Punkt-punktis: KI-mudelid toodavad toimivat koodi, kuid ei rakendata süstemaatiliselt turvameetmeid nagu määra piiramine või sisendi valideerimine, kuna nad on treenitud avalikul koodil, mis neid aspekte struktureeritult ei kajasta.
50 reaalse GitHub-projekti analüüs, mis on loodud KI-kodeerimisvahenditega, paljastab strukturaalse probleemi: 88 protsenti sisaldab kriitilisi nõrku kohti. Kõige sagedamini tekivad lünkad puuduvast kaitselogikast, mitte rakendamisvigadest.
50 avaliku GitHub-projekti turvaanalüüsil, mis tuvastati konfiguratsioonifailide nagu .cursorrules või CLAUDE.md alusel KI-ga loodud projektidena, ilmnes järjekindel muster: keskmine turva-skoor oli 34 punkti 100-st. 88 protsendil projektidest oli vähemalt üks kõrge raskusastmega nõrkus, 52 protsendil olid otse ärakasutavad kriitilised lünkad. 36 protsendil olid API-võtmed, andmebaasi paroolid või juurdepääsuandmed selge tekstina lähtekoodis. 46 protsenti projektidest jäid alla 30 punkti, vaid 8 protsenti ületas 90 punkti.