Setiap pemimpin keamanan pasti sudah mendengar janji ini: AI akan mengubah operasi keamanan.
Ini akan mengurangi kelelahan akibat banyaknya peringatan. Ini akan mempercepat investigasi. Ini akan membuat analis lebih produktif. Ini akan membantu tim melakukan lebih banyak hal dengan sumber daya yang lebih sedikit.
Janji itu nyata, tetapi ada kendalanya. AI tidak meningkatkan hasil keamanan hanya karena modelnya tersedia. AI meningkatkan hasil ketika memiliki konteks yang tepat, beroperasi di dalam alur kerja yang tepat, mengikuti kontrol yang tepat, dan mendapatkan kepercayaan dari orang-orang yang harus menindaklanjuti hasilnya.
Di situlah banyak orang berada keamanan AI Percakapan seringkali tidak efektif. Sebagian besar tim SecOps tidak kekurangan alat. Mereka kekurangan waktu, konteks, konsistensi, dan kepercayaan diri. Peringatan datang dari puluhan sumber. Analis berpindah-pindah antar konsol. Kasus dibuat secara manual. Tindakan respons sering terjadi di sistem yang berbeda. MSSP Harus mengelola semua ini di banyak pelanggan, yang masing-masing memiliki alat, format data, jalur eskalasi, dan model operasional yang berbeda.
Dalam lingkungan tersebut, menambahkan asisten AI generik tidak menyelesaikan masalah inti. Asisten tersebut mungkin dapat meringkas peringatan atau menjawab pertanyaan, tetapi jika berada di luar alur kerja deteksi, triase, investigasi, dan respons yang sebenarnya, maka asisten tersebut hanya menjadi alat lain yang perlu dikelola.
Fase selanjutnya dari AI dalam operasi keamanan bukanlah tentang menambahkan lebih banyak AI. Ini tentang mempersiapkan alur kerja keamanan agar siap menghadapi AI.
AI Membutuhkan Lebih Dari Sekadar Perintah
Agar AI bermanfaat dalam SecOps, AI membutuhkan konteks operasional. Sistem tersebut perlu memahami kasusnya. Sistem tersebut membutuhkan akses ke detail peringatan, pengguna yang terpengaruh, aset, penyewa, garis waktu, telemetri, skor risiko, aktivitas historis, dan opsi respons yang tersedia. Sistem tersebut juga perlu bekerja dalam batasan dan izin yang jelas.
Ini sangat penting untuk MSSP ke MDR Dalam lingkungan multi-tenant, AI tidak dapat mengaburkan batasan pelanggan. AI tidak dapat bertindak tanpa kesadaran penyewa. AI tidak dapat memperlakukan semua data sebagai data yang dapat diakses secara sama. AI harus menghormati kontrol akses, pemisahan data, kebijakan khusus pelanggan, dan batasan operasional.
Itulah mengapa Stellar Cyber 6.5 memperkenalkan dukungan Akses Awal untuk Stellar Cyber MCP Server, yang memungkinkan klien AI yang disetujui untuk terhubung ke Platform Stellar Cyber melalui Protokol Konteks Model.
Signifikansinya bukan hanya karena adanya integrasi AI lain. Poin yang lebih besar adalah bahwa MCP menciptakan jalur yang teratur bagi AI untuk berinteraksi dengan konteks SecOps yang terstruktur. Alih-alih memperlakukan AI sebagai asisten yang terpisah, Stellar Cyber menciptakan cara bagi klien AI yang disetujui untuk bekerja dengan data kasus dan peringatan yang relevan, akses terkontrol, dan konteks yang memahami penyewa.
Itulah fondasi yang dibutuhkan AI jika ingin menjadi bagian dari operasi keamanan nyata.
Kasus Inilah Saat AI Menjadi Berguna
Operasi keamanan seharusnya tidak hanya berpusat pada peringatan yang terisolasi. Operasi keamanan seharusnya berpusat pada kasus. Sebuah peringatan memberi tahu Anda bahwa sesuatu telah terjadi. Sebuah kasus membantu Anda memahami apakah hal itu penting atau tidak.
Kasus-kasus tersebut menyatukan bukti-bukti terkait: peringatan, pengamatan, pengguna, host, aktivitas jaringan, peristiwa cloud, sinyal identitas, garis waktu, MITRE ATT & CK konteks, skor risiko, dan rekomendasi respons. Itulah unit kerja yang tepat untuk AI karena menyediakan konteks yang dibutuhkan untuk mendukung triase dan investigasi.
Stellar Cyber 6.5 meningkatkan pengalaman analis di dalam Kasus dengan pembaruan status triase secara real-time. Analis dapat melihat kapan analisis sedang berlangsung, kapan ringkasan yang dihasilkan AI siap, dan kapan kasus siap untuk ditinjau.
Itu mungkin terdengar seperti peningkatan alur kerja kecil, tetapi hal itu mencerminkan prinsip yang lebih besar: tim perlu memiliki visibilitas tentang apa yang dilakukan AI.
AI tidak boleh terasa seperti kotak hitam. Analis perlu mengetahui kapan analisis masih berjalan, kapan hasilnya siap, dan kapan tinjauan manusia diperlukan. Manajer membutuhkan visibilitas terhadap kemajuan. MSSP membutuhkan alur kerja yang berulang dan dapat diskalakan di berbagai penyewa dan analis.
Status triase secara real-time membuat investigasi yang dibantu AI terasa bukan sekadar alat eksternal, melainkan bagian dari alur operasional.
Otonomi yang Ditingkatkan oleh Manusia Membutuhkan Pengalihan Tanggung Jawab yang Jelas
Masa depan SecOps tidak akan sepenuhnya manual. Selain itu, seharusnya tidak sepenuhnya otonom tanpa pengawasan.
Model praktisnya adalah otonomi yang didukung manusia: AI menangani pekerjaan berulang, mempercepat investigasi, merangkum bukti, merekomendasikan langkah selanjutnya, dan mendukung respons, sementara manusia tetap bertanggung jawab atas keputusan yang berdampak besar.
Model tersebut hanya berfungsi jika proses peralihan antara AI dan manusia terlihat dan mudah dipahami.
Para analis perlu melihat apa yang ditinjau oleh AI, apa kesimpulannya, seberapa yakin AI tersebut, bukti apa yang mendukung kesimpulan tersebut, dan tindakan apa yang direkomendasikan. Mereka juga perlu memiliki kemampuan untuk mengesampingkan, meningkatkan, membuka kembali, atau menyesuaikan proses tersebut.
Alur kerja yang siap untuk AI memerlukan konteks kasus yang terstruktur, akses terkontrol ke data keamanan, tata kelola yang peka terhadap penyewa, ringkasan berbasis bukti, kemampuan audit, dan jalur eskalasi yang jelas. Tanpa elemen-elemen tersebut, AI dapat menciptakan lebih banyak kebingungan daripada kejelasan.
Titik Awal yang Lebih Baik untuk Analis
Bagi MSSP, ini adalah masalah skala. Setiap menit yang dihabiskan untuk mengumpulkan konteks secara manual adalah menit yang tidak terukur. Setiap keputusan triase yang tidak konsisten menciptakan risiko operasional. Setiap penyerahan manual memperlambat respons. Ketika AI beroperasi di dalam alur kerja kasus yang teratur, MSSP dapat menstandarisasi triase, meningkatkan konsistensi analis, mengurangi pekerjaan berulang, dan mendukung lebih banyak pelanggan tanpa memerlukan pertumbuhan jumlah karyawan yang proporsional.
Bagi tim keamanan yang ramping, tantangan yang sama muncul sebagai tekanan kapasitas. Tim kecil mungkin bertanggung jawab atas pemantauan, investigasi, respons, pelaporan, dan administrasi alat. Mereka mungkin tidak memiliki tim Tier 1, Tier 2, perburuan ancaman, rekayasa deteksi, dan respons insiden yang terpisah.
Bagi tim-tim ini, nilai AI bukanlah menggantikan manusia. Melainkan membantu orang-orang memulai dari posisi yang lebih baik.
Alih-alih bertanya, “Peringatan apa ini?” tim dapat memulai dengan, “Inilah kasusnya, inilah buktinya, inilah kemungkinan ceritanya, dan inilah langkah-langkah selanjutnya yang direkomendasikan.”
Itu adalah model operasi yang berbeda.
The Bottom Line
Tim keamanan tidak membutuhkan perangkat AI tambahan. Mereka membutuhkan AI yang terintegrasi ke dalam cara kerja SecOps yang sebenarnya.
Stellar Cyber 6.5 bergerak ke arah tersebut dengan memperkenalkan konektivitas AI yang teratur melalui Server MCP dan meningkatkan alur kerja kasus dengan status triase waktu nyata. Peningkatan ini membantu membawa AI lebih dalam ke dalam deteksi, triase, investigasi, dan respons sambil mempertahankan visibilitas dan kontrol yang dibutuhkan tim.
AI tidak akan mengubah operasi keamanan kecuali alur kerja sudah siap untuk AI.
Stellar Cyber 6.5 membantu mewujudkan alur kerja tersebut.
