AI ทำให้ศูนย์ปฏิบัติการความปลอดภัย (SOC) ทำงานได้ดีขึ้น—และทำให้เส้นทางอาชีพด้านความปลอดภัยไซเบอร์ยากขึ้นในการก้าวขึ้น

ปัญญาประดิษฐ์กำลังบรรเทางานที่ทำซ้ำซากหลายอย่างภายในศูนย์ปฏิบัติการความปลอดภัย (SOC) แต่การเพิ่มประสิทธิภาพเดียวกันอาจทำให้เส้นทางดั้งเดิมสู่วิชาชีพนี้อ่อนแรงลง

ความตึงเครียดนั้นอยู่ตรงกลางของ การวิจัยใหม่จาก Swimlane ในการสำรวจผู้เชี่ยวชาญและผู้นำด้านการปฏิบัติการความปลอดภัย 500 รายในสหรัฐอเมริกาและสหราชอาณาจักร, 88% กล่าวว่า AI ทำให้การทำงานของพวกเขามีความพึงพอใจมากขึ้น ในขณะเดียวกัน 47% คาดว่า AI จะทำให้การเข้าสู่สายงานความปลอดภัยไซเบอร์ยากขึ้นโดยเพิ่มข้อกำหนดสำหรับบทบาทระดับจูเนียร์หรือทำให้โอกาสในการสร้างประสบการณ์พื้นฐานลดลง

ผลลัพธ์ไม่ได้เป็นเรื่องง่ายๆ เกี่ยวกับการที่ระบบอัตโนมัติแทนที่นักวิเคราะห์ แต่เป็นเรื่องของการกระจายงานใหม่—และเรื่องที่องค์กรต้องออกแบบการฝึกอบรมใหม่ก่อนขั้นแรกของเส้นทางอาชีพใน SOC หายไป

AI กำลังกระจายวันทำงานของนักวิเคราะห์ใหม่

รายงานเต็มของ Swimlane แสดงให้เห็นว่าผลกระทบที่เร็วที่สุดของ AI คือการเพิ่มขีดความสามารถ 47% ของผู้ตอบระบุว่าความสามารถในการจัดการกิจกรรมความปลอดภัยที่มากขึ้นเป็นหนึ่งในสองการเปลี่ยนแปลงที่สำคัญที่สุดตั้งแต่องค์กรของพวกเขานำ AI มาใช้ 35% กล่าวว่า พวกเขามีเวลามากขึ้นสำหรับการสืบสวนภัยคุกคามที่ซับซ้อน ในขณะที่อีก 35% รายงานว่ามีเวลามากขึ้นสำหรับงานเชิงกลยุทธ์หรือการทำงานข้ามทีม

การประหยัดเวลาที่ชัดเจนที่สุดมาจากงานที่ทำซ้ำได้ 43% กล่าวว่า AI ลดเวลาที่พวกเขาใช้ในการสืบสวนรูปแบบภัยคุกคามที่รู้จักหรือซ้ำซาก การพัฒนาข้อแนะนำการตอบสนองหรือการแก้ไขตามมาที่ 34% และการตรวจสอบและคัดกรองการแจ้งเตือนที่เข้ามาที่ 32%

แต่การคัดกรองอัตโนมัติไม่ได้กำจัดงานของมนุษย์ มันเปลี่ยนจุดศูนย์กลางของงาน 34% ของผู้ตอบบอกว่าตอนนี้พวกเขาใช้เวลามากขึ้นในการตรวจสอบหรือยืนยันผลลัพธ์ที่ AI สร้างขึ้น นักวิเคราะห์จึงกลายเป็นไม่ใช่เพียงผู้ประมวลผลการแจ้งเตือนแบบแมนนวลเท่านั้น แต่ยังเป็นผู้สืบสวน ผู้ประเมิน และผู้ตัดสินใจ

การเปลี่ยนแปลงนั้นอาจเป็นเชิงบวก แต่ก็อาจสร้างปัญหาการฝึกอบรมได้

ปริศนาระดับเริ่มต้น

ทีมความปลอดภัยโดยทั่วไปได้พัฒนาการตัดสินใจผ่านการเผชิญหน้ากับการแจ้งเตือน การสืบสวน เอกสาร และการตัดสินใจแก้ไขอย่างต่อเนื่อง AI สามารถจัดการส่วนหนึ่งของงานฝึกงานเหล่านี้ด้วยความเร็วของเครื่องได้ หากองค์กรทำงานเหล่านี้ให้เป็นอัตโนมัติโดยไม่ทดแทนคุณค่าการพัฒนาเหล่านั้น นักวิเคราะห์ระดับจูเนียร์อาจถูกขอให้ตรวจสอบระบบก่อนที่พวกเขาจะมีประสบการณ์ที่จำเป็นเพื่อท้าทายระบบนั้น

ผู้ตอบจาก Swimlane ดูเหมือนจะเห็นความเสี่ยงนั้น 37% คาดว่าจะมีข้อกำหนดด้านความรู้และประสบการณ์ที่สูงขึ้นสำหรับบทบาทระดับเริ่มต้น และ 10% คาดว่านักวิเคราะห์ระดับจูเนียร์จะมีโอกาสในการได้รับประสบการณ์พื้นฐานน้อยลง เมื่อเปรียบเทียบ 41% คาดว่าจะมีบทบาทใหม่ที่มุ่งเน้นการดูแล AI การตรวจสอบและการประสานงาน เพียง 1% คาดว่าเส้นทางอาชีพใน SOC จะยังคงเหมือนเดิม

นี่แสดงถึงการเปลี่ยนแปลงมากกว่าการสูญเสียงานอย่างกว้างขวาง เพียง 10% คาดว่าบทบาทนักวิเคราะห์แบบดั้งเดิมจะลดลงในขณะที่บทบาทความปลอดภัยใหม่ ๆ เกิดขึ้น ปัญหาที่ใกล้เคียงที่สุดคือ งานระดับเริ่มต้นที่เหลืออาจต้องการการตัดสินใจระดับกลางของอาชีพ

ความท้าทายนี้สำคัญเป็นพิเศษเพราะ NIST NICE Workforce Framework for Cybersecurity ถือว่าความสามารถด้านความปลอดภัยไซเบอร์เป็นการรวมกันของงาน ความรู้ และทักษะ การลบงานที่ทำซ้ำออกจากตำแหน่งอาจเพิ่มประสิทธิภาพการทำงาน แต่ก็ทำให้แหล่งฝึกฝนหายไป หากองค์กรไม่ตั้งใจสร้างการเรียนรู้นั้นใหม่ในที่อื่น

ความพึงพอใจไม่เท่ากับการเติบโตของทักษะ

ผลการค้นพบที่เปิดเผยที่สุดของรายงานอาจเป็นการแยกแยะระหว่างความรู้สึกของงานและสิ่งที่พนักงานได้เรียนรู้

เกือบหนึ่งในสี่ของผู้ตอบกล่าวว่า AI จำกัดความสามารถของพวกเขาในการพัฒนาทักษะความปลอดภัย อย่างไรก็ตาม 91% ของกลุ่มนั้นยังรายงานว่ามีความพึงพอใจในงานสูงขึ้น ในกลุ่มผู้ตอบที่บอกว่า AI ปรับปรุงการพัฒนาทักษะของพวกเขา 92% รายงานว่ามีความพึงพอใจสูงขึ้น—ผลลัพธ์เกือบเท่ากัน

ในกลุ่มตัวอย่างทั้งหมด 62% กล่าวว่า AI ปรับปรุงการพัฒนาทักษะ 24% กล่าวว่า AI จำกัดการพัฒนา และ 14% รายงานว่าไม่มีผลกระทบที่สำคัญ ตัวเลขเหล่านี้เตือนให้ระวังการใช้ความพึงพอใจของพนักงานเป็นตัวแทนของความพร้อม วันทำงานอาจเร็วขึ้นและน่าเบื่อหน่ายน้อยลงแม้ว่าช่องทางการพัฒนาความเชี่ยวชาญในอนาคตจะแคบลง

มีสัญญาณว่าโอกาสการเรียนรู้ใหม่กำลังเกิดขึ้น ผู้ตอบส่วนใหญ่ระบุว่าการตัดสินใจเชิงกลยุทธ์ การสืบสวนภัยคุกคามที่ซับซ้อน และการจัดลำดับความเสี่ยงเป็นพื้นที่ที่ AI สร้างพื้นที่ให้พัฒนามากขึ้น การสื่อสารกับผู้นำธุรกิจและการทำงานร่วมกันระหว่างทีมก็ได้รับการจัดอันดับสูงเช่นกัน สิ่งเหล่านี้เป็นทักษะที่มีค่า แต่ไม่ใช่การทดแทนอัตโนมัติของการทำซ้ำการสืบสวนแบบลงมือทำ

การตัดสินใจของมนุษย์ยังคงเป็นชั้นควบคุม

ผู้ตอบแสดงความมั่นใจอย่างสูงในความสามารถของตนในการควบคุม AI: 92% กล่าวว่า พวกเขาสามารถระบุคำแนะนำที่ไม่ถูกต้องหรือไม่ครบถ้วนได้ เมื่อถูกถามว่าเมื่อใดพวกเขาจะพึ่งพาการตัดสินใจของตนเองมากที่สุด 24% เลือกกรณีที่คำแนะนำของ AI ขัดแย้งกับหลักฐานที่มีอยู่ ในขณะที่ 23% เลือกสถานการณ์ที่อาจทำให้การดำเนินงานหรือระบบสำคัญหยุดชะงัก

ความมั่นใจนั้นไม่ควรถูกเข้าใจว่าเป็นระบบการควบคุม. 19% ระบุว่าการพึ่งพา AI มากเกินไปของนักวิเคราะห์เป็นความเสี่ยงที่ใหญ่ที่สุดในการขยาย AI ในการดำเนินงานด้านความปลอดภัย—คำตอบที่พบบ่อยที่สุด. ความเสี่ยงต่อการเปิดเผยข้อมูลและความเป็นส่วนตัวตามมาที่ 17%, ในขณะที่การดัดแปลงโดยศัตรูของระบบ AI ได้รับ 14%.

ผลการค้นพบสอดคล้องกับ NIST AI Risk Management Framework ซึ่งเน้นย้ำถึง AI ที่รับผิดชอบ, โปร่งใส, อธิบายได้, และทนทาน. ในการปฏิบัติ ทีมความปลอดภัยจำเป็นต้องแสดงหลักฐานที่อยู่เบื้องหลังคำแนะนำให้กับนักวิเคราะห์, กำหนดว่าเมื่อใดต้องมีการอนุมัติจากมนุษย์, บันทึกการกระทำอัตโนมัติ, และทำให้การหยุดหรือการแทนที่ระบบเป็นเรื่องง่ายในเชิงปฏิบัติการ.

ผู้นำและผู้ปฏิบัติงานมองเห็นการเปลี่ยนแปลงที่แตกต่างกัน

รายงานยังพบช่องว่างด้านการรับรู้ที่เด่นชัด. 74% ของผู้นำรายงานว่ามีการใช้งาน AI อย่างกว้างขวางในหลายฟังก์ชันด้านความปลอดภัย, เทียบกับ 49% ของผู้ปฏิบัติงาน. ผู้นำมีแนวโน้มที่จะรายงานว่ามีความจุที่สูงขึ้น, ความพึงพอใจในงานที่มากขึ้น, ความมั่นใจในการตรวจจับข้อผิดพลาดของ AI, และการออกแบบบทบาทนักวิเคราะห์ใหม่อย่างเป็นทางการ.

เนื่องจากผู้นำและผู้ปฏิบัติงานไม่ได้อยู่ในองค์กรเดียวกัน การสำรวจจึงไม่พิสูจน์ได้ว่าผู้จัดการและพนักงานระดับหน้าแยกแย้งกันเกี่ยวกับการใช้งานเทคโนโลยีเดียวกัน อย่างไรก็ตามรูปแบบนี้สำคัญ: ผู้บริหารอาจมองเห็นการเปิดตัวเทคโนโลยีที่เสร็จสมบูรณ์ในขณะที่ผู้ปฏิบัตงานประสบกับการเปลี่ยนแปลงที่ไม่สม่ำเสมอในงานประจำวัน.

การออกแบบแรงงานอย่างเป็นทางการดูเหมือนจะสัมพันธ์กับผลลัพธ์ที่ดีกว่า. ในกลุ่มผู้ตอบที่องค์กรของพวกเขาได้ทำการออกแบบบทบาทนักวิเคราะห์ใหม่โดยมุ่งเน้นงานที่มีคุณค่าสูงขึ้น, 71% รายงานว่ามีการเพิ่มขึ้นอย่างมีนัยสำคัญในความพึงพอใจในงาน. ตัวเลขนี้ลดลงเหลือ 29% ในกลุ่มผู้ตอบที่ไม่มีการออกแบบใหม่อย่างเป็นทางการ. การสำรวจแสดงให้เห็นถึงความสัมพันธ์ ไม่ได้หมายถึงสาเหตุ, แต่ช่องว่างนี้บ่งชี้ว่าการใช้งานเครื่องมือโดยไม่กำหนดความรับผิดชอบใหม่อาจทำให้ทีมอยู่ในสภาวะกลางที่ไม่สบายใจ.

บันไดอาชีพ SOC รุ่นต่อไปต้องได้รับการออกแบบ

องค์กรไม่ควรรอให้เกิดการขาดแคลนนักวิเคราะห์ที่มีประสบการณ์เพื่อเปิดเผยว่ามีงานระดับเริ่มต้นที่ถูกอัตโนมัติมากเกินไป. พวกเขาสามารถรักษาการพัฒนาไว้ได้พร้อมกับยังคงรับประโยชน์จาก AI โดยการสร้างห้องปฏิบัติการสืบสวนที่มีโครงสร้าง, กำหนดให้นักวิเคราะห์ตรวจสอบหลักฐานที่อยู่เบื้องหลังข้อสรุปอัตโนมัติ, หมุนเวียนพนักงานระดับจูเนียร์ผ่านกรณีที่ซับซ้อน, และวัดความก้าวหน้าของทักษะแยกจากปริมาณผลผลิตและความพึงพอใจ.

SOC ที่ประสบความสำเร็จที่สุดน่าจะเป็นองค์กรที่มองการกำกับดูแล AI เป็นระเบียบวิธีที่ต้องเรียนรู้ ไม่ใช่ความสามารถพื้นฐานของมนุษย์. นักวิเคราะห์ระดับจูเนียร์ต้องการโอกาสที่ปลอดภัยในการไม่เห็นด้วยกับ AI, บันทึกเหตุผล, และเห็นผลลัพธ์ของการตัดสินใจที่ถูกต้องและผิดพลาด.

การสำรวจของ Swimlane ดำเนินการออนไลน์โดย Sapio Research ภายใต้การแนะนำของ Swimlane ระหว่างเดือนสิงหาคมและกันยายน 2026. ผู้ตอบทำงานในองค์กรของสหรัฐอเมริกาและสหราชอาณาจักรที่มีพนักงานอย่างน้อย 500 คน, และเปอร์เซ็นต์ถูกปัดเป็นจำนวนเต็ม. เช่นเดียวกับการสำรวจที่ได้รับการสนับสนุนจากผู้ขายใด ๆ ผลลัพธ์ควรอ่านเป็นแนวทาง ไม่ใช่เป็นสากล.

แม้จะมีข้อจำกัดนั้น คำเตือนหลักก็ยังยากที่จะมองข้าม: AI สามารถทำให้การทำงานของ SOC มีความพึงพอใจมากขึ้นในขณะเดียวกันก็ทำให้การพัฒนาความเชี่ยวชาญยากขึ้น. การอัตโนมัติกำลังปรับโครงสร้างบันไดอาชีพอยู่แล้ว. ว่ามันจะกลายเป็นบันไดที่แข็งแรงขึ้น—หรือบันไดที่ขาดขั้นล่าง—ขึ้นอยู่กับว่าผู้นำด้านความปลอดภัยจะออกแบบเส้นทางใหม่อย่างตั้งใจแค่ไหน.