AI Membuat Pekerjaan SOC Lebih Baik—Dan Tangga Karier Keamanan Siber Menjadi Lebih Sulit Dicapai

Kecerdasan buatan mengurangi sebagian pekerjaan paling berulang di dalam pusat operasi keamanan, namun peningkatan efisiensi yang sama mungkin melemahkan jalur tradisional masuk ke profesi ini.

That tension sits at the center of penelitian baru dari Swimlane. Dalam survei terhadap 500 profesional dan pemimpin operasi keamanan di Amerika Serikat dan Inggris, 88% mengatakan AI telah membuat pekerjaan mereka lebih memuaskan. Pada saat yang sama, 47% memperkirakan AI akan membuat keamanan siber lebih sulit untuk dimasuki dengan meningkatkan persyaratan untuk peran junior atau mengurangi peluang untuk membangun pengalaman dasar.

Hasilnya bukan sekadar cerita tentang otomatisasi yang menggantikan analis. Ini adalah cerita tentang pekerjaan yang didistribusikan kembali—dan tentang organisasi yang perlu merancang ulang pelatihan sebelum anak tangga pertama pada tangga karier SOC menghilang.

AI Mendistribusikan Ulang Hari Analis

The laporan lengkap Swimlane menunjukkan bahwa efek paling langsung dari AI adalah peningkatan kapasitas. Empat puluh tujuh persen responden menyebut kemampuan mengelola lebih banyak aktivitas keamanan sebagai salah satu dari dua perubahan paling signifikan sejak organisasi mereka memperkenalkan AI. Tiga puluh lima persen mengatakan mereka memiliki lebih banyak waktu untuk penyelidikan ancaman yang kompleks, sementara 35% lainnya melaporkan lebih banyak waktu untuk pekerjaan strategis atau lintas fungsi.

Penghematan waktu yang paling jelas berasal dari tugas yang dapat diulang. Empat puluh tiga persen mengatakan AI mengurangi waktu yang mereka habiskan untuk menyelidiki pola ancaman yang dikenal atau berulang. Pengembangan rekomendasi respons atau remediasi berada pada 34%, dengan peninjauan dan triase peringatan masuk pada 32%.

Namun triase otomatis tidak menghilangkan pekerjaan manusia. Itu mengubah pusat gravitasinya. Tiga puluh empat persen responden mengatakan mereka kini menghabiskan lebih banyak waktu untuk meninjau atau memvalidasi temuan yang dihasilkan AI. Analis menjadi kurang sebagai pemroses peringatan manual dan lebih sebagai penyelidik, evaluator, serta pengambil keputusan.

Perubahan itu dapat menjadi positif. Namun juga dapat menimbulkan masalah pelatihan.

Paradoks Tingkat Pemula

Tim keamanan secara tradisional mengembangkan penilaian melalui paparan berulang terhadap peringatan, penyelidikan, dokumentasi, dan keputusan remediasi. AI kini dapat menangani sebagian pekerjaan magang tersebut dengan kecepatan mesin. Jika organisasi mengotomatisasi tugas-tugas itu tanpa menggantikan nilai pengembangannya, analis junior mungkin diminta untuk memvalidasi sistem sebelum mereka memperoleh pengalaman yang diperlukan untuk menantangnya.

Responden Swimlane tampaknya menyadari risiko tersebut. Tiga puluh tujuh persen mengharapkan persyaratan pengetahuan dan pengalaman yang lebih tinggi untuk peran tingkat pemula, dan 10% mengharapkan analis junior memiliki lebih sedikit peluang untuk memperoleh pengalaman dasar. Sebagai perbandingan, 41% memperkirakan munculnya peran baru yang berfokus pada pengawasan, validasi, dan orkestrasi AI. Hanya 1% yang memperkirakan jalur karier SOC tetap sebagian besar tidak berubah.

Hal ini menunjukkan transformasi lebih daripada kehilangan pekerjaan secara luas. Hanya 10% yang memperkirakan peran analis tradisional akan menurun sementara peran keamanan baru muncul. Masalah yang lebih mendesak adalah bahwa pekerjaan tingkat pemula yang tersisa mungkin menuntut penilaian setara dengan karier menengah.

Tantangan ini terutama penting karena NIST NICE Workforce Framework for Cybersecurity memperlakukan kemampuan keamanan siber sebagai kombinasi tugas, pengetahuan, dan keterampilan. Menghilangkan tugas berulang dari sebuah pekerjaan dapat meningkatkan produktivitas, tetapi juga menghilangkan sumber latihan kecuali organisasi secara sengaja membangun kembali pembelajaran itu di tempat lain.

Kepuasan Bukanlah Sama dengan Pertumbuhan Keterampilan

Temuan paling mengungkap dari laporan ini mungkin adalah pemisahan antara bagaimana pekerjaan terasa dan apa yang dipelajari pekerja.

Hampir seperempat responden mengatakan AI telah membatasi kemampuan mereka untuk mengembangkan keterampilan keamanan. Namun 91% dari kelompok itu masih melaporkan kepuasan kerja yang lebih tinggi. Di antara responden yang mengatakan AI meningkatkan pengembangan keterampilan mereka, 92% melaporkan kepuasan yang lebih tinggi—hampir hasil yang sama.

Di seluruh sampel penuh, 62% mengatakan AI meningkatkan pengembangan keterampilan, 24% mengatakan AI membatasi pengembangan, dan 14% melaporkan tidak ada efek yang berarti. Angka-angka ini memperingatkan agar tidak menggunakan kepuasan karyawan sebagai proksi kesiapan. Hari kerja dapat menjadi lebih cepat dan kurang membosankan meskipun jalur pengembangan keahlian masa depan menyempit.

Ada tanda bahwa peluang belajar baru sedang muncul. Responden paling sering menyebut pengambilan keputusan strategis, penyelidikan ancaman kompleks, dan prioritas risiko sebagai bidang di mana AI menciptakan lebih banyak ruang untuk berkembang. Komunikasi dengan pemimpin bisnis dan kolaborasi lintas tim juga berada di peringkat tinggi. Itu adalah keterampilan berharga, tetapi tidak secara otomatis menggantikan pengulangan penyelidikan langsung.

Penilaian Manusia Tetap Menjadi Lapisan Kontrol

Responden menyatakan kepercayaan diri yang kuat dalam kemampuan mereka mengawasi AI: 92% mengatakan mereka dapat mengidentifikasi rekomendasi yang salah atau tidak lengkap. Ketika ditanya kapan mereka paling mungkin mengandalkan penilaian mereka sendiri, 24% memilih konflik antara rekomendasi AI dan bukti yang tersedia, sementara 23% memilih situasi yang dapat mengganggu operasi atau sistem kritis.

Keyakinan itu tidak boleh disamakan dengan sistem kontrol. Sembilan belas persen mengidentifikasi ketergantungan berlebih analis pada rekomendasi AI sebagai risiko terbesar dalam memperluas AI di operasi keamanan—jawaban yang paling umum. Paparan data dan risiko privasi berada di angka tujuh belas persen, sementara manipulasi adversarial terhadap sistem AI menarik empat belas persen.

Temuan tersebut selaras dengan NIST AI Risk Management Framework, yang menekankan AI yang dapat dipertanggungjawabkan, transparan, dapat dijelaskan, dan tangguh. Dalam praktiknya, tim keamanan perlu menunjukkan kepada analis bukti di balik sebuah rekomendasi, menentukan kapan persetujuan manusia wajib, mencatat tindakan otomatis, dan membuatnya secara operasional mudah untuk menghentikan atau menimpa sistem.

Pemimpin dan Praktisi Melihat Transisi yang Berbeda

Laporan tersebut juga menemukan kesenjangan persepsi yang signifikan. Tujuh puluh empat persen pemimpin melaporkan penerapan AI yang luas di berbagai fungsi keamanan, dibandingkan dengan 49% praktisi. Pemimpin lebih cenderung melaporkan kapasitas yang lebih tinggi, kepuasan kerja yang lebih besar, kepercayaan dalam mendeteksi kesalahan AI, dan perancangan ulang formal peran analis.

Karena pemimpin dan praktisi tidak dipasangkan dalam organisasi yang sama, survei ini tidak membuktikan bahwa manajer dan staf garis depan tidak setuju tentang penerapan yang identik. Namun, pola ini penting: eksekutif mungkin melihat peluncuran teknologi yang selesai sementara praktisi mengalami perubahan yang tidak merata dalam pekerjaan harian.

Perancangan tenaga kerja formal tampaknya terkait dengan hasil yang lebih baik. Di antara responden yang organisasinya secara formal merancang ulang peran analis seputar pekerjaan bernilai lebih tinggi, 71% melaporkan peningkatan signifikan dalam kepuasan kerja. Angka tersebut turun menjadi 29% pada responden yang tidak melakukan perancangan ulang formal. Survei menunjukkan korelasi, bukan kausalitas, namun kesenjangan tersebut menunjukkan bahwa penerapan alat tanpa mendefinisikan kembali tanggung jawab dapat meninggalkan tim dalam keadaan menengah yang tidak nyaman.

Tangga Karier SOC Berikutnya Harus Dirancang

Organisasi tidak seharusnya menunggu kekurangan analis berpengalaman untuk mengungkap bahwa terlalu banyak pekerjaan tingkat pemula telah diotomatisasi. Mereka dapat mempertahankan pengembangan sambil tetap memanfaatkan manfaat AI dengan membuat laboratorium investigasi terstruktur, mewajibkan analis meninjau bukti di balik kesimpulan otomatis, memutar staf junior melalui kasus kompleks, dan mengukur kemajuan keterampilan secara terpisah dari volume output serta kepuasan.

SOC yang paling sukses kemungkinan besar adalah yang memperlakukan pengawasan AI sebagai disiplin yang dipelajari, bukan sebagai kemampuan manusia default. Analis junior memerlukan peluang aman untuk tidak setuju dengan AI, mendokumentasikan alasannya, dan melihat konsekuensi dari keputusan yang tepat maupun yang salah.

Survei Swimlane dilakukan secara daring oleh Sapio Research di bawah bimbingan Swimlane antara Agustus dan September 2026. Responden bekerja di organisasi di AS dan Inggris dengan setidaknya 500 karyawan, dan persentase dibulatkan ke angka bulat. Seperti halnya survei yang disponsori vendor, temuan tersebut harus dibaca sebagai indikatif, bukan universal.

Meskipun ada keterbatasan itu, peringatan utama sulit diabaikan: AI dapat membuat pekerjaan SOC lebih memuaskan sekaligus membuat keahlian lebih sulit dikembangkan. Otomatisasi sudah mengubah tangga karier. Apakah ia akan menjadi tangga yang lebih kuat—atau yang kehilangan anak tangga paling bawah—tergantung pada seberapa sengaja pemimpin keamanan merancang ulang jalurnya.