsidentide keskmine avastamisaeg on 4,5 päeva ning 67% AI-intsidentidest tekib mudelivigade, mitte rünnakute tõttu – kuid traditsioonilised IR-meetrikud ei suuda kumbagi tõhusalt tuvastada.