De vraag die het vaakst klinkt rond kunstmatige intelligentie (AI) is tegelijkertijd de meest persoonlijke: wat betekent dit voor mijn baan? Sommige mensen denken dat AI op grote schaal banen zal vervangen. Anderen zien AI vooral als een productiviteitstool. Beide visies zijn te simplistisch.
AI zal bepaalde taken en functies ongetwijfeld overbodig maken. Maar wanneer technologie waardevol werk goedkoper en sneller maakt, neemt de vraag naar dat werk vaak juist toe. De industriële revolutie verving niet simpelweg menselijke spierkracht voor machines. Het leidde tot een enorme productiestijging en creëerde tegelijkertijd vraag naar ingenieurs, spoorwegen en logistiek. Daarmee ontstonden ook compleet nieuwe beroepen. AI brengt nu een vergelijkbare revolutie op gang.
We moeten ons niet afvragen welke banen AI zal elimineren, maar wel welk werk AI zal terugdringen, welk werk juist zal toenemen en hoe organisaties daarmee om moeten gaan.
Die dynamiek is vooral relevant binnen cybersecurity. AI wordt hier vaak gepresenteerd als een manier om overbelaste beveiligingsteams met automatisering te ontlasten. Maar beveiligingsactiviteiten vormen geen statisch takenpakket dat simpelweg efficiënter kan worden afgehandeld. Cybersecurity is een voortdurende strijd tegen tegenstanders die zich continu aanpassen. Nieuwe technologische mogelijkheden brengen extra risico’s met zich mee, zorgen voor meer keuzemomenten en vergroten de behoefte aan deskundig menselijk oordeel. Voor beveiligingsleiders ligt de werkelijke uitdaging daarom niet zozeer in de vraag hoeveel taken AI kan automatiseren. Veel belangrijker is hoe de beveiligingsfunctie opnieuw kan worden ingericht rond het werk dat juist toeneemt naarmate de automatisering beter wordt.
Maak onderscheid tussen comprimeerbaar en elastisch werk
Sommige taken zijn comprimeerbaar: AI maakt ze efficiënter doordat er minder menselijke inspanning nodig is of zelfs volledig overbodig wordt. Denk aan gegevensinvoer, routinematige rapportages, eenvoudige correlaties of administratieve analyses. Als de werklast gelijk blijft, betekent een hogere efficiëntie dat er minder mensen nodig zijn om hetzelfde werk uit te voeren.
Andere taken zijn juist ‘elastisch’, een concept dat Geoffrey Hinton omschreef als ‘AI-elasticiteit’. Het idee is dat AI de vraag naar werk rondom bepaalde taken juist kan vergroten. Radiologie is daarvan een goed voorbeeld. Aanvankelijk werd verwacht dat AI beeldanalyse zo efficiënt zou maken dat er minder radiologen nodig zouden zijn. In de praktijk zorgden snellere en goedkopere beeldvormingstechnieken echter voor een hogere doorloopsnelheid. Meer scans leidden tot meer bevindingen en daarmee ook tot meer behoefte aan vervolgonderzoek, kwaliteitscontrole en overleg met specialisten en patiënten. Het werk verdween dus niet, maar veranderde. Deskundig toezicht, standaarden en verantwoording blijven essentieel voor een veilige implementatie. AI kan achterstanden wegwerken en de productiviteit verhogen, terwijl tegelijkertijd het belang van klinisch oordeelsvermogen en goed bestuur (governance) toeneemt.
Hetzelfde onderscheid geldt voor het personeelsbestand van een organisatie. In sales kan AI bijvoorbeeld het bijhouden van statistieken, marktonderzoek en backoffice-administratie comprimeren. Daardoor ontstaat meer ruimte voor waardevolle en rijke klantinteracties. Binnen HR kan AI onder meer informatie over secundaire arbeidsvoorwaarden en rapportages automatiseren, terwijl tegelijkertijd de behoefte groeit aan mensen die medewerkers door periodes van ingrijpende verandering kunnen begeleiden. De analyse moet daarom niet beginnen bij de functietitel, maar bij de afzonderlijke taken.
Cybersecurity is niet elastisch maar hyper-elastisch
De vraag naar beveiliging is in feite vrijwel onbeperkt. Meer inzicht in groeiende datastromen legt meer signalen bloot die aandacht vereisen. Meer signalen leiden vervolgens tot meer onderzoek, besluitvorming, herstelmaatregelen en afstemming met de rest van de organisatie. Zelfs wanneer AI de tijd verkort die nodig is om één waarschuwing te analyseren, kan het totale volume aan zinvol werk daardoor toenemen.
Cybersecurity verschilt bovendien van vakgebieden zoals de geneeskunde doordat het probleem zelf intelligent en adaptief is. Kanker gebruikt geen AI om behandelingen beter te ontwijken. Aanvallers gebruiken AI daarentegen wél om activiteiten te automatiseren, social engineering te personaliseren en hun tactieken aan te passen aan verdedigingsmaatregelen. AI verhoogt zowel de snelheid als de verfijning van aanvallen, terwijl het tegelijkertijd de mogelijkheden van verdedigers versterkt. Kortom, het vergroot zowel het signaal als de ruis.
Beveiligingswerk wordt daardoor hyper-elastisch zodra er sprake is van een actieve tegenstander. Routinematige triage kan weliswaar worden geautomatiseerd, maar activiteiten als threat hunting, engineering, risicoafweging en communicatie met de organisatie nemen juist in omvang toe. Fouten blijven kostbaar, gemiste signalen hebben ernstige gevolgen en verantwoordelijkheid kan niet simpelweg aan een model worden overgedragen. Je hebt juist analisten nodig voor taken waarbij hun expertise en beoordelingsvermogen de meeste waarde hebben.
Transformeer het SOC tot een engineeringorganisatie
De laatste implicatie is organisatorisch. De beveiligingsfunctie moet een ontwikkeling doormaken die vergelijkbaar is met de verschuiving van traditionele IT naar DevOps. DevOps verving trage, lineaire processen door snellere iteraties, agile teams en continue verbetering. SecOps moet nu een vergelijkbare stap zetten.
AI-assistenten nemen steeds vaker correlatie, verrijking en eerste analyse voor hun rekening. Analisten moeten daarom niet langer in de eerste plaats worden gezien als mensen die meldingen afhandelen. Ze ontwikkelen zich tot SecOps-engineers die de systemen om hen heen onderzoeken, orkestreren, testen, bewaken en voortdurend verbeteren. Die transformatie heeft ook gevolgen voor carrièrepaden. In plaats van jarenlange ervaring op te doen via repetitieve triage, kunnen nieuwe professionals zich ontwikkelen via leerwerktrajecten, mentoring en geïntegreerde teams waarin menselijke expertise wordt gecombineerd met AI.
De noodzaak om zich aan te passen wordt verder versterkt door de opkomst van ‘machinesnelheid’. Aanvallers en verdedigers maken steeds vaker gebruik van autonome systemen. Mensen bepalen wellicht de doelen, beperkingen en controles, terwijl de directe interactie vervolgens grotendeels tussen machines plaatsvindt. Dat maakt mensen echter niet overbodig. Hun verantwoordelijkheid verschuift naar een eerder stadium in het proces. Zij moeten veerkrachtige architecturen ontwerpen, output valideren, kaders vaststellen en bepalen wat een systeem wel en niet mag doen.
Leiders moeten daarom beginnen met het indelen van werk in drie categorieën: comprimeerbare, elastische en hyper-elastische activiteiten. De eerste categorie moet zoveel mogelijk worden geautomatiseerd. Voor de tweede moet voldoende capaciteit worden opgebouwd en de derde moet worden beschouwd als een strategische competentie. Vervolgens moeten rollen, ontwikkeling en verantwoordelijkheden opnieuw worden vormgegeven, rekening houdend met een realiteit waarin AI meer output en meer beslismomenten genereert en acties steeds sneller gevolgen hebben.
De toekomst van werk wordt niet bepaald door een simpele strijd tussen mens en machine. Het zal afhangen van de vraag of organisaties de juiste taken kunnen comprimeren zonder het elastische werk dat waarde creëert uit te hollen. Binnen cybersecurity is die transitie al volop bezig. De winnaars zullen niet de organisaties zijn die AI uitsluitend inzetten om hun SOC te verkleinen, maar degenen die AI gebruiken om een snellere, bekwamere en meer verantwoordelijke beveiligingsfunctie op te bouwen.
Dit is een ingezonden bijdrage van Zscaler. Via deze link vind je meer informatie over de mogelijkheden van het bedrijf.