Mula sa mga Eksperimento ng AI hanggang sa mga Awtonomong Operasyon
– Christophe Briguet, Sr. Direktor ng Pamamahala ng Produkto – AI at Security Analytics, Stellar Cyber
San Jose, Calif. – Abril 28, 2026
May nagbago noong unang bahagi ng 2026. Hindi unti-unti — parang pagpindot lang ng switch.
Sa loob ng maraming taon, pinag-usapan natin ang tungkol sa AI sa SOC ang paraan ng pag-uusap natin tungkol sa mga self-driving na sasakyan: laging limang taon ang layo, laging nangangailangan ng "kaunti pang data." Pagkatapos ay nangyari ang MCP (Model Context Protocol). Pagkatapos ay tumigil na sa pagiging mga demo ang mga agentic framework at nagsimulang maging mga tool. At biglang ang tanong ay hindi "matutulungan ba ng AI ang mga security team?" kundi "ano ang dapat muna nating hayaang gawin nito?"
Alam ko dahil nagpapatakbo ako ng isa.
Ang Pagsulong ng Ahente Walang Nakaabang na Darating
Narito ang nagbago: Ang mga AI agent ay tumigil sa pagiging mga chatbot na may API access at nagsimula na maging mga aktwal na katrabaho, mga taong nakakaalala ng nakaraan, alam kung paano gamitin ang iyong mga tool, at kayang tumawag nang mag-isa.
Ang MCP, na orihinal na nilikha ng Anthropic at ngayon ay nasa ilalim ng Linux Foundation, ay nagbigay sa atin ng isang bagay na wala tayo noon: isang unibersal na paraan para kumonekta ang mga AI agent sa mga totoong sistema. Hindi sa pamamagitan ng mga brittle integration o custom code. Sa pamamagitan ng isang standardized protocol na nagbibigay-daan sa sinumang AI agent na makipag-ugnayan sa anumang tool, anumang API, anumang platform. Isipin ito bilang USB para sa AI: magsaksak ng isang bagong kakayahan, at gagamitin lang ito ng agent.
At Stellar Cyber, ipinadala namin ang suporta sa MCP sa aming platform. Maaari na ngayong kumonekta ang isang AI agent sa isang Stellar Cyber instance at agad na ma-access ang pamamahala ng kaso: paglilista ng mga kaso, pagkuha ng kumpletong detalye ng imbestigasyon gamit ang mga MITRE mapping at observable, pag-update ng status, at pagtatalaga ng mga analyst. Ang isang API call ay nagbabalik ng dating walong pag-click at tatlong tab.
Ngunit ang MCP ay isa lamang konektor. Ang tunay na tagumpay ay kung ano ang nakapatong dito: ang ahente ng AI na nakakaalala ng konteksto, nagpaplano ng mga daloy ng trabaho na may maraming hakbang, at kumikilos para sa iyo sa pagitan ng mga sesyon.
Ang Natutunan Ko sa Pagpapatakbo ng isang AI Agent sa Loob ng Isang Linggo
- Sumulat ng dalawang email ng customer tungkol sa mga kakayahan ng feature. Kumuha ng konteksto mula sa isang 10-mensahe na thread ng email, isinangguni ang KB, at nakuha nang tama ang mga teknikal na detalye.
- Naghain ng Jira ticket. Dalawang beses akong nagkamali ng mga kinakailangang field, nalaman ko ang API, at natapos ko ito sa ikatlong pagsubok.
- Nag-iskedyul ng meeting para sa apat na tao sa pamamagitan ng pagtingin sa kalendaryo ng lahat. Natagpuan ang isang bakanteng slot noong Miyerkules ng umaga
- Sinuri ang isang dokumento ng proseso sa Confluence at ang katugmang Figma board. Nakakita ng limang puwang na walang nakapansin
- Nakakuha ng 30,000 kaso mula sa aming Stellar Cyber MCP server sa isang tawag. Kumpletong MITRE mappings, observables, at mga gawa.
- Mag-set up ng cron job para mapanood ang Google Form para sa mga bagong submission, awtomatikong gumawa ng mga ticket, at mag-ping sa akin kapag may pumasok. Walang code. Inabot ito ng halos sampung minuto.
Ang Kabilang Bahagi Nito
Dito nagiging hindi komportable. Lahat ng inilarawan ko lang? Kaya rin itong gawin ng mga kalaban.
Kung ang isang AI agent ay makakakonekta sa iyong ticketing system, makakabasa ng iyong mga escalation ticket, makakapag-cross-reference ng iyong knowledge base, at makakaintindi ng iyong mga detection gaps? Iyan ay isang libreng roadmap sa lahat ng bagay na mahina ka sa pagtatanggol. Ang parehong mga kakayahan ng ahente na nagpapabilis sa mga tagapagtanggol ay ginagawa ring mas sistematiko ang mga umaatake.
Ang MCP ay isang tabak na may dalawang talim. CrowdStrike May mga nailathalang pananaliksik na tungkol sa pagsiguro ng mga pag-deploy ng agentic AI laban sa mabilis na pag-iniksyon at pagtaas ng pribilehiyo. Ang mismong aspeto ng pag-atake ay hindi teoretikal. Ito mismo ang mga integration point na siyang dahilan kung bakit kapaki-pakinabang ang mga ahente.
Ang pagbabago sa tanawin ng banta ay ito: ang bentahe ng bilis na SOC Ang mga koponan na may mga overscripted na pag-atake ay nawawala. Ang mga kalaban na may mga ahente ay maaari na ngayong:
- Isa-isahin ang iyong kapaligiran nang mas mabilis kaysa sa kayang i-triage ng iyong mga analyst ang mga alerto
- Bumuo ng nilalamang social engineering na may kamalayan sa konteksto ng iyong organisasyon
- I-automate ang mga desisyon sa paggalaw sa gilid tulad ng pag-automate namin ng mga desisyon sa triage
- Iangkop ang mga taktika sa real-time batay sa kung ano ang epektibo
Maraming Oportunidad sa Awtomasyon
1. Alerto at Pag-triage ng Kaso sa Bilis ng Makina
Ito ang halata, at dito na gumagana ang Alert Auto-Triage ng Stellar Cyber. Nagpapatakbo ang ahente ng Verdict Signal Checks laban sa bawat kritikal na kaso: reputasyon ng IP, mga anomalya sa pag-uugali, mga ugnayan ng entity, at kahinaan ng device. Pagkatapos ay nagbibigay ito ng hatol: True Positive, Benign, False Positive, o Inconclusive.
Ang bago ay ang feedback loop. Kapag pinawalang-bisa ng isang analyst ang isang hatol, ang pagpapawalang-bisa na iyon ay nagiging isang senyales ng pagsasanay. Hindi sa malabong kahulugan na "babalikan natin ang pagsasanay ng modelo balang araw". Sa kahulugan na "sa susunod na lumitaw ang pattern na ito, tinitimbang ng sistema ang iyong paghatol". Natututo ang Tesla FSD mula sa mga pagkuha ng tao. Gayundin ito.
Ang pag-unlock ng ahente: Ang isang ahente na konektado sa MCP ay maaari na ngayong kumuha ng mga detalye ng kaso, makipag-ugnayan sa panlabas na impormasyon tungkol sa banta, suriin ang mga dating hatol sa mga katulad na pattern, at maghatid ng desisyon sa triage nang may ganap na pagpapaliwanag, nang hindi na kailangang mag-click ng tao sa limang tab.
2. Awtomasyon ng Pagtanggap at Pag-onboard
Ang mga kahilingan ay dumarating sa pamamagitan ng isang form. Ayon sa kasaysayan, may nagbabasa ng isinumite, lumilikha ng tracking ticket, sumusuri ng mga kinakailangan, at nagpapadala ng email ng kumpirmasyon. Apat na sistema, tatlong context switch, at isang tao ang gumagawa ng manu-manong pagpasok ng datos.
Sinusubaybayan ng isang ahente ang pinagmulan ng intake ayon sa isang iskedyul. Kapag may lumitaw na bagong entry, ginagawa nito ang tiket na may kumpletong nakabalangkas na paglalarawan, isinusulat ang sanggunian pabalik sa pinagmulan, at nagpapadala ng abiso na may kasamang buod. Walang manu-manong hakbang.
Ang agentic unlock: Ang pattern na ito ay pangkalahatan sa anumang proseso ng pagkuha ng impormasyon. Mga kahilingan sa pagsubok. Mga katanungan sa pagsunod. Mga pagsisiwalat ng kahinaan. Pagruruta ng escalation ng customer. Anumang daloy ng trabaho na kinabibilangan ng "pagbasa mula sa source A, paglikha sa system B, pag-abiso sa pamamagitan ng channel C" ay isang kandidato.
3. Pag-uulit ng Feedback sa Kalidad ng Pagtukoy
Ito ang pinakanakakatuwa sa akin. Napakaraming backlog ng mga security vendor na nagsasabing "hindi gumagana nang tama ang detection na ito". Kadalasang misteryoso ang mga deskripsyon. Nakabaon ang konteksto sa mga email thread at support ticket. Kailangan ng taong nag-triaging ng malalim na kaalaman sa produkto para maunawaan ang hinihingi.
Ang isang AI agent na may access sa iyong ticketing system, knowledge base, at security platform ay maaaring magbasa ng detection feedback ticket, kumuha ng aktwal na alert data, mag-cross-reference sa dokumentasyon, at gumawa ng malinaw na buod: “Ito ay isang false positive na dulot ng substring matching sa rule X. Nagbigay ng solusyon ang reporter. Narito ang naitama na query.”
Ang pag-unlock ng agentic: Ikonekta ang ahente sa reporting environment (nang may pahintulot) sa pamamagitan ng MCP, at maaari nitong i-validate ang naiulat na isyu laban sa live data. Wala nang "pwede ka bang magpadala ng screenshot?" Wala nang tatlong linggong balik-balikan. Nakikita ng ahente ang nakikita ng reporter.
4. Pagkonekta ng mga Tuldok sa mga Kagamitan
Ang trabaho ng isang security operations leader ay ang pagkonekta ng mga tuldok sa iba't ibang sistema. Isang email thread tungkol sa pakikipag-ugnayan ng isang partner, isang ticket tungkol sa isang detection gap, isang wiki page tungkol sa proseso, isang design board tungkol sa workflow, at pagpepresyo sa isang sales thread. Ang mga ito ay makikita sa iba't ibang tool na walang awtomatikong ugnayan.
Tinatalakay ng isang AI agent ang lahat ng ito. Kapag tinanong ito ng "ano ang status ng trial ng partner na ito?", kukunin nito ang email thread, susuriin ang tracking ticket, babasahin ang intake form, at bubuuin ang isang sagot. Hindi na kailangang magpalit ng tab. Hindi na kailangang "tingnan ko."
Ang agentic unlock: Dito nagniningning ang MCP. Ang bawat sistema ay isang MCP server. Walang pakialam ang ahente kung ang data ay nasa email, Jira, o Stellar Cyber. Pareho lang ang protocol na ginagamit nito sa lahat ng mga ito.
5. Maagap na Pagsubaybay Nang Walang Pagkapagod na Dahil sa Alerto
Ang tradisyunal na pamamaraan sa pagsubaybay ay alinman sa "palagiang suriin ang lahat" (mahal, maingay) o "maghintay na may makapansin" (mabagal, mapanganib). Ang mga ahente ng AI ay nag-aalok ng ikatlong landas: naka-iskedyul at matalinong mga pagsusuri na may paghatol sa antas ng tao tungkol sa kung ano ang dapat palawakin.
Pana-panahong sinusuri ng aking ahente ang mga channel ng komunikasyon, ngunit hindi lamang nito iniuulat ang "mayroon kang 15 hindi pa nababasang mensahe." Kinakategorya nito ayon sa pangangailangang madaliin, tinutukoy ang mga bagay na gagawin, sinasala ang ingay, at inaalerto lamang ako kapag may talagang kailangang pansinin. Ang parehong pattern ay naaangkop sa pagsubaybay sa seguridad: mga pila ng check case, pag-flag ng mga anomalya sa saklaw ng pagtuklas, pagsubaybay sa mga paglabag sa SLA. At manatiling tahimik kapag normal ang lahat.
Ang pag-unlock ng ahente: Ang naka-iskedyul na ahente ay tumatakbo gamit ang model-tier optimization. Gumamit ng mas magaan na modelo para sa mga routine check, at lumipat sa mas may kakayahang modelo kapag ang sitwasyon ay nangangailangan ng pagpapasya. Awtomasyon na may kamalayan sa gastos.
6. Dokumentasyon at Pagkuha ng Kaalaman
Ang mga pangkat ng seguridad ay nakakabuo ng napakaraming kaalaman sa institusyon na hindi kailanman naidodokumento. Ang analyst na nakakaalam na ang mga entry sa log ng isang partikular na vendor ng firewall ay kumikilos nang iba kaysa sa inaasahan? Ang kaalamang iyon ay nananatili sa kanilang isipan hanggang sa sila ay umalis.
Maaaring makuha at mabuo ng mga ahente ng AI ang kaalamang ito sa real-time. Ang bawat ticket triage, bawat interaksyon, bawat desisyon ay nagiging isang nakabalangkas na entry sa isang persistent knowledge base. Pinapanatili ng ahente ang mga pang-araw-araw na tala, ina-update ang pangmatagalang memorya nito gamit ang mga distilled insight, at pinagsasama-sama ang mga bagong impormasyon laban sa mga alam na nito.
Ang pag-unlock ng ahente: Mas maraming alam ang ahente habang mas gumagana ito. Nauunawaan na ngayon ng ahente na nag-triage ng isang batch ng mga detection ticket ang mga kakaibang katangian ng log, mga integration edge case, at mga puwang sa identity correlation na partikular sa vendor. Sa susunod na may dumating na kaugnay na ticket, magsisimula ito mula sa base na iyon — hindi mula sa zero.
Ang Kahulugan Nito para sa mga Pangkat ng Seguridad
Ginugol ng industriya ng seguridad ang nakaraang dekada sa pagbuo ng mga sistema ng pagtuklas. Ang susunod na dekada ay tungkol sa mga desisyon. Sino ang magpapasya kung ano ang totoo? Sino ang magpapasya kung ano ang gagawin tungkol dito? At gaano kabilis maaaring mangyari ang mga desisyong iyon?
Hindi pinapalitan ng Agentic AI ang analyst. Binibigyan nito ng leverage ang analyst. Ang parehong analyst na manu-manong nag-triage ng 20 kaso sa isang araw ay maaari na ngayong suriin ang 200 kaso na agent-triaged, na itinutuon ang kanilang kadalubhasaan kung saan ito mahalaga: ang mga edge cases, ang mga bagong pag-atake, ang mga hatol na hindi pa kayang gawin ng mga makina.
Maiiwan ang mga vendor na nagtatago pa rin sa likod ng mga saradong API at mga one-shot na buod ng AI. Ang mga platform na mananalo ay ang mga magbubukas ng kanilang mga API sa pamamagitan ng mga protocol tulad ng MCP, bubuo ng mga feedback loop na talagang natututo mula sa mga desisyon ng tao, at ituturing ang AI automation bilang isang produkto, na may mga sukatan ng katumpakan, mga kontrol sa gastos, at mga gabay sa pamamahala.
Binubuo namin iyan sa Stellar Cyber. Naka-on na ang MCP server. Nasa produksyon na ang Alert Auto-Triage. At mayroon akong AI agent na kaka-draft lang ng blog post na ito.
Bueno, karamihan nito.
