GitHub AI Scan ogólnie dostępny. Jak działa i ile kosztuje

Czym jest AI Scan w GitHub code scanning

AI Scan to silnik wykrywania podatności oparty na modelu językowym, który uzupełnia CodeQL, czyli klasyczny analizator statyczny GitHub. CodeQL działa na regułach dla konkretnych języków i nie obsługuje ich wszystkich. AI Scan ma wypełnić te luki. Według dokumentacji GitHub obejmuje między innymi PHP, Shell/Bash, konfigurację Terraform (HCL), pliki Dockerfile oraz frameworki, których CodeQL nie pokrywa w pełni, na przykład JSP w Javie i Blazor w C#.

Analiza uruchamia się automatycznie przy otwarciu pull requestu i po każdym kolejnym commicie. Silnik pracuje na kodzie zmian i pobiera dodatkowy kontekst z repozytorium przez wyszukiwarkę kodu. Nie korzysta natomiast z plików instrukcji Copilota, takich jak .github/copilot-instructions.md, więc zespołowe wskazówki dla asystenta nie wpływają na wynik skanu.

Funkcję ogłoszono 14 lipca 2026 roku jako publiczną wersję testową (public preview). Początkowo działała tylko w repozytoriach z domyślną konfiguracją CodeQL (default setup). We wrześniu GitHub rozszerzył jej zasięg, a 15 października udostępnił ją ogólnie.

Co zmieniło się 15 października 2026 roku

Wersja ogólnie dostępna przynosi przede wszystkim zmiany w dostępie i rozliczeniach. AI Scan nie wymaga już licencji GitHub Copilot. Działa w publicznych repozytoriach organizacji bez licencji Code Security dla aktywnych autorów commitów oraz w publicznych repozytoriach kont prywatnych. W repozytoriach prywatnych i wewnętrznych organizacji nadal potrzebna jest licencja GitHub Code Security albo GitHub Advanced Security, a w prywatnych repozytoriach kont osobistych funkcja nie działa.

Użycie trafia do osobnej pozycji rozliczeniowej Code Security AI Credits, widocznej w sekcji AI usage w ustawieniach rozliczeń przedsiębiorstwa, pod produktem Advanced Security. Administrator może ustawić dla niej osobny budżet. Jeśli organizacja ma kredyty AI w ramach uprawnień Copilot, są one zużywane w pierwszej kolejności.

Co zmieniło się we wrześniu 2026 roku

10 września 2026 roku GitHub udostępnił w wersji testowej endpointy REST API do zarządzania AI Scan: /orgs/{org}/code-scanning/ai-scan dla organizacji i /repos/{owner}/{repo}/code-scanning/ai-scan dla pojedynczego repozytorium. Pozwalają sprawdzić i zmienić stan funkcji w wielu repozytoriach bez klikania w ustawienia. Ustawienie repozytorium nie zastępuje jednak wyłączenia na poziomie organizacji.

16 września 2026 roku zniknął warunek domyślnej konfiguracji CodeQL. Jeśli organizacja ma już włączony AI Scan, skan obejmuje wszystkie kwalifikujące się repozytoria, także te z zaawansowaną konfiguracją CodeQL (advanced setup) albo bez CodeQL. Rośnie przez to liczba skanów, a razem z nią zużycie kredytów AI.

Jakie podatności wykrywa AI Scan

Dokumentacja wymienia dziewięć kategorii problemów. Pokrywają się one w dużej części z typowymi błędami aplikacji webowych opisywanymi przez OWASP. GitHub zastrzega, że lista kategorii i obsługiwanych języków może się zmieniać.

• Wstrzykiwanie ciągów znaków, na przykład SQL injection albo wstrzykiwanie poleceń systemowych.
• Słaba kryptografia.
• Błędy kontroli dostępu.
• Ujawnianie danych wrażliwych.
• Błędna konfiguracja zabezpieczeń.
• Błędy uwierzytelniania.
• Naruszenie integralności danych.
• Fałszowanie żądań po stronie serwera (SSRF).
• Ryzyka w łańcuchu dostaw, na przykład niezaufane źródła zależności lub obrazów.

Jak wyniki pojawiają się w pull requeście

Wykryte problemy trafiają obok alertów CodeQL na kartach Conversation i Files changed w pull requeście. Każdy ma oznaczenie AI, więc łatwo odróżnić go od wyniku analizy regułowej. Alerty mogą zawierać wyjaśnienie ryzyka i propozycję poprawki.

Wyniki mają charakter doradczy. AI Scan nie powoduje niepowodzenia sprawdzenia code scanning, nie blokuje scalenia pull requestu i nie można go na razie wymusić przez reguły repozytorium (rulesets). GitHub uprzedza też o fałszywych alarmach i dodaje przy alertach mechanizm zgłaszania opinii. W praktyce decyzję nadal podejmuje osoba przeglądająca kod.

Agentowy autofix poprawia alerty

Razem z AI Scan ogólnie dostępny stał się agentowy autofix dla alertów code scanning. Po przypisaniu alertu do Copilota agent przegląda powiązane pliki, przygotowuje poprawkę i ponownie uruchamia CodeQL, żeby sprawdzić, czy alert zniknął. Jeśli poprawka nie działa, próbuje dalej, a na koniec otwiera szkic pull requestu z opisem zmiany i wykonanych testów.

Jednorazowo można przypisać do 25 alertów, które agent naprawi w jednym pull requeście. Funkcja obsługuje tylko alerty z domyślnej gałęzi i jest dostępna dla klientów Code Security i Advanced Security w GitHub Enterprise Cloud, także z rezydencją danych. Zużywa kredyty AI z budżetu Code Security oraz minuty GitHub Actions, a po jej włączeniu przycisk Generate Fix przy alertach zastępuje opcja Assign to Copilot.

Ile kosztuje AI Scan

W repozytoriach publicznych licencja nie jest potrzebna, ale skany i tak zużywają kredyty AI rozliczane na koncie właściciela. W repozytoriach prywatnych potrzebna jest licencja GitHub Code Security, która według cennika GitHub kosztuje 30 USD miesięcznie za aktywnego autora commitów. Po średnim kursie NBP z 15 października 2026 roku (1 USD = 3,8952 zł) to około 117 zł netto miesięcznie na osobę, bez VAT.

Kredyty są pobierane tylko wtedy, gdy skan faktycznie się uruchamia. GitHub nie publikuje jednak, ile kredytów zużywa jedna analiza ani który model wykonuje skan. Jeśli twardy budżet się wyczerpie, AI Scan przestaje zwracać wyniki do czasu jego podniesienia albo początku nowego okresu rozliczeniowego. Koszt trzeba więc zmierzyć samodzielnie w raportach rozliczeń po kilku tygodniach użycia.

Jak włączyć AI Scan krok po kroku

Włączenie przebiega od góry do dołu hierarchii konta. Nazwy opcji podajemy w brzmieniu z angielskiego interfejsu GitHub.

1. Właściciel przedsiębiorstwa zezwala na funkcję w politykach Code Security, w pozycji AI Scan.
2. Właściciel organizacji włącza code scanning i AI Scan w ustawieniach Code scanning. Ustawienie obejmuje kwalifikujące się repozytoria.
3. Administrator repozytorium może zrezygnować w ustawieniach Code scanning, wyłączając przełącznik AI Scan for pull requests.
4. Przy wielu repozytoriach można zamiast tego użyć endpointów REST API, na przykład w skrypcie wdrożeniowym.
5. Przed szerszym wdrożeniem warto ustawić budżet dla Code Security AI Credits, żeby koszt skanów nie zaskoczył na fakturze.

Ograniczenia i niewiadome

AI Scan analizuje wyłącznie pull requesty. Nie przeskanuje całego istniejącego repozytorium, więc starszy kod w PHP czy skrypty Bash pozostaną bez oceny, dopóki ktoś ich nie zmieni. Funkcja pomija też pull requesty z forków i te utworzone przez Dependabota. Nie działa w osobistych przestrzeniach kont zarządzanych (managed user accounts), a dokumentacja nie wspomina o GitHub Enterprise Server.

Dokumentacja nie opisuje, gdzie przetwarzany jest kod i jak długo przechowywane są dane analizy. Dla firm objętych wymogami dotyczącymi lokalizacji danych albo tajemnicy przedsiębiorstwa to pytanie do zadania GitHub przed włączeniem funkcji.

Co oznacza AI Scan dla polskich zespołów

W Polsce duża część sklepów internetowych, systemów CMS i aplikacji firmowych wciąż działa na PHP, na przykład na WordPressie, PrestaShopie, Laravelu czy Symfony. Do tej pory natywny code scanning GitHub nie oferował dla nich analizy CodeQL. AI Scan jest pierwszym wbudowanym w GitHub narzędziem, które przegląda takie zmiany pod kątem bezpieczeństwa bez instalowania zewnętrznego skanera.

Wersja GA obniża próg wejścia. Twórcy projektów open source mogą korzystać z AI Scan w publicznych repozytoriach bez licencji, a firmy nie muszą już kupować Copilota tylko po to, żeby włączyć skanowanie. W naszej ocenie AI Scan najlepiej sprawdzi się jako dodatkowa warstwa obok dotychczasowych analizatorów, a przed szerszym wdrożeniem warto porównać wyniki na kilku repozytoriach i policzyć zużycie kredytów.