Digital motståndskraft stärks genom AI och mänsklig expertis tillsammans

Agentbaserad AI gör IT- och säkerhetsteam betydligt mer effektiva, men den eliminerar också den lärlingsmetodik som länge har producerat erfarna operatörer. När organisationer automatiserar mer av det arbete som tidigare utfördes av juniora analytiker och ingenjörer, ställs de inför en utmaning som handlar lika mycket om arbetskraftsdesign som om arkitekturdesign: hur man bygger nästa generations experter när AI hanterar det arbete som tidigare tränade dem.

Under två decennier har vägen till att bli en världsklass SecOps-analytiker, SRE eller NetOps-ingenjör gått genom repetition. Detta inkluderade att hantera falsklarm, söka information i instrumentpaneler och läsa loggar mitt i natten. Även om detta arbete har varit betungande och lett till utbrändhet, har det också fungerat som en lärlingsperiod. De tusentals timmar som en analytiker spenderat med att analysera trafikmönster har byggt upp det intuition som gjorde dem ovärderliga vid verkliga attacker.

Nu automatiserar agentbaserad AI de uppgifter som tidigare utgjorde träningsgrunden för expertis. Detta minskar den tidskrävande och utmattande delen av arbetet. Samtidigt som denna lärlingsloop tas bort måste operatörerna erbjudas något bättre. Organisationer som aktivt tar sig an denna fråga kommer att forma framtidens vinnare, medan de som ignorerar den riskerar att i framtiden ha system som är snabbare men med färre personer som djupt förstår dem.

I reglerade miljöer utgör lärlingsarbetet också en del av ansvarsskyldigheten. Ramverk som SOX, PCI DSS och HIPAA bygger på en kedja av mänskliga bedömningar. Revisorer intervjuar personer som kan förklara systemets beslut, inte modeller. När populationen av professionella som kan förklara denna kedja minskar, börjar organisationens interna minne att urholkas. Detta kräver ansträngning för att bygga upp expertis som kan styra AI-system.

Teknikplattformar måste stödja utvecklingen av mänsklig expertis. Framtidens mest värdefulla plattformar kommer inte bara att automatisera uppgifter, utan också hjälpa människor att bli mer kapabla, trovärdiga och oumbärliga i takt med att systemen blir snabbare och intelligentare. Detta kräver investeringar i operatörernas hela ekosystem, inklusive gemenskaper som sprider bästa praxis, certifieringar som synliggör expertis och interna inlärningsvägar.