AI 不是在给安全团队提效,是在重写安全团队的价值
原创 白帽子章华鹏 2026-06-18 09:25 北京

安全团队到底还靠什么创造价值?
写在前面
最近我们每周直播都在聊同一个主题:AI 和安全。
我每周会把近期全球范围内 AI 和安全相关的一些事件、动态、行业变化、争议问题拿出来,挑一些真正值得讨论、也对实际工作有参考价值的话题,和大家一起展开去聊。
上周直播,我和粉丝朋友们一起聊了几个具体的话题:
AI 时代怎么做入侵检测;
Anthropic 最近关于 AI 风险、监管和公共安全的一些观点;
多 Agent 协同时代的安全治理问题;
企业安全 BP 团队未来会怎么变;
我自己最近在做 AI 原生安全产品时的一些实践和体感;
这些话题看起来都是不同方向,但把它们放在一起看,会发现它们其实都在说同一件事:今天 AI 对安全的影响,早就不是“又出了一个新模型”、“又多了一个新工具”这么简单。它正在开始重写企业安全的工作方式,甚至重新定义安全团队在企业里的价值。
就像我们过去在安全建设中默认成立的很多前提,现在也都在被重写。然而很多安全团队,嘴上在聊 AI,手上也在尝试 AI 工具,但脑子里用的还是过去那套安全建设逻辑,这才是最麻烦的地方。
所以基于上周直播提到的几个话题,我们聊一个现实问题:当 AI 开始参与检测、判断、执行和协同之后,安全团队到底还靠什么创造价值?
01 AI 正在把安全检测,从“规则识别”推向“意图识别”
直播一开始,有朋友问了一个很典型的问题:AI 时代,怎么做入侵检测?
这个问题很值得聊。
因为它背后不是“能不能把大模型接进来”这么简单,而是你怎么看待检测这件事本身。
过去很长时间里,很多检测思路本质上还是规则、特征和策略。
这套方法今天仍然有价值,未来也不会消失。因为安全里有大量高确定性的异常,确实应该用规则、特征、基线和策略快速筛出来。它们稳定、可解释,也适合工程化落地。
但它有一个很明显的边界:它更擅长识别“像不像异常”,但不一定擅长去理解“这个行为到底想干什么”。
而 AI 带来的一个重要变化,就是它开始具备更强的语义理解能力、上下文理解能力和行为意图分析能力。
举个简单例子:
过去我们看到一个账号在短时间内访问多个内部系统,可能会写规则判断它是否异常:
访问频率是否过高?
是否来自陌生地域?
是否访问了平时不常用的系统?
但在真实攻击里,更关键的问题往往不是“它访问次数多不多”,而是:
这个账号是不是在围绕某个敏感目标做探索?
它访问的几个系统之间有没有业务关系?
它是不是先查组织架构,再查代码仓库,再查凭据管理系统?
它的行为更像一次正常运维,还是像一次横向移动?
它后续有没有尝试接近更高价值的数据或权限?
这类判断,已经不是单条规则能完成的。它需要把账号、设备、行为、日志、业务系统、权限关系、历史上下文放在一起看。
这就是 AI 可能带来的变化。
换句话说,AI 时代做检测,你不一定要再像过去那样,先穷尽式地去列规则。你可以先识别出可疑对象、异常行为链,再把这个对象相关的上下文、行为标识、日志线索交给 AI,让它自己去调用工具、关联信息、还原上下文、判断意图。
这件事的意义非常大,因为它意味着检测逻辑开始从“规则匹配”,往“行为理解”迁移。
这不是一个小优化,这是检测范式本身在变,AI开始参与检测判断本身。
当然,这也并不是说传统方法没价值了。
我反而觉得未来很长时间,最现实的做法一定还是两种模式结合:规则负责筛选出高确定性的异常,AI 负责进一步做上下文理解、行为还原和意图判断。
这背后对应的,是安全团队价值的变化。
过去,一个安全团队的检测能力,可能体现在写了多少规则、接了多少日志、覆盖了多少告警场景。
但 AI 时代,安全团队的价值会越来越体现在:能不能设计一套让机器看见异常、让 AI 理解上下文、让人类把控关键判断的检测体系,让规则、上下文、AI 判断和人工确认协同起来。
这比单纯写更多规则更难,也更有价值。
02 AI 不只是提效工具,也正在成为新的风险变量
然而当 AI 一旦开始真正参与检测、判断、执行和协同,它本身也会成为新的风险变量。
这一点,过去一周其实也有很多公开讨论。比如 Anthropic 最近在持续谈 AI 风险、监管和公共安全问题。再比如,一些带有安全限制能力的模型,很快会暴露出越狱、绕过和滥用的风险。
这些事情说明什么?说明今天 AI 不只是一个“提效工具”,它同时也是一个会带来新型不确定性的系统。而且这种不确定性,不是简单靠几条规则就能兜住的。
因为 AI 的问题,不只是“会不会错”,而是“它什么时候错”、“在什么上下文里错”、“为什么会错”、“错了之后会不会继续自动执行下去”。
尤其在安全场景里,这件事会更敏感。很多非安全场景里,结果波动一点,可能只是体验问题。但安全场景里,很多错误不是体验波动,而是真风险。
所以当 AI 进入工作的关键链路,安全团队就不能只把它当作提效工具,还必须把它当作治理对象。
这也意味着,安全团队要开始回答一些过去不太常被问的问题:
AI 系统能访问哪些数据?
它能调用哪些工具?
哪些动作必须人工确认?
它的输入是否可信?
它的输出如何验证?
它的判断过程是否可审计?
它失败时如何降级?
它出错后谁负责、怎么回滚?
这些问题,已经不是传统“上一个 AI 工具”能解决的。
它需要安全团队把 AI 纳入身份、权限、审计、监控、变更、风控和应急体系里。
过去安全团队主要治理 人、系统、应用、数据、账号、权限、供应链;现在还要治理 AI,这就是职责边界的一次扩大。
所以,AI 对安全团队的影响不是简单增强能力,它同时也扩大了安全团队要治理的对象边界。
03 多 Agent 协同时代,安全要管的是整条执行链
我们今天对于单 Agent 的安全治理,其实都还远远谈不上成熟,那多 Agent 协同之后只会更复杂。
最近还有一个越来越明显的趋势,就是 Agent 的使用开始爆炸式增长。
不管是企业内部,还是个人用户,越来越多的任务正在被交给 Agent 去完成。
一个 Agent 负责理解需求,一个 Agent 负责拆解任务,一个 Agent 负责查资料,一个 Agent 负责调用工具,一个 Agent 负责生成结果,一个 Agent 负责检查输出。
从效率角度看,这很自然。复杂任务本来就需要拆解,多 Agent 协作也更接近真实组织里的分工方式。
但从安全角度看,这会带来一类新的问题:风险不再只发生在某一个 Agent 身上,而会发生在多个 Agent、多个工具、多个上下文之间的链路里。
这也是多 Agent 安全最麻烦的地方。
单 Agent 出问题,还比较容易追链路、看上下文、找原因。
但一旦变成多 Agent 协同执行任务,系统的不确定性会被进一步放大:
任务是怎么被拆解的?
上下文是怎么被传递的?
哪个 Agent 调了什么工具?
谁在什么阶段做了什么判断?
哪些决策是可信的,哪些决策是漂移的?
这些事情,都会变得更难分析。
所以现在也能看到,不管是学术界还是工业界,越来越多人都在研究多 Agent 的安全问题。
所以多 Agent 时代,安全团队要管的不只是“某个 Agent 是否安全”,而是整条执行链是否可控。
这会对安全治理提出新的要求:
任务拆解要有边界;
上下文传递要有过滤;
工具调用要有最小权限;
高风险动作要有人类确认;
每个 Agent 的关键判断要有日志;
关键链路要能审计、回放和回滚;
外部输入和内部指令要明确隔离;
不同 Agent 之间的信任关系要被设计,而不是默认成立。
这一点我自己感受也很深。
因为我们最近自己在做 AI 原生安全产品的时候,也一直在面对一个核心问题:当任务链条越来越复杂、提示体系越来越长、上下文越来越深的时候,AI 在执行过程中一定会出现不确定性。
这时候你怎么用更工程化的方式去约束这种不确定性,怎么让它既保持能力、又不会失控,这其实是一个非常难、也非常现实的问题。
这也是我为什么一直觉得,Agent 安全这件事,即使大家普遍知道它重要,但整个行业还处在非常早期的阶段。
不是没有人在做,而是离“成熟解决”还很远。
而且这里有一个很容易被低估的点:很多人会天然觉得,AI 这么强了,那 AI 去保护 AI,不就行了吗?
但真到落地层面,你会发现这里面有大量的不确定性、误判、上下文丢失、执行漂移和边界失控的问题。所以越是在早期,越不能把它想简单。
因此在多 Agent 时代,安全团队真正要建设的,不是某一个 Agent 的安全能力,而是对整条智能执行链的治理能力。
04 很多安全岗位未来不会消失,但会被重新定义
AI 时代,安全团队内部的岗位价值也一定会发生变化。
直播里有朋友问到一个特别现实的话题:企业安全 BP 团队未来会怎么变?
这个问题,本质上其实不只是 BP 的问题。而是说:AI 时代,企业里那些本来承担连接、协调、传达、推动作用的安全岗位,未来会不会被替代?
我的观点很明确:会不会被替代,不取决于岗位名字,取决于你在做什么。
如果你做的是非常机械的传递工作,比如:业务提一个需求,你转给安全;安全提一个能力,你转给业务。那这种工作被 AI 替代,我觉得是早晚的事情。因为这种连接,本质上没有形成真正的判断和方法论。
但如果你做的不是“传话”,而是真正理解业务战略目标、拆解业务风险、设计安全方案、推动价值落地,那这类岗位不但不会消失,反而会变得更重要。
这也是为什么我在直播里讲:未来优秀的安全 BP,不应该只是执行者。而应该更像业务的 CSO,或者更像一个解决方案专家。
他最重要的能力,不是把一个安全策略推下去,而是能够真正理解:
业务的目标是什么?
风险在哪里?
哪些资产和流程最关键?
哪些控制是必须的?
哪些控制会造成过高摩擦?
安全应该怎么嵌进去,才能真正帮业务创造价值?
这一点,我觉得在 AI 时代会变得更重要。
因为纯执行的部分,AI 一定会越做越多。但基于业务理解做判断、做取舍、做设计、做推动的能力,短期内很难被替代,反而会变得稀缺。
05 安全团队的价值,会从“提供工具”转向“解决业务风险”
再往上看一层,AI 带来的变化不只影响某个岗位,也会影响整个安全团队的定位。
今天很多人还在把安全理解成一个技术问题。技术当然很重要,没有技术,很多问题根本解决不了。
但我越来越觉得,至少在企业场景里,安全本质上是一个管理问题、业务问题、组织问题。
如果你只有技术,而没有方法论、没有业务理解、没有组织能力,最后就很容易陷入一个状态:你拿着一把锤子,到处找钉子。
你觉得这个工具很强、这个能力很牛、这个模型很先进。
但最后它为什么进不了企业流程、为什么落不了地、为什么老板不买单、为什么业务不配合,你解释不清楚。
AI 会进一步放大这个差异,因为 AI 会让“生产能力”变得更便宜:写规则更快,写脚本更快,写报告更快,做自动化更快,生成代码更快,分析日志也更快。
但这并不意味着安全团队的价值降低了,恰恰相反,真正稀缺的东西会更清楚地浮出来。
未来更有价值的,不只是“会不会做一个工具”,而是:能不能把工具、模型、流程、权限、数据、人员和业务目标组织在一起,形成一套真正解决问题的安全方案。
所以我现在越来越不认同一种说法:说以后代码不值钱了,软件不值钱了。
我觉得这句话只说对了一半,更准确一点的说法是:写软件的门槛和成本,在下降;但怎么设计软件、怎么组织软件、怎么把软件真正嵌进业务流程、怎么让它解决真实问题,这件事反而更值钱了。
安全也是一样。未来真正稀缺的,不只是会不会写规则、会不会调模型、会不会做自动化。
而是你能不能把这些能力组织起来,变成一个业务愿意使用、管理层愿意投入、风险能被降低、真正解决业务问题的方案。
说到底,安全团队接下来拼的,不只是技术栈更新速度,而是谁更早完成一次角色升级,从“做安全工具的人”,变成“用安全能力帮业务解决问题的人”。
我自己的一个判断
AI 正在快速重写企业安全的工作方式。
安全团队真正要升级的,不只是工具栈。更关键的是三种能力:
第一,对行为和意图的理解能力;
第二,对 AI 本身不确定性的治理能力;
第三,把安全能力和业务目标重新连接起来的方法论能力;
这三件事,不是简单“上一个 AI 工具”就能解决的。
所以,如果你今天在企业里做安全,不管你是做平台、做研发、做 BP、做治理、做产品,还是在带团队,我都特别建议你开始认真想一个问题:在 AI 时代,我真正不可替代的那部分能力,到底是什么?
如果这个问题你还没开始想,那后面很多焦虑都会越来越具体。
但如果这个问题你已经开始认真想了,那我觉得你至少已经在往对的方向走。
这也是为什么我们现在每周在持续聊“AI 和安全”。
因为这个话题,早就不是追“热点”了。
它已经变成了每一个安全团队、每一个安全从业者、甚至每一个企业管理者,都绕不过去的现实问题。
这个问题,每一个安全团队迟早都要回答。
写在最后
如果你最近也在思考这些问题,或者你已经在公司里开始推进一些 AI 相关的安全实践,但也碰到了很多很现实的问题,欢迎点击下方卡片预约直播,周日(6月21日)晚19:30,一起来直播间聊聊。
也欢迎大家把想讨论的问题留言给我,一个好问题才会有一个好答案。