Η τεχνητή νοημοσύνη κάνει τη λειτουργία των SOC καλύτερη — και τη σκάλα καριέρας στην κυβερνοασφάλεια πιο δύσκολη για ανάβαση

Η τεχνητή νοημοσύνη ελαφρύνει ορισμένες από τις πιο επαναλαμβανόμενες εργασίες μέσα στα κέντρα λειτουργίας ασφαλείας, αλλά τα ίδια κέρδη σε αποδοτικότητα μπορεί να αποδυναμώνουν τη παραδοσιακή διαδρομή εισόδου στο επάγγελμα.

Αυτή η ένταση βρίσκεται στο κέντρο της νέας έρευνας από τη Swimlane. Σε μια έρευνα με 500 επαγγελματίες και ηγέτες λειτουργίας ασφαλείας στις Ηνωμένες Πολιτείες και το Ηνωμένο Βασίλειο, το 88 % ανέφερε ότι η τεχνητή νοημοσύνη έκανε τη δουλειά τους πιο ικανοποιητική. Ταυτόχρονα, το 47 % αναμένει ότι η τεχνητή νοημοσύνη θα κάνει την κυβερνοασφάλεια πιο δύσκολη στην είσοδο, αυξάνοντας τις απαιτήσεις για θέσεις αρχαρίων ή μειώνοντας τις ευκαιρίες για απόκτηση βασικής εμπειρίας.

Το αποτέλεσμα δεν είναι μια απλή ιστορία για την αυτοματοποίηση που αντικαθιστά τους αναλυτές. Είναι μια ιστορία για την ανακατανομή της εργασίας — και για το ότι οι οργανισμοί πρέπει να επανασχεδιάσουν την εκπαίδευση πριν το πρώτο σκαλοπάτι της σκάλης καριέρας των SOC εξαφανιστεί.

Η τεχνητή νοημοσύνη ανακατανέμει την ημέρα του αναλυτή

Η πλήρης αναφορά της Swimlane υποδηλώνει ότι το πιο άμεσο αποτέλεσμα της τεχνητής νοημοσύνης είναι η αυξημένη χωρητικότητα. Το 47 % των ερωτηθέντων ανέφερε ότι η δυνατότητα διαχείρισης περισσότερης δραστηριότητας ασφαλείας ήταν μία από τις δύο πιο σημαντικές αλλαγές από τότε που οι οργανισμοί τους εισήγαγαν την τεχνητή νοημοσύνη. Το 35 % είπε ότι είχε περισσότερο χρόνο για σύνθετες ερευνές απειλών, ενώ ακόμη 35 % ανέφερε περισσότερο χρόνο για στρατηγική ή διαλειτουργική εργασία.

Οι πιο σαφείς εξοικονομήσεις χρόνου προήλθαν από επαναλαμβανόμενες εργασίες. Το 43 % ανέφερε ότι η τεχνητή νοημοσύνη μείωσε το χρόνο που δαπανάται στην έρευνα γνωστών ή επαναλαμβανόμενων προτύπων απειλών. Η ανάπτυξη προτάσεων απόκρισης ή αποκατάστασης ακολούθησε στο 34 %, ενώ η ανασκόπηση και η τριάζ εισερχόμενων συναγερμών ήταν στο 32 %.

Ωστόσο, η αυτοματοποιημένη τριάζ δεν εξαλείφει την ανθρώπινη εργασία. Αλλάζει το κέντρο βάρους της. Το 34 % των ερωτηθέντων ανέφερε ότι τώρα δαπανά περισσότερο χρόνο στην επανεξέταση ή την επαλήθευση ευρημάτων που παράγονται από την τεχνητή νοημοσύνη. Ο αναλυτής γίνεται λιγότερο επεξεργαστής χειροκίνητων συναγερμών και περισσότερο ερευνητής, αξιολογητής και λήπτης αποφάσεων.

Αυτή η μετατόπιση μπορεί να είναι θετική. Μπορεί επίσης να δημιουργήσει πρόβλημα εκπαίδευσης.

Το Παράδοξο των Εισαγωγικών Θέσεων

Οι ομάδες ασφαλείας παραδοσιακά ανέπτυσσαν κρίση μέσω επαναλαμβανόμενης έκθεσης σε συναγερμούς, ερευνές, τεκμηρίωση και αποφάσεις αποκατάστασης. Η τεχνητή νοημοσύνη μπορεί τώρα να διαχειριστεί τμήματα αυτής της μαθητείας με ταχύτητα μηχανής. Εάν οι οργανισμοί αυτοματοποιήσουν αυτές τις εργασίες χωρίς να αντικαταστήσουν την αναπτυξιακή τους αξία, οι νέοι αναλυτές μπορεί να κληθούν να επικυρώσουν συστήματα πριν αποκτήσουν την εμπειρία που απαιτείται για να τα αμφισβητήσουν.

Οι ερωτηθέντες της Swimlane φαίνεται να αντιλαμβάνονται αυτόν τον κίνδυνο. Το 37 % αναμένει υψηλότερες απαιτήσεις γνώσης και εμπειρίας για θέσεις εισαγωγικού επιπέδου, και το 10 % αναμένει ότι οι νέοι αναλυτές θα έχουν λιγότερες ευκαιρίες να αποκτήσουν βασική εμπειρία. Σε σύγκριση, το 41 % προβλέπει νέες θέσεις που εστιάζουν στην εποπτεία, επικύρωση και ορχήστρωση της τεχνητής νοημοσύνης. Μόνο το 1 % αναμένει ότι η διαδρομή καριέρας στο SOC θα παραμείνει σε μεγάλο βαθμό αμετάβλητη.

Αυτό υποδεικνύει μετασχηματισμό περισσότερο από εκτεταμένη απώλεια θέσεων εργασίας. Μόνο το 10 % αναμένει ότι οι παραδοσιακοί ρόλοι αναλυτών θα μειωθούν, ενώ νέοι ρόλοι ασφαλείας θα εμφανιστούν. Το πιο άμεσο ζήτημα είναι ότι οι εναπομείναντες εισαγωγικοί ρόλοι μπορεί να απαιτούν κρίση μεσαίας καριέρας.

Η πρόκληση είναι ιδιαίτερα σημαντική επειδή το NIST NICE Workforce Framework for Cybersecurity θεωρεί την ικανότητα στην κυβερνοασφάλεια ως συνδυασμό εργασιών, γνώσεων και δεξιοτήτων. Η αφαίρεση επαναλαμβανόμενων εργασιών από μια θέση μπορεί να βελτιώσει την παραγωγικότητα, αλλά αφαιρεί επίσης μια πηγή πρακτικής εκτός εάν οι οργανισμοί επανακατασκευάσουν σκόπιμα αυτή τη μάθηση αλλού.

Η ικανοποίηση δεν είναι το ίδιο με την ανάπτυξη δεξιοτήτων

Το πιο αποκαλυπτικό εύρημα της αναφοράς μπορεί να είναι η διάκριση μεταξύ του πώς αισθάνεται η εργασία και του τι μαθαίνουν οι εργαζόμενοι.

Σχεδόν το ένα τέταρτο των ερωτηθέντων ανέφερε ότι η τεχνητή νοημοσύνη είχε περιορίσει την ικανότητά τους να αναπτύξουν δεξιότητες ασφαλείας. Ωστόσο, το 91 % αυτής της ομάδας ανέφερε ακόμη υψηλότερη ικανοποίηση από την εργασία. Ανάμεσα στους ερωτηθέντες που ανέφεραν ότι η τεχνητή νοημοσύνη βελτίωσε την ανάπτυξη των δεξιοτήτων τους, το 92 % ανέφερε υψηλότερη ικανοποίηση — σχεδόν το ίδιο αποτέλεσμα.

Σε όλο το δείγμα, το 62 % ανέφερε ότι η τεχνητή νοημοσύνη βελτίωσε την ανάπτυξη δεξιοτήτων, το 24 % είπε ότι την περιορίζει, και το 14 % ανέφερε ότι δεν υπήρξε σημαντική επίδραση. Αυτά τα ποσοστά προειδοποιούν ενάντια στη χρήση της ικανοποίησης των εργαζομένων ως δείκτη ετοιμότητας. Μια εργάσιμη μέρα μπορεί να γίνει πιο γρήγορη και λιγότερο κουραστική, ακόμη και όταν το κανάλι για τη μελλοντική εξειδίκευση στενεύει.

Υπάρχουν ενδείξεις ότι νέες ευκαιρίες μάθησης εμφανίζονται. Οι ερωτηθέντες ανέφεραν πιο συχνά τη στρατηγική λήψη αποφάσεων, την σύνθετη διερεύνηση απειλών και την ιεράρχηση κινδύνων ως περιοχές όπου η τεχνητή νοημοσύνη δημιούργησε περισσότερο χώρο για ανάπτυξη. Η επικοινωνία με ηγέτες επιχειρήσεων και η διατμηματική συνεργασία επίσης κατατάχθηκαν υψηλά. Αυτές είναι πολύτιμες δεξιότητες, αλλά δεν αποτελούν αυτόματες υποκατάστατες για την πρακτική επανάληψη ερευνών.

Η ανθρώπινη κρίση παραμένει το στρώμα ελέγχου

Οι ερωτηθέντες εξέφρασαν ισχυρή εμπιστοσύνη στην ικανότητά τους να επιβλέπουν την τεχνητή νοημοσύνη: το 92 % είπε ότι μπορεί να εντοπίσει μια λανθασμένη ή ελλιπή σύσταση. Όταν ερωτήθηκαν πότε θα βασίζονταν πιο πιθανό στην δική τους κρίση, το 24 % επέλεξε μια σύγκρουση μεταξύ της σύστασης της τεχνητής νοημοσύνης και των διαθέσιμων αποδείξεων, ενώ το 23 % επέλεξε καταστάσεις που θα μπορούσαν να διαταράξουν λειτουργίες ή κρίσιμα συστήματα.

Αυτή η εμπιστοσύνη δεν πρέπει να παρερμηνευθεί ως σύστημα ελέγχου. Το δεκαεννιά τοις εκατό ανέφερε ότι η υπερβολική εξάρτηση των αναλυτών από τις συστάσεις AI αποτελεί τον μεγαλύτερο κίνδυνο για την επέκταση της AI στις λειτουργίες ασφαλείας — η πιο συχνή απάντηση. Η έκθεση δεδομένων και οι κίνδυνοι ιδιωτικότητας ακολούθησαν στο 17 %, ενώ η εχθρική παραποίηση των συστημάτων AI έφερε 14 %.

Τα ευρήματα ευθυγραμμίζονται με το NIST AI Risk Management Framework, το οποίο τονίζει την υπευθυνότητα, τη διαφάνεια, την εξηγήσιμη και την ανθεκτική AI. Στην πράξη, οι ομάδες ασφαλείας πρέπει να δείξουν στους αναλυτές τα αποδεικτικά στοιχεία πίσω από μια σύσταση, να ορίσουν πότε η ανθρώπινη έγκριση είναι υποχρεωτική, να καταγράψουν τις αυτοματοποιημένες ενέργειες και να κάνουν εύκολο λειτουργικά την παύση ή την παράκαμψη του συστήματος.

Οι ηγέτες και οι επαγγελματίες βλέπουν διαφορετικές μεταβάσεις

Η έκθεση διαπίστωσε επίσης ένα αξιοσημείωτο χάσμα στην αντίληψη. Το εβδομήντα τέσσερα τοις εκατό των ηγετών ανέφερε εκτενή υλοποίηση AI σε πολλαπλές λειτουργίες ασφαλείας, σε σύγκριση με το 49 % των επαγγελματιών. Οι ηγέτες ήταν πιο πιθανό να αναφέρουν μεγαλύτερη χωρητικότητα, υψηλότερη ικανοποίηση από τη δουλειά, εμπιστοσύνη στην ανίχνευση σφαλμάτων AI και επίσημη ανασχεδίαση των ρόλων των αναλυτών.

Επειδή οι ηγέτες και οι επαγγελματίες δεν ήταν ζευγαρωμένοι εντός των ίδιων οργανισμών, η έρευνα δεν αποδεικνύει ότι οι διαχειριστές και το προσωπικό πρώτης γραμμής διαφωνούν για τις ίδιες υλοποιήσεις. Παρόλα αυτά, το μοτίβο έχει σημασία: οι στελέχοι μπορεί να βλέπουν μια ολοκληρωμένη κυκλοφορία τεχνολογίας, ενώ οι επαγγελματίες βιώνουν μια ακανόνιστη αλλαγή στην καθημερινή εργασία.

Η επίσημη σχεδίαση του εργατικού δυναμικού φαίνεται να συνδέεται με καλύτερα αποτελέσματα. Ανάμεσα στους ερωτηθέντες των οποίων οι οργανισμοί επανασχεδίασαν επίσημα τους ρόλους των αναλυτών γύρω από εργασίες υψηλότερης αξίας, το 71 % ανέφερε σημαντική αύξηση στην ικανοποίηση από τη δουλειά. Το ποσοστό αυτό μειώθηκε στο 29 % μεταξύ των ερωτηθέντων χωρίς επίσημη ανασχεδίαση. Η έρευνα δείχνει συσχέτιση, όχι αιτιότητα, αλλά το χάσμα υποδηλώνει ότι η υλοποίηση εργαλείων χωρίς επαναπροσδιορισμό των ευθυνών μπορεί να αφήσει τις ομάδες σε μια άβολη ενδιάμεση κατάσταση.

Η επόμενη σκάλα καριέρας SOC πρέπει να σχεδιαστεί

Οι οργανισμοί δεν πρέπει να περιμένουν μια έλλειψη έμπειρων αναλυτών για να αποκαλύψουν ότι υπερβολική εργασία επιπέδου εισόδου έχει αυτοματοποιηθεί. Μπορούν να διατηρήσουν την ανάπτυξη ενώ εξακολουθούν να αξιοποιούν τα οφέλη της AI δημιουργώντας δομημένα εργαστήρια διερεύνησης, απαιτώντας από τους αναλυτές να εξετάζουν τα αποδεικτικά στοιχεία πίσω από τις αυτοματοποιημένες αποφάσεις, περιστρέφοντας το νέο προσωπικό σε σύνθετες υποθέσεις και μετρώντας την πρόοδο των δεξιοτήτων ξεχωριστά από τον όγκο παραγωγής και την ικανοποίηση.

Οι πιο επιτυχημένες SOC πιθανότατα θα είναι εκείνες που αντιμετωπίζουν την εποπτεία της AI ως μια μάθηση πειθαρχία και όχι ως προεπιλεγμένη ανθρώπινη ικανότητα. Οι νεαροί αναλυτές χρειάζονται ασφαλείς ευκαιρίες να διαφωνούν με την AI, να τεκμηριώνουν το γιατί, και να δουν τις συνέπειες τόσο των σωστών όσο και των λανθασμένων αποφάσεων.

Η έρευνα της Swimlane διεξήχθη διαδικτυακά από την Sapio Research υπό την καθοδήγηση της Swimlane μεταξύ Αυγούστου και Σεπτεμβρίου 2026. Οι ερωτηθέντες εργάζονταν σε οργανισμούς των Η.Π.Α. και Η.Β. με τουλάχιστον 500 υπαλλήλους, και τα ποσοστά στρογγυλοποιήθηκαν σε ακέραιους αριθμούς. Όπως συμβαίνει με κάθε έρευνα που χρηματοδοτείται από προμηθευτή, τα ευρήματα πρέπει να ερμηνεύονται ως κατευθυντήριες, όχι καθολικές.

Ακόμη και με αυτόν τον περιορισμό, η κεντρική προειδοποίηση είναι δύσκολο να αγνοηθεί: η AI μπορεί να κάνει τη δουλειά στο SOC πιο ικανοποιητική, ενώ ταυτόχρονα καθιστά πιο δύσκολη την ανάπτυξη της τεχνογνωσίας. Η αυτοματοποίηση ήδη αναδιαμορφώνει τη σκάλα καριέρας. Το αν θα γίνει μια ισχυρότερη σκάλα — ή μια με ελλείποντα κατώτερα σκαλοπάτια — εξαρτάται από το πόσο σκόπιμα οι ηγέτες ασφαλείας επανασχεδιάζουν τη διαδρομή.