基于生产力的人工智能模型：Securonix 如何重新定义 SOC 成果的受治理人工智能

[[OPEN_1]]minggu ini, Securonix memperkenalkan Sam, Penganalisis SOC AI, dan Agentic Mesh dengan kerjasama Amazon Web Services. Tajuk utama ini bukanlah ciri AI yang lain. Ia adalah peralihan kepada Model AI Berasaskan Produktiviti.[[CLOSE_1]]

Pernahkah anda melihat pasukan SOC anda lemas dalam makluman manakala lembaga pengarah meminta "ROI AI yang jelas"?

Bayangkan ini.[[OPEN_2]] Pukul 8:45 pagi. CISO menyertai taklimat awal lembaga pengarah. Makluman semalaman melebihi 40,000. Dua penganalisis mengambil cuti sakit. Pengawal selia meminta bukti tadbir urus AI. Jabatan kewangan mahukan justifikasi untuk perbelanjaan SIEM yang meningkat.[[CLOSE_2]]

Pasukan menggunakan AI. Tetapi mereka tidak dapat membuktikan apa yang sebenarnya dihasilkannya.

Inilah jurang yang disasarkan oleh Securonix dengan pelancaran terbarunya dengan kerjasama Amazon Web Services. Syarikat ini memperkenalkan Sam, Penganalisis SOC AI, dan Securonix Agentic Mesh—bersama model AI berasaskan produktiviti untuk operasi keselamatan.

Bagi pemimpin CX dan EX, ini bukan sekadar berita keselamatan siber. Ia adalah pelan tindakan untuk AI yang ditadbir urus pada skala besar.

Apakah Model AI Berasaskan Produktiviti—dan Mengapa Ia Penting?

Model AI berasaskan produktiviti mengukur AI mengikut kerja yang disiapkan, bukan mengikut penggunaan atau data yang digunakan.

Kebanyakan penetapan harga AI perusahaan menjejaki token, penyimpanan, atau ciri. Model itu memberi ganjaran kepada penggunaan. Ia jarang membuktikan hasil.

Securonix membalikkan logik ini.[[OPEN_3]] Sam dilesenkan berdasarkan kerja setara penganalisis yang disahkan yang disiapkan oleh AI. Produktiviti dijejaki secara telus. Pemimpin boleh mengukur jam yang dijimatkan dan daya pemprosesan yang diperoleh.[[CLOSE_3]]

Bagi pemimpin CX dan EX, ini membingkai semula nilai AI:

• Daripada [[OPEN_4]]penggunaan ciri[[CLOSE_4]] → kepada [[OPEN_5]]output yang boleh diukur[[CLOSE_5]]
• Daripada [[OPEN_6]]eksperimen[[CLOSE_6]] → kepada [[OPEN_7]]pengeluaran yang ditadbir urus[[CLOSE_7]]
• Daripada [[OPEN_8]]teater inovasi[[CLOSE_8]] → kepada [[OPEN_9]]ROI yang bersedia untuk lembaga pengarah[[CLOSE_9]]

Peralihan ini mencerminkan apa yang dihadapi oleh pemimpin CX dengan AI perjalanan dan copilot. Lembaga pengarah tidak mahu statistik penggunaan chatbot. Ia mahukan kadar sisihan, pengurangan masa penyelesaian, dan penambahbaikan kos untuk berkhidmat.

Keselamatan kini bercakap dalam bahasa yang sama.

Apakah Sam, Penganalisis SOC AI?

Sam adalah rakan sepasukan SOC digital yang ditadbir urus dan sentiasa aktif yang mengautomasikan kerja Tier 1 dan Tier 2 dalam Unified Defense SIEM.

Sam melakukan:

• Triaж makluman
• Pengayaan penyiasatan
• Analisis korelasi
• Penyediaan tindak balas
• Ringkasan pelaporan

Ia beroperasi secara asli dalam platform Securonix. Penganalisis kekal mengawal melalui pengawasan manusia-dalam-gelung.

Banyak copilot AI membantu. Tetapi hanya sedikit yang beroperasi sebagai sistem kerja yang berstruktur. Sam menyelaraskan ejen AI khusus merentas langkah penyiasatan. Ia membentangkan ringkasan bahasa mudah yang boleh disahkan atau dinaikkan oleh penganalisis.

Hasilnya: AI menambahbaik pertimbangan. Ia tidak menggantikannya.

Mengapa SOC Bergelut dengan Tadbir Urus AI?

Kerana kebanyakan pelaksanaan AI berkembang lebih cepat daripada rangka kerja kawalan.

Pemimpin keselamatan menghadapi tiga ketegangan:

1. Jumlah makluman terus meningkat.
2. Kekurangan penganalisis berterusan.
3. Pengawal selia menuntut kebolehjelasan.

Lembaga pengarah kini bertanya soalan yang lebih sukar:

• Adakah AI ditadbir urus?
• Bolehkah tindakan diaudit?
• Adakah dasar dikuatkuasakan?
• Bolehkah keputusan dibatalkan?

AI yang tidak berstruktur tidak dapat menjawab ini.

Di situlah Securonix Agentic Mesh memasuki.

Apakah Agentic Mesh dan Bagaimana Ia Berbeza?

Agentic Mesh adalah lapisan orkestrasi yang ditadbir urus yang menyelaraskan ejen AI khusus merentas pengesanan, penyiasatan, tindak balas, dan pelaporan.

Tidak seperti pembantu monolitik, Agentic Mesh berfungsi sebagai sistem kerja.

Ia:

• Mengekalkan konteks bersama merentas ejen
• Menguatkuasakan pagar pelindung dasar perusahaan
• Memastikan tindakan boleh dijelaskan dan diaudit
• Membenarkan kebolehbalikan dan pengesahan manusia

Dibina menggunakan Amazon Bedrock AgentCore, ia berjalan dengan selamat dalam persekitaran pelanggan. Itu memberikan pengasingan dan ketahanan gred perusahaan.

Copilot menjawab soalan.[[OPEN_10]] Sistem agentic melengkapkan aliran kerja yang ditadbir urus.[[CLOSE_10]]

Perbezaan itu mengubah kematangan AI perusahaan.

Bagaimana Ini Diterjemahkan kepada Hasil yang Bersedia untuk Lembaga Pengarah?

Pemimpin keselamatan semakin beroperasi di bawah penelitian lembaga pengarah. AI mesti membuktikan kepercayaan, bukan menjanjikannya.

Menurut Sameer Ratolikar, CISO di HDFC Bank:

Simon Hunt, Ketua Pegawai Produk di Securonix, membingkai cabaran dengan jelas:

Untuk perbualan lembaga pengarah, AI berasaskan produktiviti membolehkan:

• Kerja setara penganalisis yang dikuantifikasi
• Naratif pengelakan kos yang jelas
• Pengelogan tindakan AI yang dikawal
• Kebolehjelasan yang bersedia untuk peraturan

Apakah DPM Flex dan Mengapa Ekonomi Data Penting?

DPM Flex menghalakan telemetri berdasarkan nilai analitikal berbanding jumlah mentah untuk mengawal kos SIEM.

Produktiviti AI runtuh jika kos data meningkat naik.

Data Pipeline Manager dengan Flex Consumption (DPM Flex) memperkenalkan ekonomi data berorientasikan hasil. Daripada mengambil segala-galanya, ia mengutamakan telemetri bernilai tinggi.

Untuk persamaan CX:

• Jangan masukkan setiap interaksi ke dalam model AI premium.
• Halakan aliran berisiko rendah secara berbeza.
• Selaraskan pengambilan data dengan hasil yang boleh diukur.

Tadbir urus kos adalah sebahagian daripada tadbir urus AI.

Pandangan Utama untuk Pemimpin CX dan EX

[[OPEN_11]]1. Ukur AI mengikut kerja yang disiapkan.[[CLOSE_11]][[OPEN_12]] Metrik penggunaan tidak bermakna tanpa metrik output.[[CLOSE_12]]

[[OPEN_13]]2. Benamkan tadbir urus dalam sistem.[[CLOSE_13]][[OPEN_14]] Pematuhan retroaktif adalah rapuh.[[CLOSE_14]]

[[OPEN_15]]3. Lindungi pengawasan manusia.[[CLOSE_15]][[OPEN_16]] AI berkembang terbaik apabila ia menambahbaik pertimbangan.[[CLOSE_16]]

[[OPEN_17]]4. Selaraskan AI dengan naratif kewangan.[[CLOSE_17]][[OPEN_18]] Lembaga pengarah meluluskan hasil, bukan eksperimen.[[CLOSE_18]]

[[OPEN_19]]5. Kawal ekonomi data lebih awal.[[CLOSE_19]][[OPEN_20]] Meningkatkan AI tanpa disiplin kos mewujudkan tindak balas negatif.[[CLOSE_20]]

Perangkap Biasa dalam Penggunaan AI Perusahaan

• Melancarkan perintis AI tanpa KPI hasil
• Merawat tadbir urus sebagai fasa kemudian
• Mengukur penggunaan berbanding daya pemprosesan
• Mengabaikan keperluan kebolehjelasan
• Meningkatkan pengambilan data tanpa pemetaan ROI

Perangkap ini mewujudkan pemecahan. Ia menghakis keyakinan eksekutif.

Rangka Kerja Praktikal: Model PRODUCT untuk AI yang Ditadbir Urus

CXQuest mencadangkan [[OPEN_21]]Model PRODUCT[[CLOSE_21]] untuk peningkatan AI perusahaan:

[[OPEN_22]]P – Unit Produktiviti Ditakrifkan[[CLOSE_22]][[OPEN_23]] Takrifkan setara kerja yang boleh diukur.[[CLOSE_23]]

[[OPEN_24]]R – Pagar Pelindung Risiko Dibenamkan[[CLOSE_24]][[OPEN_25]] Kuatkuasakan dasar dalam aliran kerja.[[CLOSE_25]]

[[OPEN_26]]O – Pengawasan Dikekalkan[[CLOSE_26]][[OPEN_27]] Pastikan manusia mengawal peningkatan.[[CLOSE_27]]

[[OPEN_28]]D – Ekonomi Data Diuruskan[[CLOSE_28]][[OPEN_29]] Selaraskan pengambilan dengan nilai analitikal.[[CLOSE_29]]

[[OPEN_30]]U – Sempadan Kes Penggunaan Jelas[[CLOSE_30]][[OPEN_31]] Mulakan dengan kerja yang ditakrifkan dan bervolum tinggi.[[CLOSE_31]]

[[OPEN_32]]C – Konteks Dikongsi Merentas Ejen[[CLOSE_32]][[OPEN_33]] Elakkan pembantu AI yang terpencil.[[CLOSE_33]]

[[OPEN_34]]T – Pelaporan Telus kepada Kepimpinan[[CLOSE_34]][[OPEN_35]] Terjemahkan output ke dalam bahasa kewangan.[[CLOSE_35]]

Securonix mengoperasikan banyak prinsip ini dalam operasi keselamatan. Pasukan CX boleh menyesuaikan struktur yang sama.

Bagaimana Ini Memberi Kesan kepada Pengalaman Pekerja (EX)?

Keletihan penganalisis mencerminkan keletihan pusat hubungan.

Kerja triaج berulang mendorong pergeseran.[[OPEN_36]] Kekurangan keterlihatan kepada impak mengurangkan penglibatan.[[CLOSE_36]]

Dengan menyerap kebisingan Tier 1 dan Tier 2, Sam membenarkan penganalisis memberi tumpuan kepada panggilan pertimbangan berisiko lebih tinggi.

AI harus menghilangkan kerja yang menjemukan, bukan autonomi.

Model AI Berasaskan Produktiviti: Mengapa Pengumuman Ini Menandakan Peralihan Pasaran yang Lebih Luas

Keselamatan sering merintis rangka kerja tadbir urus sebelum CX menggunakannya.

Pergerakan ke arah orkestrasi AI agentic mencadangkan fasa AI perusahaan seterusnya akan memberi tumpuan kepada:

• Autonomi yang ditadbir urus
• AI peringkat aliran kerja
• Penetapan harga berasaskan produktiviti
• Reka bentuk kebolehjelasan dahulu

Lembaga pengarah akan semakin bertanya:

Berapa banyak kerja yang disiapkan oleh AI?[[OPEN_37]] Adakah ia dikawal?[[CLOSE_37]][[OPEN_38]] Bolehkah kita mempertahankannya?[[CLOSE_38]]

Model ini menjawab soalan tersebut secara langsung.

FAQ

Bagaimana AI berasaskan produktiviti berbeza daripada penetapan harga AI tradisional?

Ia mengikat kos kepada kerja yang disahkan yang disiapkan berbanding penggunaan data atau ciri.

Apakah maksud "agentic" dalam AI perusahaan?

Ia merujuk kepada sistem AI yang menyelaraskan ejen khusus untuk melengkapkan aliran kerja berstruktur.

Bagaimana pengawasan manusia-dalam-gelung berfungsi?

Penganalisis menyemak, mengesahkan, atau membatalkan tindakan yang dihasilkan oleh AI sebelum pelaksanaan.

Mengapa lembaga pengarah mengambil berat tentang tadbir urus AI dalam SOC?

Kegagalan keselamatan membawa risiko peraturan dan kewangan. Keputusan AI mesti boleh dijelaskan.

Bolehkah model ini digunakan untuk persekitaran CX?

Ya. Mana-mana aliran kerja bervolum tinggi dan dipacu peraturan boleh menggunakan pengukuran AI berasaskan produktiviti.

Pengambilan Tindakan untuk Pemimpin CX dan Keselamatan

1. Takrifkan satu aliran kerja di mana AI boleh melengkapkan unit kerja yang boleh diukur.
2. Kuantifikasi masa penganalisis atau ejen yang dijimatkan setiap unit yang disiapkan.
3. Benamkan pagar pelindung dasar sebelum meningkatkan akses AI.
4. Laksanakan semakan manusia untuk tindakan berisiko tinggi.
5. Bina papan pemuka yang menterjemahkan output AI kepada kesan kewangan.
6. Selaraskan pengambilan data dengan analitik berorientasikan hasil.
7. Bentangkan ROI AI dalam bahasa lembaga pengarah, bukan metrik teknikal.
8. Audit aliran kerja AI setiap suku tahun untuk integriti tadbir urus.

Sam, Penganalisis SOC AI, Agentic Mesh, dan DPM Flex tersedia secara global untuk pelanggan Securonix.

Peralihan yang lebih mendalam adalah jelas.

AI mesti melakukan kerja sebenar.[[OPEN_39]] Ia mesti ditadbir urus mengikut reka bentuk.[[CLOSE_39]][[OPEN_40]] Dan nilainya mesti dapat bertahan di bilik lembaga pengarah.[[CLOSE_40]]

Catatan Model AI Berasaskan Produktiviti: Bagaimana Securonix Mentakrifkan Semula AI yang Ditadbir Urus untuk Hasil SOC muncul pertama kali di CX Quest.