۳ مهارت انسانی که در امنیت سایبریِ عصر هوش مصنوعی از گواهینامه‌ها ارزشمندتر شدند

تصور کنید شکاف میان مدارک تحصیلی یک متخصص و عملکرد واقعی او را بررسی کنیم: در حالی که گواهینامه‌ها ثابت می‌کنند یک نیروی تازه‌استخدام کجا بوده است، اما دیگر موفقیت او را در برابر تهدیدات مبتنی بر هوش مصنوعی که سریع‌تر از هر کتاب درسی تکامل می‌یابند، تضمین نمی‌کنند. در عصر هوش مصنوعی عامل‌محور (Agentic AI) — شبیه به دستیارهای هوشمندی که می‌توانند به‌جای شما تصمیم بگیرند و ابزارها را اجرا کنند — کنجکاوی و تفکر انتقادی حالا وزن بیشتری نسبت به مدارک تحصیلی در استخدام‌های امنیت سایبری دارند.

امنیت سایبری امروز محیطی پرفشار است و طبق گزارش‌ها، تقریباً نیمی از متخصصان این حوزه به فکر ترک شغل خود هستند. ورود هوش مصنوعی سرعت کشف آسیب‌پذیری‌ها را به‌شدت بالا برده و شکاف عمیقی میان حجم باگ‌های کشف‌شده توسط ماشین و تعداد انسان‌هایی که باید آن‌ها را اولویت‌بندی (Triage) کنند، ایجاد کرده است. این تنش دقیقاً زمانی رخ می‌دهد که شرکت‌ها برای ایجاد تعادل میان کارایی اتوماسیون و نظارت انسانی دست‌وپا می‌زنند.

زمینه تغییر نقش‌ها

کار در امنیت سایبری دشوار است. در حالی که تیم‌های امنیتی برای جلوگیری از خسارت سخت تلاش می‌کنند، بسیاری از متخصصان قدردانی لازم را دریافت نمی‌کنند. این فقدان قدردانی، در کنار سرعت سرسام‌آور کشف آسیب‌پذیری‌ها با کمک هوش مصنوعی، محیط کار را به‌طور فزاینده‌ای ناپایدار کرده است. این تغییرات در حالی رخ می‌دهد که تقاضا برای تخصص‌های جدید در حال افزایش است؛ به‌طوری که گزارش‌های اخیر نشان می‌دهد بخش بزرگی از فرصت‌های شغلی فناوری اکنون مستقیماً مهارت‌های هوش مصنوعی را می‌طلبند.

فابریزی پیلوتی (Fabrizio Pilotti)، مدیر ارشد فناوری در استون مارتین آرامکو فرمولا وان، معتقد است رهبران دیجیتال باید تعادلی دقیق میان توانمندی‌های انسانی و هوش مصنوعی برقرار کنند. او پیشنهاد می‌کند که حفظ این تعادل در واقع فرصت‌های جدیدی برای متخصصان امنیتی ایجاد می‌کند. پیلوتی توضیح می‌دهد که در حوزه فناوری اطلاعات، قوانین در حال تغییر هستند و این امر شرکت‌ها را مجبور می‌کند تا ساختار تیم‌ها و شرح وظایف شغلی را بازنگری کنند تا تفاوت میان «بخش عامل‌محور» (Agentic part) و «بخش غیرعامل‌محور» (Non-agentic part) را تفکیک کنند.

به دلیل پیچیدگی‌های رو به رشد و نیاز به واکنش سریع به محیط‌های در حال تغییر، پیلوتی امنیت سایبری و توسعه نرم‌افزار را در اولویت اول لیست خود قرار داده است. برای کارکنان مستعد، این یعنی مهارت‌هایشان ممکن است بالاخره قدردانی لازم را دریافت کند، به شرطی که بتوانند هم‌گام با تکنولوژی تکامل یابند.

چرخه کنجکاوی و تفکر انتقادی

اریک اشمیت (Eric Schmitt)، مدیر امنیت اطلاعات جهانی در سج‌ویک (Sedgwick)، استدلال می‌کند که کنجکاوی تک و مهم‌ترین ویژگی یک متخصص مدرن است. او ترجیح می‌دهد نیرویی را استخدام کند که تنها یک سال سابقه دارد اما مدام می‌پرسد «چرا؟»، تا کسی با ۲۰ سال تجربه که فقط فرآیندهای ایستا و ثابت را دنبال می‌کند.

کنجکاوی به متخصص اجازه می‌دهد پیش‌بینی کند چه چیزی ممکن است در آینده خراب شود، به‌جای اینکه فقط به آنچه در گذشته جواب داده تکیه کند. در دنیای عامل‌های هوشمند، این یعنی زیر سؤال بردن مکانیزم‌های خاص؛ مثلاً:

• چرا یک عامل خاص، سرویس مشخصی را فراخوانی می‌کند؟
• چرا سازمان از یک فرآیند خاص پیروی می‌کند؟
• مدل دقیقاً چه داده‌هایی را می‌خواند؟
• چه کسی اجازه تغییر آن داده‌ها را دارد؟
• یک عامل مجاز است به‌تنهایی چه کارهایی انجام دهد؟

با این حال، کنجکاوی به‌تنهایی فقط «نویز» تولید می‌کند. اشمیت تأکید می‌کند که تفکر انتقادی (Critical Thinking) فیلتر لازم برای تصمیم‌گیری در مورد این است که کدام پاسخ‌ها معتبر هستند. چون ابزارهای هوش مصنوعی خروجی‌های متقاعدکننده و محتمل را در مقیاس وسیع تولید می‌کنند، انسان‌ها باید بتوانند تأیید کنند که آیا خروجی واقعاً درست است یا خیر. اشمیت اشاره می‌کند که کنجکاوی بدون سخت‌گیری انتقادی منجر به نویز، و سخت‌گیری بدون کنجکاوی منجر به رکود می‌شود.

این دو مهارت در کنار هم اجازه می‌دهند متخصص با چشم‌انداز تهدیداتی پیش برود که دیگر به تخصص‌های ایستا پاداش نمی‌دهند. توصیه اشمیت به مدیران ساده است: برای کنجکاوی استخدام کنید و تفکر انتقادی را پرورش دهید، چون هر چیز دیگری را می‌توان آموزش داد.

قرار گرفتن بالای خط اتوماسیون

آنکور آناند (Ankur Anand)، مدیر فناوری در هاروی نش (Harvey Nash)، هشدار می‌دهد که اتکای بیش از حد به هوش مصنوعی، سازمان‌ها را در معرض خطر قرار می‌دهد. او به محک سکرسپاند (SecRespond) اشاره می‌کند که ۲۳ مدل پیشرو هوش مصنوعی را با داده‌های واقعی فارنزیک از سیستم‌های هک‌شده آزمایش کرد. تمام مدل‌ها در یک دسته خاص شکست خوردند: نفوذهایی که اصلاً هیچ هشدار یا زنگ خطری را در ابتدا فعال نکرده بودند.

اگر سیستمی بیش از حد ساکت باشد، هوش مصنوعی که برای بررسی هشدارها ساخته شده، چیزی برای پردازش ندارد. اینجاست که نیاز حیاتی به متخصصانی است که غریزه شکاک بودن به سیستمی که «کاملاً سالم» به نظر می‌رسد را داشته باشند؛ یعنی بپرسند چرا سیستم ساکت است، در حالی که دیگران فقط منتظر شنیدن صداهای بلند هستند.

آناند پیشنهاد می‌کند برای حفظ جایگاه شغلی، روی مهارت‌هایی تمرکز کنید که «بالای خط اتوماسیون» قرار دارند:

• شکار تهدید (Threat Hunting): توانایی جست‌وجوی فعال برای یافتن مشکل، بدون اینکه هشداری شما را راهنمایی کند که کجا را بگردید.
• نظارت بر هوش مصنوعی: تشخیص زمان اشتباه بودن خروجی مدل و داشتن اعتمادبه‌نفس برای بیان آن با صدای بلند در یک جلسه.
• ارتباطات ساده: تبدیل یک پرچم فنی (مثلاً «مدل این مورد را مشکوک دانست») به تصمیمی که مدیران کسب‌وکار بتوانند روی آن عمل کنند. این مهارت برای انتقال ریسک‌ها به کارکنان غیر-IT بیش از هر زمان دیگری اهمیت دارد.
• بازجویی فنی: یادگیری مقدمات پایتون برای پرس‌وجو و بازجویی از ابزارهایی که تری‌آژ (Triage) می‌کنند، به‌جای پذیرش کورکورانه احکام آن‌ها.

اولویت‌بندی ریسک بر روتین

ارول ویس (Errol Weiss)، مدیر امنیت در Health-ISAC، اشاره می‌کند که هوش مصنوعی هر دو چرخه حمله و دفاع را تسریع کرده است. این یعنی تیم‌های امنیتی زمان کمتری برای پاسخ و نویز بیشتری برای فیلتر کردن دارند. این موضوع در بخش‌هایی مثل بهداشت و درمان که وصله کردن (Patching) یا کاهش اثرات به‌دلیل محدودیت‌های عملیاتی ساده نیست، حیاتی‌تر می‌شود.

ویس معتقد است مؤثرترین متخصصان کسانی هستند که می‌توانند سیگنال‌های مبهم را به تصمیمات ریسک‌محور و مطمئن تبدیل کنند. این انتقال نیازمند تفکر شفاف تحت فشار و درک عمیق از نحوه عملکرد سیستم‌ها در دنیای واقعی است.

ابزارهای هوش مصنوعی می‌توانند مشکلات احتمالی امنیتی را پیدا کنند، اما درک آن‌ها از موارد زیر صفر است:

• بستر کسب‌وکار (Business Context).
• پیامدهای ایمنی.
• محدودیت‌های عملیاتی.

طبق مطالعه وان‌پاسورد (1Password)، هوش مصنوعی در ۷۴٪ مواقع در وصله کردن نقص‌های نرم‌افزاری شکست خورده است. این آمار نشان می‌دهد چرا «انسان در چرخه» (Human-in-the-loop) تنها safeguard قابل اعتماد در برابر شکست‌های سیستمی است. هوش مصنوعی امنیت را تقویت می‌کند، اما نمی‌تواند جایگزین متخصصی شود که در شرایط عدم قطعیت تصمیم می‌گیرد.

این تغییر یعنی نقش متخصص امنیت از یک «مجری فنی» به یک «مدیر ریسک» تبدیل شده است. ارزش دیگر در دانستن کتابچه قوانین نیست، بلکه در دانستن این است که چه زمانی کتابچه قوانین منسوخ شده است.

برای شما این یعنی ارزش شما در بازار کار از «چه می‌دانید» به «چطور فکر می‌کنید» تغییر کرده است. سرمایه‌گذاری روی یک گواهینامه اکنون اثر کمتری دارد تا ایجاد عادت مستند در زیر سؤال بردن خروجی‌های خودکار و شکار شکست‌های خاموش.

منتظر ظهور شرح وظایف شغلی جدیدی باشید که صراحتاً نقش‌ها را بین مسئولیت‌های «عامل‌محور» و «غیرعامل‌محور» تقسیم می‌کنند، زیرا شرکت‌ها در حال بازسازی تیم‌های IT خود برای مدیریت این پیچیدگی هستند.