人工智能正在提升SOC工作效率——而网络安全职业阶梯变得更难攀登

人工智能正在减轻安全运营中心内最重复的工作，但同样的效率提升可能削弱了进入该行业的传统路径。

这种紧张局势正位于Swimlane的新研究的核心。在对美国和英国的500名安全运营专业人士和领袖的调查中，88%表示人工智能让他们的工作更有满足感。与此同时，47%的人预计人工智能会通过提高初级岗位的要求或减少获取基础经验的机会，使网络安全行业更难进入。

结果并不是一个关于自动化取代分析师的简单故事，而是关于工作被重新分配的叙事——以及组织在SOC职业阶梯的第一层级消失之前，需要重新设计培训体系。

人工智能正在重新分配分析师的工作日

完整的Swimlane报告表明，人工智能最直接的影响是提升了容量。47%的受访者将能够管理更多安全活动列为自组织引入人工智能以来的两项最重要变化之一。35%的人表示他们有更多时间进行复杂威胁调查，另有35%的人报告有更多时间从事战略或跨职能工作。

最明显的时间节省来自可重复的任务。43%的人表示人工智能缩短了他们调查已知或重复威胁模式的时间。34%的人提到开发响应或补救建议的时间减少，32%的人则在入站警报的审查和分流上节省时间。

然而，自动化分流并未消除人工工作，它改变了工作的重心。34%的受访者表示他们现在花更多时间审查或验证人工智能生成的结果。分析师不再是手动处理警报的角色，而更像是调查员、评估者和决策者。

这种转变可能是积极的，但也可能导致培训问题。

入门层面的悖论

安全团队传统上通过反复处理警报、进行调查、编写文档以及做出补救决策来培养判断力。人工智能现在可以以机器速度处理这些学徒工作的一部分。如果组织在自动化这些任务时未能保留其培养价值，初级分析师可能会在尚未积累足够经验以质疑系统之前，就被要求验证系统。

Swimlane的受访者似乎看到了这种风险。37%的人预计入门级岗位将需要更高的知识和经验，10%的人预计初级分析师获得基础经验的机会会减少。相比之下，41%的人预见将出现专注于人工智能监督、验证和编排的新角色。仅有1%的人认为SOC职业路径基本保持不变。

这表明更多是转型而非大规模失业。只有10%的人预计传统分析师角色会下降，同时会出现新的安全岗位。更紧迫的问题是，剩余的入门级岗位可能需要具备中层职业的判断力。

这一挑战尤为重要，因为NIST NICE Workforce Framework for Cybersecurity将网络安全能力视为任务、知识和技能的组合。从工作中剔除重复性任务可能提升生产力，但除非组织有意在其他地方重新构建学习，否则也会失去练习的来源。

满意度并不等同于技能提升

报告最具启发性的发现可能是工作感受与员工学习之间的脱节。

近四分之一的受访者表示人工智能限制了他们发展安全技能的能力。然而，该组中仍有91%的人报告工作满意度更高。在认为人工智能提升了技能发展的受访者中，92%的人报告满意度更高——几乎相同的结果。

在全部样本中，62%的人认为人工智能提升了技能发展，24%的人认为其限制了发展，14%的人表示没有显著影响。这些数据提醒不要将员工满意度作为准备度的替代指标。即使工作日变得更快、更不乏味，未来专业人才的培养渠道仍可能收窄。

有迹象表明新的学习机会正在出现。受访者最常提到的领域是战略决策、复杂威胁调查和风险优先级排序，这些是人工智能提供了更多发展空间的方面。与业务领袖的沟通以及跨团队协作也排名靠前。这些都是有价值的技能，但它们并不能自动替代动手的调查重复练习。

人类判断仍是控制层

受访者对监督人工智能的能力表现出高度信心：92%的人表示能够识别错误或不完整的建议。当被问及何时最可能依赖自己的判断时，24%的人选择人工智能建议与现有证据冲突的情形，23%的人选择可能扰乱运营或关键系统的情形。

这种信心不应被误认为是控制系统。19% 的受访者认为分析员对 AI 推荐的过度依赖是扩大 AI 在安全运营中应用的最大风险——这是最常见的答案。数据泄露和隐私风险紧随其后，占 17%，而对 AI 系统的对抗性操纵占 14%。

这些发现与 NIST AI Risk Management Framework 相符，该框架强调负责任、透明、可解释且具韧性的 AI。在实际操作中，安全团队需要向分析员展示推荐背后的证据，明确何时必须获得人工批准，记录自动化操作，并使系统能够在运营上轻松暂停或覆盖。

领导者与从业者对转型的看法不同

报告还发现了显著的认知差距。74% 的领导者报告在多个安全职能中广泛部署 AI，而从业者仅为 49%。领导者更倾向于报告更高的产能、更大的工作满意度、对检测 AI 错误的信心以及对分析员角色的正式重新设计。

由于这些领导者和从业者并未在同一组织内配对，调查并不能证明管理层与一线员工对相同部署存在分歧。尽管如此，这一模式仍值得关注：高管可能看到技术已全面推行，而从业者则感受到日常工作中的不均衡变化。

正式的劳动力设计似乎与更好的结果相关。在组织对分析员角色进行正式重新设计以聚焦更高价值工作的受访者中，71% 报告工作满意度显著提升。未进行正式重新设计的受访者中，这一比例降至 29%。调查显示的是相关性而非因果关系，但这一差距表明，在未重新定义职责的情况下部署工具可能使团队陷入不舒适的中间状态。

下一代 SOC 职业阶梯必须被设计

组织不应等到经验丰富的分析员短缺才发现入门级工作被过度自动化。它们可以通过建立结构化的调查实验室、要求分析员审查自动化结论背后的证据、让初级员工轮岗处理复杂案例，以及将技能进步的衡量与产出量和满意度分离，来在保留人才培养的同时仍然获取 AI 的收益。

最成功的 SOC 可能是那些将 AI 监督视为一种需要学习的学科，而非默认的人类能力的组织。初级分析员需要安全的机会来对 AI 表示异议、记录原因，并看到正确与错误决策的后果。

Swimlane 的调查由 Sapio Research 在 Swimlane 的指导下于 2026 年 8 月至 9 月在线进行。受访者来自员工规模至少为 500 人的美国和英国组织，百分比均四舍五入为整数。与任何供应商赞助的调查一样，调查结果应被视为指向性结论，而非普遍适用。

即使存在此限制，核心警示仍不容忽视：AI 可以让 SOC 工作更具满足感，同时却使专业技能的培养变得更为困难。自动化已经在重塑职业阶梯。它是会成为更坚固的阶梯，还是底层阶梯缺失的结构，取决于安全领导者在多大程度上有意识地重新设计这一路径。