网络安全公司Arctic Wolf表示，其安全运营中心（SOC）正转向由人工智能主导的调查模式。据该公司发布的《2026年代理式安全运营报告》，目前AI已能在无人工干预的情况下解决60%的安全案件。
该报告基于全球100多个国家、超1.1万家组织的数据。数据显示，完全由人工分析师处理的案件比例已从一年前的81%骤降至2%；而结合AI与人工监督的调查比例则从不足1%上升至38%。这一转变反映了安全团队在应对机器速度威胁及日益增长的工作量时，作业模式的根本性重构。
AI驱动的效率跃升
Arctic Wolf的Aurora代理式安全运营中心利用AI智能体调查事件，人类分析师仅负责监督需额外判断或验证的案件。自2026年3月该系统推出以来，已解决超过300万起安全案件。该平台每周处理超10万亿个安全事件，执行超20万次调查。
报告指出，面对需快速评估的漏洞，自动化工作流需求激增。安全团队往往仅有数小时来确定暴露面、优先修复并调查潜在违规。Arctic Wolf技术与服务总裁Dan Schiappa表示，攻击者已以机器速度行动，组织不能仅依赖纯AI或纯人工模式。新的运营模式中，AI处理海量数据，人类提供监督，二者协同将AI转化为安全团队的“倍增器”。
警报降噪与响应加速
过去一年，月度调查量增加21%，但整体警报数量下降19%。数据显示，SOC每处理10亿次观测值仅开启13起调查，产生1个警报（即每1.756亿次观测值产生1个警报），表明大部分遥测数据无需进一步关注。
尽管警报减少，高严重性和危急严重性票证比例保持稳定，确保团队在不丧失对重大威胁可见性的前提下减少噪音。此外，从生成警报到创建可操作票证的平均时间缩短了36%，大幅压缩了从检测到采取行动的时间窗口。
信任机制与人工监督
报告强调，信任仍是AI在安全运营中落地的主要阻碍。组织需确信自动化决策准确、可解释且符合业务环境。Arctic Wolf通过“专家群”（Swarm of Experts）——即专门的AI智能体网络——执行和验证工作，并由AI信任引擎管理智能体行为及自主处理权限。
对于不确定、不熟悉或超出验证经验的案件，系统将升级至安全分析师。人类的决策反馈将帮助系统未来更自信地处理类似调查。这种机制旨在限制AI在证据不足时的决策风险，让分析师专注于需深入调查的案件，而非审查所有警报。
区域差异与成本优势
报告指出，威胁常出现在非工作时间。亚太地区42%的警报在非本地工作时间到达，Aurora SOC对此应用全天候统一调查方法。区域数据也凸显了独立验证的重要性：在亚太某案例中，第三方AI工具误判客户被入侵，而Arctic Wolf团队经核查未发现异常，证实了升级和人工验证的必要性。
在成本方面，Arctic Wolf分析显示，使用其Aurora托管检测与响应服务（具备端点覆盖）的客户，其事件升级为调查的数量比仅使用端点检测与响应的客户少七倍。与自行构建和运营代理式SOC相比，其成本优势约为12倍。