Agentic SOC（或 Gartner 所稱的 AI SOC 代理）市場正快速發展。在過去 18 個月中，已有數十家新創公司進入這個領域，每一家都聲稱能改變安全營運團隊處理警報分類、調查與回應的方式。這些產品的推銷內容通常大同小異：部署 AI 代理、減少警報積壓，並讓分析師能專注於更高價值的工作。

其中部分承諾確實成立。但 Gartner 最新的研究指出，大多數評估這些工具的組織提出了錯誤的問題，或提出的問題還不夠深入。在一份名為《透過這些關鍵問題驗證 AI SOC 代理承諾》的最新報告中，分析師 Craig Lawson 與 Andrew Davies 為正在考慮部署 AI SOC 代理的資安領導者提出了一套結構化評估框架。

他們的核心發現相當發人深省：雖然預計到 2028 年，70% 的大型 SOC 將會試點 AI 代理用於 Tier 1 與 Tier 2 營運，但只有 15% 能在沒有結構化評估的情況下取得可衡量的改善。這代表採用與成果之間存在巨大落差。這也意味著，多數安全團隊面臨的問題不在於是否導入 AI，而是在於如何區分真正的營運改善與行銷噪音。

以下是 Gartner 建議評估的關鍵領域，以及每一項為何至關重要。

1. 它是否真的減少了你團隊目前的工作量？

這聽起來很直覺，但 Gartner 的提問方式更精確。第一個問題不是「這個工具能做什麼」，而是「你目前 SOC 的哪些工作屬於重複、耗時，且對威脅偵測、調查與回應價值有限？」

某些工具在展示環境中可能表現亮眼，但解決的卻是你團隊早已透過其他方式處理的流程。因此，評估應從你的營運瓶頸出發，而不是廠商的功能清單。

Gartner 也建議詢問哪些具體任務適合被增強（augmentation），以及該解決方案是否是為特定 SOC 角色設計。專注於警報分類與調查的平台，其設計方式會不同於以 if/then 工作流程為核心的工具。事先釐清範圍，可以避免日後產生錯誤期待。

2. 除了「處理的警報數量」，你如何衡量成果？

數量指標可能具有誤導性。每月處理 10,000 個警報，如果調查品質下降或漏掉真正威脅，其實意義不大。Gartner 強調，評估應聚焦於 TDIR 指標與成果改善：

• 平均偵測時間（MTTD）、平均回應時間（MTTR）、以及誤報率降低。
• 但報告進一步指出，質化成果同樣重要：
• 是否提升分析師滿意度？
• 是否改善執行品質，而不只是速度？

報告亦指出，最終目標應是平均遏制時間（MTTC），因為只有在遏制時風險才真正降低。若廠商只談分類速度，而未涉及後續調查品質與遏制時間，就忽略了最重要的部分。

請要求提供與你環境相似的實際基準數據，並確認這些數據來自概念驗證（PoC）還是長期生產環境，因為兩者差異往往很大。

3. 這家供應商兩年後還會存在嗎？

這個市場仍處於早期階段。Gartner 描述這是一個有大量新創公司、採用不同方法與設計原則的市場。這種多樣性有助於創新，但同時也帶來供應商風險，資安領導者必須誠實評估。建議詢問：

• 產品何時正式上市
• 客戶基礎規模
• 資金與財務狀況

Gartner 也指出，該領域高度可能發生併購，應將其視為第三方風險管理問題，而非直接排除因素。定價模式也需仔細檢視。有些依警報量、有些依資料量或 token 使用量計價。在 LLM 驅動系統中處理大量警報的成本，可能以非預期方式成長，因此必須了解在高負載下成本如何變化。

4. 它會讓分析師變得更好，還是只是換種方式更忙？

這是 Gartner 框架中較為細緻的一部分，聚焦於分析師增強與技能提升。問題不只是 AI 是否能更快完成分類，而是：它是否能長期提升人類專業能力？

建議詢問：

• 是否提供訓練與賦能資源
• AI 是否能創造學習機會（例如建議威脅狩獵或最佳實務）
• 是否協助偵測工程工作

這反映出一個重要張力：如果 AI 完成所有調查工作，初階分析師是否還能成長為資深分析師？最佳實踐是讓 AI 呈現其推理過程，使分析師能學習，而不是只給出是或否的結論。例如 Prophet Security 會展示每一步查詢、資料來源與分析流程，讓初階分析師能學習專家如何思考。

5. AI 自主性的邊界在哪裡？

Gartner 區分「human in the loop」與「human on the loop」：

• 前者：每個動作需人類批准
• 後者：AI 可自主執行，人類負責監督

沒有絕對正確答案，取決於：

• 組織風險承受度
• 法規要求
• AI 成熟度

需詢問：

• 哪些行為可自動執行
• 哪些需人工批准
• 如何對高風險行為（如帳號停用、網路隔離）設置防護
• 是否可依風險調整自主程度

報告也強調失效安全（fail-safe）機制的重要性：當 AI 面臨不確定或衝突訊號時，應選擇升級處理，而非自行決策。

6. 它真的能與你的既有系統整合嗎？

整合聲明容易提出，但難以驗證。Gartner 建議評估：

• SIEM、EDR、SOAR、身分系統的原生整合深度
• 不要只看廠商展示的 logo

另一個常被忽略的問題是：

• 是否需要資料集中化？還是可在分散環境中運作？
• 對於複雜或混合架構組織而言，這差異極具影響。

7. 你能看見它在做什麼嗎？

透明性可能是最重要的評估指標。需詢問：

• 是否提供可解釋性（explainability）
• 是否有可讀的稽核紀錄
• 如何處理敏感資料
• 如何防止模型濫用或資料外洩

對受監管產業而言，這些是必備條件。即使沒有法規要求，透明性也直接影響分析師是否信任並採用該工具。

若 AI 只提供結論而不解釋過程，分析師要嘛盲信，要嘛重做調查，兩者都不可取。因此，有些廠商採用「玻璃盒（glass box）」方式，記錄所有查詢、資料與推理邏輯。例如 Prophet Security 的調查時間軸，可讓分析師追溯每個結論的證據來源。

更大的圖景

Gartner 的框架之所以有價值，是因為它避免在尚未成熟的市場中急於選出贏家。報告提醒：

• 不要過度依賴行銷宣稱
• 完全自主尚不可行
• 定價與整合存在隱藏成本

對於評估 AI SOC 代理的安全領導者而言，重點很明確：該技術確實有潛力降低調查負擔、改善回應速度，並處理人類無法應付的警報量。但要實現這些價值，必須採取結構化且以成果為導向的評估方式，而這正是多數採購流程所缺乏的。

資料來源：https://www.bleepingcomputer.com/news/security/how-to-evaluate-ai-soc-agents-7-questions-gartner-says-you-should-be-asking/