ادغام هوش مصنوعی (AI) در عملیات‌های امنیتی دیگر یک مفهوم انتزاعی نیست، بلکه به طور فعال در حال بازسازی ساختار تیم‌های امنیت در سازمان‌ها است. گزارش‌های اخیر نشان می‌دهد که بسیاری از شرکت‌ها در حال بازنگری در نقش‌های امنیتی خود هستند تا با سرعت و قابلیت‌های ابزارهای AI همگام شوند.
۱. تجمیع مدیریت ارشد به جای گسترش آن
روند فعلی نشان می‌دهد که سازمان‌ها به جای ایجاد پست‌های مدیریتی جدید برای حاکمیت AI، در حال تجمیع نقش‌ها هستند. برای مثال، برخی شرکت‌ها مسئولیت‌های زیرساخت، امنیت اطلاعات و AI/ML را تحت نظر یک مدیر ارشد فناوری قرار داده‌اند. این رویکرد باعث شده تا نقش‌هایی مانند CISO با مسئولیت‌های گسترده‌تری ادغام شوند و تمرکز از مدیریت عملیاتی به سمت مشاوره استراتژیک ریسک تغییر یابد.
۲. تغییر نقش تحلیل‌گر امنیتی: از یافتن پاسخ به ارزیابی آن
ابزارهای تشخیص (Detection Tools) اکنون می‌توانند جزئیات حادثه (چه کسی، چه چیزی، چه زمانی و کجا) را با دقت بالا شناسایی کنند. در نتیجه، ارزش واقعی یک تحلیل‌گر SOC اکنون در پاسخ به سؤال «چرا» نهفته است. این تغییر باعث شده تا مرز بین تحلیل‌گر امنیتی (Security Analyst) و مهندس امنیتی (Security Engineer) کمرنگ شود و نقش‌های جدیدی مانند Agent Security Engineer ظهور کنند که تمرکز آن‌ها بر طراحی و بهینه‌سازی سیستم‌های خودکار است.
۳. اولویت «قضاوت» بر «دانش فنی»
با توانایی AI در تولید پاسخ‌های فنی صیقل‌خورده اما احتمالاً نادرست، مهارت Judgment یا قدرت قضاوت به کمیاب‌ترین و حیاتی‌ترین مهارت تبدیل شده است. تایید نتایج خودکار نیازمند ارشدیت بیشتری نسبت به تولید آن نتایج است. خطر «حلقه AI» (AI Loop) — جایی که یک سیستم سیاست می‌سازد، سیستم دوم ارزیابی می‌کند و سیستم سوم رتبه‌بندی ریسک می‌دهد — تنها با دخالت انسانی و تطبیق خروجی‌ها با معماری واقعی کسب‌وکار قابل رفع است.
۴. تسلط بر AI به عنوان فیلتر اولیه استخدام
نیازمندی به مهارت‌های AI در آگهی‌های شغلی امنیت سایبری به شدت افزایش یافته است. سازمان‌ها دیگر تنها به دنبال متخصصان فنی نیستند، بلکه افرادی را می‌جویند که نسبت به ابزارهای AI نگرش مثبت و کاربردی داشته باشند. با این حال، کارشناسان هشدار می‌دهند که بسیاری از سازمان‌ها به جای استخدام متخصص AI، در واقع به افرادی نیاز دارند که بتوانند اصول اولیه مانند مدیریت دارایی‌ها (Asset Inventory)، بهداشت هویت (Identity Hygiene) و دسترسی‌های حداقلی (Least-Privilege) را پیاده‌سازی کنند.
۵. کاهش مسیر رشد نیروهای تازه‌کار به عنوان یک ریسک امنیتی
اتوماسیون وظایف سطح اول (Tier 1 SOC) باعث حذف پله‌های اول یادگیری برای متخصصان تازه‌وارد شده است. کاهش شدید فرصت‌های شغلی برای سطوح Junior در مقابل رشد تقاضا برای نقش‌های Senior، منجر به ایجاد یک شکاف مهارتی (Skills Gap) خطرناک شده است. وقتی مسیر یادگیری عملی حذف شود، سازمان‌ها در آینده با کمبود نیروی ارشدی مواجه می‌شوند که بتواند خروجی‌های AI را تحلیل و مدیریت کند.
