AIについて、忍耐強さは美徳

ChatGPTが登場してから約2年が経過し、生成的な人工知能は、社会を変えるような期待から最近の株式市場の修正まで、全てのテクノロジー・ハYPE・サイクルを経験しました。しかし、サイバーセキュリティ業界の中では、ジェネレーティブAI(genAI)の周りの興奮はまだ正当化されています。ただし、業界全体を変えるには、投資家や分析家が予想していたよりも長く時間がかかるかもしれません。

最近の、ハYPEの変化の最も明確な兆候は、8月初旬のBlack Hat USA Conferenceでした。ここでは、ジェネレーティブAIは製品の発表、デモ、一般的なブームの創出において非常に小さな役割を果たしました。4ヶ月前に同じベンダーが参加したRSA Conferenceと比較すると、Black HatでのAIの焦点はほとんどありませんでした。これは、業界がAIから離れているか、AIがコモディティ化したと中立的な観察者に考えさせるでしょう。しかし、実際はそうではありません。

私が言いたいことはこちらです。サイバーセキュリティ業界の中でジェネレーティブAIを適用することによる変革的な利点は、ジェネリックなチャットボットやデータ処理モデルにAIを素早く重ねたことから来るものではありません。これらは、より高度で効率的なユースケースへの道筋ですが、現在、セキュリティ業界に特化しておらず、したがって顧客にとって最適なセキュリティ成果をもたらしていないのです。セキュリティ業界にAIがもたらす本当の変革は、AIモデルがセキュリティのユースケースにカスタマイズされ、調整されたときに起こるでしょう。

現在のセキュリティにおける一般的なAIのユースケースは、主にプロンプト・エンジニアリングとリトリーバル・オーグメンテッド・ジェネレーションを使用しています。これは、基本的に大規模言語モデル(LLM)を可能にするAIフレームワークで、LLMがトレーニングデータ以外の追加データ・リソースにアクセスできるようにし、生成的なAIとデータベースのリトリーバルを組み合わせたものです。ユースケースによっては、ベンダーの既存のデータ処理がユースケースをどの程度サポートしているかによって、ユーティリティは大きく異なります。これは、インターネット上で一般的ではない専門的なデータと専門知識を必要とする他のアプリケーション、たとえば医療診断や法的な仕事にも当てはまります。企業がデータ処理パイプラインとデータアクセスシステムをジェネレーティブAIのユースケースを最適化するために調整する可能性は高いです。また、ジェネレーティブAI企業は、特に調整されたモデルを開発することを奨励していますが、品質や詳細が重要なユースケースではどの程度うまく機能するかはまだ見方が分かれます。

しかし、セキュリティ業界では、この特化が効果をもたらすまでに時間がかかる理由は何でしょうか。主な理由の1つは、セキュリティとAIの両方で専門知識を持つ多くの人間が、トレーニング中にループ内で必要になるということです。サイバーセキュリティ業界では、約400万人の専門家が不足しているという世界経済フォーラムの報告書があります。また、ロイターの推定によると、近い将来、AI関連のポジションで50%の採用ギャップが発生する可能性があります。

専門家が十分に利用できない場合、セキュリティのコンテキストでAIモデルをカスタマイズするための正確な作業は遅れることになります。また、カスタムAIモデリングに必要なデータサイエンスのコストも、リソースを有する組織の数を制限します。最先端のAIモデルを必要とする処理能力のコストは数百万ドルで、どこからでもその資金を調達する必要があります。組織がリソースとチームをAIのカスタマイズの研究に充てることができたとしても、実際の進歩は一晩で起こりません。AIモデルをセキュリティの実践者や分析者に利益をもたらすようにどのように増強するかを調べるには時間がかかりますし、新しいツールと同様に、セキュリティ特化の自然言語プロセッサ、チャットボット、他のAIアシストの統合が導入されると、学習曲線が発生します。

ジェネレーティブAIはまだサイバーセキュリティの世界を新しいパラダイムにシフトさせる可能性があります。そこでは、攻撃者や脅威行為者が利用する攻撃的なAI能力が、脅威を検出して監視するために構築されたセキュリティ・プロバイダーのAIモデルと競合することになります。ただし、このシフトを促進するために必要な研究開発は、一般的なテクノロジー・コミュニティが予想していたよりも長く時間がかかるでしょう。