در دنیای امنیت سایبری، مدل‌های بلوغ (Maturity Models) معمولاً به صورت سلسله‌مراتبی هستند؛ یعنی برای رسیدن به سطح بهینه‌سازی (Optimizing)، ابتدا باید مراحل تعریف فرآیند (Defined) و اندازه‌گیری (Measured) را طی کنید. اما با ظهور هوش مصنوعی Agentic، این ادعا مطرح شده که مراکز عملیات امنیت (SOC) با بلوغ پایین می‌توانند مستقیماً به سطوح ۳ یا ۴ جهش کنند.
تفاوت خروجی‌های مرحله و پیش‌نیازهای سازمانی
برای تحلیل این موضوع، باید بین دو مفهوم تفکیک قائل شویم:
- خروجی‌های مرحله (Stage Outputs): مستنداتی مانند Playbookها، Parserها، داشبوردها و گردش کارهای عملیاتی.
- پیش‌نیازهای سازمانی (Stage Prerequisites): وضعیت ذهنی و عملیاتی سازمان، از جمله شناخت دقیق محیط، اعتماد به داده‌ها و داشتن حلقه‌های بازخورد (Feedback Loops) فعال.
بخش اول: مواردی که AI واقعاً در آن‌ها میان‌بر می‌زند
هوش مصنوعی می‌تواند کارهای زمان‌بر و مکانیکی را که سال‌ها طول می‌کشید تا یاد بگیرید، در عرض چند ساعت انجام دهد. این‌ها «هزینه‌های زمانی» هستند که قابل جهش هستند:
- تولید Playbook و Runbook: نوشتن ده‌ها سناریوی پاسخگویی که پیش از این ماه‌ها زمان می‌برد، اکنون سریعاً قابل تولید است.
- ساخت Parserها و نرمال‌سازی: ورود منابع داده‌ای جدید (Log Sources) که پیش‌تر یک چالش زمان‌بر بود، اکنون با AI تسهیل شده است.
- حذف مرحله Triage سطح ۱: اگر غنی‌سازی (Enrichment) و بررسی‌ها به صورت Agentic باشند، می‌توان مرحله سنتی تریژ سطح ۱ را به‌طور کامل حذف کرد.
- مستندسازی فرآیندهای موجود: AI می‌تواند با تحلیل تیکت‌ها، آنچه را که در واقعیت انجام می‌دهید مهندسی معکوس کرده و مستند کند.
بخش دوم: مواردی که هیچ میان‌بری ندارند
برخی وضعیت‌ها صرفاً با تجربه و یادگیری به دست می‌آیند و هیچ ابزاری نمی‌تواند جایگزین آن‌ها شود. AI در واقع هر وضعیتی که داشته باشید (چه بالغ و چه ناشیانه) را تقویت می‌کند:
- شناخت محیط (Environmental Knowledge): AI نمی‌تواند به شما بگوید سرور شماره ۴ چه کاربردی دارد؛ او فقط می‌تواند سریع‌تر از شما از شخصی که احتمالاً می‌داند بپرسد.
- بنیان‌های داده‌ای: ترتیب Collect → Trust → Detect → Automate همچنان پابرجاست. اتوماسیون روی داده‌های غیرقابل اعتماد، تنها منجر به تولید «مزخرفات متقاعدکننده» در مقیاس بالا می‌شود.
- تعریف فرآیند پیش از اتوماسیون: اتوماتیک کردن یک فرآیند تعریف‌نشده، تنها باعث می‌شود آن فرآیند ناقص با سرعت و هرج‌ومرج بیشتری اجرا شود.
- کالیبراسیون اعتماد: اعتماد به AI به صورت تدریجی و بر اساس سوابق عملیاتی در محیط واقعی به دست می‌آید، نه با خرید لایسنس ابزار.
نتیجه‌گیری: جهش در ابزار یا جهش در بلوغ؟
شما می‌توانید در ابزارها جهش کنید و حتی مدل SOC خود را از مدل سنتی سال ۲۰۰۳ به مدل‌های مدرن مهندسی‌محور (مثل ASO) تغییر دهید. اما در یادگیری نمی‌توانید جهش کنید. تفاوت اصلی این است که در گذشته، شکست در جهش بلوغ با صدای بلند و آشکار اتفاق می‌افتاد، اما اکنون AI با تولید نتایج به‌ظاهر منطقی، شکاف‌های بلوغ را می‌پوشاند و باعث می‌شود شکست‌ها به‌صورت خاموش و خطرناک رخ دهند.
